DDW副编辑Diana Turner采访了一个雄心勃勃的项目团队，该团队计划在今年年底前确定子宫内膜异位症的新型药物靶点。
英国高级研究与发明署（Advanced Research & Invention Agency，简称ARIA）通过其AI科学家项目，向美国旧金山的Deep Origin公司和英国牛津的Arctoris公司提供的合作项目授予了50万英镑的资助。该项目的目标是证明传统的10年药物发现周期已经过时。在此项目中，Deep Origin的AI平台将子宫内膜异位症确定为女性健康领域未满足需求最高的疾病。子宫内膜异位症会导致严重疼痛和不孕，而目前可用的治疗方法可能会导致骨密度下降和提前绝经。然而，尽管英国有约150万人、美国有约650万人受到子宫内膜异位症的影响，但该疾病仍未被充分理解，且经常被误诊，平均诊断时间长达九年。
通过将Deep Origin的"Deep Knowledge"AI平台（该平台索引了超过300万篇科学论文）与Arctoris的全自主机器人实验室Ulysses相结合，他们计划在今年年底前确定子宫内膜异位症的新型药物靶点和经过验证的分子。
Diana Turner采访了Arctoris公司的联合创始人兼首席执行官Tom Fleming（MChem MBA FRSA FRSB FRSC）、Deep Origin公司的科学开发首席运营官Ashot Papoyan博士以及Deep Origin公司的AI负责人Garik Petrosyan博士，了解更多详情。
DT：为什么选择子宫内膜异位症作为此项目的研究对象？
AP & GP：Deep Origin的AI科学家将子宫内膜异位症确定为女性健康领域未满足需求最高的疾病，这一发现得到了人类领域专家的验证。尽管约有10%的女性受此疾病影响，但针对新型靶点和疗法的研究仍然有限。子宫内膜异位症的中位诊断延迟时间为九年，会导致显著的疼痛和日常生活负担，以及高频率的初级医疗使用。现有疗法效果欠佳：它们带有严重的不良反应，包括与怀孕不兼容、提前绝经和骨密度下降。这种高患病率、患者痛苦和治疗选择不足的组合使子宫内膜异位症成为一个明确的选择。
TF：对Arctoris而言，这个项目正是我们平台所构建的挑战类型。子宫内膜异位症影响全球约1.9亿女性，然而数十年来在治疗方法上一直没有突破性进展。该疾病的生物学机制复杂——涉及免疫失调、激素信号传导、血管生成和神经痛通路——但并非不可解决。障碍在于方法和投资，而非基础科学。当Deep Origin的AI独立将子宫内膜异位症标记为最高未满足需求时，它证实了临床现实已经告诉我们的事实：这种疾病已被忽视，药物发现的新范式应该针对它。
DT：为什么在子宫内膜异位症方面存在"明显的创新干旱"？
AP & GP：子宫内膜异位症面临着一个难以打破的投资不足循环。该领域最近没有出现重要的获批疗法，导致可见度有限，也没有最近的价值创造案例研究。这是我们看到的女性健康许多领域的模式，尽管未满足需求很高。子宫内膜异位症一直在等待那个火花，就像GLP-1类药物重塑肥胖领域一样，当一种疾病的可药物性和患者对采用新治疗方案的兴趣得到证明时。
TF：这种干旱是自我强化的。投资减少导致验证靶点减少，这使得该适应症看起来风险更高，从而阻碍进一步投资。制药行业倾向于转向现有模型和数据集更成熟的适应症。打破这一循环需要一种根本不同的方法——一种能够快速应对生物复杂性而无需依赖历史数据集的方法。这正是AI驱动的自主发现所提供的。
DT：如何在如此短的时间内找到如此复杂疾病的解决方案？为什么你们会成功而其他人失败了？
AP & GP：速度之所以可能，是因为结合了团队能力的三重组合：Deep Origin独特的预测性药物发现模型和高度能干的AI科学家，与Arctoris的全自主湿实验室相结合。Deep Origin早期的重点是构建更好、更具预测性的分子模型，以找到有效的小分子结合剂，我们已经展示了优于AlphaFold 3类似模型和Schrödinger等行业巨头的性能。与Deep Origin的AI科学家结合，团队可以在假设生成、虚拟筛选和数据分析阶段压缩数月的时间，并期望更高的成功率。DeepKnowledge的研究基础设施索引了约300万篇科学论文，并可以同时跨整个出版物进行推理——它已经完成了人类需要数年才能完成的工作，仅需数小时。Balto利用Deep Origin专有的化学模型进行虚拟筛选活动，这些活动需要人类团队花费更长时间才能执行，且人类科学家无法达到这种深度。
TF：准确地说我们的承诺是：在此时间框架内，我们的目标是确定一个新型药物靶点并验证针对它的先导分子——而不是提供临床疗法。这本身就很雄心勃勃，但由于我们的工作方式，它是现实的，而不是因为疾病的复杂性。Arctoris运营Ulysses平台——一个完全机器人化、端到端自动化的药物发现实验室，以传统实验室无法实现的速度、质量和规模生成数据。当Deep Origin的AI预测直接进入我们的自动化实验室时，我们可以在传统项目完成一个周期的时间内运行多个迭代周期的靶点验证和命中识别。其他人之所以难以成功，并非缺乏人才——而是因为传统工具和工作流程对于在现实资金窗口内应对这种生物复杂性疾病来说太慢且太孤立。
