隨著制藥與生物技術(shù)企業(yè)尋求縮短研發(fā)周期、提升研發(fā)成功率的方法，以應(yīng)對持續(xù)攀升的研發(fā)成本，人工智能正迅速切入藥物研發(fā)領(lǐng)域。目前已有超 200 家初創(chuàng)企業(yè)競相將人工智能技術(shù)深度整合至研發(fā)流程，吸引了投資者的關(guān)注度不斷提升。在人工智能驅(qū)動的藥物研發(fā)賽道競爭日趨白熱化的當(dāng)下，匯聚生物（Converge Bio）成為了這一浪潮中的最新入局者，成功斬獲新一輪融資。
這家總部位于美國波士頓和以色列特拉維夫的初創(chuàng)企業(yè)，憑借基于分子數(shù)據(jù)訓(xùn)練的生成式人工智能技術(shù)，助力制藥和生物技術(shù)公司加速藥物研發(fā)進(jìn)程。此次該公司完成了一筆超額認(rèn)購的 2500 萬美元 A 輪融資，領(lǐng)投方為貝瑟默風(fēng)險投資公司，TLV 資本和經(jīng)典投資伙伴公司參與跟投，同時還有來自元宇宙、OpenAI和威茲公司的匿名高管提供了額外投資。
在實際應(yīng)用中，匯聚生物會基于脫氧核糖核酸（DNA）、核糖核酸（RNA）和蛋白質(zhì)序列訓(xùn)練生成式模型，隨后將這些模型接入制藥與生物技術(shù)企業(yè)的研發(fā)流程，從而加快藥物開發(fā)速度。
匯聚生物首席執(zhí)行官兼聯(lián)合創(chuàng)始人多夫?格茨在接受《科技創(chuàng)業(yè)》獨家采訪時表示：“藥物研發(fā)周期有著明確的階段劃分 —— 從靶點識別與發(fā)現(xiàn)，到生產(chǎn)制造、臨床試驗等環(huán)節(jié)，而我們的技術(shù)能夠為每個階段的相關(guān)實驗提供支持。我們的平臺正持續(xù)覆蓋這些研發(fā)環(huán)節(jié)，助力新藥更快走向市場?！?/p>
截至目前，匯聚生物已推出面向客戶的應(yīng)用系統(tǒng)，具體包括三款獨立的人工智能系統(tǒng)，分別用于抗體設(shè)計、蛋白質(zhì)產(chǎn)量優(yōu)化以及生物標(biāo)志物與藥物靶點發(fā)現(xiàn)。
格茨進(jìn)一步介紹道：“以我們的抗體設(shè)計系統(tǒng)為例，它并非單一模型，而是由三個相互關(guān)聯(lián)的組件構(gòu)成。首先，生成式模型負(fù)責(zé)創(chuàng)造全新抗體；其次，預(yù)測模型會根據(jù)抗體的分子特性進(jìn)行篩選；最后，基于物理模型的分子對接系統(tǒng)，能夠模擬抗體與其作用靶點之間的三維相互作用?！?他強(qiáng)調(diào)，該系統(tǒng)的核心價值在于整體協(xié)同運作，而非依賴某一個單獨模型。“客戶無需自行整合各類模型，直接就能獲得可接入自身研發(fā)流程的即用型系統(tǒng)?！?/p>
此次融資距離該公司 2024 年完成 550 萬美元種子輪融資，時隔約一年半時間。
格茨透露，這家成立僅兩年的初創(chuàng)企業(yè)已實現(xiàn)快速擴(kuò)張。目前，匯聚生物已與 40 家制藥及生物技術(shù)公司建立合作關(guān)系，平臺上同時運行著約 40 個研發(fā)項目。其業(yè)務(wù)覆蓋美國、加拿大、歐洲及以色列市場，并且正著手開拓亞洲市場。
