作者: Alturaifi, Turki ; Mykhailiuk, Pavel ; Loach, Richard ; Struijs, Job ; McAlpine, Indrawan ; Savchuk, Taras ; Ni, Hui-Qi ; Engle, Keary ; Cao, Yilin ; Lisboa, Al ; Sharpless, K. Barry ; Yang, Shouliang ; Ren, Zhouyang ; Rodphon, Warabhorn ; Blackmond, Donna ; Liu, Peng

The ambiphilic reactivity of alkyl sulfonyl fluorides in the stereoselective synthesis of diverse cyclopropanes from ole-fins under palladium(II) catalysis is presented. The sulfonyl fluoride functionality serves as both an acidifying group and an internal oxidant within the ambiphile, enabling the successive carbopalladation and oxidative addition steps in the catalytic cycle, respectively. The transformation grants access to cis-substituted cyclopropanes and exhibits broad compatibility with various alkyl sulfonyl fluorides, including those bearing –CN, –CO2R, isoxazolyl, pyrazolyl, and aryl groups. With internal alkene substrates, 1,2-3-trisubstituted cyclopropanes that are otherwise challenging to synthesize are formed in good to moderate yield and predictable diastereoselectivity. Detailed mechanistic insights from reaction progress kinetic analysis (RPKA) and density functional theory (DFT) calculations reveal that the SN2-type C–SO2F oxidative addition is the turnover-limiting and diastereoselectivity-determining step.

Comparing Massively-Multitask Regression Algorithms for Drug Discovery

作者: Whitehead, Thomas M ; Segall, Matthew D ; Sosnina, Ekaterina A ; Riley, Patrick ; Conduit, Gareth J ; Zhu, Xiang-Wei ; Wei, Ying ; Martin, Eric ; Tian, Li ; Kearnes, Steven ; Wang, Zijian

Massively-Multitask Regression Models (MMRMs) trained on millions of compounds and many thousands of assays can predict bioactivity with accuracy comparable to 4-concentration IC50 experiments. Recent advances in hardware and algorithms have produced a variety of methods for multitask modeling. This report compares the performance of six MMRM algorithms: Profile-QSAR (pQSAR), Alchemite, a meta learner (MetaNN), a multitask feed-forward neural network (MT-DNN), Bayesian factorization with side information (Macau) and Inductive Matrix Completion (IMC). To ensure a fair comparison, each was trained by an expert, in several cases an author, of each method. All used the same sets of 159 kinase and 4276 diverse ChEMBL assays, employing the same realistically novel training/test set splits. MMRMs generally performed much better than a benchmark of single-task random forest regression models for our use case of virtually screening the compound collection on which the models were trained. The comparison was complicated, because methods that train all models simultaneously must leave out the test-set measurements for all assays to avoid test-set leakage, here 75% of measurements. MMRMs which train models one-at-a-time need only leave out data for each assay as it is trained, training on 99+% of data. This does not affect the accuracy of the final production models trained on 100% of data but does affect evaluation of how the final models will perform. The comparisons, therefore, included 3 training/test set collections: “all-out” models that leave out all test sets during training; “one-out” models where practical; and “subset-out” models, which only built models for about 10% of kinase assays or 1% of diverse assays, but could thus train evaluation models on about 90% or 99% of the measurements respectively. Many methods achieve similar accuracy. However, models trained on only 75% of the data performed much worse than those trained on 99+%. This indicates that all-out models seriously underestimate the performance of the final production models. Subset-out models were closer to one-out. A compromise method is to assess performance of the final models by multiple subset-out models, a more practicable computation for 1000s of assays. MMRMs demonstrated little advantage over single-task models for “cold-start” predictions on our novel test-set compounds not only unlike the specific assay’s training set, but also never tested on any of the other multitask supporting assays. Instead, the accuracy advantage was mainly from imputations within these sparse assay collections, compounds unlike the training set for the assay of interest, but with some measurements on other assays. This implies that MMRMs are best suited for hit-finding, off-target, promiscuity, mechanism-of-action, polypharmacology or drug repurposing prediction of compounds from the source used to train the overall multitask model. They have little advantage over single-task models, at much higher cost, for virtual screening of vendor archives or exploratory generative chemistry. Given that accuracy of the final models is often comparable between several of the algorithms, the paper concludes with a detailed discussion of other practical pros and cons of each method that might help choose which method to employ.

