斯坦福大学分拆，加州AI制药初创融资2亿美元，计划推进首条管线进临床

近日，一家总部位于加利福尼亚州的 AI 制药初创公司 Genesis Therapeutics 宣布完成 2 亿美元 B 轮融资，这也是迄今为止今年内 AI 制药领域最大的一笔融资。

本轮融资由一家未具名的美国生命科学风投和该公司的种子轮投资方 Andreessen Horowitz（a16z）Bio+Health 共同领投，新投资方包括 Fidelity Management & Research Company、贝莱德（BlackRock）以及英伟达的风投部门 NVentures，现有投资方 T.Rowe Price Associates、Rock Springs Capital 以及 Radical Ventures 等持续押注。

（来源：官方新闻稿）

此次融资获得了投资方的超额认购，完成 B 轮融资后，该公司的总融资金额也超过了 2.8 亿美元。此前，该公司在 A 轮融资中筹集了 5200 万美元。

新闻稿中提到，本轮所筹集的资金将会用于推进该公司成为一家处于临床阶段的AI制药公司，进一步投资其 AI 平台以及推进药物管线开发。

这是一家成立近 4 年的 AI 制药公司，技术主要源于原斯坦福大学 Vijay Pande 教授实验室，由斯坦福大学博士毕业生 Evan Feinberg 和加州大学伯克利分校校友 Ben Sklaroff 联合创办。该公司正在将 AI 技术与物理和化学等知识结合设计小分子药物，现阶段计划将首条管线推入临床阶段。

“在药物发现过程中，很多药物靶点在生物学上虽然已经得到了很好的验证，但由于复杂的化学反应而难以成药，人工智能为彻底改变药物发现的过程提供了更大的机会。新的投资正处于公司发展的拐点阶段，我们第一个基于 AI 的候选药物即将进入了临床阶段。”Genesis Therapeutics 联合创始人兼首席执行官 Evan Feinberg 说。

斯坦福大学分拆，基于 AI 设计小分子药物

“药物设计是一个涉及多个环节和学科知识的领域，涵盖了药物化学、药剂、药理、药物分析等等，在这个领域内难以做到赢家通吃（a winner-take-all space）。现在正是结合 AI 技术和生物技术的时刻，AI 正在降临到化学领域，并助力药物设计和开发。”Vijay Pande 博士说。

他现在是 a16z Bio+Health 的创始普通合伙人，曾在斯坦福大学担任 Henry Dreyfus 化学教授兼结构生物学和计算机科学教授。事实上，Genesis Therapeutics 的底层技术正是诞生于 Vijay Pande 实验室，该实验室专注于将机器学习应用于模拟化学、生物学和医学。Vijay Pande 曾共同开发了部分 Genesis Therapeutics 基础的深度学习技术。

联合创始人 Evan Feinberg 在该实验室完成了生物物理学博士研究，此前在耶鲁大学获得了物理学位。2013 年开始，他成为 Vijay Pande 实验室的一名研究生，主要从事开发可用于药物发现的新型 AI 技术。当时，他意识到，开发可应用于药物设计的算法过程中，最为关键的一点在于计算模型应该基于尊重化学和物理的自然定律基础之上。

Vijay Pande 解释道，当时，大多数机器学习程序通常都会忽略这一点，当时大部分想法是，只要有足够的数据，模型无论如何都会得出正确的答案。这种方法的问题在于机器学习模型实际上仅限于输入的数据。基于物理的模型可以在没有输入所有数据的情况下完成任务，不过运行中所需的算力使得执行这一过程很昂贵。

基于此，Evan Feinberg 发明了深度学习算法 PotentialNet，随后还为大型制药公司提供深度学习方面的咨询。他也是 MoleculeNet 和 DeepChem 开源项目的早期软件工程师。

▲图 | 部分管理团队（来源：公司官网）

“作为一名亲身经历过服用大多数与神经肌肉、肌肉骨骼相关药物的患者，我逐渐意识到当前医疗行业的局限性。我们尝试将公司从斯坦福大学分拆出来，招募更多药物开发和 AI 专家，加快 AI 技术与生物医药领域的结合。相信通过在深度学习方面的创新，我们的 AI 技术和经过验证的药物靶点之间可以形成紧密的反馈循环，加快我们发现更高效、高选择性和生物利用度的下一代疗法。”Evan Feinberg 说。

2019年，Evan Feinberg 与软件工程师、初创公司资深人士 Ben Sklaroff 共同创办 Genesis Therapeutics 并将该公司从斯坦福大学分拆出来独立运营。分拆出来的公司专注于基于深度学习技术设计和开发新型小分子候选药物，用于治疗患有严重和衰弱性疾病的患者。

