近日，动脉网获悉，AI制药公司Iambic Therapeutics（前身为“Entos”，以下简称Iambic）宣布完成1亿美元B轮融资。本轮融资由Ascenta Capital和Abingworth共同领投，英伟达、Illumina Ventures、Gradiant Corporation、Nexus Ventures、Catalio Capital Management、Coatue、FreeFlow、奥博资本、红杉资本以及董事会成员Bill Rastetter等新老投资者跟投。本轮资金将用于推进其AI平台的持续创新以及候选药物的临床开发。

此外，Iambic还宣布了与英伟达在AI技术方面达成合作。英伟达的计算技术是许多AI制药公司药物研发平台中不可或缺的组成部分，此次合作，将让Iambic可以利用NVIDIA DGX Cloud AI超级计算平台和NVIDIA BioNeMo云服务等技术来加速新药研发。

Iambic于2019年成立，是一家用AI技术研发小分子药物的生物制药企业。该公司致力于用AI算法驱动高通量实验平台，以识别独具特性的生物化学物质，从而促进高度差异化的候选物药物研发。

目前，Iambic开发了四种由AI发现的分子，其中两个主要在研管线IAM-H1和IAM-C1将有望于明年进入I期临床试验阶段。

由诺奖得主和华人科学家组成的团队

在短短四年时间里，Iambic开发出了四种分子，在研管线目前处于IND申报阶段，且获得了红杉资本、奥博资本、英伟达等明星资本的青睐，这背后是一支优秀的团队在支撑。

联合创始人兼首席执行官Tom Miller是一位科学企业家，致力于将人工智能、化学和生物学联系起来。2005年，他在英国牛津大学获得了理论化学博士学位，此时，随着数据挖掘、深度学习等计算机技术的发展和进步，计算机技术在化学领域中得到越来越广泛的应用。

2008年，他加入加州理工学院担任化学教授，在此期间，他主要研究如何用计算机理论和方法用新来理解各种分子过程，如酶催化、计算化学生物系统的动力学，并发表了130多篇同行评审文章。

2019年，基于对将科学成果转化和技术落地、以破解药物研发领域难题的思考，Tom Miller与Fred Manby联合创立了Iambic。Fred Manby是量子理论和AI软件工程领域的专家，曾在布里斯托大学化学学院担任了20年的理论化学教授。现在，他在Iambic担任首席技术官。

在一次采访中，Tom Miller表示，“药物发现不仅在于寻找新靶点，用新方法靶向已成药靶点也是重要的研究领域。因此，充分理解分子如何与已知疾病靶标相互作用，可以帮助药物研发人员设计出成药性更佳的药物分子。我们希望通过 AI技术预测这些特性，从而加速和优化药物发现过程。”

为了实现提高药物研发效率这一目标，Iambic打造了一个覆盖生物科学和AI技术领域的团队，成员包括AI工程师、计算机化学领域专家和药物研发科学家。

科学顾问Frances H. Arnold是一位在学术研究和企业发展拥有专业经验的人，她在美国加州大学伯克利分校获得了化学工程博士学位。同时，她是分子定向进化的先驱，1993年完成了首个酶的定向演化实验，2018年因在定向进化方面的工作被授予诺贝尔化学奖。

除了在Iambic任职外，她还是谷歌母公司Alphabet和基因测序龙头企业Illumina的董事会成员、加州理工学院的Linus Pauling教授、Donna和Benjamin M. Rosen生物工程中心主任。此外，她还是Gevo、Provivi等生物技术公司的联合创始人，同时也是多家生物制药企业的科学顾问。

2022年，Iambic聘请了资深生物技术高管张超（Chao Zhang）博士担任首席科学官。张超在美国加州大学伯克利分校获得了结构与系统生物学博士学位，他擅长利用全新的平台技术促进新药研发，行业经验覆盖肿瘤学、免疫学和罕见病领域。

在加入Iambic前，张超曾在小分子药物研发企业Plexxikon 担任首席执行官。任职期间，他与团队一起将14个新化学实体推进临床开发，其中2个药物获批上市，分别是Zelboraf®（vemurafenib）和Turalio®（pexidartinib）。

在张超的带领下，Iambic推进和扩大了其以肿瘤学为重点的药物研发管线，并提升了其由AI驱动的高通量实验平台的精确性和速度。

独创AI研发技术，

开发新分子时间缩短至一周

新药研发主要包括药物发现、临床前研究、临床试验三个阶段，整个过程一般需要10年左右时间，研发周期长、研发成功率低、研发费用高是生物制药企业面临的三大困境，因此，用技术创新加快新药研发速度、提高成功率、降低成本是药企的普遍期望。而目前，在AI制药领域常有两种方式来实现这一目标。

一个是采用“基于物理”的药物发现方法，使用软件运行模拟小分子与蛋白质的相互作用，从而更好地了解分子动力学，进而发现潜在药物靶点。使用这一模式的公司有新药研发企业Nimbus Therapeutics、Relay Therapeutics和Schrödinger。

