BenchSci：用AI推進抗體和試劑選擇，每年節(jié)省300萬美元的耗材成本

       近日，生物醫(yī)藥公司BenchSci宣布完成2200萬美元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，該市場估計每年價值超過102億美元。

       首席執(zhí)行官Belenzon表示，融資資金將用以推動AI技術(shù)開發(fā)新藥的進程。相對于通常需要12周才能完成一個抗體的選擇，BenchSci的AI抗體選擇技術(shù)可以在30秒內(nèi)完成。減少了選擇不恰當(dāng)抗體的幾率，它每年可節(jié)省高達300萬美元的耗材成本。

       BenchSci 成立于2015年，位于加拿大安大略省多倫多市，是一家專注于生物醫(yī)藥領(lǐng)域的文獻搜索初創(chuàng)公司，給研究人員提供了一個抗體搜索引擎的平臺。旨在通過使用AI分析大量實驗數(shù)據(jù)來彌補計算機自動進行數(shù)據(jù)分析這個方面的不足。幫助研究人員尋找可在任何獨特實驗條件下使用的抗體。

       BenchSci通過瀏覽大量科學(xué)文獻并使用基于機器學(xué)習(xí)的智能計算機程序?qū)λ锌贵w細節(jié)進行索引。這樣可以有效地對實驗方案進行標準化，提高研究人員的研究效率。為了以更快的速度促進科學(xué)新發(fā)現(xiàn)，BenchSci把平臺免費提供給UHN等學(xué)術(shù)機構(gòu)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多個學(xué)術(shù)中心優(yōu)化了試劑采購并取得了實驗的成功。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(xí)挖掘采購數(shù)據(jù)中的信息來評估藥品研發(fā)的情況。

       客戶可以收到故障率、生產(chǎn)率和冗余度相關(guān)的報告，這些報告的信息來自不同的部門、治療區(qū)域、地理位置。然后，客戶可以通過BenchSci的人工智能試劑選擇平臺來解決效率低下的問題，這使得科學(xué)家能夠為他們的實驗選擇最佳試劑和恰當(dāng)?shù)脑O(shè)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(dāng)時在T.Like從事表觀遺傳學(xué)研究時所產(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由于無法檢測到抗體靶蛋白而導(dǎo)致實驗失敗。

       “它令人沮喪，在經(jīng)過數(shù)周的生長細胞樣品收集后依然失敗了，這個實驗的失敗，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。

       “這結(jié)果促使我認為，科學(xué)家必須有一種更好的方法來評估抗體產(chǎn)品的質(zhì)量，然后再購買抗體來進行實驗。”

       為了實現(xiàn)這個目標，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(xí)。Leung還通過T's生命科學(xué)職業(yè)發(fā)展協(xié)會（ University of T's Life Sciences Career Development Society）與在醫(yī)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。自此三人開啟了探索使用機器學(xué)習(xí)來分析科學(xué)論文的項目，并達到了以現(xiàn)有的抗體搜索引擎和評論網(wǎng)站無法達到的精確度。

       2016年， Liran Belenzon敦促這家初創(chuàng)公司申請“ 創(chuàng)意破壞實驗室”（Creative Destruction Lab ，CDL），當(dāng)時他是Rotman管理學(xué)院的MBA候選人，正在為該實驗室招募初創(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踐經(jīng)驗。 這給了他直接與BenchSci合作的機會。 最終，他加入BenchSci公司并擔(dān)任首席執(zhí)行官。

       隨著Belenzon的到來，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，上線以來累計分析了超過400萬種商用抗體。其最新的測試結(jié)果顯示，搜索相同的商用抗體，用 BenchSci 的搜索速度比傳統(tǒng)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優(yōu)點：

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

       2、能在30秒內(nèi)快速地選擇試劑；

       3、每年減少高達600萬美元的耗材硬成本；

       4、縮短科學(xué)家的研究時間。

       在20家制藥公司和3600家學(xué)術(shù)機構(gòu)中，有15家公司的31000多名科學(xué)家使用BenchSci的人工智能平臺來選擇抗體、規(guī)劃實驗，僅在硬成本方面，每年就節(jié)省了高達200萬美元。

       BenchSci的圖像識別技術(shù)，即使用AI從已發(fā)表的實驗論文中提取抗體的相關(guān)信息，而不僅僅是知道供應(yīng)商名稱，產(chǎn)品名稱或SKU。 該系統(tǒng)應(yīng)用生物信息學(xué)將抗體鏈接到實例，同時提供對來自231個供應(yīng)商的770萬種產(chǎn)品的目錄數(shù)據(jù)的訪問，讓客戶了解到這些抗體的使用趨勢。

       科研人員和藥企在研究過程中往往面臨很多問題，比如抗體的選擇，試劑的浪費，檢索信息的復(fù)雜等，這些問題都在延緩研究的進程，如何解決這些問題是BenchSci需要首先思考的。從抗體的供應(yīng)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間，便于他們更快的發(fā)現(xiàn)新藥物。

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

       BenchSci用戶可以訪問世界上最大的抗體數(shù)據(jù)庫，包括19家供應(yīng)商680多萬件產(chǎn)品的供應(yīng)商目錄數(shù)據(jù)，以及提供抗體在應(yīng)用、物種、細胞系等方面的廣泛應(yīng)用趨勢。

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

       BenchSci擁有全面的開放式和封閉式訪問數(shù)據(jù)，這些數(shù)據(jù)來源于1000萬種科學(xué)出版物的真實的實驗數(shù)據(jù)，包括封閉訪問的論文、其他組織的獨立驗證，同時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

       早在2018年的時候，BenchSci就與Proteintech進行了商業(yè)上的合作，Proteintech是一家抗體和人類蛋白質(zhì)制造商，直接向科學(xué)家銷售，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，通過克服生物醫(yī)學(xué)研究人員所面臨的選擇抗體的關(guān)鍵挑戰(zhàn)來加速科學(xué)發(fā)展。

       BenchSci使用機器學(xué)習(xí)識別開放式和封閉式的數(shù)據(jù)，集中訪問Proteintech已發(fā)布的數(shù)據(jù)，并允許研究人員通過重要的實驗變量進行搜索。這樣的組合更能加快研究人員的研究效率。

       現(xiàn)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)的實驗驗證的數(shù)據(jù)，以將其合并到公司的數(shù)據(jù)庫中。Rimm說，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：“該系統(tǒng)自我監(jiān)管，是一個可以讓競爭市場可以進行評分的系統(tǒng)，許多供應(yīng)商相互競爭，使他們可以展示出更多經(jīng)過驗證的抗體。”

       幫助研究人員做出抗體的選擇可以減少時間的浪費，但是抗體的選擇只是問題的一個方面。研究人員還依賴其他許多試劑，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(zhuǎn)向更廣泛的產(chǎn)品。
 

AI助力醫(yī)學(xué)研究已成趨勢

       BenchSci聯(lián)合創(chuàng)始人兼CEO Liran Belenzon表示：“如果沒有AI技術(shù)，很多問題處理起來就會很麻煩甚至無法得到很好的解決。這時候就需要開發(fā)并利用一系列先進的技術(shù)，主要包括數(shù)據(jù)科學(xué)、生物信息學(xué)以及機器學(xué)習(xí)等領(lǐng)域的算法。讓這些技術(shù)可以幫助生物醫(yī)學(xué)專家能夠更快地找到可靠的抗體，同時減少資源的浪費。”

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

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