BenchSci为人工智能驱动的药物发现工具筹集了2200万美元

 智能工业机器人     |      2020-02-13 12:06

导读:通过挖掘采购数据中的隐藏模式来评估药物研发的健康状况,这是一项由人工智能简化的任务至少,这是大卫·陈启祥、埃尔维斯·维安达、利兰·贝伦赞和汤姆·梁提出的建议,他们在20

通过挖掘采购数据中的隐藏模式来评估药物研发的健康状况,这是一项由人工智能简化的任务至少,这是大卫·陈启祥、埃尔维斯·维安达、利兰·贝伦赞和汤姆·梁提出的建议,他们在2015年共同创立了《基准科学》。这家总部位于多伦多的生物技术公司利用人工智能进行实验,以加速药物发现,从而提高医学研究的速度和质量。本周,为了显示新老支持者的信心,本齐在第二轮融资中筹集了2200万美元,使融资总额达到4500万美元。

随着资本的注入,BenchSci宣布推出其新的人工智能辅助试剂选择产品,并扩大了其与诺华的合同,该合同估计每年价值超过102亿美元。首席执行官贝伦宗(Berenzong)表示,这笔钱将用于进一步开发BenchSci的产品套件和加快药物测试。

”制药行业面临生产率危机在收入停滞的同时,每种药物的研发成本不断上升。没有重大变化,这场危机将影响每个人。低回报或负回报会减少对新药的投资”贝伦宗说。人工智能有望扭转这一趋势。然而,人工智能在大多数药物发现中尚未得到证实另一方面,BenchSci的产品具有立竿见影的效果。“

BenchSci的标志性产品-抗体选择服务-使用机器学习技术在短短30秒内选择抗体(抗体选择时间通常需要12周)该公司声称,通过减少不适当的抗体,每年可以减少高达300万美元的耗材成本。它的功能支持通过蛋白质目标进行搜索,并通过技术和16个其他实验变量(包括生物体、组织、细胞类型和疾病)进行过滤

Belenzon说,供应商在实验中预测抗体性能通常很困难。多达50%的选定抗体是无效的,抗体使用的数据隐藏在生物医学论文、供应商目录和独立的验证数据库中。根据《自然》杂志上的一项研究,研究人员通常可以花费5万美元购买不必要的抗体,这可能需要3到6个月的时间来开发,然后需要几天的时间来选择抗体,几周的时间来测试和验证它们。

BenchSci的图像识别技术使用人工智能从公布的实验中提取抗体规格,而不仅仅是供应商名称、产品名称或SKU的该系统使用生物信息学和本体将抗体与用例联系起来,并提供对来自231个供应商的770万种产品的目录数据的访问,以及一系列关于抗体使用趋势的跨技术、物种等的文献。

BenchSci引用了1000万份科学出版物的实际实验数据,包括封闭论文。该公司表示,这些结果已经得到了诸如人类蛋白质图谱、编码和欧洲单克隆抗体网等机构以及斯普林格自然和威利等科学出版商的独立验证。


  • 共2页:
  • 上一页
  • 1
  • 2
  • 下一页