着眼靶点的动态模拟，「予路乾行」要用AI推进新药研发

关于靶向药物的研发，其难点不仅在于选取疾病相关信号通路中的目标蛋白，更在于针对目标蛋白在生理环境下的构象变化过程中选取适宜的分子构象，并找到有效的结合位点设计具有针对性的药物分子结构。对于新靶点的探索中，药学家与生物学家往往需要综合应用多种实验手段，从不同的角度与方向探索相应靶点蛋白的分子结构特征与生物学机理，从而筛选并设计相应的药物分子。

近年来，随着计算机药物设计技术硬件水平的高速发展和算法的优化，AI在药物研发管线的诸多流程环节中，从数年前的边缘辅助角色逐渐转变为主要角色，结合了结构生物学及分子动力学运算工具的方法流程，逐渐在针对全新靶点的药物发现领域发挥出至关重要的推动力。

利用量子力学计算获得对于小分子片段数据库的高精度能量数据，结合分子动力学模拟对大分子体系的自由能面进行多层学习，建立基于人工智能模型的分子模拟及自由能分析算法。

36氪近期接触到的苏州予路乾行生物科技有限公司（以下简称：予路乾行）即定位于一家以分子模拟与建模技术驱动新药研发的技术型企业，它于2021年由郑铮博士创办。后者长年专注于与人工智能算法相结合的分子动力学模拟研究，所主导开发软件产品Movable Type Package为包括美国德州大学MD Anderson癌症中心、葛兰素史克公司、DeepCure研究机构与生物医药企业广泛使用。

据介绍，予路乾行的研发思路是将人工智能算法与大规模分子动力学模拟技术（Large-Scale Molecular Dynamics）相结合，通过大量学习分子的动力学特征及自由能面的映射关系，结合基于机器学习的分子力场模型（Machine Learning-based Force Field）对复杂大分子进行高效模拟，从而精确还原靶点蛋白在生理过程中的构象变化并在动态结构模拟中捕捉与其功能相关的关键结合位点进行药物筛选及结构优化。

而采用AI技术结合分子动态模拟的运算流程，可以弥补传统的AI药物设计算法中大量依赖分子的单一构象形态特征或更为抽象的基因/氨基酸序列特征造成的信息缺失。

靶点蛋白质分子构象随生理过程发生形态变化，利用分子构象变化过程中呈现出的不同优势构象进行药物分子设计，是靶向药物研发的新方向。图中显示的是6-磷酸果糖激酶-2/2,6-二磷酸果糖磷酸酶3蛋白（PFKFB3）中两个重要的氨基酸残基在500 纳秒时间尺度上发生的显著构象改变。PFKFB3是糖酵解通路中的上游蛋白，与肿瘤细胞的快速增殖息息相关。

发展到现在，予路乾行正在推进与国内外多家药企及生物科技公司的药物共同研发项目，目前已有7条在研合作管线推进中。

其中值得关注的是，予路乾行在与北京鞍石生物科技有限责任公司的合作中，通过采用高精度分子模拟技术，从动力学及热力学两方面对药物的体外活性及代谢过程进行全面评估，在一年内即助推一款针对非小细胞肺癌的靶向药物进入了临床试验阶段，更与临床试验所在医院相关团队共同探索该试验性药物在更广泛的突变靶点类型中的推广可能性。

另外，从今年开始，予路乾行还与南京瑞初医药有限公司展开合作，双方就3款CNS类药物的从头研发项目签订了总金额达数千万元的合作协议，目前已取得了初步成果。 据悉，予路乾行目前已初步完成在国际化市场拓展及公司核心研发团队资源储备，这将为公司在融入国际新药研发体系及国内外市场拓展等方面奠定基础。