출처 : http://jp.techcrunch.com/2018/03/08/2018-03-07-atomwise-which-uses-ai-to-improve-drug-discovery-raises-45m-series-a/
심층 학습을 이용하여 약물의 발견 과정을 단축하는 Atomwise 이 시리즈 A에서 4500 만 달러를 조달했다. 이번 라운드는 Monsanto Growth Ventures, Data Collective (DCVC) 및 B Capital Group에 의해 주도되었다. Atomwise에 처음 투자를 할 Baidu Ventures, Tencent, Dolby Family Ventures도 참여하고 일단 투자하고 있던 Y Combinator, Khosla Ventures, 그리고 DFJ도 다시 참여했다.
이를 통해 2012 년에 창업 한 Atomwise가 지금까지 조달 한 자금은 5100 만 달러를 기록했다. 회사는 연구자들이 의료용 화합물을 발견하기 위해 지출 금액과 시간을 절감하는 것을 목표로하고 있으며, 지금은 50 개 이상의 분자 발견 프로그램을 가지고 있다고 말한다. Atomwise 기술은 보다 안전하고보다 효과적인 농약을 개발하기 위해 사용되고있다.
보도 자료에서 Monsanto Growth Ventures의 파트너 인 Kiersten Stead 박사는 다음과 같이 말했다 "우리는 눈앞에 Atomwise에 의해 나타난 놀라운 결과에 기초하여 투자를 결정했다 .Atomwise은 농약 연구 개발의 중요한 분야 인 작물 보호 대상에 대해 유망한 화합물을 찾을 수있었습니다. "
Atomwise 소프트웨어는 분자 시뮬레이션을 분석하고 연구들이 화합물의 합성과 시험에 소요되는 시간을 단축한다. 회사에 따르면 현재 매일 1000 만 종류 이상의 화합물을 스크리닝하고 있다고 말한다. Atomwise의 AtomNet 시스템은 심층 학습 알고리즘을 이용하여 분자를 분석하고 그들이 인간의 체내에서 어떻게 행동을 예측한다. 기존의 신약 개발 프로세스를보다 조기에 약제로서의 잠재적 효과, 독성과 부작용이 예상되는 것이다.
Atomwise의 CEO 인 Abraham Heifets은 이메일로 TechCrunch 회사의 비전은 '세계에서 가장 생산적이고 다양한 생명 과학 연구 그룹의 하나가되어 전례없는 규모로 활동하는 것입니다. 이것은 대규모 시리즈 A이며, 우리는이 자금을 이용하여 기술 및 비즈니스으로 조직을 성장시킵니다. 결국 하루에 何億 종류의 화합물을 시뮬레이션하는 데 될 것입니다. 궁극적 인 목표는 새로운 치료를 긴급하게 필요로하는 많은 질병에 대해 더 많은 성과를 내놓을 것 "이라고 말했다.
Heifets은 "리드 최적화 (Lead optimization : 신약 개발의 초기 단계에서 약물 후보의 구조를 실제로 고려할)는 역사적으로 봐도 신약 파이프 라인 중 가장 비용이 많이 드는 단계였습니다" 고 덧붙였다. 그리고 이러한 과정의 실패율이 얼마나 높은가하는 일도 말했다 "3 분의 2의 프로젝트는 병원에서의 시험에 도착할 수없이 실패하고, 거기까지 가서도 5 년 반 정도의 시간이 걸릴 것입니다. "
Atomwise가 6 년 전에 시작했을 때, 그 기술은 마치 SF이나 뭐 같았다. 그러나 이제 인공 지능과 기계 학습을 이용하여 분자를 분석하고 신약 개발 과정의 병목 현상을 해결하려고하는 회사는 몇 군데도 등장하고있다. 그 밖에도 Recursion Pharmaceuticals, BenevolentAI, TwoXAR, Cyclica, 그리고 Reverie Labs 등의 이름을들 수있다.
Heifets는 Atomwise 가지는 주요 장점 중 하나는 작업중인 프로젝트의 많음을 꼽았다. 이에 따라 AI 시스템이 개선되고 있다고한다. 이 회사의 고객은 미국의 거대 제약 회사 상위 10 중 4 개 (Merck, Monsanto 등), 그리고 40 개 이상의 주요 연구 대학 (하버드, 듀크, 스탠포드, 베일러 의과 대학 등), 그리고 기타 바이오 테크 기업 등이 포함되어있다.
그는 또한 Atomwise 그 초점도 차별화하고 있다고 덧붙였다.
"신약 개발은 생물학과 화학이라는 두 가지 문제가 있습니다"라고 말합니다. "생물학에 종사하고 있다면, 당신은 어떤 질환 단백질을 표적으로하는 것이 최선인지를 결정하려고합니다. 신약 개발에 종사하는 많은 AI 기업이 표적 식별 (target identification)의 문제에 임하고 합니다. 대상을 선택한 후 다음 화학 문제에 착수하게됩니다. 어떻게하면 선택한 질환 단백질에 작용하는 독성 분자를 전달할 수있는 것인가 .Atomwise은 이러한 화학적 문제에 초점을 맞추고 있습니다. 특히 Atomwise는 구조 기반 약물 설계에 깊은 신경망을 사용하는 방법을 발명 한 것입니다. "