Insilico 利用 AWS 使候选药物发现成本节省了 99%

药物开发过程不仅紧迫，而且耗时费力。截至 2010 年，将单个药物从靶点假设阶段推进到候选药物验证阶段平均耗时 4.5 年，平均花费 6.74 亿美元，而且这些数字在过去十年间还在稳步增加。每一阶段都面临需要专业知识的独特挑战，有时会导致过程支离破碎且效率低下。

为了帮助生物制药和生物技术公司简化和加速其药物发现和开发管线，Insilico Medicine 开发了一套可靠的由机器学习（ML）提供支持的工具，以协助靶点识别、分子设计和先导物优化。

Insilico 的药物发现引擎，基于 Amazon Web Services (AWS) 构建，是公司产品组合的核心。该引擎使用数百万个数据样本和多种数据类型，以发现疾病生物标志物，识别最有希望的靶点，并设计对靶点具有特异性的新型小分子调节剂。Insilico 分层设定先进的人工智能（AI）和机器学习功能，以执行这些分析并支持制药研发过程的所有阶段。

Insilico 通过其软件即服务（SaaS）平台套件开发由机器学习提供支持的工具，可广泛用于制药行业，这些平台包括 PandaOmics，用于加速识别有希望的药物靶点，以及 Chemistry42，其利用实验数据、机器学习算法和基于物理的方法设计和优化新型化合物。该公司通过自己的内部药物管线对这些平台进行了验证，以展示成本和时间节省的详细情况。

Insilico 的 Chemistry42 全球商务拓展总监 Petrina Kamya 博士说道，“利用基于 AWS 构建的 PandaOmics 和 Chemistry42 平台，我们能够在 18 个月内将纤维化候选药物从靶点发现阶段推进到化合物验证阶段，并且只需花费 260 万美元。

由于 Insilico 平台处理的实验和方法数据量巨大，因此它们对图形处理单元（GPU）有极高的要求。该公司求助于 AWS，以寻求按需提供所需的灵活性和可扩展性。PandaOmics 和 Chemistry42 都在 Amazon Elastic Compute Cloud (Amazon EC2) 上运行，这项网络服务在云中提供安全、可调整大小的计算容量。

Insilico 首席运营官 Qingsong Zhu 博士说道，“AWS 使我们能够获得所需的计算能力。作为一家初创公司，对我们至关重要的是能够访问强大的服务器，而无需自己维护巨大的本地计算集群。”

Insilico 总部位于香港，在全球拥有 150 多个协作者。因此，平台架构需要可扩展且易于访问。Insilico 通过使用对象存储服务 Amazon Simple Storage Service (Amazon S3) 在云中托管相关数据，从而实现该目标。Zhu 说道，“虽然我们是一家初创公司，但我们拥有一个全球团队，AWS 可让我们在全球范围内协调团队，而不必担心服务器的位置。”

Kamya 补充道，“利用 AWS 使我们能够轻松纵向扩展业务并促进跨境协作。”事实证明，这种协作元素对该公司的 COVID-19 项目特别有帮助，该项目包括设计旨在治疗 SARS-CoV-2 的先导化合物。这些化合物现已接近到达研究阶段，使 Insilico 能够向美国食品药物管理局（FDA）提交研究性新药（IND）申请。

每个 Insilico 平台都可加速药物开发过程的特定阶段，但是当互连时，它们可以通过消除瓶颈节省额外的时间。这些平台易于使用，不仅使对复杂生物信息学的访问民主化，而且使不同方更容易地使用相同的工具和协调分析。

Kamya 说到，“如果您是一名生物学家，您不应害怕进行生物信息学研究。如果您是一名化学家，您不应害怕使用计算工具。在 Insilico，重要的是我们创建了一个简单易用的平台，无论科学背景如何，都能提供可靠的结果。我们希望使人工智能在药物发现阶段的使用民主化，并提高制药行业不同部门之间的互操作性。”

展望未来，Insilico Medicine 计划更多地参与药物研发过程的后期阶段。该公司计划整合更多 AWS 工具，以实现增长并最大限度地发挥 AI 的潜力，从而彻底变革制药行业。

查看 AWS 如何携手其他生物制药和生命科学公司推动发现和创新。