估值4年16倍！“亚太AI制药第一股”将IPO

更新日期： 2023-12-31 来源：复合式选粉机

  是一家全球领先的 AI 生物科技公司，在管线开发进程中提供端到端的高效解决方案。报告期内，英矽智能收入主要来自

  招股书显示，英矽智能于 2019 年成立了香港总部，团队由疾病建模及靶点发现科学家以及由居住在香港的首席执行官领导的生成式人工智能工程师组成。英矽智能的生成式 AI 平台帮助快速有效地推进主要由新候选药物组成的完全自主设计、研发的 AIDD 管线。

  截至最后实际可行日期，英矽智能已有效地建立由31 个项目组成的多元化完全内部生成管线 个药物靶点。

  ISM001-055（亦称为INS018_055）是一种小分子候选药物，大多数都用在通过抑制TNIK治疗纤维化相关适应症，TNIK是一种通过英矽智能的Pharma.AI平台识别的新型抗纤维化靶点。英矽智能于2023年4月启动了一项多中心、随机、双盲、安慰剂对照的IIa期临床试验，以评估ISM001-055在中国的安全性、耐受性、PK及疗效，并计划于2023年下半年在美国启动IIa期临床试验。

  英矽智能由经验比较丰富的治疗管线开发团队及一隻世界一流的生成式AI平台开发团队推动。各团队由一位在其领域内的专家领导。英矽智能的双重首席执行官结构有助英矽智能将高效的治疗管线开发流程与最先进的生成式AI能力相结合，实现为患者提供创新及临床上有意义的治疗的目标。在药物开发方面，英矽智能在中国苏州建立了一个最先进的靶点发现及验证实验室，将英矽智能的Pharma.AI骨干技术及其全套生成能力与湿式实验室能力相结合，实现多种药物研发工作流程的自动化，同时减少人为和实验偏差。英矽智能的内部制药管线开发能力得到了广泛的

  CRO及CDMO网络的补充，CRO及CDMO支持英矽智能的发现、临床前和临床活动，以促进英矽智能的候选药物有效地进入临床试验。在生成式AI技术方面，Pharma.AI能快速发现新靶点（包括在以前无法治疗的靶点），高效生成候选药物，并预测候选药物的临床成功可能性。

  Alex Zhavoronkov博士创立，彼为我们的董事会主席、执行董事兼首席执行官，自成立以来一直负责本集团的整体业务营运及管理。

  471万美元、3014.7万美元，由药物研发服务和软件解决方案服务两大业务收入构成。其中药物研发服务过去两年的营收分别为368万美元、2864万美元；软件解决方案服务报告期内的收入分别是102万美元和149万美元。有必要注意一下的是，上述两项业务的成本极少，2021年录得服务成本为零，2022年，药物研发服务的成本也仅仅1103万美元。

  公司估值从2018年的5440万美元一路飙升至2022年的近9亿美元，每股成本为39.12美元，4年时间增长近16倍。

  招股书显示，Aleksandrs Zavoronkovs博士，44岁，为英矽智能创办人，并自英矽智能成立以来担任董事会主席、董事及首席执行官。其于2023年6月获调任为执行董事。

  于加入英矽智能前，任先生于2018年2月至2021年1月担任合约研究机构上海美迪西生物医药股份有限公司（于上海证券交易所上市，上交所股份代号：688202）高级副总裁、化学及生物学负责人。于2007年2月至2018年1月，任先生就职于全球制药公司葛兰素史克股份有限公司（于伦敦证交所上市，伦敦证交所股份代号：GSK），离职前职位为总监、神经退化性DPU的化学负责人。任先生已发表约30篇经同行审阅的研究论文。

  为核心产品的进一步临床研发提供资金；为其他管线候选药物的临床研发提供资金；进一步开发并扩展机器人实验室；开发新的生成式AI模型及相关的验证工作；以及用作运用资金及其他一般公司用途。

