利用AI提高筛选药物准确性和效率，AccutarBio 想要找到攻克癌症的“钥匙”
利用AI技术加速药物开发已经越来越流行。
靶向治疗是针对明确的致癌位点来设计相应的治疗药物的一种方式，已对传统的肿瘤治疗学观念与模式产生重大影响，被认为是人类攻克癌症的可行方法。但在靶向治疗中，如何精准找到靶点和选择针对性的药物一直是一个难题。
有数据显示，肿瘤的靶向药物有数百种之多，即使只是两两组合，组合也多达数万种之多，要筛选出最有效的治疗方法非常困难，患者可能同时使用数种药物才能抑制肿瘤转移。AccutarBio（冰洲石生物科技）则希望通过AI技术提高筛选药物准确性和效率，打造算法平台，加速新一代药物开发。
靶向治疗中，药物和靶向蛋白的结合就像钥匙和锁孔的关系，有效的药物像一把专为靶向蛋白配置的钥匙，所以问题的关键是找准“钥匙孔”并迅速配对“钥匙”。传统医药软件，如Schrodinger和Accelrys多是基于能量学公式的描述方法，做计算药物筛选时步骤繁琐，界面复杂，实际应用价值很小，大多数时候只能起到“马后炮”的作用。利用AI技术，Accutarbio能够更准确的找到“钥匙孔”，并更快搜索出“匹配钥匙”。
现阶段Accutarbio先从药品研发开始，同时也在打造算法和平台能力，希望将用于癌症药物研发的这套人工智能算法工具开放出来。团队向36氪透露，在过去的一年里，AccutarBio已经利用人工智能方法基于蛋白晶体学数据进行药物设计，并在美国申请2项专利；下一阶段的任务主要是实现平台能力实验验证，如果这个研究进入到临床应用，新药开发的前期海量筛选和粗选的阶段会大大缩短。
Accutarbio的创始人创始人范捷，中学期间获得国际生物奥赛银牌，本科毕业于复旦生物系，硕士就读于加州伯克利分校，博士期间师从 nikola pavletich，解析了RPA-DNA 复合物晶体结构；博后师从 nobel winner Gunter BLobel，解析了核孔小体复合物的相关结构；获得 Robertson foundation 临床研究经费开发乳腺癌药物。团队目前已经获得来自真格的天使投资。
利用AI技术加速药物开发已经越来越流行。近期，Teva制药已经与IBM达成合作，利用Watson支持药物开发和慢性病管理；成立于2013年的英国公司BenevolentAI就与强生达成了合作；位于美国旧金山的初创公司Atomwise研发了深度学习网络AtomNet，能够识别了医药化学中的基础模块。
