Ignota Labs 用 AI 为失败药物争取第二次机会
Ignota Labs 收购被放弃的药物候选物,用 AI 诊断其安全性问题并修饰化合物,以再次尝试临床试验。CEO Sam Windsor 称,传统药物发现仅推进到临床试验就可能耗资超 1000 万美元、耗时七八年,而该公司的方法可在不到两年、低于 100 万美元内完成。
Ignota Labs 收购被放弃的药物候选物,用 AI 诊断其安全性问题并修饰化合物,以再次尝试临床试验。CEO Sam Windsor 称,传统药物发现仅推进到临床试验就可能耗资超 1000 万美元、耗时七八年,而该公司的方法可在不到两年、低于 100 万美元内完成。
Ignota Labs 首席科学官 Jordan Lane 向 Labiotech 表示,公司认为化学信息学与生物信息学的交叉才能为出问题的药物提供真正洞见。基于对安全性问题可解决的判断,Ignota 会引进该项目、开发化学结构并尽快将药物推向或重新推回临床。
Eikon Therapeutics 宣布完成 3.507 亿美元 D 轮首次交割,自 2019 年成立以来累计私募融资超过 11 亿美元。
Ignota Labs 于 2025 年 2 月 26 日宣布完成 690 万美元(550 万英镑)种子轮融资,由 Montage Ventures 和 AIX Ventures 共同领投,Modi Ventures、Blue Wire Capital 和 Gaingels 参投。
Eikon Therapeutics 在 Nature Methods 发表论文,介绍其斜线扫描(OLS)技术,该技术可与公司单分子追踪(SMT)平台结合,在活细胞中以最高每秒 14 平方微米的速度评估蛋白运动。
推荐理由:Eikon 在 Nature Methods 披露 OLS 与单分子追踪平台的技术细节,为高通量蛋白动态测量提供方法参照。
Ignota Labs 联合创始人兼 CDSO Layla Hosseini-Gerami 获 Innovate UK 女性创新奖,每位获奖者获 7.5 万英镑资助。
Ignota Labs 入选赛诺菲 iDEA-Tech Award 2023-2024,获得12万欧元资助及赛诺菲专家团队支持,用于推进其AI驱动安全性平台SAFEPATH。获奖项目利用生物信息学、化学信息学与深度学习模型,解析小分子药物项目中肝毒性风险的机制通路。Ignota Labs称该奖项是对其以AI变革药物安全性、挽救失败药物使命的认可。
Ignota Labs 称其文章获 Digital Discovery 刊载,Masarone、Beckwith、Lane、Hosseini-Gerami 等人综述了药物发现中的毒理学预测,涵盖多种建模技术与器官芯片等新型数据源。
A-Alpha Bio 在 2025 年美国癌症研究协会年会上展示海报,介绍通过大规模识别可成胶的连接酶-靶点对来发现分子胶。海报内容未在原文中披露具体方法、数据或结果。
A-Alpha Bio在2024年Antibody Engineering & Therapeutics会议上展示顺式作用、经亲和力调优的IL-21免疫细胞因子用于癌症免疫治疗的临床前开发海报。海报可通过官网链接在新标签页打开。
Ignota Labs CEO Sam Windsor 在 Maddyness 的创始人问答中表示,其平台可定位药物安全性问题的分子与生物学成因,并从1000个失败药物中筛出10%-20%真正可挽救的化合物。药物安全性失败占全部失败化合物的56%,给制药行业造成超过4000亿美元损失。
Ignota Labs 宣布引进其首个完全自有资产——一款专有 PDE9A 抑制剂,该抑制剂通过提升 cGMP 水平发挥多效作用,拟用于心血管、代谢和神经退行性疾病。公司计划完成该候选药物的临床前开发,并与监管机构沟通以加速进入临床试验。Ignota 称其 SAFEPATH 平台整合生物信息学、化学信息学、专有数据和 AI,用于解决药物开发中的安全性问题。
A-Alpha Bio 发布 AlphaBind 预印本,称其为业界领先的抗体优化模型,并已测定第 10 亿次蛋白-蛋白相互作用,为预测蛋白结合提供关键训练数据。预印本链接指向 bioRxiv,具体评测结果与对照设置未在推文中披露。
推荐理由:A-Alpha Bio 公开 AlphaBind 预印本,并称已累计测定十亿次蛋白-蛋白相互作用,为抗体优化模型提供训练数据。
A-Alpha Bio 发布 AlphaBind 抗体优化模型,基于约 750 万条抗体-抗原结合数据预训练,在四个抗体-抗原体系中仅用一轮实验室数据生成数千个高亲和力变体。BLI 验证的 10 个候选(最多 11 个突变)全部表达且结合力优于亲本抗体;模型以 MIT 许可开源,代码与微调数据已公开。公司称该模型已用于管线与合作的抗体发现,并计划推出 AlphaBind2。