Catalytic σ-Bond Annulation with Ambiphilic Organohalides Enabled by β-X Elimination

作者: Yang, Shouliang ; Ni, Hui-Qi ; Engle, Keary ; Dai, Jing-Cheng ; McAlpine, Indrawan ; Loach, Richard ; Chuba, Matthew

We describe a catalytic cascade sequence involving directed C(sp3)–H activation followed by β-heteroatom elimination to generate a PdII(π-alkene) intermediate that then undergoes redox-neutral annulation with an ambiphilic aryl halide to access 5- and 6-membered (hetero)cycles. Various alkyl C(sp3)–oxygen, nitrogen, and sulfur bonds can be selectively activated, and the annulation proceeds with high diastereoselectivity. The method enables modification of amino acids with good retention of enantiomeric excess, as well as σ-bond ring-opening/ring-closing transfiguration with low-strain heterocycles. Despite its mechanistic complexity, the method employs simple conditions and is operationally straightforward to perform.

项与 Genesis Therapeutics, Inc. 相关的新闻（医药）

2025-04-08

·医药魔方Pro

2024年，十大制药巨头看上的AI制药公司

注：本奖项申报将于2025年4月30日截止近年来，人工智能（AI）技术突飞猛进。与此同时，AI技术的颠覆性突破，正从算法层面向产业深处渗透。AI技术的迅猛发展已深刻重塑医药行业，从药物研发到临床诊疗，乃至全球产业链的协同模式均经历颠覆性变革。AI工具通过机器学习（ML）与大数据分析，将传统药物研发的“双十魔咒”（十年周期、十亿美元成本）大幅压缩。回顾2024年，各大跨国制药公司（MNC）都在为AI制药按下加速键——从靶点发现、分子设计到临床试验优化，AI技术将大幅缩短药物研发周期、提高新药开发效率。那么全球巨头药企们在2024年具体有哪些AI制药领域的合作？他们在AI制药领域有着怎样的布局？医药魔方Pro挑选了2024年制药业务收入排名前十的MNC巨头（推荐阅读：2024年全球药企TOP10），收集、整理了他们2024年在AI制药领域的合作和布局，供读者参考。01. 辉瑞早在2016年，“宇宙大药厂”辉瑞就与全球AI领域知名公司IBM达成合作，使用Watson的ML等技术进行新药物靶点识别、组合疗法的研究和患者的选择。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”，奠定了公司数字化转型的基础。此后的几年，辉瑞相继宣布与Adapsyn、晶泰科技、Atomwise、CytoReason、Gero、Tempus等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个方面。2024年8月，辉瑞任命Berta Rodriguez-Hervas加入其数字领导团队，担任首席人工智能和分析官（Chief AI and Analytics Officer）。TRIANA Biomedicines2024年10月15日，辉瑞宣布与TRIANA Biomedicines达成战略合作和许可协议，以发现用于多个疾病领域（包括肿瘤学）的针对多个靶点的新型分子胶降解剂。TRIANA Biomedicines的药物发现平台由高分辨率的结构信息、AI和计算工具以及定制的化学文库驱动。根据协议条款，TRIANA Biomedicines将获得4900万美元的预付款，并有资格获得超过15亿美元的里程款。（推荐阅读：超15亿美元！辉瑞“加码”分子胶）02. 默沙东默沙东是最早“拥抱”AI制药的MNC之一。公开资料显示，2012年，默沙东就与Numerate公司合作研发心血管疾病的治疗方法。