域深耕近20年,在药物研发项目上与其他生物制药技术公司及学术合作伙伴达成了许多深度合作,其主要商业合同计价模式是基于FTE(全时当量服务)的前期收费加上基于项目进展取得阶段性成果后的后期里程碑收入(milestone)。Vernalis 作为 FBDD/SBDD 技术的国际领先者,研发团队多为资深科研人员,其FTE的计价基数以及对应的成本都高于国内的业务板块,与欧洲市场的同行业的平均毛利水平基本一致。公司目前正积极推进双方团队的研发协同和商业协作,促进国内研发团队与Vernalis进行双向赋能,提升商业项目的后续成功率以及执行效率,以期达到增加里程碑收入,从而提升该板块的毛利水平。此外,公司亦积极加强商务拓展及推出多样化服务,进一步提升Vernalis的研发产出效率,以期达到提高Vernalis的整体毛利率。 问题5:公司正在建设DEL+AI+高通量DMTA分子优化方面的能力平台,与其他采用传统的化合物优化方法的企业,以及采集互联网和文献数据训练的AI相比在数据上有什么核心差异和优势呢? 回答:在早期药物发现中,通过迭代式的“设计-合成-测试-分析”(DMTA)循环模式来优化分子结构及其各种生物活性以及成药性属性是产生临床前候选化合物的核心。这一循环的推动力量源自于化合物的合成过程产生的数据。传统的DMTA循环通常需要通过人工协调,将化合物的制备工作分配给包括合成、分析、分离、表征和生物评价等高度专业化实验室。然而,这种方式受传统药物化学效率的限制,给多化合物批次性的同步整体数据驱动的药物优化带来了一定困难。因此,提供更多、更快、更高质量、更加及时的数据解决方案成为优化药物发现技术的关键,从而加速对临床前候选分子的评估过程。 成都先导一直持续关注并不断探索AI在创新药物发现及优化上的应用。公司自主设计并搭建了一个全方位的化合物优化平台,该平台整合利用自动化平行合成、自动化分析与高通量纯化、自动化高通量制板等行业前沿技术,同时结合AI/ML数据驱动的合成路线规划,以迭代式的“设计-合成-测试-分析”(DMTA)循环模式加速临床前候选药物发现及优化过程。 成都先导的DEL+AI+高通量DMTA平台的特点在于:应用了DEL在新分子构建和发现上的优势,大量的难成药靶点发现了全新结构的活性分子,目前已有超53类靶点类型、数百个DEL筛选项目的真实实验数据(这些数据在公域无法获得),这些数据:1)均为在标准流程下产生的高质量实验数据;2)实验数据不依赖于蛋白质的三维结构;3)筛选靶点均为药物行业在研靶点,并且多样性丰富。因此,公司将多年积累的DEL筛选海量数据用于机器学习(ML)、AI大模型的训练和迭代,可以更加有效地在非DEL空间预测化合物活性、成药性等,进一步扩大可探索的化合物空间以及加快化合物的优化过程。DEL技术产生的高质量的真实实验数据,为AI训练提供了可靠且独特的数据资源,再加上高通量的DMTA平台快速高效的运转,干湿实验室的结合,可以让AI的结果快速验证以及产生新的数据促进AI的升级。因而能形成从靶点开始,到苗头化合物产生,再到先导化合物优化至临床前候选物这一链条的完整的数据流,以期能够为众多难成药靶点提供创新、快速、高效且可靠的临床前候选物解决方案。lg...
北美站
