瑞士生物制药公司Debiopharm与巴黎初创公司WhiteLab Genomics的合作旨在利用人工智能技术简化癌症靶向治疗药物的开发。这项合作的重点在于识别细胞表面过表达的癌症特异性受体，以及发现可以与这些受体结合的先导候选药物。据WhiteLab Genomics的联合创始人兼首席幕僚长Lucia Cinque介绍，解决方案是将这些药物与脂质纳米颗粒（LNPs）结合，以增强肿瘤学中的靶向药物递送。
基因组医学如何从人工智能中受益？
基因组数据的复杂性，加上对优化治疗策略的需求，需要强大的计算工具和分析方法，而这些正是人工智能可以提供的。在我们的案例中，人工智能使我们能够识别目标，优化药物设计，预测治疗效果和安全性，并加速生物疗法的开发。基于机器学习的算法可以帮助理解复杂的生物学相互作用，从而开发更精确的治疗方法，使其更适合特定的产品目标特征。机器学习和生成式人工智能还可以帮助识别新的生物标志物。通过大规模分析遗传和临床数据，人工智能可以更早地检测癌症，识别治疗靶点，并优化治疗方案，最终改善患者预后，推进精准肿瘤学的发展。
遇到了哪些挑战？
成功整合人工智能到基因组医学中面临多个挑战，包括基因组数据的复杂性和变异性、数据隐私问题以及对高质量注释数据集的需求。缺乏标准化的基因检测和临床数据也是一大障碍。克服这些问题需要学术界、工业界和监管机构之间的合作，以及确保稳健可靠的AI算法。没有高质量的数据，就无法实现成功的成果。
成立已久的药物开发商是否接受了人工智能？
药物发现过程通常非常缓慢且风险高。BCG/Wellcome最近的一份报告指出，人工智能有潜力在关键的临床前阶段减少25-50%的时间和成本，从而使药物开发更加高效和经济。成立已久的药物开发商越来越接受人工智能作为其研发工作的一部分。包括辉瑞、赛诺菲、诺华、百时美施贵宝和阿斯利康在内的大型制药公司都在使用人工智能来简化药物发现过程，优化临床试验，并改善患者预后。销售AI解决方案的技术开发者也看到了广泛的应用，因为AI工具有潜力减少新药上市所需的时间和成本。
像Debiopharm这样的合作伙伴如何帮助行业开发和建立人工智能的使用？
Debiopharm的创新基金通过投资和与AI及数字健康公司合作，推动创新药物的开发。与这些合作伙伴的合作有助于增强处于健康领域AI应用前沿的公司的努力：TechBio。TechBio是指技术和生物技术的交叉点，其中AI、机器学习和数据分析等工具被应用于解决复杂的生物学和医学挑战。采用AI加速研发的应用正在迅速增加，许多制药公司通过与TechBio公司的合作加强了自身的能力。除了与Debiopharm合作外，我们还与其他组织如赛诺菲、Siren Biotechnology、南特大学等合作，推动这些进展。
您希望从与Debiopharm的合作中实现什么目标？
我们希望加速和降低基因组药物开发的风险，同时减少肿瘤学的成本。我们在2024年10月在罗马举行的欧洲基因和细胞治疗学会上与Debiopharm共同展示了一张海报，重点介绍了我们利用AI识别与特定受体结合的先导候选药物的方法。这一合作主要集中在两个目标上：首先，识别在癌细胞上过表达的受体；其次，开发可以与这些受体结合的候选药物。一旦确定，这些药物将与LNPs连接，以提高对癌细胞的靶向递送能力。将AI集成到癌症治疗中有望使疗法更快地开发、更具针对性、成本更低，并对肿瘤的特定基因组成高度有效。像这样的合作可以成为未来利用AI转变肿瘤学的合作模式。AI与基因组医学的融合是一个令人兴奋的机会，为更有效和可及的癌症治疗提供了希望。
(全文结束)