DT：您能告诉我们更多关于ARIA的AI科学家项目吗？
TF：ARIA——高级研究和发明署——由英国政府设立，为可能带来变革性技术突破的高风险、高回报研究提供资金。AI科学家项目专注于探索AI是否能有意义地加速科学发现——不仅是作为分析工具，而且是作为科学过程的积极参与者。我们的项目被选中，是因为它代表了对该命题的具体、端到端测试：AI驱动的自主系统能否在压缩的时间框架内，在复杂疾病中识别和验证新型药物靶点？ARIA愿意资助这一前沿工作，正是英国研究生态系统所需的催化性投资。
AP & GP：该计划旨在支持一系列项目，测试AI和自动化在真实研究环境中能提供什么。这些项目对像我们这样的初创公司特别有吸引力，因为决策和执行速度都很快。它们基本上与初创公司的速度相同。
DT：每个合作伙伴将扮演什么角色？
AP & GP：Deep Origin的角色是计算性的。DeepKnowledge将调查文献和生物数据集，以识别新型子宫内膜异位症靶点，按置信度和可药物性对它们进行排序，并设计实验策略。一旦靶点被提名并验证，我们的化学AI科学家Balto将接管——识别结合口袋，在大型化合物库中运行虚拟筛选活动，基于药物样性质过滤命中，以及提名用于合成和测试的分子。Arctoris贡献了在体外测试Deep Origin预测的物理执行。两家组织共同形成了一个闭环——AI预测，自主实验室测试，数据返回AI，循环重复——在整个过程中，人类审查输出以确保安全和伦理。
TF：通过Ulysses平台，我们设计、执行和分析复杂的生物实验，无需人工干预——以传统实验室无法实现的速度生成高质量、可重复的数据。在每个实验周期后，两位AI科学家都会分析传入的数据，以优化下一轮的预测。这种合作的力量在于整合：这不是AI向人类提供建议，然后人类进行实验，也不是机器人实验室执行预定义协议。
DT：AI"闭环系统"如何减少低效率？
TF：AI生成假设和实验设计；自主实验室在没有手动设置或调度约束的情况下执行这些实验；结果数据直接流回AI模型，该模型完善其理解并生成下一轮假设。无需等待实验室可用性，无需手动转录结果，无需在提出问题和获得答案之间等待数周。结果不仅仅是更快的迭代——而是每单位时间和投资资本获得的学习密度从根本上更高。
AP & GP：在传统药物发现中，阶段之间的差距——计算预测和实验测试之间，或实验室结果和下一轮假设生成之间——可能需要数周或数月。闭环系统消除了大多数这些差距。此外，每个实验周期都会生成数据，使AI的下一次预测更加准确。系统不会基于单轮假设运行筛选，而是逐步缩小到最有希望的候选者。
DT：AI和自动化在药物发现中的可能性目前是否被低估了？
TF：显著被低估了。药物发现行业对AI作为一个概念很热情，但大多数实施仍然狭窄和碎片化——AI作为点解决方案应用于其他不变的工作流程中。转型潜力不在于优化单个步骤，而在于将整个发现过程重新构想为一个集成的、自主的系统。这不仅需要更好的算法，还需要物理基础设施以快速对AI生成的假设采取行动——这正是Ulysses等自主实验室所提供的。我们正处于一个转折点。将AI和自动化端到端集成的公司将看到发现时间线从数年压缩到数月。那些将AI附加到遗留工作流程上的公司最多只能看到渐进式改进。
AP & GP：这种低估是微妙的。问题不一定是存在什么工具，而是这些工具是否经过验证和准确，以及它们是否可供AI科学家使用以最大化其影响。在子宫内膜异位症和其他服务不足的疾病领域等疾病领域，价值可能特别显著，因为人类投资一直很低——这些是AI驱动的发现应该最积极部署的领域。随着工具变得更有能力并得到更广泛的信任，我们预计它们将大大加速药物发现的早期阶段。这将加快项目进度，并使追求被忽视的疾病在经济上可行。请记住，药物开发中的资金与分子的专利寿命相匹配，这与需要更快地将安全有效的治疗方法提供给患者的需求相符。最大的机会将属于最早采用这些工具并更快地将药物推向市场的公司。
DT：我们何时可以期待该项目的首批数据？
AP：我们预计该项目的首批数据将于4月提供，但我们的AI科学家已经开始在社交媒体上实时更新项目！请在X上关注@DOAIScientist。
人物简介：
Ashot Papoyan博士，是Deep Origin的科学开发首席运营官，一家计算药物发现公司。Deep Origin的软件套件提供强大的分子设计工具和预测性临床前模型，帮助研究人员和合作伙伴最大化临床成功的机会。Ashot的专业知识涵盖分子生物学、生物物理学和转化药物发现操作。他拥有康奈尔大学分子生物学博士学位和埃里温国立大学生物物理学硕士学位。
Garik Petrosyan博士，是Deep Origin的AI负责人，领导AI方法的开发，用于分子建模和计算生物学，以加速治疗设计。Garik拥有埃里温国立大学离散数学博士学位。
Tom Fleming（MChem MBA FRSA FRSB FRSC），是牛津Arctoris有限公司的联合创始人兼首席执行官，这是一家合作伙伴研究组织（PRO）。Arctoris运营Ulysses自动化平台，将机器人实验与AI集成，生成稳健且可扩展的数据，以加速临床前药物发现。Tom领导生物技术、制药、政府和学术界的策略合作伙伴关系。
【全文结束】