Numerate主要是利用ML软件研发治疗神经退行性疾病、心血管疾病和肿瘤的新兴治疗方案，并致力于为开发小分子疗法的企业提供药物设计平台。近几年，默沙东分别与AbSci、BigHat Biosciences、BenevolentAI、Exscientia等AI制药公司达成合作。2024年是全球AI制药合作遍地开花的一年，对默沙东来说也不例外：Unnatural Products2024年1月24日，默沙东宣布与Unnatural Products（UNP）达成总额约2.2亿美元合作，将应用UNP在AI与化学上的专业来设计和开发针对肿瘤治疗靶点的大环类候选药物。Variational AI2024年1月25日，默沙东实验室宣布与Variational AI公司达成合作，将利用Variational AI的Enki生成式AI平台，设计创新和选择性小分子药物。Evaxion Biotech2024年9月26日，默沙东与丹麦AI制药公司Evaxion Biotech就两种临床前候选疫苗（EVX-B2和EVX-B3）达成了期权和许可协议。其中EVX-B2是一种基于蛋白质的淋病候选疫苗，EVX-B3靶向一种未公开的感染因子。Evaxion将获得最高1320美元的预付款。此外，Evaxion还有资格获得每个产品5.92亿美元的里程款，交易总金额近12亿美元。03. 强生近年来，强生已为其AI能力投入了数亿美元。华尔街日报称，强生聘请了约6000名数据科学和数字专家，这些专家不仅精通数据科学，还具备生物学、化学和药物研发等多领域的知识。此外，强生还拥有名为Med的大型数据库，包含超3PB的信息，涵盖真实世界数据和临床试验结果。这些数据为AI模型提供了丰富的训练素材，帮助加速药物开发。早在2013年，强生就与AI制药顶尖公司Exscientia建立合作，将Exscientia的设计技术应用于新化合物的发现。2020-2023年间，强生相继与英矽智能、Tempus、SRI International、Aqemia、Intellomx等AI制药公司建立合作。Odyssey Therapeutics2024年4月4日，强生旗下杨森制药宣布与Odyssey Therapeutics达成战略研究合作，共同发现和优化针对特定治疗靶点的小分子药物。两家公司将结合各自在AI、ML、计算化学和药物发现方面的专长，共同发掘难以成药靶点。BigHat Biosciences2024年4月24日，杨森制药宣布与BigHat Biosciences达成合作，这一战略合作将强生的药物发现、临床开发和数据科学专业知识，与BigHat的Milliner™平台相结合，后者是一套与高速湿实验室集成的ML技术，用于指导多个神经科学治疗靶点的高质量抗体的设计和选择。晶泰科技2024年10月10日，杨森制药宣布与晶泰科技下属部门Ailux Biologics签署大分子药物发现AI平台授权协议。根据协议，晶泰科技商业授权杨森及其附属公司使用晶泰自主开发的XtalFold™ AI平台进行大分子药物的发现和工程化设计。04. 艾伯维Alphabet（谷歌母公司）旗下的抗衰老研究公司Calico致力于了解衰老的生物学特性。艾伯维与Calico的合作关系始于2014年，艾伯维负责推动Calico研究发现的开发和商业化。2020年，艾伯维子公司Cerevel Therapeutics宣布与Cyclica开展研究合作，利用AI加速神经科学新药的发现。Cerevel将使用Cyclica专有的AI平台来筛选、鉴定、设计和评估针对神经科学疾病预先指定靶点的化合物。2023年1月，艾伯维宣布与Anima Biotech合作，利用AI发现和开发针对肿瘤学和免疫学靶点的mRNA生物学调节剂，Anima将获得4200万美元的预付款。2023年12月，艾伯维宣布与BigHat Biosciences合作，利用AI和ML发现下一代治疗性抗体。BigHat将获得3000万美元的预付款，并可能有资格获得高达约3.25亿美元的里程款。2024年，艾伯维又宣布一项AI制药方面的合作：Gilgamesh Pharmaceuticals2024年5月13日，艾伯维与Gilgamesh Pharmaceuticals达成合作协议，利用后者在新型神经功能重塑因子（neuroplastogens）的创新平台，共同开发新一代精神疾病药物。Gilgamesh Pharmaceuticals将药物化学方面的专业知识与AI发现和平台相结合，加速了新型精准精神疗法的创造。根据协议，艾伯维支付6500万美元预付款，19.5亿美元里程款。05. 阿斯利康在AI制药领域，阿斯利康的布局多元且深入。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和AI驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。