利用自主研发的医图 AceMap 智能药物研发平台，在两个月之内完成了全球首例用 AI 驱动的罕见病药物靶点发现、先导化合物设计（PCC）与合成。，为后续的深入合作以及 License Out 商业模式奠定了坚实基础。与此同时，公司在同一时间完成了全球首例完全由 AI 驱动的对重组门冬酰胺酶的药物优化，并成功将该药物推进到临床前研究阶段（IND）
医图生科成立于 2021 年 10 月，以自建AI+ 生物信息学三大 AI 智能药物研发平台为基础，完成探寻发病机理，靶点确立，药物设计以及制剂设计；以AI 新药发现 +License Out为核心商业模式，在短时间内实现抗肿瘤、抗衰老与罕见病的多条管线的项目落地，完成药物 IND 之前的所有研发环节，并与全球制药企业进行合作。
21 世纪以来，人类所面临疾病日趋复杂，全球范围内新药研发面临 投入高、周期长、风险大、成功率低 等挑战；AI 技术的发展为新药研发提供了新的技术手段和解决思路，尤其是在疾病特效药、候选药的研究上 AI 赋能新药研发开创了新的药物研发形式。但目前，在分子活性可维持性、AI 平台可操作性、AI 工程师与药化专家技术平衡性等方面，AI 制药技术还有待进一步探索。
医图生科的 AI 新药研发平台有效融合生物信息学研究，在全新靶点的背景下完成有效活性药物设计并进行合成表达的时间可以控制在 2-3 个月，比传统企业减少约 70%，研发成本也降至传统药企的 10-20%。这样的技术突破得益于医图生科汇聚的国内外顶尖大学、科研机构的资深研究人员，以及在国内外众多知名药企拥有多年从业经验的专业团队，为公司建立了世界领先的技术高地。
医图 AceMap 智能药物研发平台包括：医图 AceMap 智能药物 ( 小分子 ) 研发平台、医图 AceMap 智能药物 ( 合成生物学 ) 研发平台、神农天然产物暨抗衰物质研发平台。该三大平台浓缩了医图生科联合创始人兼首席科学官陈宇综教授及其团队经近 30 年的突出研究成果，覆盖了约 80% 的已知药物形态。
医图生科联合创始人兼首席科学家陈宇综教授1985 年获得中科院理论物理所硕士学位，1989 年获得英国曼彻斯特大学博士学位，并于 1989-1996 期间在美国普渡大学完成博士后项目。陈教授先后于美国 IONIS 制药公司和新加坡国立大学计算科学系从事 AI 及药物发现工作，并于2002 年将 AI 与生物信息学引入到生物学研究以及药物研究领域，成为全球首批 AI+ 生物信息学 新药研发科学家。陈教授发明了反向对接靶点发现方法，创建了国际医药领域知名的 TTD 药靶数据库，并利用 AI+ 生物信息学阐明了中药治疗新冠肺炎的机理。陈宇综教授曾任教于新加坡国立大学计算科学系、药学系，目前为清华大学深圳研究生院教授、肿瘤化学基因组学国家重点实验室副主任。
此外，医图生科的核心团队还包括：在 AI 大健康产业和企业管理方面拥有丰富经验的联合创始人兼 CEO 李翛然；参与过 100 多家上市企业资本工作、主持参与了 60 多家新兴产业创业项目投资孵化、拥有 20 多年上市公司并购经验的联合创始人于小镭博士；首席科学顾问、曾任微软亚洲研究院研究员、Google 技术总监、美国 Lernout&Hauspie 高级研究员、美国奥维研发经理以及美国创道技术总监的邸烁博士；首席医学官、原科兴生物研发部经理、国家 九五 科技攻关项目甲肝灭活疫苗研发与产业化生产参与者、国家 863 项目 I 类抗肿瘤新药 CPT 研发参与者、中科院硕士研究生导师崔俊生教授；以及首席药化专家、现任中国药科大学理学院化学系副主任兼博士生导师张晓进教授，等等。
AI+ 生物信息学持续融合应用：驱动性靶点，AI+ 理化性质设计化合物，成药性 / 可靶性准确度达 90%
医图生科的研发团队具备完整的 First in Class 药物从研发到上市的全流程经验，且其自主搭建的研发平台也覆盖了药物 IND 所需的全部技术环境，将现代计算机 AI 技术应用在了药物研发的各个环节，包括靶点筛选、先导化合物 ( 大小分子 ) 发现、药靶结构探索分析、药物及靶点分子动力学模拟、药代特征预测、不良反应分析、免疫原性判断等。
以 医图 AceMap 智能药物 ( 小分子 ) 研发平台 为例，该研发平台能够完成小分子 De Novo 设计、成药性 / 可靶性评估、高通量虚拟分子筛选、ADME/T 预测，以及化合物合成服务。
首先，平台利用 AI 技术进行全基因组（WGS）分析，找到可能造成疾病的病变通路，同时分析病变所对应蛋白质作用通路变化，最终选定驱动性靶点。
其中在验证药物的靶点确认环节，医图会充分发挥其 AI 与基因工程的能力，通过对动物基因诱导产生定向基因突变，构建在表型层面可以稳定复现疾病的基因编辑模型，从源头重现疾病的发病机理。 团队利用这一技术为制药过程打下了坚实的试验基础，尽可能实现了在早期阶段完成接近真实效果的动物效果评估，满足现代制药工业最重要的快速试错（Fail Fast）要求，同时实验结果反馈给 AI 设计平台，持续迭代更新。医图生科目前已经应用这一先进技术完成了一项罕见病全球首个动物模型，正与阿斯利康进行相关商业洽谈。
