近日，AI 製藥公司 Terray Therapeutics 宣佈完成 1.2 億美元 B 輪融資，本輪融資將用於推進其內部免疫學專案的臨床試驗，並進一步完善公司的生成式 AI 平臺 tNova。
據悉，本次 Terray 的融資由英偉達風險投資部門 NVentures 和新投資者 Bedford Ridge Capital 領投，這是英偉達對於 Terray 的第二次投資。
2023 年 11 月， 英偉達就已經對 Terray 進行了較高風險的股權投資。當時，Terray Therapeutics 擁有一批高質量的實驗資料，想要進一步訓練自己的小分子化學基礎模型，用生成式 AI 來解決複雜的藥物發現問題，但稀缺的計算資源是他們面臨的一大障礙。英偉達承諾，將為 Terray 提供 NVIDIA DGX™ Cloud 平臺，利用 NVIDIA AI 軟體堆疊和 NVIDIA 的全棧計算專業知識，協助 Terray 最佳化和擴充套件其基礎模型的開發。
對此，NVenture 負責人 Mohamed (Sid) Siddeek 表示：「生成式 AI 正在對生物技術行業產生巨大影響，我們希望幫助 Terray 在藥物發現領域取得重要突破，並加速其相關專案進入臨床階段。」
日前，Terray 已釋出其行業領先的化學基礎模型 COATI，這是一種預訓練、多模態的藥物類化學空間編碼器-解碼器模型，旨在解決分子語言和計算語言之間的轉換問題。具體而言，COATI 能夠將實驗資料中的化學結構轉換為有用的數字表示，使 AI 能夠更高效地處理資料，然後讓分子的數字表示作為輸入，以「解碼」或生成我們所需要的具有某種特性的分子，從而實現生成式分子設計。
COATI 論文原文：
https://pubs.acs.org/doi/10.1021/acs.jcim.3c01753#Abstract
由此看來，Terray 已經實現了 2023 年融資時設定的關鍵目標，如今，在英偉達的再次支援下，公司的未來發展可謂是潛力無限。
基於海量資料，完成乾溼閉環 AI 藥物發現
在藥物研發領域，「雙十定律」廣為流傳，即研發一款新藥通常需要經歷 10 年的時間，並且需要花費超過 10 億美元的投入，這種長週期、高成本無疑是新藥研發亟待突破的障礙。
AI 為製藥行業帶來了前所未有的機遇，透過學習海量資料中的潛在規律，如分子結構、蛋白質構象、分子與疾病之間的相互作用，進而確定藥物在人體內的靶標、識別潛在的藥物分子等，藥物研發週期被大幅縮短。AI 製藥公司 Exscientia 的創始人安德魯·霍普金斯更是直言，未來所有藥物都會以 AI 的方式設計。
而這也恰恰是 Terray 成立的初衷。為了應對藥物研發中的諸多挑戰，透過迭代方法，Terray 構建了世界上最大的化學資料集，這些資料隨著每次設計和實驗迴圈而不斷增加價值，進一步用於探索分子和靶標。更重要的是，Terray 具備其他公司沒有的優勢，也就是將 AI 與溼實驗結合，在資料側形成了閉環，這種閉環讓他們不侷限於做模型預測，還能透過實驗驗證預測結果的有效性。
Terray 更多資訊詳見：
https://www.terraytx.com
Terray 官網
為什麼 Terray 能夠擁有如此龐大的實驗資料資源？為什麼 Terray 在藥物研發中使用了其他公司中少見的 AI+溼實驗模式？
這就不得不提到 Terray 的聯合創始人 Jacob Berlin 博士了。
Jacob Berlin
在哈佛大學本科期間，Jacob Berlin 就開始思考如何製造更好的藥物。為深入小分子研究，他在諾貝爾獎得主 Bob Grubbs 的指導下，於加州理工學院獲得了有機金屬化學博士學位。隨後，在麻省理工學院的博士後研究中，他不僅設計了大量分子，還意識到傳統藥物開發過程的低效。之後，他在萊斯大學進行了第二個博士後研究，專注於奈米材料和技術的超小型化，希望可以加快藥物研發的速度，這成為了 Terray 的起點。
「Terray 的技術最初是在一張餐巾紙上構思的，當時我就意識到這未來將成為一家公司。因為我們構思的技術能夠在幾分鐘內篩選數億個分子，並記錄它們與疾病原因的相互作用，這顯然是一個藥物開發技術，它並不適合學術界，因為學術界並不專注於開發、商業化、規模化生產和銷售。」Jacob Berlin 表示。
「後來，我在 City of Hope 擔任教授 8 年，期間我的實驗室專注於奈米材料與合成化學的交叉領域，構建了溼實驗室平臺，並基於此建立了大量化學資料庫，最初的構思被逐步實現，那一刻我就知道，是時候為這項技術找一個歸宿了，於是我們就成立了公司——Terray。」
City of Hope 癌症治療中心
隨後，在 Terray 的成長過程中，AI 變得愈發重要。團隊意識到，理解和利用其龐大的資料集，需要強大的資料科學和 AI 技術。2020 年，Amgen 公司的高階科學家 Narbe Mardirossian 加入 Terray，成為技術長。在他的領導下，Terray 組建了專門 AI 團隊，成功構建了將化學資料轉化為數學模型，再逆向轉換為可用於藥物開發的 AI 模型，也就是 COATI。
