近日，生物醫藥公司BenchSci宣布完成2200萬(wàn)美元B輪融資，由F-Prime Capital領(lǐng)投，Inovia Capital、Real Ventures 、Golden Ventures 、Gradient Ventures跟投。伴隨著(zhù)資金的注入，BenchSci宣布推出其新的AI輔助試劑選擇的產(chǎn)品，并擴大了與Novartis 的合同，該市場(chǎng)估計每年價(jià)值超過(guò)102億美元。

       首席執行官Belenzon表示，融資資金將用以推動(dòng)AI技術(shù)開(kāi)發(fā)新藥的進(jìn)程。相對于通常需要12周才能完成一個(gè)抗體的選擇，BenchSci的AI抗體選擇技術(shù)可以在30秒內完成。減少了選擇不恰當抗體的幾率，它每年可節省高達300萬(wàn)美元的耗材成本。

       BenchSci 成立于2015年，位于加拿大安大略省多倫多市，是一家專(zhuān)注于生物醫藥領(lǐng)域的文獻搜索初創(chuàng )公司，給研究人員提供了一個(gè)抗體搜索引擎的平臺。旨在通過(guò)使用AI分析大量實(shí)驗數據來(lái)彌補計算機自動(dòng)進(jìn)行數據分析這個(gè)方面的不足。幫助研究人員尋找可在任何獨特實(shí)驗條件下使用的抗體。

       BenchSci通過(guò)瀏覽大量科學(xué)文獻并使用基于機器學(xué)習的智能計算機程序對所有抗體細節進(jìn)行索引。這樣可以有效地對實(shí)驗方案進(jìn)行標準化，提高研究人員的研究效率。為了以更快的速度促進(jìn)科學(xué)新發(fā)現，BenchSci把平臺免費提供給UHN等學(xué)術(shù)機構中的所有研究人員。

       目前在全球20強制藥公司中的15家和3600多個(gè)學(xué)術(shù)中心優(yōu)化了試劑采購并取得了實(shí)驗的成功。在F-Prime和谷歌人工智能基金Gradient Ventures的支持下，BenchSci使用機器學(xué)習挖掘采購數據中的信息來(lái)評估藥品研發(fā)的情況。

       客戶(hù)可以收到故障率、生產(chǎn)率和冗余度相關(guān)的報告，這些報告的信息來(lái)自不同的部門(mén)、治療區域、地理位置。然后，客戶(hù)可以通過(guò)BenchSci的人工智能試劑選擇平臺來(lái)解決效率低下的問(wèn)題，這使得科學(xué)家能夠為他們的實(shí)驗選擇最佳試劑和恰當的設計標準。
 

BenchSci的主創(chuàng )團隊

       BenchSci的創(chuàng )建團隊由四名成員組成，BenchSci的創(chuàng )始初衷源于首席科學(xué)官Tom Leung當時(shí)在T.Like從事表觀(guān)遺傳學(xué)研究時(shí)所產(chǎn)生的挫敗感。與生命科學(xué)中的許多其他研究人員一樣，Leung由于無(wú)法檢測到抗體靶蛋白而導致實(shí)驗失敗。

       “它令人沮喪，在經(jīng)過(guò)數周的生長(cháng)細胞樣品收集后依然失敗了，這個(gè)實(shí)驗的失敗，不是因為我在程序中做錯了什么，而是因為抗體不能很好地檢測出我正在尋找的蛋白質(zhì)，” Leung說(shuō)。

       “這結果促使我認為，科學(xué)家必須有一種更好的方法來(lái)評估抗體產(chǎn)品的質(zhì)量，然后再購買(mǎi)抗體來(lái)進(jìn)行實(shí)驗。”

       為了實(shí)現這個(gè)目標，Leung把LinkedIn信息發(fā)送給David Chen，David Chen是神經(jīng)科學(xué)方面的博士主要研究機器學(xué)習。Leung還通過(guò)T's生命科學(xué)職業(yè)發(fā)展協(xié)會(huì )（ University of T's Life Sciences Career Development Society）與在醫學(xué)生物物理學(xué)系攻讀博士學(xué)位的Elvis Wianda建立了聯(lián)系。自此三人開(kāi)啟了探索使用機器學(xué)習來(lái)分析科學(xué)論文的項目，并達到了以現有的抗體搜索引擎和評論網(wǎng)站無(wú)法達到的精確度。

