Exscientia 利用生成式 AI 重新構想藥物開發

從患者需求倒推，Exscientia 定義了精確的目標產品概況 (TPP)，詳細說明了耐受性良好且有效之藥物所需的複雜特性組合。AI 工程師設計演算法，以產生一系列潛在的候選藥物來滿足 TPP。主動學習演算法可協助專業設計師選擇一小部分候選藥物在實驗室中合成，因為這些候選藥物可以推進 TPP，或為未來的 DMTL 循環改進模型。

Exscientia 的演算法使用公開可用的藥理學資料以及從患者組織樣本、基因體學、單細胞轉錄體學和醫學文獻中產生的專有內部資料訓練。藉由在整個流程中對資料進行編碼並分析實驗結果和之前的設計週期，Exscientia 可以最佳化即將到來的設計週期，並加快提出可實際合成的化合物設計。使用這種在 AWS 上建置、具備合成感知的迭代方法，Exscientia 製造的化合物數量比業界平均水準少 10 倍。「我們的想法是在我們對患者進行測試之前，先消除化學品責任，以製造出更安全、更有效的候選藥物。」Hallett 表示，

與業界基準相比，Exscientia 將藥物設計速度提高了 70%，同時將資本成本降低了 80%。透過將生成式 AI 與其他工具結合運用，Exscientia 不僅能更快地開發出更優良的候選藥物，還能找出適合患者在臨床試驗環境使用的藥物組合。