公司團(tuán)隊規(guī)模也實現(xiàn)了快速增長，從 2024 年 11 月的 9 人擴(kuò)充至如今的 34 人。在此期間，匯聚生物還發(fā)布了多份公開案例研究。格茨指出，其中一個案例顯示，該公司幫助合作伙伴在單次計算迭代中，將蛋白質(zhì)產(chǎn)量提升了 3 至 3.5 倍；在另一個案例中，其平臺生成的抗體具有極高的結(jié)合親和力，達(dá)到了納摩爾級別。
人工智能驅(qū)動的藥物研發(fā)領(lǐng)域正迎來投資熱潮。去年，禮來制藥與英偉達(dá)達(dá)成合作，共同打造了制藥行業(yè)號稱算力最強(qiáng)的藥物研發(fā)超級計算機(jī)；2024 年 10 月，谷歌深度思維旗下 AlphaFold 項目的研發(fā)團(tuán)隊，憑借這款能夠預(yù)測蛋白質(zhì)結(jié)構(gòu)的人工智能系統(tǒng)，斬獲諾貝爾化學(xué)獎。
當(dāng)被問及行業(yè)發(fā)展勢頭對匯聚生物增長的影響時，格茨表示，生命科學(xué)領(lǐng)域正迎來有史以來最大的商業(yè)機(jī)遇，行業(yè)正從傳統(tǒng)的 “試錯法” 研發(fā)模式，向數(shù)據(jù)驅(qū)動的分子設(shè)計模式轉(zhuǎn)型。
格茨向《科技創(chuàng)業(yè)》透露：“我們深切感受到了這股發(fā)展熱潮，從公司的收件箱就能直觀體現(xiàn)。一年半前公司成立時，行業(yè)內(nèi)還存在諸多質(zhì)疑。” 他補(bǔ)充道，得益于匯聚生物等企業(yè)以及學(xué)術(shù)界發(fā)布的成功案例，這些質(zhì)疑已迅速消散。
大型語言模型憑借其分析生物序列、設(shè)計新型分子的能力，在藥物研發(fā)領(lǐng)域備受矚目，但該技術(shù)仍面臨幻覺效應(yīng)、精準(zhǔn)度不足等挑戰(zhàn)。格茨表示：“在文本領(lǐng)域，幻覺問題通常容易識別；但在分子研發(fā)領(lǐng)域，驗證一種新型化合物可能需要數(shù)周時間，因此試錯成本要高得多。” 為解決這一問題，匯聚生物采用生成式模型與預(yù)測模型相結(jié)合的策略，通過篩選新型分子來降低研發(fā)風(fēng)險，提升合作伙伴的研發(fā)效率。“這種篩選機(jī)制雖非盡善盡美，但能顯著降低風(fēng)險，為客戶帶來更優(yōu)的研發(fā)成果?！?/p>
《科技創(chuàng)業(yè)》還問及了格茨對于楊立昆等仍對大型語言模型應(yīng)用持懷疑態(tài)度的專家的看法。格茨解釋道：“我是楊立昆的忠實擁護(hù)者，并且完全認(rèn)同他的觀點。我們不會依賴基于文本的模型來實現(xiàn)核心的科學(xué)認(rèn)知。要真正理解生物學(xué)機(jī)制，模型必須基于 DNA、RNA、蛋白質(zhì)和小分子數(shù)據(jù)進(jìn)行訓(xùn)練。”
他進(jìn)一步說明，基于文本的大型語言模型在公司技術(shù)體系中僅作為輔助工具，例如幫助客戶檢索與生成分子相關(guān)的文獻(xiàn)資料?！斑@類模型并非我們的核心技術(shù)。我們不會局限于單一技術(shù)架構(gòu)，而是會根據(jù)實際需求，靈活運用大型語言模型、擴(kuò)散模型、傳統(tǒng)機(jī)器學(xué)習(xí)以及統(tǒng)計學(xué)方法?！?/p>
格茨闡述公司愿景時表示：“我們希望成為所有生命科學(xué)機(jī)構(gòu)的生成式人工智能研發(fā)實驗室。實體濕實驗室未來仍會存在，但會與通過計算手段生成假說和分子的生成式實驗室協(xié)同運作，而我們立志成為整個行業(yè)的生成式實驗室。”