VivoSim与Chemveda把人体组织放到AI药物研发的中心

生成模型提出分子的速度，早已超过任何人测试它们的速度。安全评估正是排起长队的地方。

如果人体组织筛选真像宣传的那样管用，生物技术客户就能更早淘汰坏化合物，并减少动物实验。不过到目前为止，还没有人证明更好的实验室预测能提高临床试验的成功率。

合作内容：把人体组织当作测试台

按照这项合作，Chemveda将为制药和生物技术客户设计、合成并优化由AI得出的化合物。VivoSim则让选中的分子通过其NAMkind Liver和NAMkind Intestine模型，这两个模型由原代人体细胞构建。为什么要把人体组织纳入流程？因为化学家需要在分子还能修改的时候就拿到毒性信号。VivoSim把这称为快速的设计、合成、测试循环：组织数据回流到合成环节，而不是等候选药物定稿之后才姗姗来迟。VivoSim执行董事长Keith Murphy在公告中直白地描述了这个问题。他说，AI给了行业“一根喷出新分子的消防水龙带”，却没有给出办法判断哪些分子有效、哪些可能伤害患者。

为什么安全性测试成了瓶颈

这套说辞建立在一种熟悉的失败模式上。肝脏毒性和胃肠道毒性仍是前景看好的药物在临床阶段失败的最常见原因之一，而且往往发生在多年工作和数亿美元投入之后。过去设计少数几个分子所需的时间，生成模型如今能提出数千个新分子。VivoSim的证据来自一个包含92种小分子化合物的临床数据集。公司称，在这个数据集上，其NAMkind Liver模型预测药物性肝损伤的准确率为91%，灵敏度为90%，特异度为95%。公司还称，在动物模型和传统方法只能检出50%至65%真实肝毒性物质的场合，其灵敏度超过90%。

这些都是公司自己的数字。它们发表在公司公告中，尚未被独立重复。

不过，监管层面的推动是真实的。同一份公告称，美国食品药品监督管理局积极鼓励用与人体相关的新方法学替代动物实验。这在商业上很重要：监管机构认可的筛选，比只能说服化学家的筛选更值钱。

其他团队也在搭建同样的验证层

卖验证而不是卖生成的公司，并不只有VivoSim。QurieGen和Rayca Precision于11月3日表示，他们将把靶点发现、AI驱动的分子设计和细胞验证串成一个迭代流程。QurieGen随时间测量单个细胞内的基因表达、表面蛋白、胞内蛋白以及磷酸化蛋白。Rayca把AI与基于物理的模拟结合起来，模拟蛋白质如何运动，并寻找结合位点，包括暂时可及的结合位点。双方的试点从一个问题开始：一个疾病领域加上商定的约束条件。当结果与预期不符时，数据的作用是把坏靶点和坏分子区分开。合作方称，这个循环的设计目的是在关键的研发决策之前减少不确定性。

资金也在流向同一层。Vitroscope融资700万美元，其中500万美元为种子轮，另有200万美元来自挪威研究委员会的非稀释性资金；迄今累计融资880万美元。

其台式平台vitro.alive可并行运行六项独立实验，Vitroscope与Instant Bio让血管化的人脑类器官在灌流条件下维持了七天。可做96项实验的版本vitro.scale正在开发中。数据是另一条路径。Parse Biosciences与Nomic Bio正在构建Cascade，这是一个包含1亿个细胞的基线数据集，把单细胞RNA测序与超过11000种分泌蛋白谱配对，覆盖超过15万种细胞因子和药物条件。公司称，GSK、辉瑞、赛诺菲、Graph Therapeutics和Turbine已作为合作方加入。

什么才算得上证据

证据会是什么样子？VivoSim说，合作方将在几周内、而不是几年内知道哪些分子值得推进。

这是一个关于速度的说法。更难的说法是，与人体相关的筛选能提高候选药物通过试验的比例，而这需要多年才能检验。大型药企自己的交易显示了时间尺度。阿斯利康与Insitro签署了一项战略药物研发合作，覆盖代谢性肝病和心肌疾病，采用基于里程碑的付款结构。Kalkine Media指出，这一联盟带来的任何商业收益都要在很多年之后。Vitroscope的新资金用于vitro.alive的商业化推广，以及用vitro.scale开展更高通量的工作。Parse和Nomic称Cascade是同类资源中最大的一个，可供AI应用用来模拟免疫系统。Murphy说，目标是用来与人体相关的结果取代猜测。这些团队中没有一个公布过临床成功率。这个数字一旦出现，争论就会见分晓。