通过挖掘采购数据中的隐藏模式来评估药品研发的健康状况是 AI 更简单的任务。至少，这是陈启祥( David Qixiang Chen )、维安达( Elvis WiN R !anda )、贝伦森( Liran Belenson )和梁振英( Tom Leung )在2015年共同创立了 BV j 8 tenchSci 。总J Z 3 E @ + C )部位于^ j 0 ` z J n Q {加拿大多伦多的生物技术公司利用人工智能来进行加速药物发现的实验，目的是提高医学研究的速度和质量。本周，作为来自新的和现有支持者的信心信号， BenchSci 在 B 系1 Z (列融资中筹集了2200万美元，使其融资总额达到4500万美元。
BenchSci平台
伴随着资本的注入， BenchSci 宣布推出其新的人工智能辅助试剂选择产品，并扩大了与诺华的合同，据该公司估计，该市场每年的价值超过102亿美元。首席执行官 Belenson 表示，这些资金将用于进一步开发 BenchSci 的产品套件并加快药物测试。
“制药行业正面临生产力危机。每种药物的研发成本不断上升，而收入却停滞不前。如果没有重大变x B ? r : F @ q c化，这场危机将影响到所有人。低回报或负回报将减少对新药的投资。”Belenzon说。“人工智} v # {能承诺扭转这一趋势。但大多数的人工智能在药物发现是p C w U a未经证l ( l C实的。另一方面， BenchSci 的产品具有即时的、可量化的影响。”
BenchSci的标志性产品-抗体选择服务-利用机器学习技术在短短30秒内选择抗体（通常需要12周的抗体选择）。该公司声称，通过减少不合适的抗体，它每年可以减少高达300万美元的消耗成本，其特点是支持蛋白质目标搜索和技术筛选，以及16个其他实验变量（包括生物体、组织、细胞类型和疾病）。
BenchSci搜索
Belenson 说，供+ ] _应商通常很~ W &难m 2 % 2预测抗体在实验中的表现；多达50%的选# P H 5 M ; _定抗体不起作用，有关抗体使用的数据隐藏在生物医学论文、供应商目录和独立验证数据库中。根据在《自然》杂志上发表的一d a | C 2项研究，研究人员通常可以花费5万美元购买不必要的抗体，这些抗体需要3到6个月的时v ? z间才能产生，然后需要几天的时间来选择抗体并进行测试和验证。
Benc+ 0 { v = RhSci 的图像识别技术使用 AI 从已发布的实验中提取抗体规范，而不仅仅是供应商名称、产品名称或 SKU 。该系统应用生物信息学和本体论将抗体连接到用例，同时提供从231个供应商获得的770万多种产品的目录数据，以及跨技术、物种和更多文献范围的抗体使用趋势。
BenchSci 利用了来自1000万份科学出版物的真实世e l G z B ]界实验数据，包括+ ` d 9 | U P V g非公开论文。该公司表示，这些结果得到了人类蛋白 Atlas 、 Encode 和 EuroMAbNet 等组织以及 Springer Nature 和 Wiley 等科r b *学出版商的独立验证。
根 X [据 Belenson 的数据， BenchSci 目前在3600多家学术机构和20家顶级制药公司中的15家为超过f V q3,000名研究人员提供试剂选择的权力{ s v i g .。他说诺华公司将是首批部署上述人工智能辅助试剂选择工具的客户之一，该工具涵盖抗体和重组蛋白。M , N G _ a U - 2
F-Prime Capital领投了最新一轮融资，NO O 7 Nor* $ _ A P ^ zthleaf Capital Pa} ( [ P # a 1rtners和, ` d = @ _现有投资者（包括Gradient Ventures，Inovia Capital，Golden Ventures和Real Ventures）参与了此次融资。F-Prime高级副总裁Shervin Ghaemmaghami将加入BenchSci的董事会。
本文由未艾信息（www.weainfo.net）编译，
想看更多译文，欢迎大家点击上面的链接进行查看~
也可以关注我F U Q h N !们的公众号：为AI呐喊