英国 AI 初创公司 Potential Sciences 用物理模拟生成数据，跳过实验室做药物设计

一家新的英国初创公司认为，人工智能是加速药物设计这一缓慢且反复无常的过程的关键。

Potential Sciences 计划利用物理学基本原理模拟原子之间、进而小分子之间、再进而复杂氨基酸与蛋白质之间的相互作用，从而构建大规模化学数据集。借助这些数据，它相信自己能够训练出人工智能模型和预测系统，从而识别针对特定疾病的高度靶向药物，绕过昂贵且耗时的实验室实验。

“我们希望那些在临床上永远不会奏效的分子能够快速失败，”Potential Sciences 创始人兼首席执行官 Hatem Helal 对《连线》表示。“这意味着要能更好地预测它们在与人生物学相互作用时会如何表现。”

这家于11月5日成立的初创公司表示，它已从 SovAI——英国政府的人工智能风险投资基金——以及 Twin Path Ventures 等投资者处获得了数千万美元的种子轮融资。创始人们拒绝透露具体金额或估值。

如果一切如 Potential Sciences 所希望的那样发展，它可能为加速开发针对各种疾病的新疗法铺平道路。Helal 表示，通过降低实验成本，该公司的方法还可能使制药公司从经济上可行地研发针对此前无人治疗的罕见疾病的药物。

“我们希望让针对疾病拥有更多定制化疗法成为可能——即药物可以是为你独特的人体生物学量身定制的一次性分子组合，”他说。

问题在于，Potential Sciences 能否如其所希望的那样准确预测候选药物与疾病相关蛋白的结合效果，而这将需要一次显著的飞跃。

“我相信这会是一项改进，”莱斯大学化学教授 Peter Wolynes 说。但就目前而言，“就蛋白质工程的实现方式来说，工程水平还停留在罗马时代，而不是文艺复兴时代，”他说。

像 Demis Hassabis 这样的业界翘楚——他因在 Google DeepMind 的工作获得诺贝尔化学奖——长期以来一直表示，人工智能的进步最终将带来重大的科学突破，就像这项技术最近在数学领域开疆拓土一样。像 Potential Sciences 这样的初创公司所抱的希望是，药物发现将成为首批被这项技术改变的科學前沿之一。

目前，很大一部分人工智能药物发现实验室都是在单一公共三维原子结构数据库——蛋白质数据库（Protein Data Bank）——之上开发模型，研究人员数十年来用新实验结果不断扩充该数据库。据 Helal 称，问题在于该数据集仍然太小，不足以训练出足够先进、能够可靠加速寻找可行候选药物的人工智能模型。

“在宇宙的所有原子中，大约有10的60次方种方式可以将它们组装成有可能给予人类的分子，”Helal 说。“把药物发现看作一个搜索问题；关键在于你能多快地遍历并修剪这个空间，找到针对特定疾病的有前景的分子。”

为了解决这个问题，Potential Sciences 正试图通过模拟不同化合物之间的相互作用来生成合成数据，从而构建规模大得多的数据集。理论上，从大得多的数据池中，这家初创公司将能够训练出先进得多的人工智能模型和预测系统。

学术界看到了 Potential Sciences 所采用的基于模拟的方法的潜力。“如果我们能够准确计算细胞中所有分子之间的相互作用及其结构波动，我们就能预测分子会在哪里结合，那确实将彻底改变药物开发，”剑桥大学化学荣休教授、专攻蛋白质工程的 Alan Fersht 说。“我乐观地认为这最终会实现。”

在获得 SovAI 的投资后，Potential Sciences 加入了同行人工智能药物发现公司 Basecamp Research 和 Isomorphic Labs，以及材料发现初创公司 CuspAI 的行列。

英国政府今年早些时候成立了 SovAI，其使命是投资有潜力成为全球人工智能供应链不可或缺组成部分的英国初创公司，从而赋予该国关键的地缘政治影响力。该基金拥有约8亿美元可支配资金，并能够为其投资组合公司提供使用英国国家人工智能超级计算机的机会。

“从物理学角度——化学的物理学——切入药物发现，使（Potential Sciences）与其他公司区别开来，”SovAI 风险投资主管 Joséphine Kant 说，她作为投资的一部分加入了这家初创公司的董事会。“给予他们计算资源的访问权限，他们就能以对小初创公司而言否则非常困难的规模开展这项工作。”

然而，人工智能药物发现是一个拥挤的市场。即使有英国政府的助力，Potential Sciences 也将面临来自众多企业家和学者的激烈竞争，他们正从不同的方法角度竞相解决同样的瓶颈。

更快识别有前景候选药物的能力，也无法消除测试其安全性和有效性所需的成本和时间，这意味着无论人工智能如何进步，新疗法仍将需要很长时间才能上市。“设计药物的成本与弄清楚它对小鼠、对真正患病的患者、对正常人会产生什么影响相比，根本不算什么，”Wolynes说。“从某种意义上说，这并不是限制性因素。”

随着该领域的发展，像Potential Sciences这样的初创公司还必须应对一种可能性：能够识别有效疗法的技术也可能被滥用来开发高度危险的化学品。“如果我们能设计出完美最小化毒性的工具，那么将其最大化也同样轻而易举，”Helal说。

Potential Sciences尚未找到所有答案。这家初创公司尚未确定如何从其正在开发的各种技术中创收，也未决定是否鉴于滥用风险而免费公开其模型。但Helal坚信，值得用人工智能尝试解决的问题寥寥无几。

“曾出现过许多有前景的突破浪潮，但并未在药物发现领域真正产生影响，”Helal说。“对我们来说，尝试解决它是一个根本性、高影响力的问题。”

Airbnb房东愤怒：他们再也不能让客人做家务了

大新闻：酷小孩都用全小写写作——这让你生气吗？

我整整一天只用iPhone Duo工作