Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Umowy o odkrywanie leków z AI przybierają formę funduszy i wspólnych przepływów danych

Insilico Medicine poinformowało 3 listopada, że wniesie 302,5 mln juanów, czyli około 45,4 mln dol., do nowego funduszu biomedycznego i AI z Value Partners Shenzhen i dwoma innymi partnerami. Łączny zadeklarowany kapitał wynosi 610 mln juanów, około 91,6 mln dol.

AI i modeleWyjaśnienieMarta ZielińskaOpublikowano: 4 listopada 20264 min czytaniaŹródła 28
Umowy o odkrywanie leków z AI przybierają formę funduszy i wspólnych przepływów danych

Takie umowy dają założycielom firm biotechnologicznych kapitał i dostęp do platform walidacyjnych. Nie muszą czekać na jednego dużego partnera farmaceutycznego. Dla kupujących z branży farmaceutycznej obietnica to wcześniejszy dowód, czy cel molekularny i cząsteczka działają. Żadna z firm nie podała, ile wart jest pilotaż QurieGen i Rayca.

Insilico sięga po strukturę funduszu

Fundusz nazywa się Insilico Pudong Value Partners (Shanghai) Private Investment Fund Partnership. Spółki zależne Insilico Medicine Shanghai i Insilico Pudong podpisały umowę partnerską z Value Partners Shenzhen, Pudong Construction i Hanchen Lanxi. Fundusz ma docelowo zebrać do 1,01 mld juanów, około 151,6 mln dol. Będzie inwestował w firmy biopharmaceutyczne, z sektora life sciences i AI na etapie wzrostu, od serii A do przed debiutem giełdowym. Insilico podało, że fundusz nie stanie się spółką zależną. Firma nie będzie konsolidować jego wyników finansowych w sprawozdaniu grupy. Swój udział przedstawiła jako dostęp do możliwości wzrostu w biopharmie i life sciences.

Insilico to firma odkrywająca leki z pomocą AI. Value Partners Shenzhen jest zarządzającym aktywami. Pudong Construction inwestuje w infrastrukturę. Rola Hanchen Lanxi pozostaje nieokreślona.

QurieGen i Rayca łączą odkrywanie z projektowaniem

QurieGen i Rayca Precision ogłosiły wspólny tok odkrywania leków. Łączy on odkrywanie celów molekularnych, projektowanie cząsteczek z pomocą AI i walidację komórkową w jednej pętli.

QurieGen korzysta z platformy multiomiki pojedynczych komórek z rozdzielczością czasową. Mierzy w niej ekspresję genów, białka powierzchniowe i wewnątrzkomórkowe oraz fosfoproteiny w poszczególnych komórkach w czasie. Rayca modeluje ruch i zmiany kształtu białek, w tym miejsca wiązania dostępne tylko chwilowo. Łączy AI z symulacjami fizycznymi, żeby projektować cząsteczki. Wybrane cząsteczki są syntetyzowane i testowane w modelach komórkowych odpowiadających danej chorobie. Wyniki wracają do kolejnego cyklu projektowania. QurieGen mierzy zmiany molekularne i komórkowe, żeby sprawdzić, czy cząsteczka wywołuje zamierzoną reakcję biologiczną. Firmy podały, że pilotaż zaczyna się od jednego pytania biologicznego, obszaru chorobowego i uzgodnionych ograniczeń. Warunków finansowych nie ujawniły.

Wąskim gardłem jest walidacja

Rozwój leków wciąż mocno koncentruje się na sprawdzonych celach molekularnych, twierdzą obie firmy. Niewystarczająca skuteczność pozostaje głównym powodem, dla którego kandydaci na leki odpadają w badaniach klinicznych. Odkrywanie celów, projektowanie cząsteczek i walidacja doświadczalna zwykle odbywają się w osobnych etapach. Parse Biosciences i Nomic Bio mierzą się z podobnym problemem danych w projekcie Cascade. Zbiór danych połączy 100 mln profili RNA-seq pojedynczych komórek z ponad 11 000 profili białek wydzielniczych, podają firmy. Zgromadzi też odpowiedzi na ponad 150 000 pojedynczych i łączonych warunków cytokinowych i lekowych. Sekwencjonowanie odbywa się w GigaLab firmy Parse. Firma twierdzi, że GigaLab analizuje miliardy komórek rocznie. Platforma Omini 1000 firmy Nomic mierzy ponad tysiąc białek wydzielniczych w próbkach.

Według firm do projektu dołączyło pięciu nazwanych partnerów: GSK, Pfizer, Sanofi, Graph Therapeutics i Turbine.