Antiverse 宣布与 Nxera Pharma 建立多靶点合作与许可协议,为其设计针对 GPCR 的抗体。Nxera Pharma 在引用内容中确认了这一合作与许可安排,并附上 IR 材料链接;Antiverse 另附 Substack 文章链接,未披露具体靶点、金额或阶段。
推荐理由:Antiverse 与 Nxera 就 GPCR 抗体设计达成多靶点合作与许可协议,可了解双方分工与授权安排。
HotSpot Therapeutics 在第36届EORTC-NCI-AACR研讨会以壁报形式公布其 MALT1 CBM 信号体胶项目 HST-1021 的临床前数据。
Ignota Labs 首席科学官 Jordan Lane 在播客中介绍,公司用可解释 AI 挽救因安全性问题而失败或搁置的药物项目。其 Safe Path 平台整合化学信息学与生物信息学以处理药物安全问题,并分享了应用 AI 工具挽救制药资产的实际案例。讨论还涉及 AI 模型偏见、透明度以及 FDA 和 EMA 等监管机构对 AI 驱动方案采用的影响。
在世界关节炎日,我们正通过DeepLife的110个数据集和3千多项实验推进关节炎研究!🔬 我们的#OmicStore + #CellBlueprint帮助整合专有数据,加速临床前和1期研究,以带来更好的治疗方案。🌍 了解更多:https://www.deeplife.co
HotSpot Therapeutics 宣布将在2024年10月23-25日于巴塞罗那举行的第36届EORTC-NCI-AACR研讨会上,以壁报形式展示其 MALT1 CBM 信号体胶水项目的临床前数据,突出其在 NF-kB 驱动实体瘤中的潜力。壁报编号105,属于分子靶向药物专场。
在 #DeepLife,我们正以尖端研究攻克心脏病!🔬 我们的 #OmicStore 提供 573+ 数据集和 2.2 万+ 实验,而 #CellBlueprint 帮助锁定关键通路并重定位药物,以实现更好的治疗。在此试用:https://www.deeplife.co/product/cell-blueprint #WorldHeartDay
🧠 推进阿尔茨海默研究:在 #DeepLife,我们正利用前沿组学数据与 #CellBlueprint 技术,解锁阿尔茨海默领域的突破。 🔬 23 个数据集与 1,832+ 项实验,加速发现。立即试用我们的免费试用! #神经退行性疾病 #生物技术
🔬 #DeepLife揭晓:BiotechX上的Cell Blueprint预告 🔬 我们的首席科学家Thomaz Dias将在#BiotechX上展示#CellBlueprint!欢迎到616展位观看现场定制演示! 🎁 免费试用:https://lnkd.in/daRCHQDg 📽️观看介绍视频:https://lnkd.in/dQe7JTSc
欢迎收听我们最新一期#FODD节目,嘉宾是诺和诺德抗体设计高级数据科学家Rahmad Akbar。 我们聊了#人工智能如何为抗体设计创造新可能。 https://hubs.la/Q02Nm3Ny0 #antibodydiscovery
为什么靶点特异性抗体库对处理具有挑战性的靶点有用? 尽管预测准确性仍然有限,AI设计的抗体库提供了一种开始攻克“不可成药”靶点(如GPCR和离子通道)的途径。 #biotech #machinelearning #antibody
↓ 如何为具有挑战性的靶点发现抗体 ↓ 我们开发了一个AI驱动的抗体设计平台,用于GPCR及其他具有挑战性的靶点。通过这些简短的图文面板了解更多关于我们技术工作原理的信息。 #人工智能 #生物制品 #科技生物
HotSpot Therapeutics 将于 2024 年 ESMO 大会以口头报告形式公布口服选择性 CBL-B 抑制剂 HST-1011 的首次人体 1 期临床数据,重点为单药剂量递增部分的安全性、暴露与药效学指标。该报告编号 991O,安排在 9 月 13 日 investigational immunotherapy 专场。
不久的将来,抗体发现会是什么样? 欢迎查看我们最新发布的文章……⭐️ https://www.linkedin.com/posts/antiverse_antibodydiscovery-biotechnology-machinelearning-activity-7217161258129633280-nmhT?utm_source=share&utm_medium=member_desktop
DeepLife 带来激动人心的消息!🚀 我们开启了 CENTURI Hackathon 2024! 我们的 CTO Jean-Baptiste Morlot 展示了我们用于重建细胞数字孪生的突破性生成式 AI。衷心感谢我们团队和合作伙伴的支持!🙌 #Innovation #AI #BioTech #Deeplife
