A輪獲NVIDIA領(lǐng)投1億美元融資，大模型先驅(qū)和斯坦福教授用AI顛覆制藥業(yè)

本文來自微信公眾號“阿爾法公社”(ID:alphastartups)，作者:發(fā)現(xiàn)非凡創(chuàng)業(yè)者的。

AI+生物醫(yī)藥領(lǐng)域，DeepMind的AlphaFold是最出名的研究，它幾乎完整解析了所有蛋白質(zhì)結(jié)構(gòu)。AlphaFold的AI系統(tǒng)基于Transformer架構(gòu)，而Transformer論文主要的作者Jakob Uszkoreit也已投身AI+醫(yī)藥領(lǐng)域。

Jakob Uszkoreit創(chuàng)立的AI生物技術(shù)公司Inceptive近日獲得a16z、NVIDIA的風險投資部門NVentures以及Obvious Ventures等機構(gòu)投資的1億美元A輪融資，加上此前融資的2000萬美元，它的累計融資額達到1.2億美元，估值超過3億美元，比上一輪翻了兩番。

這筆融資使Inceptive獲得了NVIDIA尖端計算平臺的使用權(quán)限。在目前的芯片短缺情況下，計算能力越來越成為開發(fā)復(fù)雜AI算法的限制因素。

與AlphaFold把目標放到蛋白質(zhì)結(jié)構(gòu)不同，Inceptive的目標是mRNA。它通過搭建一個AI軟件平臺，去尋找和開發(fā)mRNA分子，一旦這些分子通過了實驗室的試驗，則會把這些分子授權(quán)給制藥公司進行臨床試驗，最終變成基于mRNA的疫苗。

目前它已經(jīng)與一些歐洲的大型制藥公司合作，將這項創(chuàng)新的技術(shù)落地。

如果您對人工智能的新浪潮有興趣，有見解，有創(chuàng)業(yè)意愿，歡迎掃碼添加“阿爾法小助理”，備注您的“姓名+職位”，與我們深度連接。

Transformer論文作者與斯坦福教授用AI設(shè)計RNA分子

目前Transformer論文的8位作者都已離開Google創(chuàng)業(yè)，他們創(chuàng)立了Cohere，character.ai，AdeptAI，Essential AI以及Sakana.ai等，但是這些公司基本集中在ToC或ToB的文本處理相關(guān)的功能上，Jakob Uszkoreit的Inceptive是其中唯一跨界到生物醫(yī)藥，并且更偏向研究的，這是一個理想主義的創(chuàng)業(yè)方向。

Jakob Uszkoreit

“我們希望最大限度發(fā)揮AI在生命科學等領(lǐng)域的積極影響，尤其是生成式AI 在制藥行業(yè)的潛力。我們創(chuàng)辦的公司將會應(yīng)用生成式AI生成生物數(shù)據(jù)，用于開發(fā)新療法，而不是生成文本或者圖像。我們想最大化這種AI的積極影響。” Jakob Uszkoreit在談到自己的創(chuàng)業(yè)想法時表示。

大模型先驅(qū)+斯坦福生物教授+連續(xù)創(chuàng)業(yè)者

Inceptive由Jakob Uszkoreit(CEO)、Kevin Heyries(CBO)以及Rhiju Das于2021年聯(lián)合創(chuàng)立。

Jakob Uszkoreit從2008年起就在Google工作，他主導了Google Assistant的NLP團隊。而他并不是在離開Google創(chuàng)業(yè)時才選擇了AI+生物醫(yī)藥方向，在共同寫作《Attention is all you need》這篇論文之前，他就已經(jīng)在探索將AI用于預(yù)測人類蛋白質(zhì)結(jié)構(gòu)。

Rhiju Das是斯坦福大學生物化學與物理學副教授，他過往的研究一直集中在通過模擬和計算設(shè)計RNA分子，他主持著EteRNA大規(guī)模開放實驗室，在2020年，Das及其團隊利用EteRNA實驗室的資源研究開發(fā)了可常溫保存的COVID-19RNA疫苗。

Kevin Heyries曾是AI抗體發(fā)現(xiàn)公司AbCellera的聯(lián)合創(chuàng)始人，親自參與了AbCellera從組建到運營的多個方面，他在創(chuàng)新、業(yè)務(wù)拓展、商業(yè)策略、公司增長等方面經(jīng)驗豐富。

