近日，專注于分子設計的企業QuanMol Tech完成數百萬美元天使輪和種子輪融資，由Plug and Play領投，Silicon Valley Future、AI Basis、 Decent Capital等跟投。本輪資金主要用于團隊擴張和產品開發。
QuanMol Tech團隊首先切入的賽道是人工智能輔助藥物設計。團隊認為，AI制藥行業這幾年發展迅速，主要都是用計算機模擬分子設計，但市場上的一些解決方案往往難以達到較高的預測精準度，解釋性也較弱，并不能從根本上幫助為參與實驗的實驗化學家提高其對分子的理解，還需要更精準有效的方法。
【資料圖】
為此，QuanMol Tech團隊采用了深度學習圖神經網絡加上物理化學領域知識來做分子設計，“圖神經網絡可以很好地匹配分子模型，解決現有預測精度不夠的問題”。基于此方法，目前QuanMol Tech已經取得了很高的分子性質預測精度。公司聯合創始人沈興宇博士認為，藥物研發是個極其復雜的過程和體系，人對藥物本身的理解也不夠，“AI取代人來做藥”這個出發點并不可取。
基于上述兩點認識，QuanMol Tech從人輔助藥物開發的視角切入，聚焦藥物開發早期——基于大數據和AI算法輔助藥物化學家快速完成藥物研發過程的數據解讀任務，譬如蛋白質表現、組織表現，以及實驗結果的驗證模擬等，要使其靈感可以定量化，最終減少藥物研發過程中的試錯成本。據悉，目前產品已經在最終完成階段，預計明年第一季度產品即可完成。
公司聯合創始人呂旭東博士表示，上述應用學習成本低可以廣泛輻射于小分子藥物化學家，他們是整個產業鏈中真正做輸出、把藥做出來的這群人，但他們并沒有被服務到。“而從覆蓋的人群規模和使用場景上看，市場規模相較于傳統的面向計算化學家的工具擴大了非常多。”
在商業模式上，區別于其它AI制藥公司，提供CRO服務或是直接定位于Biotech做研發管線，QuanMol Tech的構想是提供軟件服務，幫助實驗室人員快速用數據和科學計算來支撐其研究假設。
對此，沈興宇指出，其難度主要體現在高的認知壁壘——“要知道觀察、假設、驗證的是什么，且要有配套的理論定義問題，用化學的語言進行交流”，在此基礎上將人工智能與化學物理有機結合，確保其有很高的解釋性。
根據他的簡單測算，“現在我們能用很低的計算成本，幫助藥物化學家減少4-5步優化工程，現有實驗方法需要的花費大概是百倍于我們的價格。”
據沈興宇透露，其采用的圖神經網絡算法，所要用的數據量遠小于其它模型，“大概只有十分之一”；數據來源主要來源于公開數據集、數據庫企業，以及公司自己定制化生成。
目前，公司已獲得一些藥企和合作請求和意向。呂旭東也指出，公司核心算法具有很高的延伸性，可指導許多垂直領域的產品，藥物研發只是其中一個場景，公司未來還會探索新材料、能源、日化、食品添加劑等領域。
附查看更多項目信息，請前往「睿獸分析」。