使用人工智能寻找药物靶点抗体，颠覆固有数据分析模式

药明康德/报道

如今，药物研发和生产的一个关键瓶颈在于，尽管有计算机可以帮助存储、索引和筛选数据，但仍然需要人来深入理解数据处理的结果。然而，人们很难一下子阅读并解读大量的信息，这一点在药物发现的早期阶段体现得尤其明显。药物研发人员如果想要验证一个药物靶点的话，他们就必须花费数小时阅读科学文献，来寻找合适的药物靶点抗体。另外，自1980年以来，已有有3800多万篇论文发表在了在大大小小的学术期刊上，这个数字每隔九年就会翻倍，加大了寻找合适参考文献的难度。因此，对药物靶点的验证过程就变得尤其艰难。

BenchSci公司正是在这样的背景下诞生的。它坐落在加拿大多伦多，致力于使用AI技术来解读和整理大量数据，从而解决药物发现和生产中的瓶颈问题。BenchSci建立了一个人工智能驱动的平台，用数字的形式来提供相关科学文章中的参考资料，以便研究人员验证其提出的假设。通过浏览大量的科学文献，以及使用基于监督机器学习（supervised machine learning）的智能计算机程序对抗体的每个细节进行检索，BenchSci可以实现其目标，即寻找在任何独特的实验条件下都可以使用的抗体。

BenchSci将其平台免费提供给学术机构的所有研究人员进行使用，从而更快地促进新发现的诞生。BenchSci的平台将对试验方案实行标准化，提高研究人员的工作效率，防止因使用不适当的抗体而导致错误的试验结果。

BenchSci在世界一流的学术机构的协助下进一步发展了其平台，这些机构包括乔治城大学（Georgetown University）、多伦多大学（University of Toronto），德克萨斯大学安德森癌症中心（The University of Texas MD Anderson Cancer Center）和贝勒医学院（Baylor College of Medicine）。 除了这些学术机构外，美国和加拿大的许多医药公司和生物技术公司也正在使用BenchSci的技术平台。

BenchSci首席执行官Liran Belenzon先生（图片来源：BenchSci官网）

“如今，BenchSci的机器学习技术可以分析数百万篇科学论文，以及来自300家供应商的370万种抗体，” BenchSci首席执行官Liran Belenzon先生表示：“可用的数据越多，BenchSci对研究人员来说用处就越大。这有助于我们帮助科学家找到最好的试验方法，从而来推动医学领域的新发现。”

BenchSci推出的这一人工智能平台，已经成为了颠覆固有数据检索和分析模式的先驱。希望BenchSci在未来能够对更多的数据进行优化，从而加速药物研发的进程。

公司名称：BenchSci

公司坐标：加拿大多伦多

官方网站：https://www.benchsci.com/

管理团队：Liran Belenzon先生为首席执行官，David Q. Chen先生为首席技术官，Tom Leung博士为首席科学官

参考资料：

[1] BenchSci官网

[2] Game Changer: BenchSci

[3] Biomedical researchers to benefit from new partnership between Springer Nature and BenchSci

[4] ASPET Partners with BenchSci to Increase Discoverability of Its Journals