新藥研發周期長、投入大、持續時間久、效率低，一直是醫藥領域的“心腹大患”。根據塔夫特藥物發展研究中心的數據，一款新藥從藥物研發到獲得美國FDA批準大約需要96.8個月。

　　而TechEmergence的研究報告顯示，人工智能技術的加入可以將新藥研發的成功率從12%提升至14%。這細微的2%的增長可以為整個生物制藥行業節省數十億美元，同時研發效率也將大幅提高。

　　Numerate成立于2007年，總部位于美國加州圣布魯諾。它將計算機科學和統計學的先進發展與傳統藥物的化學方法相結合，致力于為開發小分子療法的企業提供藥物設計平臺。

　　該平臺主要研發一系列用于心血管，代謝，神經衰弱疾病，阿爾茨海默癥和亨廷頓式舞蹈癥的藥物項目。

　　Numerate的總裁兼首席執行官Guido Lanza博士表示，與其他AI藥物研發公司相比，Numerate已有11年的研發經驗。他們的算法能夠從非常小的數據集中挖掘有用的信息，并用于解決新型的生物問題。

　　基于3D配體的建模，允許他們在不需要化合物的結構資料下利用機器學習解決表型驅動的藥物研發難題。這種研發往往是低通量，高內涵的生物學問題。

　　2014年6月，Numerate獲800萬C輪融資，投資方分別是Atlas Venture和Lily Ventures。

　　Guido Lanza博士表示，該投資能夠推進Numerate在代謝和心血管疾病的進一步研究，以改善糖尿病，肥胖癥，心力衰竭和心力失常等癥狀。

　　Numerate專注于建設數據驅動的藥物設計模式，促進高效率和可預測的制藥分析。該平臺尤其適用于數據稀少，或因傳統方法局限而無法生成制藥所須的先導化合物等情況。

　　經驗團隊發揮科學領域的優勢

　　Numerate公司的團隊里擁有來自不同領域的員工，其中包括計算機科學家，數據科學家，藥物化學家和生物學家。該公司匯集了各個領域的優點，以構建最佳解決方案為目的去改良藥物研發的整個流程。

　　從左至右依次為Guido Lanza，Brandon Allgood和John Griffin

　　，Numerate的總裁兼首席執行官Guido Lanza于2006年被商業周刊評選為“30歲以下技術最佳青年企業家”之一。Lanza博士曾是Pharmix制藥公司的聯合創始人兼首席技術官，并在該公司的董事會有過六年的工作經驗。

　　在進Pharmix公司之前，Lanza博士作為研究科學家與斯坦福大學的Koza教授共同開發了生物信息學與計算生物學相關的遺傳編程應用。

　　此外，Lanza博士作為10個科學出版物的作者和4個授權專利的發明者，曾獲得加利福尼亞大學伯克利分校的分子細胞生物學和綜合生物學的雙學位以及英國曼徹斯特大學的生物信息學碩士學位。

　　Numerate的首席技術官Brandon Allgood主要負責管理公司的AI平臺及應用，并為公司未來技術發展規劃藍圖。他不僅獲得了加州大學圣克魯茲分校的計算物理學博士，還曾擔任過該公司的計算機科學主任以及Pharmix公司的研究科學家。

　　Allgood出版過天體物理學、固體物理學和計算生物學有關的科學書籍，并在大規模云計算，分布式計算，人工智能和數學建模方面擁有15年的工作經驗。同時，他也是福布斯技術委員會的成員、UCSC基金會的受托人。

　　作為Numerate公司的首席戰略官，John Griffin職掌公司的治療計劃和項目合作。他也曾是上市生物制藥公司Theravance Inc.的聯合創始人兼首席科學官。在擔任斯坦福大學的助理教授期間，Griffin發布了共39篇的科學出版物。

　　同時，他作為27項專利的發明人多次榮獲獎項，其中包括美國化學學會的Arthur C. Cope學者獎以及斯坦福大學的院長教學獎。此外，他也曾擔任過威康信托基金會的籌資委員會成員、哈佛醫學院國家科學基金會博士后研究員，并在加州理工學院化學專業取得博士學位。

　　獨創的ADME和毒性預測功能

　　Numerate的CEO兼總裁Lanza表示，公司獨創的ADME和毒性預測是公司的一項重要支柱。

　　ADME是“吸收，分布，代謝和排泄”的縮寫，描述了藥物化合物在生物體內的消化過程。這四個標準決定了藥物的濃度以及藥物暴露在組織中的動力情況，因此ADME可以衡量該化合物作為藥物的性能和藥理學的活性。

　　傳統的生物技術和制藥創業公司一般側重于少數靶標或單一治療領域，而新藥設計平臺主要運用機器學習技術來模擬小分子化合物的藥物特性，比如靶點結合能力和特異性，藥物動力學和藥物代謝特性，以及毒副作用。