可以看出在這個創(chuàng)始團隊中，Jakob懂AI，Rhiju Das懂生物和RNA，Kevin Heyries既懂技術(shù)，又懂商業(yè)，形成了很好的互補。

目前，Inceptive擁有一個由超過40位不同學科的專家組成的團隊，他們來自生物學、機器人和人工智能前沿專業(yè)，新一輪的融資也將幫助Inceptive繼續(xù)擴展團隊規(guī)模，加強研發(fā)力量。

用AI設(shè)計mRNA

Inceptive的核心是一個能設(shè)計獨特mRNA序列的AI平臺，這種“生物軟件”技術(shù)能夠在實驗室中創(chuàng)建和測試新的分子結(jié)構(gòu)。

這個平臺運行的原理是通過機器學習模型針對性地設(shè)計RNA序列，大大縮短藥物研發(fā)周期來降低研發(fā)成本， 它包括以下環(huán)節(jié):

1.開發(fā)生物軟件，可以將編碼藥物或疫苗的程序代碼編譯成mRNA分子序列。

2.通過機器學習模型，自動搜索和設(shè)計出優(yōu)化的RNA分子序列。

3.利用RNA的高效合成制造能夠表達疫苗或藥物的mRNA分子。

4.構(gòu)建RNA分子設(shè)計、合成、測試的自動化閉環(huán)工作流程。

5.應(yīng)用該技術(shù)平臺，快速開發(fā)新藥和疫苗。

目前Inceptive已有310個試點項目分布在臨床前到臨床試驗的各個階段，也已經(jīng)與一家歐洲大型制藥公司達成合作，共同作開發(fā)一種新型傳染病mRNA疫苗。

Inceptive希望把計算機編程這個范式轉(zhuǎn)移到生物學領(lǐng)域，將軟件的精確性和模塊化引入理性設(shè)計分子中，利用AI工具合理設(shè)計出此前難以實現(xiàn)的新型療法，尤其關(guān)注基于mRNA的疫苗、藥物等新型藥物分子。

據(jù)Jakob Uszkoreit預(yù)估，在未來十年，將有大約700種基于mRNA的藥物。

AI在醫(yī)藥研發(fā)領(lǐng)域的拐點將在3年內(nèi)發(fā)生

盡管已經(jīng)累計獲得1.2億美元的融資，Inceptive仍然處于早期階段，它的技術(shù)平臺和產(chǎn)品保持了一定程度的低調(diào)。Jakob Uszkoreit在創(chuàng)業(yè)階段與一些硅谷投資人有過深度的交流，例如a16z生物+健康板塊的創(chuàng)始合伙人Vijay Pande，從對談中，可以一窺Jakob Uszkoreit這位大模型先驅(qū)者對于AI+生物醫(yī)藥的一些洞見。

Vijay Pande:真正為生物問題明確開發(fā)AI算法是非常罕見的，因為要擁有一個既精通生物學又精通計算機科學領(lǐng)域的團隊實在太困難了。但我很好奇聽聽你的看法，這個領(lǐng)域目前的關(guān)鍵挑戰(zhàn)是什么?

Jakob Uszkoreit:我遇到的關(guān)鍵挑戰(zhàn)是，在生物學領(lǐng)域還沒有大量的數(shù)據(jù)，盡管現(xiàn)在的數(shù)據(jù)已經(jīng)比此前的數(shù)據(jù)更多更詳盡了。但是相比AI在其他領(lǐng)域的應(yīng)用，還是太少。

例如，在文字或圖片生成領(lǐng)域，數(shù)據(jù)可以直接從網(wǎng)絡(luò)爬取，深度學習專家對數(shù)據(jù)進行一些清洗，就可以直接用。而生物學領(lǐng)域卻不是這樣，它的數(shù)據(jù)生產(chǎn)更困難，我們需要不同的試驗人員在不同的地方進行很多的試驗。深度學習專家無法自己獲取或掌握數(shù)據(jù)。

所以在這個領(lǐng)域需要有更多深度學習背景的人與生物學背景的人緊密合作，這樣當他們互相了解了彼此的工作，就會有新嘗試和新方法誕生。

Vijay Pande:對于藥物設(shè)計、健康保健等方面，你認為現(xiàn)在AI處于什么階段?還需要做什么?何時能夠達到預(yù)期的目標?