Skala danych i kapitał

Vitroscope to firma biotechnologiczna budująca platformy perfuzyjne dla żywej tkanki. Zebrała 7 mln dol.: 5 mln dol. w rundzie zalążkowej i 2 mln dol. bezzwrotnego finansowania od Norweskiej Rady ds. Badań Naukowych. Rundę zalążkową współprowadziły Cerberus Ventures i YZR Capital. Do tej pory firma pozyskała 8,8 mln dol. Jej stołowa platforma vitro.alive prowadzi sześć niezależnych, równoległych eksperymentów z programowalną perfuzją i obrazowaniem żywych komórek. Projektowana vitro.scale ma obsłużyć 96 równoległych eksperymentów. Vitroscope i Instant Bio utrzymywały unaczynione ludzkie organoidy mózgowe w perfuzji przez siedem dni na vitro.alive, podaje firma.

3 mld przedstawi swoją strategię odkrywania leków z AI na BIO-Europe 2026. Opiera się ona na danych genomicznych od ponad 120 000 pacjentów i na ponad 600 000 kartach przypadków klinicznych. Konferencja odbywa się 9-11 listopada w Kolonii. Organizatorzy spodziewają się ponad 6 000 przedstawicieli branży.

3 mld bada osoby, które noszą warianty wywołujące choroby, ale pozostają bez objawów. Celem jest znalezienie modyfikatorów genetycznych wpływających na początek choroby i jej ciężkość. Firma używa też AI do szukania niezbadanych dotąd miejsc wiązania na białkach, które tradycyjnie trudno było zaatakować.

Co dalej

3 mld planuje spotkania partnerskie na BIO-Europe 2026, żeby omówić wspólne badania i umowy dotyczące rozwoju leków. Pilotaż QurieGen i Rayca startuje z jednym pytaniem biologicznym i jednym obszarem chorobowym. Firmy nie podały harmonogramu. Insilico poinformowało, że fundusz nie zakończył jeszcze procedury ustanowienia. Jego faktyczne cele inwestycyjne i tempo pozostają niejawne.

Komentarze 0

Źródła

28
  1. 01Insilico Medicine Teams Up with Value Partners Shenzhen to Form Fund, Committing CNY 302.5 Million to Biomedical and AI InvestmentsEN
  2. 02QurieGen and Rayca Precision redefine drug discovery by connecting novel target discovery with AI-powered drug designEN
  3. 03Parse Biosciences and Nomic Bio Launch 100-Million-Cell Immune Dataset to Advance AI Drug DiscoveryEN
  4. 04Vitroscope raises $7M to turn living human tissue into a new source of drug discovery dataEN
  5. 053billion to Showcase AI Drug Discovery Capabilities at BIO-Europe 2026EN
  6. 06Scientists discover new Alzheimer’s drug that repairs DNA damage and reduces brain inflammationEN
  7. 07Ex-Phoenix Court partner launches $17M debut solo fund to discover next LovableEN
  8. 08Scientists trick cancer cells into making the drugs that kill themEN
  9. 09STAT+: Servier’s $1.55 billion muscular dystrophy drug fails first major testEN
  10. 10All 5 genetic “letters” of DNA and RNA discovered in a 4.5-billion-year-old asteroidEN
  11. 11DOE Announces $8.5M for Fusion Energy Public-Private PartnershipsEN
  12. 12Servier's $1.5B bet on Edgewise drug fails five months inEN
  13. 13Scientists discover that some “unhealthy” diets can boost cancer immunotherapy in miceEN
  14. 14CATL expands eVTOL partnerships with Blue Vector dealEN
  15. 15NASA's Hubble and Webb discover ancient worlds that remember their pastEN
  16. 16 Anycubic and Thingiverse announce exclusive 3D printing partnership EN
  17. 1728 Zero-Day Findings in Less Than Two Days: What AI-Speed Discovery Means for RoboticsEN
  18. 18WuXi Biologics, Fresenius partner ahead of biosimilar boomEN
  19. 19Scientists discover the hidden “muscles” trees use to straighten themselvesEN
  20. 20Scientists discover metals that defy the deep freeze at -424°FEN
  21. 21Scientists discover a bacterial defense so strange they thought it was brokenEN
  22. 22A surprising vitamin A discovery is changing what scientists know about visionEN
  23. 23Podcast: Rivian earnings, Waymo partners with Toyota, Ford bets on V2H for Fathom, and moreEN
  24. 24Scientists discover mysterious seahorse lookalikes that no one has ever seen aliveEN
  25. 25Scientists discover why chronic back pain feels so personalEN
  26. 26NASA discovers Jupiter’s invisible shield is more complex than Earth’sEN
  27. 27Scientists discover a hidden oxygen reservoir deep inside EarthEN
  28. 28Scientists discover a secret glow in toxic fire salamandersEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.