免疫药物界的ChatGPT来了：Aureka仅用数周助力双抗研发，合作管线已进入临床前

今年2月，ChatGPT在国内火爆与出圈，让国内投资者再次将目光转向了医疗AI领域。ChatGPT有望带来医疗AI界的新一波浪潮。根据《AI制药深度产业报告》显示，2022年，国内AI制药市场规模为27亿元，到2035年，这一数字将增长到2040亿元。

今年4月，一篇发表在Nature子刊Communications Biology 的文章引起了动脉新医药的关注。

该篇文章题为《A high throughput bispecific antibody discovery pipeline》，文章显示，该研究团队仅用数周时间就成功完成了从设计、合成、表达、筛选到表征的整个流程，并从数百万种可能性中筛选出了超过100个具有功能性的双抗分子，其中部分分子甚至在功能性上超过了目前临床上的阳性药物。

该团队背后的科研转化载体，是一家名叫Aureka Biotechnologies（以下简称“Aureka”）的初创AI制药公司。

“简言之，您可以理解成我们正在做免疫药物领域的ChatGPT。这项发表在杂志上的研究成果是我们的技术平台得到成功验证的体现。目前，基于这项研究成果的合作管线已经进入了IND-enabling阶段。” Aureka创始人兼首席执行官赵伟安博士告诉动脉新医药。

Aureka成立于今年3月，主要由赵伟安博士参与创办，是一家将AI技术与高通量数字生物技术相结合，专注于蛋白设计和免疫药物发现的平台型生物科技公司。今年年初，即使在资本寒冬下，Aureka依旧凭借自身优秀的团队以及得到验证的技术平台，获得了险峰旗云和纽尔利资本的共同青睐，完成了千万美元种子轮融资。

赵伟安博士不仅是Aureka的创始人兼首席执行官，也是加州大学欧文分校的终身教授。此前，赵伟安博士在包括Science Translational Medicine，Nature Biomedical Engineering，Nature Communications，PNAS等多个知名期刊上共同发表了100余篇文章，并获得了麻省理工学院的《技术评论》TR35奖，美国国立卫生研究院的新创新者奖，以及加州大学欧文分校的年度创新者奖等诸多奖项。

由于赵伟安博士长年致力于医药领域的基础研究和科学转化，并带领团队发表过超百篇研究论文，“所以经常有病人家属看到论文后联系我，但我每次都要解释我们的技术太早了，还没有到临床应用的阶段。”赵伟安博士回忆，“感觉这些家属每次都满怀希望的联系我们，但又带着失望离开。作为一名科学家，我觉得自己有义务和责任去帮助他们。但是传统药物从发现到进入临床所需要的时间太长了，很多病人根本等不起。”

造成这些遗憾的大部分原因是传统制药研发的周期长、投资大、风险高，且通量低。传统制药流程主要有靶点发现和验证、药物设计和发现、化合物合成筛选、临床前研究、临床试验、审批和上市等步骤。在新药研发过程中，一般需要筛选5000到10000个化合物，约5个药物会进入临床试验阶段，最终约1个药物会进入审批上市，成功率仅有0.01%。

这是赵伟安博士创办Aureka的初衷，他想打破医药研发的传统试错模式，解决免疫和大分子药物包括双特异性抗体研发中的痛点。

“Aureka的技术平台每次实验可以产生几百万组数据，比传统方法提高了几个数量级的研发效率。其技术平台应用领域涵盖候选药物的基因序列、功能、高内涵细胞图像和成药性等多个方面。通过AI平台的深度分析和整合，Aureka揭示了新的药物发现和药物设计原则，进一步推动药物研发进程，缩短药物上市时间，可以为患者提供更优质的治疗方案。”赵伟安博士告诉动脉新医药。

在赵伟安博士的带领和资本的助力下，目前Aureka已经建立了一支以研发为主导的多学科交叉团队。Aureka通过利用生物、药学、AI、合成生物学、微流控、生物物理、计算物理、化学等多学科和生命科学的交叉融合、技术创新，快速建立起属于公司的科研壁垒与技术壁垒，助力药物研发。

