教授为了开发更好、更多的药物创立了AI公司
2018年9月16日AI显示出加速药物开发流程的潜力。
由于缺乏有效的药物，许多患者仍然遭受痛苦。根据我们的经验，即使是相对较小的药物库（约4000种天然产物或活性化合物）， 也可以至少在动物水平上有效地治疗大多数疾病的先导化合物。考虑到广阔的化学空间，任何疾病，甚至是癌症， 都应该找到一个或多个治疗药物。尽管高通量筛选和靶向药物设计已取得了巨大成功。但是还有很大的改进空间。
我们采用最近快速发展的深度学习与实验室验证相结合的策略，以解决药物开发中的问题。 深度学习(AI的一部分)让我们更全面地了解化学物的相似性、化学与蛋白质的相互作用、 化学物的特性、化学基因关系等。因此，人工智能最终将承担新事物披露，目标发现， 配体设计等工作。人工智能将为临床前进一步的研究带来更强大的候选药物。
本公司致力于改造传统药物研发的临床前环节，从高通量表型筛选和计算机辅助药物设计转向数据和人工智能技术驱动的更为高效和智能的方法。 具体的内容包括：基于药物转录组学和人工智能建立动物上可以验证的药效预测系统；基于小分子-靶点结合大数据建立虚拟筛选系统； 对化合物相关性质进行分析和预测；通过组学数据、工具小分子靶点倒推和生物学实验进行新靶点的高效发现；设计和优化特定功能的化合物； 对药物的毒性和长期副作用进行预测等，为药物研发企业提供安全有效的临床试验候选药物。
目前，基于药物转录组学和人工智能建立动物上可以验证的药效预测系统（DLEPS，灵素）已经在《自然.生物技术》接收，即将发表； 小分子-深度神经网络-基因指纹-功能预测计算架构已经提交国家专利和PCT专利。通过该算法模型我们已确认3个高效的减肥化合物， 1个高效的降尿酸同时消炎抗纤维化的化合物并确定了作用机制，4个高效的治疗非酒精性脂肪性肝炎的化合物并发现了新的靶点通路。 DLEPS系统总体预测正确率约60%。