現如今，Terray 已經實現了技術的工業化。
Terray 的人工智慧平臺 tNova 結合了超高通量實驗、生成式 AI、生物學、藥物化學、自動化和奈米技術，能夠以前所未有的速度和精度進行藥物開發。根據其現有的候選藥物庫，研究人員每天可以測量數十億個精確的化學資料點，並不斷合成數百萬個新候選藥物的庫，過去 3 年，Terray 已經測量了超過 50 億個靶標-配體相互作用，大約是所有公開化學研究資料的 50 倍。
圖源：Terray 官網
簡而言之，Terray 將藥物發現變成了以機器學習驅動的資料問題，更重要的是，他們還結合了溼實驗室的真實資料，實現了乾溼閉環 AI 藥物發現，每個靶標的設計-製造-測試-分析週期只需不到一個月的時間！
與大多數藥物開發公司不同，在 Terray，沒有計算支援，溼實驗室的工作無法順利進行，反之亦然。事實上，Terray 最初成立就源於溼實驗室的實踐，研究人員在溼實驗室中建立了大量資料，然後測試這些資料並建模，接著用實際的物理化學資料再次驗證它們，從而形成一個高效的閉環，大大加速了藥物發現的程序。
正如 Narbe Mardirossian 所言：「閉環系統絕對至關重要。老實說，Terray 可能是唯一一個讓你在幾周甚至幾天內就能反覆測試、假設並驗證假設的地方。能夠開發模型、進行預測，並在現實中驗證這些預測，是每位計算化學家和機器學習科學家的夢想。」
對內招募人才，對外加強合作
然而，要實現溼實驗室與 AI 的深度融合，Terray 必須依賴一個跨學科團隊，比如招募化學、生物學、計算化學、機器學習、自動化等多個領域的人才。正是基於這種需求，不同領域的精英攜帶著多樣化的專業知識匯聚 Terray，由此催生出一個不凡的團隊。
Terray 更多團隊人員資訊：
https://www.terraytx.com/team
2022 年 3 月，Feroze (Fez) Ujjainwalla 博士正式加入 Terray 擔任業務主管。作為一位擁有 26 年小分子藥物發現經驗的資深專家，Fez 曾在知名公司默克領導多個專案，並將概念性藥物推進到臨床開發階段，他的到來填補了 Terray 在藥物發現與臨床治療差距的認知，為公司帶來了業界獨到的視角。
同年 7 月，Terray 任命 Fiona Black 博士為科學顧問委員會成員。Fiona 博士專注於端到端產品解決方案與製造流程的跨學科技術開發，她曾表示：「大規模的化學-生物相互作用資料，結合機器學習方法，將會展現出顛覆性的創新潛力。」這也是她被 Terray 吸引的重要原因。
隨著公司的不斷髮展，Terray 於 2022 年 11 月邀請 Bassil Dahiyat 博士出任獨立董事。Bassil Dahiyat 曾在生物技術領域深耕 25 年，也曾因在蛋白質設計和治療應用的傑出貢獻，被麻省理工學院《技術評論》評選為「100 強青年創新者」。他深知，藥物發現領域長期受到規模和資源的限制，而 Terray 平臺所能提供的大規模實驗篩選和先進的計算方法，恰好能幫助突破這一瓶頸，發掘出具有潛力的新藥候選物。
在戰略發展方面，Terray 於 2022 年 12 月邀請前 Alnylam 製藥公司創始執行長 John Maraganore 博士擔任董事會和領導團隊的戰略顧問。Maraganore 博士是一位資深的生物技術行業專家，曾領導開發了 ONPATTRO®、GIVLAARI®、OXLUMO® 和 Leqvio 這 4 種治療藥物並推動其商業化。他相信，資料驅動的平臺將推動持續創新，而 Terray 正是透過大規模、高精度的實驗資料生成來解決藥物發現中的長期痛點，他對 Terray 的未來充滿信心。
Fez、Fiona、Dahiyat 和 Maraganore 等眾多傑出人才加入後，Terray 的跨學科團隊協作佈局被一步步完善，也逐漸鞏固了其作為生成式 AI 驅動小分子藥物設計的領導者地位，而他們的下一步計劃就是推動 AI 製藥的臨床化試驗。
臨床試驗是驗證新藥療效和安全性的必要步驟，也是藥物能否最終進入市場的重要關卡。為了更好地推動新藥臨床實驗，Terray 特別任命擁有豐富臨床開發和商業經驗的 Sudha Parasuraman 博士為獨立董事，Sudha 博士在免疫學、腫瘤學、血液學及罕見病領域擁有超過 20 年的專業積累。Jacob Berlin 表示：「在 Sudha 博士專業知識的支援下，Terray 的內部和合作專案將更好地向臨床階段推進。」與此同時，跨公司合作也是促進藥物臨床化的重要方式之一。
