Insilico 利用 AWS 在候選藥物探索方面節省了 99% 的成本

藥物開發過程既緊迫又費力。截至 2010 年，一種藥物從標靶假設到候選藥物的驗證平均需時 4.5 年、花費 6.74 億美元，而且這些數字在過去十年內還在穩定增加。每個步驟都有獨特挑戰，需要專門的專業知識，有時會導致流程分散零碎、效率低下。

為了協助生物製藥和生物技術公司簡化和加速其藥物探索和開發管道，Insilico Medicine 開發了強大的機器學習 (ML) 工具，以協助進行靶標識別、分子設計和先導化合物最佳化。

Insilico 的藥物探索引擎建立在 Amazon Web Services (AWS) 上，是該公司產品組合的核心。此引擎使用數百萬個資料樣本和多種資料類型來發現疾病的生物標記，確定最有希望的靶標，並針對靶標設計新型小分子調節劑。Insilico 將進階人工智慧 (AI) 和 ML 功能分層，以執行這些分析，並支援製藥研發流程的所有步驟。

Insilico 透過其軟體即服務 (SaaS) 平台套件開發製藥業廣泛使用的 ML 工具，包括用於加速識別有前景的藥物靶標的 PandaOmics 和利用實驗資料、ML 演算法和物理學方法的 Chemistry42 來設計和最佳化新化合物。Insilico 已使用自己的內部藥物管道驗證了這些平台，以證明能具體節省的成本和時間。

Insilico Chemistry42 全球業務發展總監 Petrina Kamya 博士表示，「使用我們在 AWS 上建立的 PandaOmics 和 Chemistry42 平台，我們能在 18 個月內將一個纖維化候選藥物從靶標探索推進到化合物驗證階段，而且只需 260 萬美元。

由於 Insilico 平台處理的大量實驗和方法資料，其對繪圖處理單元 (GPU) 有極高要求。該公司求助於 AWS，以尋求隨需提供所需的靈活性和可擴展性。PandaOmics 和 Chemistry42 都在 Amazon Elastic Compute Cloud (Amazon EC2) 上運行，這是一種在雲端中提供安全、可調整大小運算容量的 Web 服務。

Insilico 營運長 Qingsong Zhu 博士表示，「AWS 讓我們能獲得所需的運算能力。作為新創公司，對我們來說，關鍵在於能存取功能強大的伺服器，而無需自己在內部部署並維護龐大的運算叢集。」

總部設在香港的 Insilico 在全球有 150 多個合作夥伴。因此，其平台架構需要可擴展且易於存取。Insilico 藉由使用 Amazon Simple Storage Service (Amazon S3) 這種物件儲存服務在雲端託管相關資料來實現這一點。Zhu 表示，「雖然我們是新創公司，但我們擁有遍佈全球的團隊，而 AWS 讓我們能協調我們的全球團隊，而不必擔心伺服器位於何處。」

Kamya 補充道，「使用 AWS 讓我們能輕鬆擴展業務並促進跨境協作」。事實證明，這種協作元素對 Insilico 的 COVID-19 專案特別有幫助，該專案涉及設計旨在治療 SARS-CoV-2 的先導化合物。這些化合物現在接近完成研究，這讓 Insilico 能向美國食品和藥物管理局 (FDA)提交研究性新藥 (IND) 申請。

每個 Insilico 平台都加速了藥物開發流程的特定部分，但它們相互連接時，可藉由消除瓶頸來節省更多時間。該平台的簡單易用讓更多人能使用複雜的生物資訊學，並讓不同各方更容易使用相同工具和協調分析。

Kamya 表示，「如果你是生物學家，你就不該害怕進行生物資訊學。如果你是化學家，則不該害怕使用運算工具。對我們 insilica 的員工來說，重要的是我們建立了簡單易用的平台，無論使用者的科學背景如何，都能給出可靠的結果。我們希望讓 AI 在藥物探索中的使用更加普及，並提高製藥業不同部門之間的互通性。」

展望未來，Insilico Medicine 計劃參與更多藥物探索過程的後期階段。該公司打算整合更多 AWS 工具以實現成長並最大化 AI 的潛力，從而徹底革新製藥業。

了解 AWS 如何與其他生物製藥和生命科學公司合作以推動發現和創新。