MSD已与Protillion Biosciences达成合作协议,合作金额超过5.1亿美元,双方将借助这家AI专业公司的"实验室闭环"平台,共同探索多种新型治疗药物的研发。
实验室闭环方法正在制药公司AI驱动的药物研发领域获得越来越多的认可。这种方法依靠算法设计新型候选药物,在湿实验室中进行测试,再将测试结果反馈给AI模型进行训练,从而帮助模型在后续测试周期中提出更为精准的候选方案。
斯坦福大学的衍生企业Protillion是众多AI公司之一,该公司坚信,尽管AI建模技术不断进步,药物研发仍将持续依赖超高通量湿实验室技术,而不会完全转向纯计算机模拟路径。
Protillion的核心竞争力在于其Prot-MaP研发平台。该平台利用固定在专用芯片上的蛋白质集群,在单次实验中可对多达100万个候选分子进行定量分析,最快仅需48小时即可获得结果,而传统方法通常需要数月时间。Prot-MaP平台尤其擅长生成抗体和蛋白质结合剂候选分子。
公司首席执行官兼联合创始人Curtis Layton坚定认为,实验室闭环是药物研发的未来方向。他近期在社交媒体上表示,制约研发速度的瓶颈并非AI模型或架构的性能,而是需要在实验室中产生的"高质量、可落地数据"的供给能力。
Protillion与MSD(在美国和加拿大称为Merck & Co)达成的此次合作,"印证了一个从创业之初就指引团队前行的信念:生物制剂研发的未来,将取决于大规模生成高质量蛋白质实验数据并从中持续学习的能力。"Curtis Layton如是说。
他补充道:"尽管AI持续推动药物研发变革,但其成功最终取决于背后数据的质量。Protillion搭建这一平台,正是为了弥合计算预测与实验验证之间的鸿沟,从而实现对日益复杂的治疗性蛋白质的快速工程化改造。"
根据协议条款,Protillion将获得一笔未披露金额的前期付款,并有望在多个项目中获得总计高达5.1亿美元的"研究、开发及商业化"里程碑付款。
默克研究实验室负责人Juan Alvarez表示:"强大的新兴技术有望从根本上改变我们描绘蛋白质全景图谱、识别新型治疗候选分子的速度与精准度。"
他同时表示:"Protillion的平台提供了极具吸引力的合作机会,我们期待与团队携手推进各项研究项目。"
Q&A
Q1:Protillion的Prot-MaP平台是什么?有什么优势?
A:Prot-MaP是Protillion Biosciences开发的蛋白质研发平台,利用固定在专用芯片上的蛋白质集群,单次实验可定量分析多达100万个候选分子,最快48小时出结果,而传统方法通常需要数月。该平台特别适合用于生成抗体和蛋白质结合剂候选分子,大幅提升了药物研发的速度和效率。
Q2:什么是"实验室闭环"方法?它和传统AI药物研发有什么不同?
A:实验室闭环方法是将AI算法与湿实验室实验结合的药物研发模式。AI负责设计候选药物,湿实验室负责验证,验证结果再反馈给AI进行优化,形成循环迭代。与纯计算机模拟的AI研发方式不同,实验室闭环强调实验数据对AI模型的持续训练,认为高质量的实验数据才是提升AI药物研发能力的关键所在。
Q3:MSD与Protillion合作的具体内容是什么?
A:MSD(即美国和加拿大的Merck & Co)与Protillion Biosciences达成合作协议,利用Protillion的"实验室闭环"平台共同探索多种新型治疗药物。根据协议,Protillion将获得一笔未披露的前期付款,并有望在多个项目中获得总计高达5.1亿美元的研究、开发及商业化里程碑付款。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。