|
|
36氪得悉，专一于份子设计的企业QuanMol Tech已实现数百万美元天使轮和种子轮融资，由Plug and Play领投，Silicon Valley Future、AI Basis、 Decent Capital等跟投。本轮资金次要用于团队扩大和产品开发。
QuanMol Tech团队首先切入的赛道是人工智能辅佐药物设计。团队以为，AI制药行业这几年开展迅速，次要都是用计算机摹拟份子设计，但市场上的一些解决计划往往难以达到较高的预测精准度，解释性也较弱，其实不能从基本上帮忙为参预试验的试验化学家进步其对份子的了解，还需求更精准无效的办法。
为此，QuanMol Tech团队采取了深度学习图神经网络加之物理化学畛域常识来做份子设计，“图神经网络能够很好地婚配份子模型，解决现有预测精度不敷的问题”。基于此办法，目前QuanMol Tech曾经取患了外行业当先的份子性质预测精度。公司联结开创人沈兴宇博士以为，药物研发是个极为繁杂的进程和体系，人对药物自身的了解也不敷，“AI取代人来做药”这个登程点其实不可取。
基于上述两点意识，QuanMol Tech从人辅佐药物开发的视角切入，聚焦药物开发初期——基于大数据和AI算法辅佐药物化学家疾速实现药物研发进程的数据解读工作，譬如蛋白质表示、组织表示，以及试验后果的验证摹拟等，要使其灵感能够定量化，终究增加药物研发过程当中的试错本钱。据悉，目前产品曾经在终究实现阶段，预计明年第一季度产品便可实现。
公司联结开创人吕旭东博士表现，上述运用学习本钱低能够普遍辐射于小份子药物化学家，他们是全部产业链中真正做输入、把药做出来的这群人，但他们并无被办事到。“而从掩盖的人群范围和使用场景上看，市场范围相较于传统的面向计算化学家的工具扩张了十分多。”
在商业模式上，区分于其它AI制药公司，提供CRO办事或是间接定位于Biotech做研发管线，QuanMol Tech的设想是提供软件办事，帮忙试验室人员疾速用数据和迷信计算来撑持其钻研假定。
对此，沈兴宇指出，其难度次要体当初高的认知壁垒——“要知道视察、假定、验证的是甚么，且要有配套的实践定义问题，用化学的言语进行交流”，在此根底上将人工智能与化学物理无机结合，确保其有很高的解释性。
按照他的简略测算，“当初咱们能用很低的计算本钱，帮忙药物化学家增加4-5步优化工程，现有试验办法需求的破费大略是百倍于咱们的价钱。”
据沈兴宇透露，其采取的图神经网络算法，所要用的数据量远小于其它模型，“大略只要非常之一”；数据来源次要来源于地下数据集、数据库企业，以及公司本人定制化生成。
目前，公司已获取一些出名药企和协作申请和动向。吕旭东也指出，公司中心算法拥有很高的延长性，可指点许多垂直畛域的产品，药物研发只是其中一个场景，公司将来还会探究新资料、动力、日化、食物添加剂等畛域。
据悉，公司行将启动新一轮融资方案。
附中心团队引见
沈兴宇（28岁）。沈兴宇博士结业于加州大学伯克利分校化学院，结业后成了Arcus Bioscience的药物化学家，并在阅历过药物研发（临床前阶段）的早中晚期，有十年的无机小份子份子钻研教训。
吕旭东，北大物理和经济学学士，加州大学伯克利分校博士，现为加州理工学院钻研员。他也是Taihill Venture合伙人。
李勃，加州理工大学的化学系在读博士，前后师从Thomas Miller 与William Goddard传授。其次要钻研标的目的是解决份子设计，生成等问题，有计算化学，实践化学，大尺度份子摹拟，含几何的深度学习模型以及虚构份子工程设计方面的教训。
易旻臻（27岁），本科结业于清华大学自动化系，硕士结业于威斯康星麦迪逊大学计算机系。易旻臻延续四年对使用AI对生物数据学习进行钻研，此前曾为Pinterest的初级机器学习工程师，在Pinterest率领团队对其保举算法进行迭代，使用户参预度进步了30%。其任务期间次要使用的GNN（图神经网络）技术也是QuanMol团队所需求的首要技术。 |
|
中级会员