2023年11月，阿斯利康宣布推出一家新的全球健康科技公司Evinova，正式进军AI CXO领域，为药企、CRO公司提供包括实验解决方案、研究设计和规划以及管线资产管理的三大类服务。同年，阿斯利康也大刀阔斧地进行AI革命，相继和SandboxAQ、Verge Genomics、Saama、Nanoform、AbSci等多家AI制药公司达成合作。Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）06. 罗氏现阶段AI药物研发的痛点之一是数据问题，罗氏是最早押注制药领域大数据的MNC之一。2018年，罗氏以19亿美元前瞻性收购肿瘤大数据领头羊Flatiron Health的全部股份。同一年，基因泰克与医疗数据化分析公司GNS Healthcare达成协议，使用其AI平台分析已知疗法在肿瘤中的功效。2021年，罗氏与拥有国家级大数据中心的天津港保税区结盟成为长期战略合作伙伴，共同开展包括个体化医疗研究等多方面的合作。2023年，罗氏宣布扩大与Shape Therapeutics（简称ShapeTX）的合作伙伴关系。双方的合作始于2021年8月，当时达成了总金额可能超30亿美元的合作协议。此次扩大合作，ShapeTX将利用其专有的AI RNA编辑平台，开发一种潜在的一次性疗法。Dyno Therapeutics2024年10月24日，罗氏宣布与Dyno Therapeutics达成第二项研究合作，开发针对神经疾病的下一代AAV基因疗法。双方此前于2020年10月宣布了一项针对神经疾病和肝脏定向疗法的研究合作与许可协议。Dyno Therapeutics是一家利用AI推动体内基因递送的生物技术公司。根据此次新合作协议，Dyno Therapeutics将进一步向罗氏提供其领先的平台和序列设计技术，促进体内基因递送。罗氏将向Dyno支付5000万美元的预付款，以及超10亿美元的里程款。07. 诺华与其他MNC类似，诺华在AI制药领域也经历了早期探索阶段。2017年6月，诺华与IBM Watson Health达成了合作，用AI技术来改善乳腺癌治疗方案。在此之前，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华AI从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。近年来，诺华不断深化对外合作与技术拓展，2024年相继宣布了多项AI制药领域的合作：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs宣布与诺华和礼来达成战略合作。其中与诺华的合作涉及三个未公开的靶点，Isomorphic Labs将获得3750万美元的预付款，并有资格获得高达12亿美元的里程款。Generate Biomedicines2024年9月24日，诺华宣布与Generate:Biomedicines达成多靶点合作，以发现和开发横跨多种疾病领域的蛋白质疗法。此次合作利用了Generate专有的生成式AI平台The Generate Platform，通过基于AI的优化和从头生成，创造潜在的first-in-class及best-in-class分子。根据协议条款，诺华将向Generate支付总计6500万美元的预付款，其中1500万美元用于购买Generate的股权。此外，Generate还将获得超过10亿美元的里程款，以及分层版税。（推荐阅读：超10亿美元！诺华“牵手”AI制药明星公司）BioAge Labs2024年12月18日，诺华宣布与BioAge Labs进行多年研究合作。该合作旨在通过研究驱动与衰老相关疾病的生物学机制和介导体育锻炼的有益作用，鉴定和验证多种新型治疗药物靶点。BioAge Labs搭建基于AI技术的高通量目标识别平台。根据协议条款，BioAge将获得高达2000万美元的预付款和研究资金，以及未来高达5.3亿美元的长期研究、开发和商业里程款。08. BMS在AI制药合作方面，BMS可以称得上是数量最多的MNC之一。2020年，BMS分别与Schrödinger（总金额27.55亿美元）和PsychoGenics达成合作；2021年，与Exscientia达成合作（总金额12亿美元）；2022年，与Envisagenics达成合作。2023年，BMS分别与CHARM Therapeutics、Tempus、Terray Therapeutics等多家AI制药公司达成了合作。2024年，BMS继续发力，与四家AI制药公司达成了合作：VantAI2024年2月13日，BMS宣布与VantA达成合作，借助生成式AI技术，加速分子胶的发现。此次合作将结合VantAI在几何深度学习方面的积累以及BMS在靶向蛋白降解剂开发方面的经验。根据协议，VantAI将有资格从BMS获得高达6.74亿美元的里程款。（推荐阅读：6.74亿美元！