英矽智能“智能机器人药物研发实验室”首亮相引领药物研发下一波浪潮

在科技交叉越来越频繁的当下，人工智能，机器人和数字生物学给生命科学的发展带来了越来越多的突破最近几天，AI制药公司赢驷智能完成D轮融资，并首次正式宣布正在建设的全自动智能机器人药物研发实验室，展现了药物研发的新模式

根据消息显示，赢驷智能的智能机器人实验室设立在苏州生物医药集聚高地BioBAY Park，占地1600多平方米实验室组建了由经验丰富的医学研发科学家，生物自动化科学家，生物信息学科学家，人工智能科学家和软件开发科学家组成的智能药物研发团队，联合了国内外众多专家和机构计划从今年第三季度开始逐步投入运营

英语智能机器人药物研发实验室初次登台/出道

该实验室不仅有望高效改造早期药物发现流程，还将被用作机器人生物数据工厂，补充庞大的数据资源，以进一步训练和迭代其人工智能平台。

为早期药物发现注入新动能

硅智成立于2014年，是第一批人工智能制药公司成立之初，就试图用人工智能驱动早期药物发现的关键步骤在不断培训和巩固人工智能技术并借鉴跨国制药公司的合作经验后，赢驷智能推出了PharmaAI人工智能平台包括PandaOmics，人工智能的目标发现引擎Chemistry42等，并在自有生物医药R&D管道和对外合作项目中验证了平台的药物发现能力

Silicon Intelligence创始人兼首席执行官Alex Zhavoronkov博士表示，我们现在要做的是将这些经过验证的人工智能平台应用于机器人实验室场景，以进一步自动化药物发现能力:我们希望比别人走得更远我们想先做动物实验，分析动物细胞和组织，从而对人类生物学有更深入的了解，学会如何从动物组织和细胞中识别靶标，验证并与人类联系起来这是因为生物制药行业最大的问题之一是转化，我们希望确保动物和人类的数据完全匹配

机器人实验室将人工智能与机器人和自动化技术相结合，利用机器人自动化技术完成早期药物研发中的生物学实验，如传统的人工操作此外，实验中产生的所有新数据都可以用来进一步扩充英国硅情报的庞大在线数据库我们计划在智能机器人实验室和赢驷智能自主研发的人工智能平台之间形成闭环，实现人工智能预测结果的实验验证和实验数据驱动的AI算法迭代优化期待通过智能机器人实验室帮助拓展内部自研管道，同时为生物医药产业发展注入新动能亚历克斯·扎沃龙科夫介绍

从概念到实践，智能机器人实验室的应用

从生物学角度，机器人实验室可以进行自动化高通量生物活性测试，支持高含量高通量筛选和下一代基因测序，在药代动力学方面，机器人实验室可以自动采集溶解度，膜通透性，代谢稳定性等多项体外数据此外，该实验室在目标发现和验证方面有更广泛的应用，如促进合成杀伤力领域的目标发现

具体来说，智能机器人实验室首先通过目标发现平台PandaOmics将目标与特定疾病联系起来，然后利用机器人自动化技术完成人工操作的目标验证的传统生物学实验，包括:基因敲除/插入，体外分析和测序，细胞成像和观察，深度表分析等，最终帮助科学家进一步确认目标

人工智能新药研发的竞争将逐渐从算法的竞争过渡到数据的竞争硅智建立这个实验室的初衷之一就是为了产生更多独特的，合作的数据，从而帮助人工智能算法优化此外，药物研发实验室在自动化的基础上，加入了人工智能的元素，让自动化的过程不是由人来控制，而是由以PandaOmics为代表的人工智能来控制，这也是智能机器人实验室与普通自动化实验室的最大区别任峰认为智能实验室是未来的发展方向，未来它的应用会越来越广泛，人类的重复性劳动会逐渐被机器取代

链接生态圈上下游打造行业标杆

这样一个融合了人工智能，机器人学，数字生物学等跨界学科的智能机器人实验室，也离不开生态系统上下游的支持。

英硅智能合作伙伴之一上海向辉创始人兼总经理刘佳鹏博士表示，人工智能正在引领人类新的工业革命，而这也催生了实验室自动化从单机模块自动化到超机智能的裂变这样的超级机器人实验室是突破边界整合的产物，比人类更具有正确性和可重复性它可以可视化和共享知识和技能，实现高灵活性，高通量和高安全性，将科学家从简单的重复性工作中解放出来，去做更有价值，更有意义的事情

为实验室提供数据解决方案的合作伙伴还包括全球领先的云计算服务和云解决方案提供商亚马逊云技术，基因芯片和基因测序专家Illumina，人工智能计算领导者英伟达以及其他生态系统合作伙伴在较早的智能实验室驱动药物研发现状的探索与展望:在网络研讨会上，许多合作伙伴也表达了他们对数字解决方案以及如何引领下一波药物研发的看法

亚马逊医疗和生命科学行业高级总监黄表示:关于数据的使用，能否从应用场景考虑数据的实际使用相对于传统的把所有的数据都保存下来，逐步丰富的模式，我们是否可以反过来，从最后开始，推导出我们需要什么数据和技术，然后建立相应的团队，让药物研发更有针对性

Inna大中华区医疗总监王敏博士表示:基于细胞系的药物反应研究一直是新药研发中非常重要且具有挑战性的环节依靠先进的AI图像算法，自动化细胞成像可以生成细胞形态学的海量数据集，可用于药物发现或药物作用机制研究但是细胞形态等表型信息能否帮助建立准确的AI模型毕竟我们不能只通过观察细胞表型的变化就知道细胞内部的变化从这个角度来说，基因测序，尤其是对单细胞的基因测序，可以帮助我们获得正常细胞和病变细胞之间的基因表达变化，从而为AI建模和药物的作用机制提供有价值的信息

英伟达医疗行业销售总监Wilson Zhao表示如何保证数据的一致性和可重复性，从而迭代优化AI模型，是人工智能未来发展的一大挑战其次，还有数据共享的问题对于一些制药公司来说，数据是非常重要和敏感的资产如何保证更多高质量公共数据的共享和获取，也是未来数据解决方案的一大难题另外，药物研发本身周期长，成本高，成功率低除了早期的靶点发现的分子设计，后期的临床前实验和临床试验也耗费了巨大的时间和金钱如果人工智能能够提高后期药物研发的成功率，比如临床试验，我觉得可能会给整个行业带来信心

药物研发无疑是一个耗时又费钱的数据益智游戏智能药物研发实验室通过人工智能，自动化，机器人和生物能力的深度融合，加速不断探索智能自动化在数据处理和新药研发中的应用可能性，从而为行业的融合创新和更多创新候选药物的研发注入新动能

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。