       2016年， Liran Belenzon敦促這家初創(chuàng )公司申請“ 創(chuàng )意破壞實(shí)驗室”（Creative Destruction Lab ，CDL），當時(shí)他是Rotman管理學(xué)院的MBA候選人，正在為該實(shí)驗室招募初創(chuàng )公司。Belenzon參加了Rotman的CDL課程，該課程為商務(wù)學(xué)生提供了建立早期科技公司的實(shí)踐經(jīng)驗。 這給了他直接與BenchSci合作的機會(huì )。 最終，他加入BenchSci公司并擔任首席執行官。

       隨著(zhù)Belenzon的到來(lái)，BenchSci背后的三位科學(xué)家Tom Leung，David Chen 和Elvis Wianda就可以憑借經(jīng)驗豐富的企業(yè)家思維來(lái)掌舵公司。
 

人工智能輔助抗體和試劑選擇

       BenchSci 于2017年7月發(fā)布了搜索引擎測試版，上線(xiàn)以來(lái)累計分析了超過(guò)400萬(wàn)種商用抗體。其最新的測試結果顯示，搜索相同的商用抗體，用 BenchSci 的搜索速度比傳統的人工篩選提高了24倍，挑選抗體的成本減少了75%。

       BenchSci的試劑的選擇有以下幾個(gè)優(yōu)點(diǎn)：

       1、提高了在抗體選擇過(guò)程中的效率和減少了錯誤發(fā)生的概率；

       2、能在30秒內快速地選擇試劑；

       3、每年減少高達600萬(wàn)美元的耗材硬成本；

       4、縮短科學(xué)家的研究時(shí)間。

       在20家制藥公司和3600家學(xué)術(shù)機構中，有15家公司的31000多名科學(xué)家使用BenchSci的人工智能平臺來(lái)選擇抗體、規劃實(shí)驗，僅在硬成本方面，每年就節省了高達200萬(wàn)美元。

       BenchSci的圖像識別技術(shù)，即使用AI從已發(fā)表的實(shí)驗論文中提取抗體的相關(guān)信息，而不僅僅是知道供應商名稱(chēng)，產(chǎn)品名稱(chēng)或SKU。 該系統應用生物信息學(xué)將抗體鏈接到實(shí)例，同時(shí)提供對來(lái)自231個(gè)供應商的770萬(wàn)種產(chǎn)品的目錄數據的訪(fǎng)問(wèn)，讓客戶(hù)了解到這些抗體的使用趨勢。

       科研人員和藥企在研究過(guò)程中往往面臨很多問(wèn)題，比如抗體的選擇，試劑的浪費，檢索信息的復雜等，這些問(wèn)題都在延緩研究的進(jìn)程，如何解決這些問(wèn)題是BenchSci需要首先思考的。從抗體的供應商，到抗體的選擇，BenchSci幾乎收納了所有和試劑相關(guān)的文獻，大大縮短了研究人員的搜索時(shí)間，便于他們更快的發(fā)現新藥物。

       最近的一篇文章報道，僅人類(lèi)表皮生長(cháng)因子受體蛋白就有5000多種抗體。BenchSci科學(xué)負責人Casandra Mangroo說(shuō)：“科學(xué)家們知道，每種抗體在不同的實(shí)驗情況下都會(huì )起不同作用。”“即使供應商進(jìn)行了某種形式的測試，他們不可能在每一種實(shí)驗環(huán)境中測試每種抗體的適用情況。”

       BenchSci用戶(hù)可以訪(fǎng)問(wèn)世界上最大的抗體數據庫，包括19家供應商680多萬(wàn)件產(chǎn)品的供應商目錄數據，以及提供抗體在應用、物種、細胞系等方面的廣泛應用趨勢。

