YC 支持的 ReactWise 正在应用 AI 来加速药物生产
快速阅读: 据《TechCrunch 技术紧缩》称，英国初创公司反应智行利用AI加速药物制造，声称其技术比传统试错法快30倍。通过高通量筛选生成数据训练AI模型，该公司旨在实现“一次预测”以优化药物生产工艺。反应智行已完成340万美元种子前融资，计划两年内推广其软件服务，并已启动多个制药公司试点项目。
人工智能持续搅动化学领域。以由 Y Combinator 支持的英国剑桥公司反应智行（ReactWise）为例，它正在利用人工智能加速化学制造——这是将新药推向市场的关键一步。一旦实验室中确定了一种有前景的药物，制药公司就需要能够生产出更多的材料来开展临床试验。这就是反应智行提供其“化学工艺优化的人工智能副驾驶”的地方，该公司称其加速了基于传统试错法过程的30倍，以找出最佳的药物制造方法。“制造药物就像烹饪一样，”联合创始人兼首席执行官亚历山大·庞伯格（如上图左侧所示，与联合创始人兼首席技术官丹尼尔·维格一起）在与 TechCrunch 的通话中说道。“你需要找到最佳的配方，以高纯度和高产率制造药物。”他说，多年来，该行业依赖于试错法或员工专业知识来进行“工艺开发”。将自动化引入其中提供了一种减少迭代周期数量的方法。
这家初创公司认为，它将在未来（“两年内”是庞伯格的预测）实现“一次预测”——即人工智能将能够几乎立即“预测理想的实验”，而无需多次迭代，每次实验的数据都需要反馈回来进一步完善预测。该初创公司的机器学习人工智能模型仍然可以通过减少所需的迭代次数，在药物开发链的这一部分节省大量成本。简化繁琐过程
“这个想法的灵感来源于：我受过化学训练，在大型制药公司工作过，我看到了整个行业是多么繁琐和依赖试错法，”他说，并补充道，这项业务基本上是将五年的学术研究——他的博士研究重点是“由机器人工作流和人工智能驱动的化学合成自动化”——整合成一种“简单的软件”。支撑反应智行产品的是一些反应数据点，这些数据点来自初创公司在其实验室中进行的数千次反应，以喂养其人工智能驱动的预测。
庞伯格表示，该初创公司使用了一种“高通量筛选”方法在其实验室中，这允许它一次筛选300个反应，从而加快捕捉所有这些训练数据用于人工智能的速度。“在制药……有一些反应类型被反复使用，”他说。“我们所做的就是在实验室中生成数千个相关反应的数据点，训练基础反应性模型，这些模型从根本上理解化学。然后当一家制药公司需要开发可扩展的工艺时，他们不需要从头开始。”
该初创公司从去年八月开始捕捉反应类型以训练其人工智能，庞伯格表示将在夏季完成。它正努力覆盖20,000个化学数据点以“涵盖最重要的反应”。“用传统方式获得一个单一数据点通常需要一名化学家花费一到三天的时间，”他说，并补充道：“所以这真的是，我们称之为昂贵的数据评估。很难获得单一数据点。”
到目前为止，它专注于“小分子药物”的制造工艺，庞伯格表示这些药物可以用于治疗各种疾病。但他建议，这项技术也可以应用于其他学科，指出公司还在与两家聚合物药物递送开发的材料制造商合作。反应智行的自动化策略还包括可以与机器人实验室设备接口的软件，以进一步提高药物的精确制造。不过，明确的是，它纯粹专注于销售软件；它不是机器人实验室设备的制造商。相反，如果客户拥有这样的设备，它能够提供驱动机器人实验室设备的能力。
这家英国初创公司成立于2024年7月，目前已有12个试点试验在其软件与制药公司中运行。庞伯格表示，他们预计今年晚些时候将首次转换为全面部署订阅软件。虽然它尚未透露所有合作公司的名称，但反应智行表示这些试验包括一些大型制药公司。
种子前融资
反应智行正在披露其种子前融资的全部细节，总额为340万美元。该金额包括之前披露的YC资助（50万美元）和接近120万英镑（约160万美元）的Innovate UK拨款。其余资金（约150万美元）来自未具名的风险投资公司和天使投资者，反应智行称这些投资者“致力于推进人工智能驱动的可持续制药制造”。
尽管反应智行相对狭隘地专注于药物开发链的特定部分，但庞伯格表示，这里的加速可以在缩短新药到达患者所需时间方面产生有意义的影响。“让我们看看一种药物从开始到上市的典型时间：10到12年。工艺开发需要一到一年半到两年的时间。如果我们能在这里基本加快工作流程——平均减少60%——那么我们可以大致了解其效果如何，”他指出。
同时，其他初创公司也在将人工智能应用于药物开发的不同方面，包括最初识别有趣的化学物质，因此随着更多自动化创新的加入，可能会产生叠加效应。但是，当涉及到药物制造时，庞伯格认为反应智行处于领先地位。“我们是第一个真正解决这个问题的，”他说。
该初创公司与使用统计方法的传统软件竞争，例如JMP。他还表示，还有一些其他公司正在应用人工智能加速药物制造，但他指出，反应智行对化学反应高质量数据集的访问使其具有竞争优势。“我们是唯一有能力并且当前生成这些高质量数据集的公司，”他说。“我们的大多数竞争对手提供的只是软件。客户基本上是根据输入接收到基于指令的提示。
但从我们的角度来看，我们提供这些预训练模型——它们非常强大，因为它们从根本上理解化学。我们的想法是让客户只需说：‘这是我感兴趣的反应，按下开始按钮，我们已经在实验室的所有前期工作中为他们提供了工艺建议。而目前没有人这样做。”
(以上内容均由Ai生成)