  AI属计算机科学领域，专注于创造执行过往需要人类智力的先进功能（如自然语言处理、图像识别、数据分析及作出决策）的技术。机器学习（“ML”）是AI的一部分，使计算机能够从数据中学习并随著时间的推移提高其表现。深度学习（“DL”）是机器学习的一部分，专注于构建及训练多层神经网络，以学习更複杂的模式并自行做出智能决策。其为一个迅速增加的领域，于图像及语音辨识、自然语言处理及无人驾驶汽车等领域取得重大进展。深度学习算法可处理大量数据，并找到人类难以或没办法识别的模式。这导致了众多实际应用（例如医学影像分析及面部识别软件）的出现。最近，生成式AI已成为AI算法的其中一类，经培训后可根据输入数据生成新数据。生成式AI与其他AI技术的不同之处在于其能够生成新数据的能力，而非简单地识别或分类现有数据。这项尖端技术利用两个神经网络（ 生成器及鉴别器）以分别创建及评估新内容来实现。ChatGPT是生成式AI的其中一个例子，其可对文字输入产生真人般的反应。同样地，生成化学及生成生物学应用使用生成式AI方式

  生成式AI于医疗保健及药物发现及开发行业具有巨大的潜力。在医疗保健领域，其可用于创建医疗聊天机器人，为患者提供个性化的医疗意见及建议。这是因为生成式 AI 模型能够最终靠在大规模语言模型（“LLMs”）上进行训练以生成特定自然语言问题的答案。于药物发现及开发的过程中，生成式AI能够最终靠识别以往未考虑过的疾病治疗靶点，并针对该等治疗靶点生成具有优化特性的新药物分子或生物制剂，从而彻底改变传统药物开发。由于生成式AI能够生成全新的候选药物，并非简单地优化现有药物，因此其作为一种解决未满足医疗需求的工具，具有巨大的潜力。

  根据弗若斯特沙利文，有超过1万种罕见疾病影响著大约美国十分之一的人。然而，根据美国国家卫生研究院（“NIH”），95%罕见疾病并无FDA批准的治疗方案，这表明了患者巨大的临床需求没有正真获得满足。这些发现凸显对罕见及其他疾病进行更多研究及药物发现与开发的迫切需要。通过分析化学结构的大型数据库，生成大量具有所需特性的虚拟分子，在此方面生成式AI有助于药物发现及开发。此方法可探索传统药物发现方法不易取得的化学空间，从而为当前未有治疗方案的疾病提供潜在新型治疗解决方案。生成式AI可设计、重新设计小分子和具有优化特性的抗体。其可通过筛选蛋白质组来预测蛋白质结构，以成功识别蛋白质与药物的对接相互作用并促进苗头化合物的鉴定。其亦可用于虚拟筛查（一种结合类同的预测方法），在此方法下，AI模型会经已知蛋白质配体相互作用的大数据集的培训，并预测新候选药物如何与标靶蛋白结合。此外，其可用于骨架跃迁，当中化学集成机器学习识别出一组具有明显不同化学结构但具有特定功能的分子。

  是制药公司加快速度进行发展的领域。从设计新分子到预测临床试验结果，AI可以融入药物发现过程的各个阶段。使用ML、DL及生成式AI及其他AI技术，制药企业能减少药物发现及开发所需的时间和资源，同时提高临床试验的成功率。具体而言，生成式AI有可能通过使科学家能够为以前无成药性的靶点生成新分子，从而彻底改变药物发现，这可能为药物开发提供新途径。

  生成模型的概念已经存在超过一个世纪，惟直到最近十年左右，深度学习及神经网络架构的进步才得以将其实践。于1990年代初，基础AI研究取得突破，于未来二十年带来各种实际应用，如ImageNet、GANs、transformer及其他先进神经网络结构。从那时起，将人工智能技术应用于药物发现的可能性得到了深入的探索，并引起了市场的广泛关注。

  AI可应用于研发过程的各个阶段，通过一系列分析大量数据来产生新的见解，提高早期发现的效率。随著AI算法的不断推进，AI亦提高识别更好的新候选药物的准确性，优化其药理特性，并通过允许（这中间还包括）更好地可视化蛋白质的结构特性，促进发现新生物标志物及治疗靶点。该等上游决策可在提高药物发现及开发的成功率方面发挥作用。在分析临床试验时使用AI有助于优化临床试验设计及成功可能性。此外，AI技术可帮助预测临床试验的结果，使药物获批准的可能性增加及成本降低，从而为开发新治疗方法提供额外资金。

  即使已识别先导化合物，候选药物于获得监管批准前仍需进行临床前及临床研究。临床前及临床研究通常被视为资源密集型及低效。将AI应用于临床前及临床研究过程可利用预测模型评估先导化合物的安全性及有效性而无需进行动物试验，从而明显提高临床前研究阶段的效率。在临床研究阶段，AI的应用可通过从过去的临床试验中获得最佳实践来改进试验设计，并通过确定最大有可能成功的项目来改进资源分配。

