“我的最大愿望是引入一套先進(jìn)的算法流程進(jìn)行一線(xiàn)的藥物研發(fā)，如果只停留在相關(guān)領(lǐng)域的算法開(kāi)發(fā)上，其實(shí)還是略感遺憾。”鄭錚博士時(shí)任美國QuantumBio藥物設計軟件公司資深科學(xué)家，深思熟慮后他決定回國創(chuàng )業(yè)，并袒露了自己的心聲。

?

計算機藥物設計及機器學(xué)習領(lǐng)域專(zhuān)家、項目核心算法發(fā)明人鄭錚博士原本是藥學(xué)出身，從北京大學(xué)藥學(xué)系取得學(xué)士學(xué)位后，申請到美國佛羅里達大學(xué)攻讀化學(xué)博士學(xué)位，師從計算化學(xué)領(lǐng)域全球頂級專(zhuān)家Kenneth Merz教授。

在美國藥物研發(fā)鏈條分工明確的背景下，作為藥物設計領(lǐng)域的算法科學(xué)家的鄭錚博士聚焦于后端的軟件開(kāi)發(fā)，是難有機會(huì )直接接觸到一線(xiàn)的藥物研發(fā)環(huán)節的，但是他卻始終對藥物研發(fā)抱有濃厚的興趣。

“在美國進(jìn)行藥物設計軟件開(kāi)發(fā)的那段時(shí)間，我們對于算法的迭代更新往往依賴(lài)于對于真實(shí)藥物分子體系的實(shí)驗反饋。但對于大型藥企來(lái)說(shuō)，數據安全特別敏感，保密制度嚴格，所以我們幾乎從合作客戶(hù)處拿不到任何具有應用價(jià)值的數據。另一方面，美國的藥物設計軟件公司內部往往不會(huì )開(kāi)展大規模的相關(guān)實(shí)驗工作。最終的算法開(kāi)發(fā)還是依賴(lài)于我們內部搭建的數據庫。這自然也就限制了算法開(kāi)發(fā)的速度與成效。”鄭錚博士感嘆道，“所以，我很想組建自己的研發(fā)團隊，結合我們在算法開(kāi)發(fā)中積累的經(jīng)驗以及對藥學(xué)體系在分子層面的理解，投身到藥物研發(fā)的一線(xiàn)工作中。”

?

回國后，鄭錚博士于2021年組建了蘇州予路乾行生物科技有限公司（簡(jiǎn)稱(chēng)：予路乾行），以人工智能、量子力學(xué)及分子力學(xué)算法為核心技術(shù)，通過(guò)模擬運算賦能新藥研發(fā)。公司結合自主創(chuàng )新的新一代分子模擬AI核心算法與人工智能模型，建立了國際領(lǐng)先的人工智能藥物研發(fā)平臺，運算模塊覆蓋包括靶點(diǎn)選擇與驗證、先導化合物搜索設計優(yōu)化及成藥性預測等臨床前藥物研發(fā)全流程。鄭錚博士也于同年以該項目獲得蘇州工業(yè)園區科技領(lǐng)軍人才。

結合物理模型、平行運算、AI技術(shù)構建強大運算平臺

作為一位具有十余年計算機藥物設計算法研發(fā)經(jīng)驗的科學(xué)家，鄭錚博士表示，大數據時(shí)代，AI技術(shù)快速滲透至生產(chǎn)生活中各個(gè)領(lǐng)域的應用場(chǎng)景中，這也相應催生了多種機器學(xué)習算法開(kāi)發(fā)框架及程序庫的誕生。

而大量成熟的開(kāi)發(fā)框架及程序庫也大幅降低了AI制藥領(lǐng)域中新算法及軟件的開(kāi)發(fā)難度，促使短短數年內誕生了應用于藥物研發(fā)各流程環(huán)節的AI軟件及算法平臺。

但另一方面，人工智能算法從本質(zhì)來(lái)說(shuō)是一種統計學(xué)模型。由于藥物研發(fā)各環(huán)節的數據特點(diǎn)及系統科學(xué)對相應領(lǐng)域的認知程度不同，人工智能技術(shù)在分子層面的先導化合物發(fā)現、藥物構效關(guān)系分析、以及部分藥學(xué)性質(zhì)的預測上取得了一定的進(jìn)展。然而在面對藥物研發(fā)流程中那些數據信息較少、數據可重復性低、以及模型原理復雜的問(wèn)題時(shí)，人工智能技術(shù)尚未能完全發(fā)揮其潛力。

同時(shí)，在面對藥物研發(fā)分子層面的研究中，計算化學(xué)家尚有一套強大的運算工具，即以分子力學(xué)及統計熱力學(xué)等物理模型為理論基礎的分子動(dòng)力學(xué)模擬方法。物理模型的優(yōu)勢在于對復雜生物分子體系在生理過(guò)程中的空間變化和時(shí)間變化擁有較高的運算模擬精度，與單純的AI算法相比擁有更高的可拓展性與普適性。但物理模型的搭建難度較高，相關(guān)算法軟件的運算成本也較高。