传统 AI 制药的化合物筛选一般采用构效关系或药效团的方法进行，使用机器学习来分析预测各种原子、分子及其理化性质，合成大量的候选化合物，进行高通量试验并基于此进行分子筛选。该方法虽然有一定效果，但大量理化性质、以及不同理化性质之间的相关作用都容易被忽略，且学习算法也往往局限于传统的机器学习方法上，因此筛选效率有限，并且无法进行 De Novo 药物设计。
在医图瞄准的国际市场交易环境下，最具竞争力的 First In Class 的药物管线，都是在没有任何可参考的有效活性物质、极为有限的靶点历史研究信息、甚至发病机理和疾病通路尚未明确的前提下展开的药物研发。因此，可综合利用的药靶信息、药物本质的理化特征、更多维度的药物结构，以及更深层次现代 AI 技术的有效利用，是当下所需。
陈教授及其团队基于流性变换 ( Manifold ) 理论，开创了全新的 AI 理解药物超高维物理及化学性质的药物特征表征方法 MolMap，以及创新 AI 学习算法 MolMapNet。通过对生物信息学的深度融合，将无序的理化性质信息变成有序的、有特定结构的二维图像，充分利用现代 AI 视觉影像技术，从而大大提高了化合物筛选效率。该研究成果已于 2021 年 4 月发表于 Nature Machine Intelligence。
AI+ 生物信息学 融合的另一个革命性突破，是让计算机对于药物有了更全面更精准的判断。其中的一个经典案例，便是该方法对顶刊十数年所发表新靶点的成药性预测及后期跟踪。通过将此技术应用于靶点发现过程中，目前在药物发现早期阶段，团队对于可靶性和成药性评估的准确度已达到了 90%。
借助大分子 / 合成生物学研发平台，医图生科还能通过 AI 模拟不同生物环境，准确评估大分子药物的耐碱性、耐酸性、稳定性等性质，对药物与人体内靶点的对接和药物效果进行充分的模拟和评估，通过免疫原性预测及定点突变来降低大分子药物进入人体后的副反应。同时，医图生科的科研团队从上世纪 90 年代开始收集整理了非常独特的有效子结构、不利结构、以及不良反应数据库等，再次拔高了其 AI 应用的技术实力。目前，MolMapNet 算法及特征处理技术已经在各项数据集上构建了超 85 亿以上的特征及空间矩阵，旨在让 AI 进行重要的空间及化学特征的细节分区，从而大幅提升 AI 在各个应用阶段的精准度。
对于天然产物抗衰物质研发平台，医图生科目前已经利用 AI 技术完成了 30 万天然产物的机器学习，建立起全球第一个量化研究中药天然产物的数据库，具备了在天然产物量化分析和 AI 设计技术方面的独特优势。医图生科希望通过自身的天然产物平台，向世界传播中医的科学论证方法。
医图生科采用 AI 新药发现 +License Out 的核心商业模式，让客户充分体验到其在行业领先的 AI 新药研发效率及成本优势。目前已有十余家制药企业、科研院所、医院等与之签订相关合作协议或达成合作意向，其中包括：北京神经外科研究所、中国药科大学、清华大学、阿斯利康、中南大学湘雅医院、中国生物等。
图生科目前拥有 6 条在研管线 年年底首个管线设立至今，公司已经完成了 4 个药物临床前候选化合物筛选，并进入到了商业洽谈阶段。其首个管线 已进入临床前 IND 试验阶段，该项目将会以 CDE 的一类生物创新药申报，预计将在今年 12 月完成相关 IND 试验并进行 FDA，CDE 中美双报。该管线 年内完成从药物确认到 IND 申报的大分子 AI 创新药。
平均 2-3 个月一条管线的正向反馈，源于医图生科不遗余力地建立AceMap 智能药物研发平台，迭代AI-Wet Lab 一体化研发流程。在未来，医图生科将继续以抗肿瘤、抗衰老及罕见病为主要管线类型，同时开展对神经、代谢等类疾病药物的 AI 新药开发。公司计划每年新开至少 5-8 个全新管线 个项目的合作研发或专项委托，确保每年至少一项药物完成 IND 并出售，最终实现 License Out 模式的商业循环。
。团队的 AceMapAI 智能药物研发平台，今后持续更新迭代，迭代后平台可提升对氨基酸序列的敏感度，以便在对
。陈宇综教授后续会带领团队增设分子动力学 +AI 力场与演化算法平台、siRNA 核酸药物计算平台、量子计算 +AI 计算平台、量子计算 + 分子动力学计算平台、细胞与人体环境模拟计算平台、基因 - 蛋白质 - 细胞 - 器官芯片计算平台等算法平台。结合以上算法平台建立对应数据库后，医图生科将继续打造核酸药物、自动化活体细菌、基因芯片 / 器官芯片、量子计算与蛋白质表达等设计研发平台。
，让发展迭代后的 AI 算法有机会学习更丰富的数据资源，由此实现更高效、更精准的 AI 新药研发。
，医图生科看好 AI 新药研发领域，将通过不断升级算法平台、数据库以及设计平台，继续提升 AI 从靶点确认到 IND 完成 过程中的各项应用效果，展现出 AI 新药研发的技术优势、速度优势、成本优势，争取实现公司在未来三年上市的目标！