BMS“加码”AI制药，这次目标是分子胶）Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）Menten AI2024年5月28日，BMS宣布与Menten AI达成研究合作和许可协议。Menten AI是一家专门从事AI设计生成大环肽的biotech公司。合作利用了Menten AI平台，该平台结合了ML、基于物理的模型和量子化学模拟，以简化设计和优化过程。AI Proteins2024年12月3日，BMS宣布与AI Proteins达成合作，利用AI Proteins强大的发现平台发现和开发基于微蛋白质的新型疗法。AI Proteins将获得一笔预付款，交易总价值高达4亿美元。09. 礼来近年来，礼来通过一系列战略投资和合作，逐步深化了在AI制药领域的布局。2019年以来，礼来相续与Atomwise、Biolojic Design、Verge Genomics、Genesis Therapeutics、晶泰科技、Fauna Bio等多家AI制药公司合作，合作范围涵盖RNA靶向疗法、小分子药物开发和抗菌药物研发等领域。2024年10月，礼来宣布任命Thomas J. Fuchs为首席AI官（CAIO），标志着礼来对AI的重视上升到新的高度。同时，2024年，礼来在AI制药合作方面继续“加大马力”：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs（简称IsoLabs）宣布与诺华和礼来达成战略合作。其中与礼来的合作包括针对多个靶点的小分子治疗研究，Isomorphic Labs将获得4500万美元的预付款，以及高达17亿美元的里程款。Genetic Leap2024年9月5日，礼来与Genetic Leap达成基因疗法药物开发合作，将利用Genetic Leap的RNA靶向药物的AI平台，为礼来选定的靶点开发寡核苷酸药物。根据协议条款，除了分级特许权使用费外，Genetic Leap还将从礼来获得高达4.09亿美元的里程款。（推荐阅读：4.09亿美元！礼来与AI制药公司达成合作，共同开发寡核苷酸疗法）Axcelead DDP2024年9月5日，礼来与Axcelead Drug Discovery Partners（简称Axcelead DDP）就多个药物发现项目达成战略研究和合作协议。Axcelead DDP通过其成熟的药物发现能力和包括AI在内的创新技术来生产候选药物。Insitro2024年10月9日，礼来宣布与AI制药公司Insitro签署三项战略协议，双方共同推进治疗代谢疾病的潜在新药，包括代谢功能障碍相关的脂肪性肝病（MASLD）。前两项协议中，礼来为Insitro提供了获得GalNAc（N-乙酰半乳糖胺）递送技术许可的选择权。第三项协议中，Insitro和礼来将合作发现和开发针对代谢疾病的第三个新靶点的抗体。（推荐阅读：双赢！礼来与AI制药公司达成最新合作）10. 赛诺菲近年来，赛诺菲与多家专长不一的AI药企进行了深度绑定，如Owkin、Exscientia、天演药业、英矽智能、CytoReason、SandboxAQ、百图生科、Aqemia等。2023年6月，赛诺菲宣布，全公司数字化转型迈出下一步，“all in”AI和数据科学，为患者加速取得突破性成就。这也是第一家高调宣布全面高举AI战略的MNC。2024年以来，赛诺菲在AI制药领域依然动作不断：Formation Bio、OpenAI2024年5月21日，赛诺菲宣布与OpenAI、Formation Bio建立合作伙伴关系，以加速AI在药物开发中的应用，三方将共同构建一款AI驱动的药物开发软件。Healx2024年11月13日，赛诺菲宣布与Healx达成合作，双方将利用Healx的AI药物发现平台Healnet，以及赛诺菲的化合物来确定新的疾病适应症。小结除了上文提到的MNC，默克、吉利德、拜耳、勃林格殷格翰、武田等巨头也在2024年纷纷加码AI制药。合作范围极为广泛，不仅涵盖利用AI研发多靶小分子、抗体、ADC等药物，还涉及FIC靶点发现、集成AI平台等领域。2024年，AI制药迎来高速发展。从biotech到MNC，再到传统药企，都在更加积极拥抱AI，推动创新药研发迈向“智造”时代。这表明AI制药的影响力正在不断扩大，越来越多的制药巨头正凭借其强大的技术与资源优势，加速AI技术在药物研发中的应用，进一步推动整个行业的创新与变革。参考资料：[1]各公司官网[2]Business Wire官网推荐阅读专访晶核余海华 | 核药赛道“十二问”尧唐生物吴宇轩：基因编辑迎来「中国解法」医药魔方Pro洞察全球生物医药前沿趋势赋能中国源头创新成果转化媒体合作：15895423126Copyright © 2025 PHARMCUBE. All Rights Reserved.欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。

