新闻资讯
News information
建设AI赋能的细胞衰老高通量表型化合物筛选平台

  10月,天鹜科技官方宣布,引入陆滔博士担任CSO。陆滔博士拥有二十余年细胞模型建立及分析方法开发经验,将带领团队以研究细胞衰老为切入点,打造AI赋能的高通量表型筛选实验平台,通过少次实验即可发现大量靶点、化合物与适应症之间的关系,从而发掘新骨架分子、新靶点和新适应症,寻找老药新用或多药联用新途径,开发新的药物管线,引领创新药研发范式革命。

建设AI赋能的细胞衰老高通量表型化合物筛选平台

陆滔 博士

  休斯顿大学生物化学和分子生物学博士,曾在美国安德森肿瘤中心工作近20年,长期从事细胞模型建立及分析方法开发工作;回国后任药明康德早期药物研发负责人,从0到1搭建团队,实现营业额和团队的高速增长;成功帮助多个biotech公司快速开发新药,短期内完成IND申报走上临床试验。陆滔博士专注创新药研发方法开发与机制研究,拥有大量国内外药企合作成功案例,并建立通过生物细胞模型与计算数学模型互相闭环迭代,成功应用基于人工智能的表型筛选技术,已在肿瘤、CNS领域发现了多个新靶点、新骨架分子。

  以研究细胞衰老为切入点的新药研发

  研究表明,细胞衰老与大量疾病的发生与发展密切相关,清除衰老细胞可以推迟肿瘤等疾病发生,减缓骨关节炎,增强肿瘤治疗疗效等等,细胞衰老研究是生命科学的重要课题和当今新药研发的热点之一。

  目前,创新药研发市场规模大、政策好、潜力足,但同质化竞争严重。行业内以细胞衰老为切入点的新药研发还相对比较落后,缺乏细胞衰老表型的定量分析方法。

  陆滔博士独家开创多种细胞衰老过程的量化检测,实现了适用于多维度、高通量筛选抗衰老化合物及IC50的测定。此项独家创新的细胞衰老定量分析技术是天鹜科技高通量表型筛选平台的核心壁垒之一。

  AI赋能的高通量表型筛选

  细胞水平的表型筛选是常用的化合物筛选方法,通过观察细胞在化合物处理后的表型特征变化,从而得到特定化合物对应的细胞特征指纹。目前可提炼的细胞特征多达3000多个。

  与传统方法相比,AI赋能的高通量表型筛选方法可以大幅提高Hit Rate和Hit分子的骨架多样性。一次细胞表型实验所提取的特征中,包含了化合物与细胞内众多靶点相互作用的信息,通过人工智能AI技术的深度结合,可发现大量靶点、化合物与适应症之间的多种隐藏关系,从而发掘新骨架分子、新靶点和新适应症。

  Janssen Pharmaceutical, J&J

  Simm et al., 2018, Cell Chem. Biol. 25, 1–8

  陆滔博士长期从事细胞模型建立与分析方法开发工作,已成功建立多种与疾病相关的高通量、高内涵细胞模型,包括细胞衰老模型、肿瘤细胞生长死亡与信号通路模型、肿瘤细胞DNA损伤修复模型、纤维化(肝,肺,肾,心脏等)模型、免疫激活与相互作用细胞模型、炎症反应模型、多种神经性退行性疾病细胞模型等,适合于化合物表型筛选,药物开发,靶点发现和信号通路研究。

  高频迭代的“A(AI)-B(Biology)-C(Chemistry)”干湿实验闭环

  目前,天鹜科技已形成高频迭代的“A(AI)-B(Biology)-C(Chemistry)”干湿实验闭环。公司拥有位于上海的人工智能实验室,用于AI赋能的表型筛选和分子设计;建设高通量表型实验室,用于Assay建立与生物活性验证;旗下位于重庆的药物化学实验平台,仅用一个多月便成功合成AI设计的双靶点化合物。目前,天鹜科技分子设计完成商业化落地,已与上市药企签署千万级合作项目。

  天鹜科技核心团队由上海交通大学教授、上市药企高管,和近十位交叉学科博士组成。陆滔博士加入后,将运用独家创新的细胞衰老定量分析方法,结合独家高通量化学合成以及高精度AI计算等核心技术,通过高通量表型筛选的方法,持续积累“靶点-化合物-适应症”的数据库,实现更快更好地研发药物。