在团队的带领下，Aureka以双抗为切入点，聚焦于大分子领域的医药研发。

Aureka之所以选择大分子，不选小分子，原因有三个。

首先，AI小分子制药领域普遍存在化学合成迭代反馈较慢的痛点。但在AI大分子制药领域，研究人员可以通过合成生物学技术，快速合成数百万级别的多模态数据，并筛选出合适的化合物。

进一步来说，Aureka选择以双抗为切入点，进军大分子制药领域，也有相应的布局逻辑。传统的双抗研发还处于用微孔板这种经验试错法的低通量阶段，“以一款经典双抗药物Hemlibra的开发为例，这款双抗药物的开发需要对大约数万个分子一一进行合成和表征，这大概需要两年时间，而Aureka则可以将同样量级项目的合成和表征的时间缩短到数周之内。”

“因为双抗分子不仅需要看它是否结合，还要看它是否表达功能。传统方法无法快速解决错配和功能筛选的问题，但是基于微流控的单细胞技术能够在一天内筛选百万级别的样本，并且最终筛选出来的分子亲和力和功能都较好。”赵伟安博士强调。

此外，在面对数据孤岛等痛点，AI大分子制药亦有优势。在AI小分子制药领域，虽然存在大量开源数据，但是大部分的数据质量较低，高质量的数据则握在药企或研究院所手中，具有保密性。在AI大分子制药领域则相反，存在大量公开数据，“但是很少也很难有人去专门对这些数据进行清理。实际上就算我们拿到这些数据，意义也不大，因为不同公司的数据相关性较低。”

在大分子制药领域，AI公司更适合在自身有能力产生大规模数据的情况下，再配以优秀的AI团队，对数据进行定制化处理，然后再进行反馈和迭代。通过这种模式，AI大分子制药企业在内部就可以实现试验闭环，基本不需要外界的数据助力。

“所以，大分子制药领域并不存在数据孤岛。大分子的数据很好拿，关键在于你怎么根据项目去做定制化的微调。”赵伟安博士解释。

目前，Aureka主要建立了高通量单B细胞功能筛选技术平台、基于合成生物学的酵母蛋白快速进化技术平台，以及结构启发式的AI建模和设计技术平台。值得一提的是，Aureka是全球首家将高通量单细胞微流控技术应用于双抗发现的公司。此外，基于合成生物学平台，Aureka每月可产生百万级别的序列和不同模态的数据，以快速的反馈和迭代，再结合AI建模和设计技术平台，形成技术平台的闭环。

实际上，全球亦有不少AI制药公司拥有单独的微流控技术平台或者单独的合成生物学技术平台，但Aureka的技术平台的独特之处在于其同时建立了三个平台，并结合AI技术形成大分子药物研发的干湿闭环，显著提升了药物研发的精准度和效率。

基于三大技术平台，Aureka以双抗为切入点，率先实现了商业化落地。不只是双抗，接下来Aureka的技术平台还将用于加速TCR-T、CAR-T、ADC和其他难成药靶点药物等的研发进程，“未来Aureka还会在整个免疫药物领域，实现从发现到优化的一体化解决方案，最终达到‘一键生成’的目标。”

此外，在国内Biotech近期遇冷的情况下，依托Aureka全球化的背景，Aureka能够快速实现商业化落地。目前，Aureka已经与一些跨国大药企进行了试点项目，并取得了超出预期的成果，验证了其技术平台的强大潜力。

提及未来，赵伟安博士表示，“接下来，Aureka将积极协同产业链上下游伙伴，探索和优化药物的研发痛点，早日为患者带来有效并可及的治疗手段。我们希望药物研发过程中所有耗时耗力的环节都被我们研发的流程所取代。创办企业后，我也会尽我所能带领团队去专注、高效的实现成果的转化。”

期待Aureka快速发展，早日成为免疫药物界的ChatGPT。

参考文献：

1.东吴证券，《ChatGPT催化医疗AI进一步发展，看好AI制药、病理诊断 等应用领域》

2.国金证券，《技术升级赋能行业应用，AI+医药健康发展有望提速》