Insilico Medicine公司利用人工智能开发的IPF药物进入III期临床试验

计算机辅助医学 正在推进到 III期人体试验 用于测试人工智能靶向识别的药物 特发性肺纤维化（IPF）这一进展为计算药物发现领域提供了经验测试案例，推动人工智能开发的药物从早期安全性评估进入后期疗效验证阶段。

特发性肺纤维化（IPF）通过严重的肺组织瘢痕形成破坏呼吸功能。患者通常表现为…… 诊断后中位生存期为两到四年人工智能识别出的药物， 租托塞提布口服后可抑制TRAF2和NCK相互作用激酶，从而解决潜在的疾病机制。

📊 IIa期临床试验结果

一项随机试验评估 来自中国22个临床中心的71名患者研究人员将参与者分为安慰剂组和活性治疗组。在为期 12 周的观察期内，研究人员每天给予 30 毫克或 60 毫克的剂量。

分配到的患者 每日一次，每次60毫克 平均用力肺活量增益为 +98.4 毫升与此形成鲜明对比的是 容量损失 20.3 mL 记录于安慰剂组。

安全性良好，所有试验组的不良事件发生率均与预期基线水平相符。监管机构在 美国食品药品监督管理局（FDA） 的确 “孤儿药认定” 2023年2月购入该资产。

🧬 基于多组学的算法靶点优先级排序

该发展完全依赖于 制药人工智能这是Insilico Medicine公司专有的计算流程。该工作流程分为多个独立的引擎，分别处理特定的生物和化学工程任务。

熊猫基因组学 执行初始靶点发现阶段。该系统摄取海量生物数据集，处理基因组学数据、临床试验结果、学术文献和专利信息，以构建全面的生物网络模型。算法应用因果推断机制，识别隐藏在数据架构中的新型疾病关联。

PandaOmics 分离 TNIK 作为特发性肺纤维化（IPF）干预的主要生物学靶点。该计算系统绕过了现有抗纤维化药物所靶向的受体酪氨酸激酶通路。

该软件将TNIK映射为一个中心节点，并对其进行调控。 纤维化和炎症 通过 Wnt、TGF-β、Hippo/YAP-TAZ、JNK 和 NF-κB 信号通道. 目标选择过程整合了衰老特征框架，根据生物靶点在多种衰老机制、慢性炎症和细胞外基质重塑中的作用对其进行评分。

Insilico Medicine 联合首席执行官兼首席科学官冯仁博士表示： “特发性肺纤维化是年龄相关疾病最明显的临床例子之一，其中纤维化、慢性炎症、细胞外基质重塑和细胞衰老相互交织。

“Rentosertib 的发现并非源于对传统靶点的简单筛选，而是来自……” 以生物学为先导、考虑衰老因素的人工智能工作流程 他们将TNIK与纤维化和炎症疾病机制联系起来，然后利用生成化学方法创造出一种具有临床开发所需特性的候选药物。

⚗️ 生成式分子工程执行

目标选定之后， 化学42 该引擎执行生成式分子设计。该系统不同于传统的高通量筛选方法。Chemistry42 不搜索现有的化合物库，而是应用 生成式张量强化学习 构建与靶蛋白口袋物理契合的分子。这种算法工程过程旨在平衡结构匹配度和所需的药理学特性。

计算生成阶段精确地合成了 79个物理分子 接受测试。工程团队选择了 第55次迭代 推进至临床前试验阶段。这种有针对性的筛选方案缩短了从项目启动到临床前候选药物提名的时间。 18个月。

该基础架构源于该公司2019年发布的…… GENTRL 方法论 该平台发表于《自然·生物技术》杂志。它建立了可重复的分子生成调控系统，避免了传统药物化学中耗资巨大的反复试验过程。

🔬 通过蛋白质组学分析验证生物学影响

临床评估整合了复杂的蛋白质组学分析，以验证算法预测的生物学相互作用。Insilico Medicine 在 IPF 试验中部署了内部蛋白质组学衰老时钟框架，以获取探索性的衰老科学数据。

按时间顺序排列的蛋白质组时钟 - 包括 ProtAge、OrganAgechrono、ipfP3GPT 和 PAOPAC – 追踪干预措施带来的预测生物年龄变化。研究人员将英国生物银行的年龄相关轨迹作为外部比较数据集，将治疗反应蛋白与广泛的人群数据进行对比分析。

与死亡风险相关的蛋白质组时钟包括PAC和器官年龄死亡率在内的指标，除了标准临床终点外，还提供正交的分析流程。临床团队执行 SenMayo 和 CellAge 特征分析 在细胞模型中评估衰老和衰老相关分泌表型生物学。

同行评审研究发表于 衰老与疾病 证实药理学TNIK抑制可产生 类人生物活动导致细胞外基质重塑指标出现可观察的减少。

📚 记录计算流程

rentosertib 在临床研发流程中的过渡提供了有据可查、经过同行评审的数据轨迹，这对于验证生命科学领域的人工智能能力至关重要。 自然生物技术 发表了从发现到临床的完整进展过程。该出版物详细介绍了TNIK算法靶点优先级排序、生成式化学输出、临床前疗效数据以及人体I期药代动力学。

《药物化学杂志》 发表了结构生物学验证，详细介绍了新型 TNIK 抑制剂化学类型的发现，并通过 TNIK 激酶结构域共晶体结构提供了结构支持。 自然医学 记录了 IIa 期安全性和肺功能数据，为计算预测提供了经验验证。

Insilico Medicine创始人兼首席执行官Alex Zhavoronkov博士评论道： “Rentosertib 是 Insilico 的一个标志性项目，因为它代表了我们使命的完整轨迹：利用人工智能不仅加快发展速度，而且创造新的生物学、新的化学和新的治疗机会。

“这个项目的出发点是这样的假设： 衰老生物学有助于识别重大疾病的有效治疗靶点。它现在已经完成了靶点发现、分子设计、临床前验证、I期安全性研究、随机IIa期临床试验数据收集，并进入了III期临床试验阶段。对于人工智能药物研发领域而言，这不再仅仅是一个速度的故事——而是一个…… 临床转化故事“

⚡ 要点总结： 人工智能在生物制药领域的应用需要有关于人体疗效的可验证数据。 III期试验 对生成算法进行临床疗效的最终检验，标志着人工智能驱动药物开发的一个重要里程碑。