2022 年 10 月，Terray 與生物製藥公司 Calico 達成合作。作為由 Alphabet 創立的公司，Calico 致力於用先進技術和模型研究與人類衰老相關的生物學問題，此次合作旨在發現和開發用於治療包括癌症在內的衰老相關疾病的小分子療法。根據協議，雙方將利用 Terray 的 tNova 平臺識別 Calico 選定靶點的小分子先導化合物，tNova 平臺透過高密度微陣列技術和機器學習工具，能夠系統地分析小分子與疾病靶點之間的生化相互作用，顯著加速衰老相關疾病新療法的開發。
Calico 更多資訊詳見：
https://www.calicolabs.com/
Calico 官網
2023 年 12 月，Terray 再次邁出重要一步，與全球知名生物製藥公司 Bristol Myers Squibb 達成多靶點合作協議，共同探索特定疾病的小分子治療藥物。合作期間，Terray 將利用其 tNova 平臺對 Bristol Myers Squibb 指定的靶點尋找和開發小分子化合物，而 Bristol Myers Squibb 將負責這些化合物的開發和商業化。
Bristol Myers Squibb 更多資訊詳見：
https://www.bms.com/
Bristol Myers Squibb 官網
透過不斷引入人才和跨公司合作，Terray 在加速新藥臨床化程序中穩步前行。據悉，Terray 正在為包括狼瘡、銀屑病和類風溼性關節炎在內的炎症性疾病開發新藥，公司預計到 2026 年初將會有藥物進入臨床試驗階段。
寫在最後
2024 年 5 月，谷歌 DeepMind 推出的 AlphaFold 3 在全球科學界引起了重大轟動。作為人工智慧在生物科技領域的重要進展，AlphaFold 3 以前所未有的精確度成功預測了所有生命分子（蛋白質、DNA、RNA、配體等）的結構和相互作用，與現有最佳的傳統方法相比，AlphaFold 3 發現蛋白質與其他分子型別的相互作用至少提高了 50%。這一突破不僅代表了技術飛躍，也預示著生物科技行業正邁向一個全新的時代。
AlphaFold 3 更多詳情：
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/
與此同時，AI 製藥市場的活躍程度也在持續火熱。中國經濟週刊報導，2024 年上半年，全球 AI 製藥領域的融資活動達到 69 起，投資額高達 33.36 億美元，遠超 2023 年同期水平。截至 2024 年 5 月，全球已有超過 70 條 AI 製藥研發管線進入臨床階段，而 AI 生成的藥物分子在 I 期臨床試驗中的成功率高達 80%-90%，這一水平遠遠超過了歷史平均水平 50%。這種從研發到臨床試驗的加速，極大地提升了藥物研發的效率和市場化程序，投資者們對 AI 製藥領域的信心正在逐漸恢復。
值得一提的是，在這場 AI 醫藥的投資浪潮中，英偉達顯得尤為積極， 其 CEO 黃仁勳更是直接表示，AI 醫藥將成為下一個黃金賽道。透過其投資部門 NVentures，英偉達狂投多家 AI 製藥企業，並透過其先進的計算平臺和技術，推動了整個行業的回暖與蓬勃發展。在技術和資金雙重支援下，英偉達在 AI 製藥領域的地位也保持遙遙領先。
圖源：智藥局
從 AlphaFold 3 的技術突破，到全球 AI 製藥市場的火熱，再到英偉達對該領域的深度佈局，AI 製藥行業展現出蓬勃的發展勢頭，新的治癒希望正在慢慢浮現，我們正處在一個前所未有的創新時代，AI 製藥將為人類健康開闢出新的可能。
參考資料：
1.https://www.nvidia.com/en-us/case-studies/generative-ai-for-small-molecule-drug-discovery/
2.https://www.terraytx.com/press/terray-therapeutics-announces-multi-target-collaboration-with-bristol-myers-squibb
3.https://www.terraytx.com/press/terray-therapeutics-and-calico-enter-into-a-multi-target-collaboration-to-discover-small-molecule-therapeutics-for-age-related-diseases
4.https://www.terraytx.com/press/terray-therapeutics-announces-investment-from-nvidia-to-enable-generative-ai-design-for-drug-discovery
5.https://bydrug.pharmcube.com/news/detail/1ef833e66fb5f1653f19815c20e8a162
6.https://finance.sina.com.cn/roll/2024-07-24/doc-incfmyac7492110.shtml