IT思维

微信公众号/ ScienceAI（ID：Philosophyai）

编辑/绿萝

随着越来越多的医疗保健机构和供应商致力于使用 AI 和数据改善患者护理，由 AI 驱动的药物发现初创公司 Protai，正利用蛋白质组学和端到端的 AI 平台，重塑药物发现和开发过程。

该公司表示，其人工智能平台可在蛋白质水平上绘制疾病进程图，从而提高了观察细胞功能的能力，并改善研发新药的成本效益。

Protai 在最近的一份新闻稿中指出，无论基因组水平信息对药物研发的贡献如何，它都不能代表由蛋白质反映和主导的细胞功能层。

「对疾病分子机制缺乏功能性理解是当前药物发现和开发过程的主要缺点之一。」Protai 表示。

人工智能专家兼 Protai 首席技术官 Kirill Pezner 表示：「Protai 将人工智能和以数据为中心的方法应用于所有业务。」根据 Pevzner 的说法，该公司从智能手机相机中用于 HDR、20 倍变焦和夜视等图像增强功能的「计算摄影」技术中汲取灵感——将类似的想法应用于质谱分析过程中的蛋白质识别问题。

Pezner 创始人。

「我们使用我们观察到的更多蛋白质和相互作用来获得可解释的生物学——预测给定的蛋白质网络（人类或其他）在不同条件下的行为方式。例如，他们接触药物后的行为方式，」Pevzner 说。

2022 年 1 月 5 日，Protai 宣布完成 800 万美元种子轮融资，本轮融资由 Grove Ventures 和 Pitango HealthTech 共同领投。融资所得资金将用于进一步开发公司的平台，加速其发现项目，并加强与制药公司的合作。

Protai AI 平台

Protai 将深度蛋白质组学与机器学习相结合，以更好地对抗复杂疾病并创造一个更健康的世界。

大型临床数据集

通过协调大型临床数据集以及来自各种器官和适应症的健康样本，创建了世界上最大、最多样化的蛋白质组学数据库，其中包含 50,000 多个临床样本。

该公司表示，这使其能够建立一个基线，准确模拟各种疾病的生物功能过程，并通过临床和临床前阶段加速药物研发。

超分辨率蛋白质组学

利用质谱蛋白质组学和其他面向蛋白质的大规模数据集，Protai 正在构建机器学习模型以识别多达 1,000,000 种蛋白质形式，包括翻译后修饰、蛋白质-蛋白质相互作用、量化和不同的蛋白质结构群体。

目标优先级引擎

在确定健康和患病样本的蛋白质组后，优先考虑更高价值的目标进行体外和体内验证。利用生物学、化学和机器学习，应用多学科方法来预测哪些目标是进一步追求的最佳候选目标。

发现最佳候选药物

利用动力学和结构蛋白质组学 AI 来精确发现和表征重塑复杂疾病结果的调节剂。由于与模式无关，Protai 的平台利用各种治疗剂的数据。因此，它从小分子、抗体、PROTAC 和其他疗法的组合空间中产生了最佳的治疗线索。

超越研究阶段

Protai 表示，其技术已经超越了研究阶段。Pevzner 表示，该公司已经在肺癌方面进行了概念验证，并确定了几个有价值的蛋白质靶点。该公司补充说，目前正致力于这些目标的临床前开发。

该公司表示，这种方法旨在使 Protai 能够提高药物发现的准确性并改善开发过程，从而节省时间并降低研发成本。

Protai 声称其方法与业内其他方法不同，因为它专注于疾病的蛋白质水平，而大多数发现平台专注于遗传学（DNA/RNA）数据，这只是现实的代理。

「蛋白质及其相互作用是真正的生物作用发生的地方，」Pevzner 说。

Protai 首席执行官兼联合创始人 Eran Seger 说，Protai 就像指导药物发现的独特指南针。他说，该公司正在系统地绘制蛋白质水平的疾病图，以创建一个新的功能信息层，使其能够识别治疗和诊断目标，以更好地对抗各种复杂疾病。

市场竞争与合作机会

尽管 Protai 在工具公司和人工智能制药公司公司中存在竞争，但该公司表示，它通过建立从发现到临床前和临床阶段的内部药物开发管道来保持领先地位。

Pevzner 表示，Protai 正在与制药公司合作开展联合项目，重点是癌症，但在不久的将来，该公司将考虑扩展到自身免疫和神经退行性疾病。

「市场可以分为几种类型的参与者。大型制药公司追求与我们相同的疾病领域和适应症。我们对合作持开放态度，并将两家公司的优势发挥到桌面上。」Pevzner 说。

虽然开发解决方案以更好地识别蛋白质的工具公司倾向于优化识别的蛋白质数量，但 Protai 表示其平台具有优势，因为它优化了更好的生物学可解释性和可预测性，以及药物开发。

此外，Protai 表示其技术领先于使用基因组和转录组 (RNA) 数据的 AI 制药公司，因为它们仅提供现实的代理，而实际行动发生在蛋白质水平上。

扩大研发

在此次追加资本之后，Protai 将把其平台扩展到所有药物研发阶段，其中包括：

在进行临床前测试时选择正确的生物体模型；

在临床试验中选择合适的患者；

扩大已批准药物的适应症。

所有这些都基于该公司所谓的「可解释生物学」，并解决了生物学预测对给定蛋白质网络如何对特定治疗作出反应的挑战。

公司官网：https://www.protai.bio/platform

参考内容：https://venturebeat.com/2022/01/13/how-protais-ai-powered-platform-is-improving-drug-discovery/