英国剑桥的基因组学公司OutSee近期成功筹集了180万英镑（约合230万美元）的种子轮融资。本轮融资由Ahren Innovation Capital领投，Kadmos Capital、Empirical Ventures以及Panacea Ventures参与投资。
OutSee专注于利用其基于人工智能的Nomaly技术进行药物发现。该技术通过预测建模而非传统的模式匹配方法，能够从单一基因组中预测疾病和表型。新获得的资金将用于支持OutSee内部的靶点发现计划，并帮助其与制药和生物技术公司建立合作伙伴关系。
值得思考的内容
1. AI基因组学初创企业进入快速增长市场
OutSee此次获得的180万英镑种子轮融资正值AI药物发现市场经历指数级增长之际。预计这一市场将从2024年的17.2亿美元增长至2030年的85.3亿美元，复合年增长率达30.59%。这一投资热潮反映了基因组学将在药物发现平台市场中扮演重要角色的趋势，预计到2025年，基因组学将占该市场23.5%的份额。像Ahren Innovation Capital这样的投资者正关注能够从基因组数据中提取新颖见解的平台，他们认识到，AI增强的基因组分析有潜力改善传统上较低的药物开发成功率。此外，越来越多的战略合作伙伴关系正在形成，AI初创公司与传统制药公司联手以利用这些技术。
2. 从有限数据集中提取见解填补行业空白
OutSee声称其Nomaly技术能够从小型数据集中生成有价值的见解，这解决了基因组学研究中的一个重大挑战，尤其是在罕见病领域，由于患者群体规模较小，难以获得大规模的数据集。尽管测序技术的进步显著降低了成本，但制药行业仍然面临数据质量和整合的难题。阿斯利康（AstraZeneca）强调了使基因组数据“FAIR”（可查找、可访问、可互操作、可重复使用）的重要性。重新分析先前研究过的数据尤其有价值，因为人类基因组包含超过20,000个基因和30亿个碱基对，而传统分析方法往往无法捕捉到AI可以检测到的微妙模式。对于罕见病研究而言，针对基因验证目标的药物开发成功率较高，因此能够从小样本中提取见解的技术可能会显著加速治疗开发。
3. 无假设方法代表靶点发现的范式转变
OutSee的“无假设”预测建模标志着传统药物发现方法的根本转变——传统方法通常从关于疾病机制的假设出发。这种方法符合新兴行业趋势，例如AlphaFold等AI系统在解决复杂生物学问题方面表现优于传统方法。将AI与基因组学相结合，对于揭示遗传变异与疾病机制之间的联系尤为强大，深度学习算法在变异调用和表型-基因型映射等任务中表现出色。采用类似AI驱动方法的公司已经取得了显著成功，例如Insilico Medicine的特发性肺纤维化AI发现药物候选物，成为首个进入二期临床试验的此类药物。
(全文结束)