引进/卖出

2025-03-03

·智药邦

AI+小分子药物发现｜Incyte与Genesis达成合作，首付款3000万美元

2025年2月20日，生物制药公司Incyte（纳斯达克代码：INCY）与专注于人工智能的生物技术公司Genesis Therapeutics宣布，双方已达成一项专注于新型小分子药物研究、发现与开发的战略合作，初期重点将围绕Incyte选定的合作靶点展开。 Genesis Therapeutics正在开创生成式和预测性人工智能技术，助力攻克具有挑战性的靶点治疗。通过运用Genesis专有的AI平台GEMS（Genesis Exploration of Molecular Space），双方将针对合作靶点开展小分子化合物的发现与优化工作。Incyte将获得合作产品潜在临床开发及商业化的独家权利。 Incyte研发总裁兼负责人Pablo J. Cagnoni博士表示：“作为医药创新领域的领导者，Incyte始终致力于探索能够革新药物发现与开发流程的新技术。与Genesis Therapeutics合作，为我们提供了利用其AI技术加速管线中高价值靶点的突破性小分子药物发现的独特机遇。” Genesis创始人兼首席执行官Evan Feinberg博士表示：“AI有望重新定义小分子药物的发现方式，而我们的团队正处于这场革命的前沿。我们很高兴建立这一世界级合作，将GEMS AI平台与Incyte在药物研发领域的深厚专业知识和成功经验相结合，共同致力于为重症患者推进关键治疗方案的开发。” 根据协议条款，Genesis将获得3000万美元首付款。双方同意针对两个初始靶点展开合作，Incyte可选择支付预定费用后指定额外靶点。若达成所有里程碑，Genesis每个靶点最高可获2.95亿美元的开发、监管及商业化里程碑付款。合作产品获批上市后，Genesis还将有资格获得基于销售额的分级特许权使用费。关于Genesis Therapeutics Genesis Therapeutics是一家以AI为核心的生物技术企业，通过其自主研发的生成式与预测性AI平台GEMS进行小分子药物发现。GEMS整合了语言模型、扩散模型和物理模拟等专有AI方法，针对复杂靶点生成和优化分子。Genesis已获得生命科学、科技及AI领域顶尖投资者超3亿美元融资，并正在构建针对多个高价值靶点的治疗管线。更多信息请访问公司官网： www.genesistherapeutics.ai 关于Incyte Incyte是一家以"持续破解难题"为使命的全球生物制药公司，秉承科学精神为未满足医疗需求的患者寻求解决方案。通过自主药物的发现、开发和商业化，Incyte已建立多个首创药物组合，并在肿瘤学及炎症与自身免疫领域拥有强劲管线。更多信息请访问： Incyte.com 参考资料：https://investor.incyte.com/news-releases/news-release-details/incyte-and-genesis-therapeutics-announce-strategic-ai-focused --------- End --------- 感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。

引进/卖出

2025-02-21

·医药魔方Pro

超6亿美元！AI制药新交易诞生

2月20日，Incyte宣布与AI药物研发先驱Genesis Therapeutics达成战略合作，共同开发新型小分子治疗药物。根据协议，Genesis将获得3000万美元预付款，用于合作开发Incyte选定的两个药物靶点。此外，Genesis还有机会在每个靶点达到特定里程碑时获得2.95亿美元的额外付款。合作初期将聚焦于两个靶点，同时Incyte有权提名一个额外靶点。 Genesis的GEMS（Genesis Exploration of Molecular Space）AI平台整合了先进的AI方法，专注于复杂药物靶点的分子生成和优化。此前，Genesis曾与基因泰克、礼来、吉利德达成合作，其中与礼来的合作总金额约6.7亿美元。 Genesis成立于2019年，2020年12月完成5200万美元A轮融资，2023年8月完成2亿美元的B轮融资；2024年11月，Genesis完成由英伟达领投的战略融资。此外，Genesis正在与英伟达合作，以加速Genesis的GEMS AI平台的计算效率，该合作将包括优化等变神经网络，处理 3D 几何数据（如蛋白质和小分子结构）等。 Incyte研发总裁Pablo J.Cagnoni博士表示：“此次合作将加速Incyte管线中重要靶点的小分子药物研发，借助Genesis的GEMS AI平台，我们有望在复杂药物靶点的分子生成和优化方面取得突破。” 参考资料： https://investor.incyte.com/news-releases/news-release-details/incyte-and-genesis-therapeutics-announce-strategic-ai-focused 推荐阅读 Nature：抗癌新靶点——PELO 2024年十大新型蛋白降解技术医药魔方Pro 洞察全球生物医药前沿趋势赋能中国源头创新成果转化媒体合作：15895423126 版权所有 © 2025 PHARMCUBE。保留所有权利。欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。

引进/卖出

100 项与 Genesis Therapeutics, Inc. 相关的药物交易

登录后查看更多信息

100 项与 Genesis Therapeutics, Inc. 相关的转化医学

登录后查看更多信息