Ignota Labs与Broad Institute合作在《Journal of Chemical Information and Modelling》发表研究,提出先预测九项代理DILI标签、再与化学结构特征结合预测药物性肝损伤的DILIPredictor模型。
推荐理由:该研究把体外与体内代理指标并入特征,比较其对DILI预测的提升,并给出可复用的公开模型。
HotSpot Therapeutics 在第四届 AACR 恶性淋巴瘤国际会议展示 MALT1 支架抑制剂 HST-1021 的临床前数据,该候选化合物在体外强效抑制 NF-kB 与 AP1 活性。与 MALT1 蛋白酶抑制剂不同,HST-1021 未观察到对蛋白酶活性或 T 细胞功能的影响,且未在体内耗竭 Treg 细胞。公司称其抗肿瘤活性比 MALT1 蛋白酶抑制剂更显著、更广。
AlphaFold 3 对抗体发现意味着什么?👩🔬🤖 来看看我们在 LinkedIn 上的简要解读 🔗https://www.linkedin.com/feed/update/urn:li:activity:7209480125375991810
A-Alpha Bio 获美国国防部追加 1450 万美元资助,用于开发快速预测针对潜在生物威胁的治疗方案的机器学习模型。资金来自 JPEO-CBRND,将扩大其与劳伦斯利弗莫尔国家实验室在 GUIDE 项目下的合作。此前两年合作中,A-Alpha 的 AlphaSeq 数据被用于训练预测抗体-抗原结合的机器学习模型,合作范围从冠状病毒扩展到多个未披露的病原体家族。
推荐理由:该资助延续 A-Alpha Bio 与 LLNL 的抗体-抗原结合预测合作,并扩大病原体范围。
HotSpot Therapeutics宣布将在6月19-22日于费城举行的第4届AACR恶性淋巴瘤国际会议上展示其MALT1项目的更多临床前数据,报告题为“以MALT1支架抑制剂靶向CBM信号体治疗非霍奇金淋巴瘤”(PO-036)。该MALT1项目被公司称为高度差异化,其Smart Allostery™平台结合计算方法与AI驱动的大规模数据挖掘,用于发现靶向蛋白“天然热点”的口服小分子变构药物。
Ignota Labs 首席数据科学官兼联合创始人 Layla Hosseini-Gerami 在《The Biochemist》撰文,讲述其从利兹大学化学专业、Optibrium 计算化学实习到剑桥大学化学信息学博士的历程。她于2022年2月与 Jordan、Sam 共同创立 Ignota Labs,公司2023年10月起全职运营,专注用可解释 AI 方法预测、理解并扭转药物发现中的安全性问题。
Ignota Labs 用数据驱动的计算机模型识别药物毒性根因,为科学家改善药物安全性提供信息,其专有平台名为 SAFEPATH。该公司称,临床药物开发失败率高达 90%,安全性是主要因素之一,而体外试验和动物模型并不总能很好地转化到人体。相关访谈在 ELRIG Research and Innovation 2024 活动上进行。
Ignota Labs与Broad Institute合作,基于美国FDA的DICTrank数据集构建药物诱导心脏毒性(DICT)预测分类器,成果发表于《Journal of Chemical Information and Modelling》。
推荐理由:研究基于FDA的DICTrank数据集构建公开分类器,比较化学与生物特征对药物心脏毒性的预测能力。
Ignota Labs 从伦敦迁至剑桥科学园并启用新设施,公司凭借 AI 平台 SAFEPATH 专注于挽救存在安全性问题的药物。SAFEPATH 利用因果知识图谱梳理导致药物不良反应的关系与通路,以识别和缓解潜在安全性问题。该公司近期获得 OxbridgeAI Challenge 奖项。
Eikon Therapeutics在第42届J.P. Morgan医疗健康大会上公布管线进展:TLR 7/8共激动剂EIK1001获FDA IND许可,已启动联合帕博利珠单抗加化疗治疗晚期肺癌的2期试验;高选择性PARP1抑制剂EIK1003已在美进入1/2期试验并招募患者。
HotSpot Therapeutics在第65届ASH年会上以口头报告公布MALT1支架功能抑制剂HST-1021的临床前数据,该候选分子经Smart Allostery平台设计,选择性抑制MALT1支架功能而保留其蛋白酶功能。
Ignota Labs 于12月8日赢得首届 Oxbridge AI Challenge 奖,联合创始人兼 CDSO Dr Layla Hosseini-Gerami 表示将把奖金用于为 AI 模型获取实验室验证。该竞赛旨在识别、支持和资助有前景的 AI 初创想法,公司称正用深度学习扭转有潜力但失败的药物。