另一个是通过实验生成数据，随后通过分析和查询数据来获得新的生物和化学见解，基于数据和分析结果，识别有效的药物靶点。Exscientia和Recursion Pharmaceuticals等生物制药公司就采用了这种方法。

Iambic则是将以上两种方式结合在一起，开发了一个基于物理的AI技术算法驱动的高通量试验平台。该平台融合了AI技术和Iambic的OrbNet技术，不仅能够识别具有疗效和安全性的新分子，还可以揭示新分子的特性，如目标分子的效应、毒性特征以及分子在体内的移动和相互作用方式。

OrbNet是由Tom Miller和NVIDIA机器学习研究总监Anima Anandkumar在加州理工学院联合开发。OrbNet是一个能够在原子层面上进行化学建模的图形神经网络，能够模拟潜在药物和蛋白质之间的能量和作用力，从而构建出一个精准的分子模拟模型。该分子模型能够探索化学空间，并使其能够按需生成具有所需物理、化学或生物特性的分子，从而提高研发过程的数据收集和分析效率，最终加速药物研发过程。

此外，Iambic利用英伟达的NeuralPLexer算法优化了OrbNet。NeuralPLexer是一种扩散模型框架，可以仅使用蛋白质序列和配体分子图输入直接预测蛋白质-配体复合物结构及其波动。

Iambic官网公布的数据显示，在NeuralPLexer支持下，OrbNet能够准确模拟多种目标分子属性，与密度泛函理论（Density functional theory，DFT）等传统量子化学方法相比，可将分子特性预测速度提高千倍。

因此，通过将OrbNet与自动化实验平台结合，研究人员能够每周完成一个“设计－制作－测试”循环周期，一周内即可完成设计新型分子到产生新生物数据的过程，从而更快识别潜在的first-in-class和best-in-class药物疗法。

靶向HER2和CDK2/4，

两条在研管线将于明年进入I期临床试验

目前，Iambic有两条主要在研管线，分别是IAM-H1和IAM-C1。

■ IAM-H1：HER2抑制剂

IAM-H1是一种酪氨酸激酶抑制剂（TKI），选择性靶向人表皮生长因子受体-2（HER2，也叫ERBB2）和HER2突变体。HER2通过高水平的扩增来诱导蛋白在细胞膜上过度表达，从而使细胞获得致癌性，其扩增和突变是导致乳腺癌和肺癌等多种癌症的重要原因。

Do-Youn Oh和Yung-Jue Bang两人关于HER2的研究结果显示1，约20%—30%的乳腺癌患者中HER2基因过度表达。HER2过度表达的乳腺癌浸润性强、复发和转移发生早、病人预后差。

IAM-H1是一种选择性小分子抑制剂，能够有效针对所有已知的HER2致癌形式，包括EGFR中的罕见突变——20号外显子插入突变。此外，IAM-H1在阻断HER2和HER2突变体的异常增殖的信号通路时，不影响EGFR在正常的组织发育和功能中的作用。

临床研究数据显示，IAM-H1在一系列HER2肿瘤模型（包括颅内模型）中表现出良好的疗效、耐受性、药代动力学（PK）和安全性。另外，IAM-H1在PK评估中表现出较高的CNS（中枢神经系统疾病）外显率，具有穿透血脑屏障的能力，并且在颅内肿瘤模型中表现出优异的疗效。

Iambic预计于2024年初开始进行IAM-H1的I期临床试验。

■ IAM-C1：CDK2/4抑制剂

周期蛋白依赖性激酶（CDK）在调节不同的生物过程和转录活性中起着关键作用，但其过度表达会导致多种癌症发生。目前，FDA批准的三种CDK抑制剂分别是辉瑞的Ibrance（palbociclib）、诺华的Kisqali（Ribociclib）和礼来的Verzenio（abemaciclib），这三款产品是治疗乳腺癌的重磅产品。

IAM-C1是一种针对CDK2和CDK4的小分子抑制剂，可选择性抑制CDK2/4，同时保留其他正常的CDK（包括CDK1、CDK6和CDK9）。其临床前研究数据显示，与已获批的CDK4/6抑制剂相比，IAM-C1表现出良好的疗效和耐药性，并且能够以最小剂量给药，进而减少药物毒性和副作用，从而提高安全性。

目前，IAM-C1处于药物IND申报阶段，预计于2024年进行I期临床试验。

除此之外，Iambic的管线项目还包括变构抑制剂和变构PPI（蛋白质-蛋白质相互作用）抑制剂的研发。

Iambic的在研管线

* 参考资料：

1.Oh DY, Bang YJ. HER2-targeted therapies - a role beyond breast cancer. Nat Rev Clin Oncol. 2020 Jan;17(1):33-48. doi: 10.1038/s41571-019-0268-3. Epub 2019 Sep 23. PMID: 31548601.

本文来自微信公众号“动脉网”（ID：vcbeat），作者：冯汝梅