  制药行业IRR下降的趋势导致制药公司转向AIDD公司以提高其药物发现及开发效率。

  该增长趋势受计算能力的进步、更好的基因及蛋白质表徵以及成功的AIDD药物开发合作伙伴关係的例子所推动。AI技术提供的更高效研发及更大的创新需求非常符合制药公司当前的需求，而AI合作战略引起制药公司及投资者的关注。顶级制药MNC目前正争夺AI药物发现及开发专业相关知识、人才及合作伙伴关係。这体现在大型制药公司与AIDD公司的合作伙伴数量持续不断的增加，由2017年的18份新合作协议增加至2022年的66份新合作协议，複合年增长率为29.7%。

  除了运用AIDD的长期趋势外且ADD技术快速演变，但该行业近期经历了一次整合浪潮，乃由于大型技术及制药公司增加对AIDD行业的投资。因此，该行业的收购步伐加快，AIDD公司之间的竞争加剧。因此，在竞争非常激烈的环境下，若干AIDD公司正在裁员以削减成本，甚至完全退出该行业。另一方面，其他若干AIDD公司正在收购或与其他AIDD公司合併以加强其地位或实现更大的规模，以度过整合浪潮。该行业动向表明，随著竞争加剧及行业整合，AIDD市场开始成熟。在整合浪潮中倖存下来的AIDD公司将证明彼等拥有更好的AI技术及业务基础，并将拥有更大的增长潜力。

  根据弗若斯特沙利文，小分子药物是目前市场顶级规模的一类药物，于2021年前将佔全球制药市场1.4万亿美元的76%。小分子药物较其他治疗方案有着非常明显的优势，例如实现细胞内活化或抑制的能力或轻鬆穿过血脑屏障的能力。然而，儘管小分子市场规模巨大，但全球范围内对新的治疗方案仍有大量的医疗需求未得到满足。例如，根据弗若斯特沙利文的资料，于2021年，美国约有十分之一的人患有罕见疾病，但只有5%的罕见疾病有FDA批准的治疗方案。

  ，以解决未满足的临床需求。根据弗若斯特沙利文的资料，由于以下因素，AIDD在小分子市场的份额可能会增加。（1）药物创新需求加速

  由于AI能够在较短时间内处理大量複杂数据，并针对以前无法治疗的靶点生成新分子，其在小分子药物发现及开发中的应用日益增加。随著深度学习、神经网络及GANs的进步，AI现在能够直接进行预测蛋白质结构及药理特性及生成新靶点及小分子等複杂任务。在虚拟空间（即计算机）进行该等任务节约时间及资源，减少了对湿实验室实验及其他资源密集型方法的需求。随著对小分子市场药物创新的需求不断加速，AIDD在药物创新中发挥其力量的应用有望继续增长。

  量子计算及机器学习架构等先进的技术有潜力提高AIDD平台的实力。例如，量子计算可提供更大的计算能力以模拟更大更複杂的分子，从而得出更准确的预测。此外，通过改进机器学习架构（如transformers），可使其预测最可能对特定疾病有效的化合物，从而大幅度提高AIDD平台的小分子药物设计能力，从而更有效及高效地发现药物。

  为促进AIDD已经制定了各种政策，包括美国《数字健康创新行动计划》及中国《基于模型的药物研发监管指南草案》。该等政策鼓励生物制药公司将其重点从“me-too”或“me-better”药物转向创新药物发现。此外，世界各国政府正在实施改革政策，降低仿制葯毛利率，改革药品审批制度，为生物制药企业投资创新葯研发创造更有利的环境。该支援性监管框架为AI药物发现及开发的增长因素。

  谨以此献给1980～1989出生的人，80后无限循环的一生，太真实了！

  韩乔生谈国足输阿曼：中国足球何时从孙子变爷爷，我看线-12-31 10:54:44

  活塞终结28连败 状元30+12+0失误连创纪录 球迷请求花车巡游庆祝

  从云南小镇到哈佛，这个三孩妈妈决定50岁赴美读博：“我让孩子看到人生的无限可能”

  重磅！2023留学圈年度盘点：大学排名、留学新闻、最新政策、新开项目（学院）......

  18年的“成长日记”，陪她见证女儿求学之路：好的教育，成全孩子也疗愈父母