　　這一平臺通常的藥物篩選流程會依據特定的藥物活性、特異性和ADME模型，從包含一兆個模擬化合物的化合物庫中選出2500萬個化合物進行模擬測試。

　　研究表明，整個過程只需一周就可以完成，每個模擬化合物的測試成本為0.01美分。化學家會對測試結果進行分析，挑選出最有希望的模擬化合物進行合成和實驗。

　　實驗結果被用于修正和改良模擬的準確性，隨著這個過程的不斷循環，模擬系統給出的候選化合物將越來越有針對性。

　　由此可見，Numerate的制藥平臺能夠運用機器學習高效率、高性價地解決生物問題，運用平臺去關注/驗證數據，從而改善整個制藥產業。

　　另外，Lanza表示，他們在該領域獲得了1000多萬美元的投資，其中包括與美國國防威脅降低局的大型合同，以建立和驗證一套系統，可能將先導化合物快速轉化為臨床候選藥物。

　　Numerate與制藥公司的許多合作都基于他們所具備的ADME和毒性預測能力，其獨特之處在于能夠從過去的所有研發項目中學習，為未來的每一個化學設計和候選藥物選擇提供正確的決策。

　　2017年6月，武田藥業與Numerate公司正式簽約，使用Numerate公司的AI技術開發腫瘤學、胃腸病學和中樞神經系統疾病的小分子藥物展開合作。

　　Lanza表示，Numerate希望與大型制藥公司建立購買產品線形式的合作，武田藥業將預先獲得由Numerate的AI平臺產生的許可資格。

　　數據技術和商業模式對AI初創公司至關重要

　　Numerate公司的首席執行官Lanza博士預言，在未來的三到五年內，AI技術會被應用到整個醫藥行業。在他看來，數據技術和商業價值對運營一家AI初創公司而言至關重要。

　　了解生物領域中的算法和應用以及算法正在應用的數據是創造實驗模型的關鍵。Lanza 表示，為了解決這些問題，他們花費了數10年的時間去了解數據，攻克技術障礙，解決生物學（及其帶來的噪音）的混亂以及化學方面的挑戰（以及它們帶來的偏差）。

　　從商業角度下分析，Numerate更看重客戶的需求。Lanza博士表示，他們的新藥研發團隊專注于產品在商業和學術領域均有的實際價值。

　　他們的盈利方向源于制造和擴展治療疾病的相關產品，以授權該公司的計算程序和應用技術為最終目的。其應用程序分為以下兩類：

　　合作計劃程序

　　Numerate一部分投資情況是通過與其他公司的相互合作，其中包括與合作伙伴共同建立一個目標明確、想法一致的產品計劃，比如先導化合物的優化項目等。這些基于可選的程序涉及到Numerate所創建的目標類型和應用領域，其合作的關鍵是以共同創立外部化的研究模型來獲取收益。

　　內部程序

　　Numerate的第二部分投資包括以授權技術為目標開發的內部項目。這也涵蓋了他們與其他公司合作所購買的科技產品和設計。

　　例如，2017年6月，Numerate與一家總部位于法國的國際醫藥公司Servier共同購買的蘭尼堿受體2（RyR2）的小分子調幅器，以治療心血管相關疾病為目標，致力于改善患者心力衰竭或心力失常等癥狀。

　　Servier公司主要通過五大領域的創新來推動企業發展，其中包括：糖尿病，癌癥，免疫性炎癥疾病，神經衰退性疾病，以及公司在高質量仿制藥領域的宣傳與活動。

　　Numerate公司的強力競爭對手

　　1. Numerate與Recursion Pharmaceuticals的比較

　　Recursion公司成立于2013年，它有一個雄大的目標：在十年內找到100種疾病的治療方法。這家公司的核心技術在于運用計算機視覺技術來處理細胞圖像，并且通過分析1000多種細胞特征來評估疾病細胞在給藥后的效果。使用先進的成像技術和人工智能技術，這一平臺可以進行高通量的細胞模型實驗，在上百種疾病的細胞模型中進行上千種候選藥物的檢測。

　　Recursion公司已經發現了15種治療罕見病的候選藥物，其中治療腦海綿狀血管畸形 （cerebral cavernous malformation） 的候選藥物即將進入臨床試驗。

　　與Numerate相比，Recursion Pharmaceuticals利用AI技術深度分析細胞結構，主要通過分析圖像的方式來推廣新型制藥。

　　其技術原理和研究方向與Numerate都不同；Recursion針對罕見病、遺傳病的研究，而Numerate面向腫瘤學、胃腸病學和中樞神經系統疾病的相關探索。

　　2. Numerate與Insilico Medicine的比較

　　Insilico Medicine公司成立于2014年，宗旨是延長人類的健康壽命。

　　為此，該公司收集了大量不同年齡的健康和患病人群的多類組學數據（multi-omics data），并且利用機器學習對這些數據進行綜合分析，從中找出與衰老和疾病有關的生物標記物，并且根據這些數據尋找上市藥物的新功能，發現新的抗衰老藥物。

　　該公司的另一項業務是與研究所和制藥公司合作，利用自身對深度神經網絡機器學習的專長，幫助它們進行藥物研發、發現生物標記物和開發研究衰老的新工具。

　　兩家公司相比，Numerate與Insilico Medicine在藥物分子解析方面有異曲同工之妙。他們都是通用機器學習、數據解析和實驗模擬的方式對分子進行深度探究。

　　Numerate相對Insilico Medicine，成立時間久，融資金額多。然而Insilico Medicine在合作項目與產品輸出方面也表現得毫不遜色。