就在英国初创公司DaltonTx以构建自适应AI药物研发平台为使命悄然起步数月之后,该公司正式推出了旗下平台,并公布了其首位客户。
这款名为Dalton的平台旨在覆盖药物研发的全流程,从原始数据处理、模型训练,到分子设计、合成与决策支持,为小分子药物和生物制剂打造一套"持续学习引擎"。
这家总部位于伦敦国王十字生命科学与科技中心的公司,核心团队由曾供职于阿斯利康、Exscientia及牛津大学的前资深科学家组成。Dalton的推出,意味着其正式加入日益竞争激烈的AI药物研发工具市场。
DaltonTx将与Recursion Pharma、Insilico Medicine、Schrodinger等同类企业,以及英伟达、Alphabet旗下Isomorphic Labs、OpenAI和亚马逊等科技巨头同台竞技。然而,该公司认为自身深厚的生物制药背景,加之专注于赋能合作伙伴而非自建内部药物研发管线的定位,有望帮助其在市场中站稳脚跟。
数据隐私是Dalton的另一大差异化优势。平台对各项目的数据与模型实施独立隔离,确保某一项目的数据不会被用于训练其他项目的模型。
DaltonTx联合创始人兼首席执行官加里·佩罗多(Garry Pairaudeau)表示:"我们相信,能够从AI中获取最大价值的组织,必定是那些将团队、工具与数据整合为一体、持续优化现实研发决策的机构。"佩罗多曾在阿斯利康研发部门深耕20年,此后出任Exscientia首席技术官,直至该公司于2024年与Recursion合并。
他进一步阐述了Dalton平台的核心价值:"Dalton将数据、模型与实验结果融为一体,完整记录哪些方法奏效、哪些方法失败以及背后的原因,让判断力随时间不断积累沉淀。"在他看来,Dalton的角色是"强化"而非"取代"人类专业能力,并帮助机构建立"组织记忆"。
Sygnature Discovery正式加入平台
DaltonTx还宣布了一项重要进展:合同研究机构(CRO)Sygnature Discovery已签约使用Dalton平台,以提升其AI赋能的药物研发能力,并将通过该平台为其客户提供相关服务。
Sygnature首席执行官西蒙·赫斯特(Simon Hirst)表示:"我们很高兴与DaltonTx展开合作,并期待探索他们如何帮助科学家在研发早期做出更有依据的决策。"他补充道,该平台将助力公司"减少需要合成和测试的化合物数量,缩短DMTA(设计-制造-测试-分析)周期,加快推进候选药物的筛选进程"。
Q&A
Q1:Dalton平台具体能完成药物研发的哪些环节?
A:Dalton平台覆盖药物研发的全流程,包括原始数据处理、模型训练、分子设计、合成以及决策支持。它为小分子药物和生物制剂构建了一套"持续学习引擎",能够完整记录哪些方法奏效、哪些失败及其原因,让研发判断力随时间不断积累,从而形成"组织记忆",辅助科学家做出更有依据的决策。
Q2:Dalton平台如何保护用户的数据隐私?
A:Dalton平台对各项目的数据与模型实施独立隔离,确保某一项目的数据不会被用于训练其他项目的模型。这一机制有效保护了企业客户的专有研发数据,防止信息在平台内部被跨项目共享或泄露,是Dalton区别于其他竞品的核心差异化优势之一。
Q3:DaltonTx和Sygnature Discovery的合作会带来哪些具体效果?
A:Sygnature Discovery签约使用Dalton平台后,预计将帮助其减少需要合成和测试的化合物数量,缩短DMTA(设计-制造-测试-分析)周期,并加快候选药物筛选进程。这意味着药物研发效率将得到显著提升,科学家能够在研发早期获得更有依据的决策支持,进而降低研发成本和时间投入。
好文章,需要你的鼓励
今天讲的出海案例是明阳电气,这家输配电设备公司在马来西亚投产首个海外生产基地,并以 250 万林吉特子公司承接本地制造。
研究揭示AI搜索代理"屏蔽旧观测"策略的效果取决于检索质量与模型能力的匹配程度,存在三种截然不同的效果区间。
随着AI智能体数量持续增长,如何高效定位和发现它们变得至关重要。Linux基金会发起DNS-AID项目,旨在通过扩展现有DNS基础设施,为AI智能体提供一种无需新建设施的发现、验证与通信标准。该项目支持智能体及MCP服务器将DNS用作全局、供应商中立的目录,域名所有者可通过创建特定地址作为智能体查找入口。该项目最初由Infoblox开发,已获德国电信和亚马逊等机构参与贡献。
多所高校与研究机构联合构建机器人语义接地测试平台RSB,发现主流VLA模型普遍存在"能抓但抓错"的致命缺陷,语义理解与动作生成之间存在严重断层。