2019年9月3日，英国伦敦：深度知识分析向其母公司Deep Knowledge Ventures致敬，该公司在其投资组合公司Insilico Medicine的标志性Nature Biotechnology出版物中展示了一种新型候选药物的设计，合成和临床前验证。 46天。

自2014年以来，深度学习强化学习和生成对抗性学习的许多进步正在迅速改变多个行业，包括搜索，翻译，视频游戏，零售，交通等等。在成像，语音，文本和其他领域中验证AI系统的性能相对容易，其中人类感觉系统可用于快速验证实验结果的有效性。然而，在制药行业，验证周期需要数十年且耗资数十亿美元。制药行业高管向全球所有领先的人工智能团体提出的大多数常见问题都涉及算法的新颖性以及小鼠甚至人类结果的实验​​验证。人工智能的领导者之间存在严重的脱节，侧重于算法的新颖性以及仅关注实验数据的药物发现和开发专家。

9月2日星期一，来自Insilico Medicine和WuXi AppTec的一组合作者发表了无可辩驳的证据，其中利用下一代生成张量和强化学习的人工智能的前沿工作随后进行了实验验证。通过生成张力强化学习(GENTRL)技术“想象”的分子被快速合成，在酶促，基于细胞的纤维化，代谢稳定性，微粒体稳定性测定和小鼠中进行测试。

Alex Zhavoronkov等人，2019年，“深度学习能够快速识别强效DDR1激酶抑制剂”，Nature Biotechnology，在药物发现的人工智能方面取得了重大进展。该论文中提出的AI工作于2017年完成，代码可公开获取。该公司的科学家认为，他们可以追踪许多目标类别和具有普遍生成管道的挑战性目标，这可以解释没有晶体结构存在的情况，并且在获得可观的命中率的同时知道一个甚至没有模板分子。

我们将这篇文章发给业内众多思想领袖，征求他们的意见：

“这是人工智能的一个重要证明，使用GAN方法，显着加速新分子的设计和实验验证，同样针对纤维化，一个主要的未满足的医疗需求。”Scripps研究执行副总裁兼Scripps研究转化研究所创始人兼主任Eric Topol博士说(Eric Topol与该公司及其作者没有任何关系)。

“Zhavoronkov等人表明AI技术可用于指导我们在化学空间的广阔范围内寻找良好的药物分子，这是当今药物发现的关键挑战之一。这项工作提供了令人信服的证据，证明人工智能可以从历史数据集中学习产生具有类似药物特性的新型分子化合物，并有助于澄清AI如何用于提高药物开发的速度。“Mark DePristo，谷歌大脑基因组学负责人，BigHat Biosciences联合创始人兼首席执行官。

“当Deep Knowledge Ventures选择在2014年提供Insilico Medicine的初始资金回合时，我们这样做是因为我们看到了他们有可能提高质量调整生命年(QALY)以改善整个人类。从那以后他们成为第一个使用尖端深度学习技术(如Generative Adversarial Networks)在2016年从头开始设计具有特定分子特性的新型候选药物，并在2018年成功设计，合成和验证新药在不到2个月内结束。我是同样令人激动的是，这篇文章描述了Insilico Medicine在2017年的研发工作中已经制作的内容，并于2018年提交出版。我不会惊讶地发现，从那时起，他们在药物设计中应用下一代人工智能技术取得了更大的进展，可能会在2020年公开披露。“Deep Knowledge Ventures的普通合伙人Dmitry Kaminskiy说。

“在药物发现中使用先进的GAN是制药行业中人工智能最前沿应用的一个很好的例子 - 它可以加速从几年到几周的关键过程。”北欧人工智能研究所执行董事Christian Guttmann，新南威尔士大学AI教授，卡罗林斯卡研究所人工智能高级研究员。