以现代深度学习形式思考人工智能的一种方式是将其视为拼图游戏。 你的盒子上有一张图片，你开始整理你的作品。
“我通常从找到边缘部分开始，匹配颜色，比如说，看到这里有一只白猫，”克里斯吉布森谈到他制作拼图游戏的方法时说。
吉布森是一家名为 Recursion Pharmaceuticals 的九年历史公司的联合创始人兼首席执行官，该公司使用深度学习寻找新的疾病治疗方法。
事实上，吉布森正在整理可能是一个非常大的拼图的碎片。
盒子上的图片呢？
“总体情况是预测身体对任何事物的反应，”吉布森最近通过 Zoom 接受 ZDNet 采访时说。 “任何事件、任何药物、任何蛋白质、任何分子——这种相互作用的结果是什么，它是可以预防的吗？”
归根结底是如何治愈身体的难题。 吉布森说：“这是一个大难题，而且绝对是一个可以解决的难题。” “这些碎片正在聚集在一起。”
Recursion 与其他数十家年轻的生物技术公司一起，希望深度学习和其他人工智能和大数据技术能够带来新型疗法。 赌注是，人工智能方法将被证明比从概念到测试再到营销药物通常需要的十五年更快。
另外：真正大数据的微妙艺术：Recursion Pharma 映射身体
Recursion 和其他人也希望这项技术可以带来比行业规则更高的成功率，即只有不到十分之一的倡议发展成成功的疗法。
现在是为人工智能在药物发现中屏住呼吸的时刻。 在所有有希望的 AI 生物学公司中，还没有一家公司从头到尾通过机器学习将一种新疗法推向市场。 世界已经听说过很多关于这些公司和技术的信息，但还没有看到证明他们的工作极大地改变了解决生物学难题的途径。
“我们正在实现目标，”递归和同行证明深度学习实用性的竞赛中的吉布森说。 “距离现在只有短短的几年，两三年，”他说，在药物发现项目的结果开始展示真正的结果之前。
去年 4 月上市的 ZDNet 曾对 Gibson 的公司进行过介绍，该公司专门利用大量数据来创建所谓的 Phenomaps 数据库，其中包含对细胞进行的各种干预之间的数百亿个关系。 机器学习技术用于评估这些交互的重要性。
该公司已经在 Phenomaps 中积累了价值超过 13 PB 的信息，以及可以在 Recursion 的湿实验室中测试的超过 2000 亿个“推断关系”，可以在体外尝试扰动以查看给定分子对化合物的反应。 扰动可能包括改变细胞的 RNA 以查看它如何改变细胞的结构。
通过与 Big Pharma 合作，人工智能驱动的测试和体外实验相结合，大量的候选药物正在涌现。 递归越来越多地“射中目标”，用华尔街的话来说，意思是，有机会找到一种新疗法或重新利用现有疗法产生新的结果，这同样好。
该公司在 1 月份表示，它有超过 50 个项目，Recursion 已同意与客户进行多年的项目，其中任何一个都可能产生突破。 这高于去年 4 月公司首次公开募股时的 37 家。
在这 50 个中，有两个似乎是最有前途的，都在肿瘤学领域。 一种用于治疗家族性腺瘤性息肉病，这是一种在大肠中形成息肉的遗传性疾病。 另一种是 2 型神经纤维瘤病，肿瘤在大脑、脊髓或神经中形成。
根据该公司本月早些时候提供的最新消息，两者都将进入 II 期临床试验，届时药物将在本季度或下季度进行疗效测试。
吉布森 1 月份在摩根大通会议上告诉一群投资者，这两项举措都显示出令人鼓舞的迹象。 息肉病药物 REC-4881 显示“所有息肉几乎完全减少”。 神经纤维瘤药物 REC-2282 显示患者体内某些关键通路的激活减少，吉布森说，“这非常令人兴奋。”
美国食品和药物管理局及其欧洲同行等监管机构尚未将人工智能的深度学习形式视为奇迹。 但监管机构近来将更加迅速地采取行动，以消除药物开发中的一些障碍，这些障碍非常紧迫。
当一种情况被视为“孤儿”情况时——通常是那些患者少于 200,000 人的情况，如上述两种情况——FDA 和其他国家的监管机构将优先考虑，甚至可能挥动最后的， III 期试验要求，以便在制药行业之前放弃尝试寻找治疗方法时将其推向市场。
“这两个都是我们有一些监管激励的肿瘤适应症，比如孤儿药指定或快速通道指定，”吉布森告诉 ZDNet，指的是 FDA 优先考虑某些治疗的方式。 “而且这两个程序都有读出，从理论上讲，如果你看到非常好的数据，你就可以进入市场”而无需进行 III 期试验。
吉布森并没有预测任何一项努力都会获得跳过第三阶段的许可，尽管华尔街的一些人认为这是一种可能性。
Gibson 对 Phenomap 如何找到传统方法无法解决的难题感到兴奋。 今年 1 月，他的公司讨论了它是如何发现一个以前与卵巢癌无关的基因的，只是通过使用 Phenomap 从大多数药物针对该病症的已知基因进行逆向研究。
