Recursion Pharma를 통해 신약 발견을 발전시키기 위해 AI ML 파트너십 활용

Recursion Pharma CEO Chris Gibson과의 대화

데이터 관리 분야에서 임상 운영, 규제 업무에 이르기까지 임상 연구에 종사하는 모든 사람에게 자신이 따라온 동향에 대해 물어보면 거의 모든 사람이 인공 지능(AI)과 기계 학습(ML)의 발전에 대해 언급할 것입니다. 약물 발견 및 개발.

그런데 어떻게 그렇지 않을 수 있겠습니까? AI/ML은 우리 삶의 모든 측면에 널리 퍼져 있습니다. 우리는 사람들이 ChatGPT 및 기타 AI 챗봇을 사용하는 모든 방식에서 벗어날 수 없는 것 같습니다. 그러나 아마도 가장 중요한 관심 분야 중 하나는 약물 개발 분야일 것입니다. AI/ML의 잠재력은 2013년에 출시되어 최근 이달 초 캐나다의 두 기술 회사인 Valence와 Cyclica를 인수한 Recursion Pharma에서 확실히 사라지지 않았습니다.

솔트레이크시티에 본사를 두고 베이 지역과 캐나다에 지사를 두고 있는 Recursion은 AI/ML을 활용하여 신약 발견을 산업화하는 임상 단계의 "TechBio" 회사입니다. Recursion은 Cyclica를 4천만 달러에, Valence를 4,750만 달러에 인수하는 계약을 체결했습니다.

신약 발견 및 개발 분야에서 인수와 AI/ML의 미래에 대해 알아보기 위해 Recursion의 CEO인 Chris Gibson을 만났습니다.

Recursion은 스스로를 "TechBio" 회사라고 부릅니다. 우리는 임상 연구 공간에서 "생명공학"을 자주 접하지만, 그 반대의 표현은 그다지 널리 퍼져 있지 않습니다. 해당 설명자를 선택하는 데 숨겨진 이야기는 무엇입니까?

깁슨: TechBio는 몇 년 전에 등장하여 빠르게 인기를 얻고 있는 용어입니다. 이는 컴퓨팅(특히 기계 학습 및 인공 지능) 및 자동화와 같은 기술을 사용하여 약물 발견을 다르게 수행하려는 명시적인 전략을 갖고 있는 업계 내 점점 더 많은 회사를 위한 별도의 카테고리를 만들기 위한 것입니다.

작년에 Recursion에서는 TechBio 공간의 잠재력에 대한 사람들의 인식이 지속적으로 가속화되는 변화를 발견했습니다. 대형 제약 회사부터 대형 기술 회사에 이르기까지 리더들 사이에서는 기술을 핵심으로 하는 이러한 회사가 실제로 의료 산업에서 단계적 기능 변화를 일으킬 것이라는 필연성에 대한 인식이 점점 더 커지고 있는 것 같습니다. 최근까지 널리 받아들여졌습니다.

귀하의 별명을 고려하면 Recursion이 더 많은 AI/ML 기능을 내부에 도입하기로 결정한 것은 놀라운 일이 아닙니다. 이번 달에 Recursion은 Cyclica와 Valence를 모두 인수하기로 결정했다고 발표했습니다. 그들은 어떤 능력을 가져오는가?

깁슨: 두 회사 모두 신약 발견을 변화시키기 위한 기계 학습 방법과 모델을 개발하고 있는 두 회사를 인수하기로 합의함으로써 Recursion은 우리의 화학 및 생성 AI 역량을 크게 강화할 것입니다. Valence는 약물 설계에 로우 데이터 학습을 적용하기 위한 생성적 AI 및 딥 러닝 모델을 개발합니다. Cyclica는 또한 AI 기반 약물 발견 공간을 점유하고 있으며 소분자 약물 발견의 기초로서 리간드-단백질 상호 작용 예측을 통해 소분자의 다약리학을 예측하는 딥 러닝 엔진을 개척했습니다.

지난 10년 동안 우리는 기술 도구를 사용하여 생물학을 시스템으로 매핑하고 탐색하는 데 주력해 온 반면, 이들 회사는 화학을 먼저 접근했습니다. 이러한 인수를 통해 우리는 사내 데이터 생성부터 새로운 생물학적 표적 식별, 화합물 설계 및 최적화에 이르기까지 신약 발견 프로세스를 엔드 투 엔드로 산업화할 수 있는 최초의 풀 ​​스택 기술 솔루션을 대규모로 만들려고 합니다. 규모.

그 동안 AI/ML은 임상 연구 및 약물 발견에서 점점 더 관심과 대화의 주제가 되고 있습니다. 우선, 신약 발견 발전을 위한 각각의 잠재력에 대해 우리는 무엇을 알고 있습니까? 그리고 그것 없이는 할 수 없거나 잘 할 수 없는 것 중 무엇을 가능하게 할 수 있습니까?