       同時(shí)BenchSci的搜索頁(yè)面直觀(guān)且簡(jiǎn)單易用，這樣的頁(yè)面能方便用戶(hù)快速的進(jìn)行操作，及時(shí)準確的找到自己想要的東西。比如：通過(guò)蛋白質(zhì)目標搜索以及以分鐘為單位選擇實(shí)驗特異性抗體。

       BenchSci擁有全面的開(kāi)放式和封閉式訪(fǎng)問(wèn)數據，這些數據來(lái)源于1000萬(wàn)種科學(xué)出版物的真實(shí)的實(shí)驗數據，包括封閉訪(fǎng)問(wèn)的論文、其他組織的獨立驗證，同時(shí)BenchSci與Springer nature 和Willie等領(lǐng)先科學(xué)出版社建立合作關(guān)系。
 

BenchSci的未來(lái)

       早在2018年的時(shí)候，BenchSci就與Proteintech進(jìn)行了商業(yè)上的合作，Proteintech是一家抗體和人類(lèi)蛋白質(zhì)制造商，直接向科學(xué)家銷(xiāo)售，以保持最高水平的質(zhì)量控制，從而獲得一致性的認可。他們宣布建立新的合作伙伴關(guān)系，通過(guò)克服生物醫學(xué)研究人員所面臨的選擇抗體的關(guān)鍵挑戰來(lái)加速科學(xué)發(fā)展。

       BenchSci使用機器學(xué)習識別開(kāi)放式和封閉式的數據，集中訪(fǎng)問(wèn)Proteintech已發(fā)布的數據，并允許研究人員通過(guò)重要的實(shí)驗變量進(jìn)行搜索。這樣的組合更能加快研究人員的研究效率。

       現在，許多抗體制造商都排隊支持BenchSci的工作，共享其目錄和相關(guān)的實(shí)驗驗證的數據，以將其合并到公司的數據庫中。Rimm說(shuō)，盡管這些試劑制造商對通用驗證標準猶豫不決，但許多人仍然認識到抗體需要更好的質(zhì)量控制。Rimm說(shuō)：“該系統自我監管，是一個(gè)可以讓競爭市場(chǎng)可以進(jìn)行評分的系統，許多供應商相互競爭，使他們可以展示出更多經(jīng)過(guò)驗證的抗體。”

       幫助研究人員做出抗體的選擇可以減少時(shí)間的浪費，但是抗體的選擇只是問(wèn)題的一個(gè)方面。研究人員還依賴(lài)其他許多試劑，包括分子探針，蛋白質(zhì)特異性抑制劑和活化劑以及用于測序和PCR擴增的引物。 Leung希望最終將BenchSci的AI平臺轉向更廣泛的產(chǎn)品。
 

AI助力醫學(xué)研究已成趨勢

       BenchSci聯(lián)合創(chuàng )始人兼CEO Liran Belenzon表示：“如果沒(méi)有AI技術(shù)，很多問(wèn)題處理起來(lái)就會(huì )很麻煩甚至無(wú)法得到很好的解決。這時(shí)候就需要開(kāi)發(fā)并利用一系列先進(jìn)的技術(shù)，主要包括數據科學(xué)、生物信息學(xué)以及機器學(xué)習等領(lǐng)域的算法。讓這些技術(shù)可以幫助生物醫學(xué)專(zhuān)家能夠更快地找到可靠的抗體，同時(shí)減少資源的浪費。”

       AI技術(shù)是新時(shí)代互聯(lián)網(wǎng)的產(chǎn)物，也是時(shí)代的象征。不斷地把AI技術(shù)應用到不同的行業(yè)里面，可以為人們的生活帶來(lái)便利。BenchSci把AI技術(shù)和生物醫學(xué)研究結合起來(lái)，方便客戶(hù)去搜集相關(guān)的文獻和資料。

       有需要就有市場(chǎng)，BenchSci能在短短的五年融資七輪也并不是偶然，時(shí)代在進(jìn)步，我們只有跟緊時(shí)代的腳步，不斷更新自己的見(jiàn)聞才能讓自己成長(cháng)。