Jakob Uszkoreit:雖然預(yù)測未來總是風險很高，我還是做一個預(yù)測:如果在接下來的三年內(nèi)我們沒有看到機器學習和大規(guī)模深度學習在藥物研發(fā)、藥物設(shè)計方面產(chǎn)生實質(zhì)性影響的話，我會非常驚訝。最初的影響可能會出現(xiàn)在RNA、RNA療法和疫苗等領(lǐng)域，但這絕不會是唯一受到影響的領(lǐng)域，我認為我們確實正走向一個拐點。

Vijay Pande:RNA有什么不同之處?是什么吸引你走向RNA研究，特別是從AI或ML的視角來看?

Jakob Uszkoreit:關(guān)于RNA有趣的一點是它具有很廣泛的適用性，雖然RNA結(jié)構(gòu)預(yù)測并不真的很簡單，但相比蛋白質(zhì)有20多種氨基酸的復(fù)雜結(jié)構(gòu)，它只是一個具有四種不同基礎(chǔ)的生物聚合物，可以相對高效地生產(chǎn)。

Vijay Pande:是的，很有可能它是一個更快的反饋循環(huán)。

Jakob Uszkoreit:是的。鑒于我們需要創(chuàng)建大量的數(shù)據(jù)來訓練模型，RNA似乎是目前為止在結(jié)構(gòu)簡單性和合成可擴展性方面最好的組合，這里有巨大的未開發(fā)潛力。

Vijay Pande:是的，我認為特別是有可能實現(xiàn)這種快速周期，無論是在臨床前階段還是更快地進入臨床階段，并且在臨床階段停留的時間更短。

Jakob Uszkoreit:是的，這就是我們所期望的。我們也看到了一些初步的跡象表明這可能是事實，這讓我們非常興奮。

在高需求和數(shù)據(jù)安全的邏輯下，必然誕生一批中國的AI+醫(yī)療公司

現(xiàn)在人們對于生成式AI的應(yīng)用方向主要集中在文生文，文生圖，文生視頻/3D等方向，應(yīng)用的落地領(lǐng)域包括傳媒，營銷，法律，流程自動化等。這個屬于生成式AI應(yīng)用的第一階段。

在下一階段，生成式AI將向更硬核的方向出發(fā)，比如生成式AI+機器人，讓機器人變得更聰明，這既能用到制造業(yè)，又能應(yīng)用到ToC;又比如生成式AI+科研，將大大加快科技發(fā)展的進度，為人類整體帶來福利。

具體到AI+制藥，目前我們已經(jīng)看到兩種模式，一種是我們曾經(jīng)報道過的Causaly，它的核心邏輯是幫助科學家減少dirtywork，從而加快科研的進度。而本文的Inceptive則是直接作用于RNA分子，用AI來設(shè)計RNA，再與藥廠合作。

歡迎參考阿爾法公社關(guān)于Causaly的原創(chuàng)文章:將藥物研發(fā)速度提高10倍，Causaly獲6500萬美元融資|AlphaFounders

不僅是生物醫(yī)藥的科研，Inceptive的主要投資人a16z認為AI在醫(yī)療上也將大有發(fā)展。

AI在醫(yī)療上要解決兩大問題，一個是降低前置診斷的成本(各種大模型都在刷醫(yī)療執(zhí)照考試的分數(shù))，另一個是降低醫(yī)療保健系統(tǒng)里的人力成本。

解決的方式可能是幫助醫(yī)生預(yù)診斷，看X光片，醫(yī)療機器人等等。

盡管近年來中國的醫(yī)藥研發(fā)在加速，但是因為研發(fā)上的后發(fā)劣勢，以及研發(fā)投入規(guī)模較少(參考下圖)，與美國的差距仍然巨大。不過AI+醫(yī)藥研發(fā)卻是一個可以奮起直追的機會。一方面，中國的AI與美國在技術(shù)上并沒有代差，另一方面，醫(yī)藥研發(fā)需要大量的真實數(shù)據(jù)，為了數(shù)據(jù)安全，中國需要自己的AI藥物研發(fā)系統(tǒng)。

　　圖片來自惠每科技的報告

對于醫(yī)療來說，邏輯也是一樣，為了數(shù)據(jù)安全(無論是哪一種行業(yè)的AI模型，都需要大量數(shù)據(jù)訓練)，本國的AI+醫(yī)療產(chǎn)品都十分重要。在需求，數(shù)據(jù)安全的邏輯下，很可能誕生一批中國本土的AI+藥物研發(fā)和AI+醫(yī)療健康創(chuàng)業(yè)公司，十分值得期待。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。