行業(yè)中所應用的相關(guān)軟件平臺多是基于歐美開(kāi)發(fā)的物理模型引擎。在業(yè)內，不乏有如Schrodinger Inc等高科技公司耗費大量財力、人力與時(shí)間去開(kāi)發(fā)基于物理模型的模擬軟件，在大量投入后確實(shí)能夠有不錯效果的產(chǎn)出，但是這種高投入的算法研究需要龐大的資金體系支持，中小型藥企想要基于此進(jìn)行藥物研發(fā)，就面臨著(zhù)如何降低開(kāi)發(fā)成本的問(wèn)題。而予路乾行認為，可以通過(guò)與AI算法的結合來(lái)降低物理模型的運算成本。

?

基于上述思路，予路乾行融合了多種算法優(yōu)勢構建起了強大的運算平臺。該平臺融合了物理模型、AI算法、平行運算技術(shù)等多種行業(yè)領(lǐng)先技術(shù)，首創(chuàng )了多款AI藥物設計算法，能夠大幅提升藥物研發(fā)速度與成功率。分子自由能模擬算法搭建是予路乾行團隊一直以來(lái)擅長(cháng)的部分，公司創(chuàng )始人鄭錚博士在回國創(chuàng )業(yè)之前主導開(kāi)發(fā)的“活字印刷”（Movable Type）算法軟件就曾經(jīng)歷過(guò)多家大型藥企內部嚴格的軟件測試，均收到了良好的正面反饋。并多次在全球大型雙盲測試挑戰賽中取得優(yōu)異的成績(jì)。

?

而在予路乾行所開(kāi)發(fā)的新一代分子模擬技術(shù)中，算法將疾病相關(guān)靶點(diǎn)的結合位點(diǎn)所在位置到“口袋”邊緣位置之間的空間劃分成一系列連續分布的小空間，通過(guò)蒙特卡洛采樣法對每個(gè)空間的配分函數進(jìn)行獨立的平行運算，從而得到一個(gè)配體從受體結合位點(diǎn)至口袋邊緣的自由能曲線(xiàn)或曲面。

該方法使得自由能運算免受跨越勢能壘之苦，同時(shí)利用對連續空間的平行采樣運算，大幅提升了運算速度。據悉，相較于傳統的物理模型模擬藥物潛在結合過(guò)程所用時(shí)間，予路乾行的算法平臺能夠提升10-15倍的運算速度。

算法助力“難成藥靶點(diǎn)”相關(guān)疾病藥物研發(fā)，予路乾行加速新藥臨床前研發(fā)流程

完成了算法平臺的搭建后，予路乾行首先嘗試通過(guò)共同研發(fā)的模式與藥企合作，共同推進(jìn)新藥研發(fā)，以運算驅動(dòng)實(shí)驗，大幅降低研發(fā)試錯成本，提高研發(fā)效率及成功率。

鄭錚博士告訴動(dòng)脈網(wǎng)：“在新藥研發(fā)全流程里，予路乾行AI算法平臺首先切入的便是‘難成藥靶點(diǎn)’相關(guān)疾病的藥物研發(fā)，這是藥物研發(fā)中難度較大的領(lǐng)域，它的創(chuàng )造性是從0到1的?！?/span>

公司利用多尺度篩選與模擬方法對靶點(diǎn)蛋白的致病機理以及藥物-靶點(diǎn)的結合過(guò)程進(jìn)行模擬及相應的絕對自由能運算，對分子層面成藥機理、藥物分子代謝及藥物相互作用的機制、以及藥物的脫靶效應原理等藥物發(fā)現及臨床前研究各階段的研發(fā)流程進(jìn)行賦能。

完成算法平臺的開(kāi)發(fā)及團隊在藥物發(fā)現研究中對所采用的算法流程進(jìn)行打磨后，予路乾行下一步業(yè)務(wù)規劃便是與相關(guān)實(shí)驗團隊深度合作，對新藥研發(fā)臨床前研究進(jìn)行全流程賦能。

利用先進(jìn)的運算平臺大幅降低試錯成本、提高后續實(shí)驗流程的效率及新藥發(fā)現的成功率。目前公司已與國內外多家生物醫藥企業(yè)建立了商業(yè)合作關(guān)系，并取得了多個(gè)里程碑式進(jìn)展。公司通過(guò)融入國際藥物研發(fā)創(chuàng )新體系，致力于合作推進(jìn)新藥研發(fā)。

目前，予路乾行也啟動(dòng)了新一輪融資，用于公司技術(shù)團隊的擴張，以適配目前公司愈加飽和的業(yè)務(wù)體量，另再用于公司技術(shù)平臺推向市場(chǎng)，以布局新藥物管線(xiàn)的研發(fā)與拓展。