Ben Sklaroff 在该公司担任 CTO，他在加州大学伯克利分校获得了电气工程和计算机科学学位，并在 Markforged 处于起步阶段加入负责领导软件团队，Markforged 现已成为北美增长最快的第 10 家公司。

后续，生物制药高管 James Schaeffer 博士也加入了该公司，Leonard Bell 加入担任董事会主席。Leonard Bell 是 Alexion Pharmaceuticals 的主要创始人并在此担任了 23 年 CEO，2008 年，他代表 Alexion 接受了美国最佳生物技术产品奖，这是制药研发行业的最高荣誉，相当于“医药界诺贝尔奖”。

根据新闻稿中的描述，这家公司现在已拥有大约 50 名员工，包括制药领域、深度学习技术和软件工程人员，分别在总部旧金山南部伯林格姆，以及在圣地亚哥的实验室。

计划推进首条管线进临床

上文提到，Genesis Therapeutics 的主要技术来源于 Vijay Pande 斯坦福大学实验室。在 2018 和 2020 年，该公司创始人发表了两项关键研究成果，第一项研究首次推出了名为 PotentialNet 的神经网络，其专门用于优化小分子与其蛋白质靶点的结合。第二项研究则声称利用深度学习能够以“非常高的准确率”预测候选药物的吸收、分布、代谢、排泄和毒性。

（来源：ACS Cent. Sci.）

（来源：J. Med. Chem.）

Vijay Pande 指出，基于这些研究，公司以独特的方式整合了深度学习、生物物理分子模拟的协同作用，并将 AI 与生物技术和制药专业知识等，因此可以克服这些‘不可成药’靶点难题。这显示出了公司在分子生成式 AI 技术方面的地位。

Genesis Therapeutics 正在开发独特的生成和预测 AI 技术平台——分子空间起源探索（Genesis Exploration of Molecular Space，GEMS），并利用该平台加速和优化小分子药物发现，以靶向“难成药”和“不可成药”靶点开发新型小分子候选药物。

根据官网的描述，GEMS 平台集成了基于深度学习的预测模型、分子模拟和分子生成的语言模型，通过生成有前景的分子进行合成和实验测试，并通过AI支持小分子化合物的发现和优化多个周期迭代此过程，从而加速候选分子的筛选。

该公司还开发了Dynamic PotentialNet 作为预测效力、选择性和 ADMET 的专有方法。这一机器学习技术可为 GEMS 提供了较高的属性预测速度和准确性。Dynamic PotentialNet 将蛋白质-配体复合物的 3D 结构和相互作用表示为空间图，通过结合分子模拟和实验数据进行训练，它可以学习结合亲和力背后的物理相互作用。这使得该模型能够推广到新的蛋白质靶标，并在没有目标结合亲和力数据的前提下，仅根据 3D 结构做出准确的预测。

Dynamic PotentialNet 集成了其专有的分子模拟平台，这使得 GEMS 能够学习 3D 结合动力学，包括蛋白质灵活性和关键水分子的效力。该公司指出，将深度学习与分子模拟相结合对于推进靶向“难成药”和“不可成药”靶点设计药物项目至关重要。

除了我们的预测模型之外，该公司还开发了一个大型分子生成引擎。GEMS 使用化学感知机器学习模型，可以指导创建新分子并探索每个药物项目化学空间的特定区域。在筛选苗头化合物（Hit ID）期间，GEMS 会生成数十亿个类候选药物和可合成的分子，从而实现对化学空间的多样化探索。在“先导化合物”和“先导化合物优化”期间，公司的化学专家指导 GEMS 从特定起点生成新分子，探索骨架跃迁并优化极具治疗潜力的化合物。

该公司表示，利用 GEMS 的独特优势，公司已经建立起了一系列内部管线，其中包含针对数据匮乏且通常“不可成药”靶点的多个项目。不过，并未透露公司正在重点关注的具体疾病和靶点，也没有透露管线进入临床试验的时间。只是提到癌症是重点之一，且新资金会促进其进一步丰富管线，并重点支持首条管线启动临床试验（新闻稿中提到该管线即将进入临床），使公司成为一家处于临床阶段的 AI 生物制药公司。未来，希望与制药公司进行战略合作，将筛选出的候选药物推向市场。

另一方面，该公司也已经基于技术平台达成了一些合作。比如，在成立初期与基因泰克达成一项药物发现协议，去年 5 月与礼来达成了价值高达 6.9 亿美元的药物发现协议。