当 Recursion 的科学家们在实验室中将新基因的蛋白质作为目标时，在老鼠身上，结果是显着的。 “基本上，我们完全消除了肿瘤，然后我们停止给小鼠用药，肿瘤就没有再长出来，”吉布森解释说。 “这是令人兴奋的肿瘤学项目的黄金标准。”
Recursion 网站上的 JP Morgan 演示文稿的副本提供了有关该公司方法的更多详细信息。
伴随着有希望的科学成果，似乎是大型制药公司投下的有意义的信任票。 Recursion 已从包括拜耳公司在内的公司获得 2.3 亿美元的预付款。 “中期”可能还有另外 50 亿美元的里程碑付款，未来可能还会增加 130 亿美元。 然后是潜在的、未指定的特许权使用费。
该公司最近的意外收获是与制药巨头罗氏及其基因泰克部门在 12 月宣布的多年合作伙伴关系。 该协议涉及罗氏向 Recursion 预付 1.5 亿美元。 此外，该协议还附带了多个可以为递归发挥作用的可交付成果。
可交付成果包括为罗氏和基因泰克提供多个 Phenomaps、特定肿瘤学目标和神经科学领域的数据库。 这些 Phenomaps 可以从罗氏公司赚取超过 2.5 亿美元的 Recursion，外加另外 5.5 亿美元的额外使用费。
此外，未来几年可能会开展 40 个可能的项目，每个项目都可以使 Recursion 获得罗氏另外 3 亿美元的开发和商业化付款。 这取决于这些项目中的每一个都达到了他们的里程碑。
当然，不能保证任何项目都能达到他们的里程碑。 但是，如果他们中的任何一个成功了——“如果我们把它打出公园，”吉布森对 ZDNet 如此说——那么，除了所有这些里程碑付款之外，罗氏销售疗法还会产生分层的特许权使用费。
与罗氏的协议不仅是 Recursion 迄今为止最大的一笔交易，而且似乎也是整个领域的一个里程碑。 吉布森说：“即使不是最大的非资产发现合作，这也是制药史上最大的合作之一，”这意味着一项不许可现有化合物的交易。 “对于不存在的药物，纯粹的，让我们一起去寻找东西，这是我们能够找到的最大的药物之一，我认为这说明了这个领域的潜力，”吉布森说，他指的是人工智能 驱动的研究浪潮。
到目前为止，递归的财务回报微乎其微，但华尔街预计今年情况会发生重大变化。 Recursion 周三上午公布了第四季度的财务业绩，披露了去年的总收入为 1020 万美元，高于 2020 年的 400 万美元。根据 FactSet 的共识，这一数字到 2022 年可能会增至 2900 万美元。
很大程度上取决于实现预付款的时间。 例如，就罗氏公司的 1.5 亿美元而言，尽管这笔钱由 Recursion 所有，但只有在 Recursion 履行了某些义务后，它才会被确认为收入。
“当我们开展这项工作时，它确实得到了认可，我的猜测是，最初的工作是，有点，近中期，”罗氏收入的吉布森说，意思是，“几年，三年 年”，结果是“在那段时间里，每个季度都会被分批识别出来。”
任何年轻的公司都面临着来自投资者的巨大压力，要求他们达到里程碑以证明可以实现财务回报。 他说，目前，通过诊所获得 REC-4881 和 REC-2282 是重点。
然而，吉布森已经在展望公司的第二个发展阶段，届时公司将更深入地组织拼图。 迄今为止，寻找治疗方法一直都是关于服用药物合作伙伴的现有药物并找到更好的用途，例如通过确定新靶点。
在第二阶段，公司将从头开始设计新疗法，首先不是看已知的东西，而是纯粹从给定疾病的现象图中推断出来的东西。
“我现在最兴奋的是我们下一代程序的到来，我们自己的化学反应，以及地图和导航是起源故事，”吉布森说。
吉布森说，使用深度学习的全部意义在于“随着时间的推移变得更好”，暗指制药业的高失败率和漫长的开发时间。 “因此，如果这个假设是正确的，那么随着时间的推移，所有程序平均也会变得更好”，因为它们从更好的洞察力开始。
吉布森说：“我们对我们的第一代人感到非常兴奋，我们将他们带到诊所，因为我们相信，” “但我们认为成功的可能性应该随着时间的推移而增加，我们希望我们将证明这些下一代肿瘤学项目比我们的第一代对患者更具变革性。”
Gibson 说，除了生命的第二阶段，递归还有另一个阶段，一个尚未定义的阶段。 “它可能有很多东西，”他说。 它可能涉及在任何湿实验室工作之前在计算机中测试药物的毒性。 例如，这可能会增加公司追求的有效目标的数量。
“这可能是因为我们预测了一些毒性和吸收、分布和代谢类型的特性，”吉布森说。 或者，递归可以追求“其他模式”，他说，超越小分子药物。 下一阶段还可能涉及“确定联合疗法，我们预测两种药物会对一个或多个目标产生协同关系。”
当有很多可能的方向时，盒子上有完整的拼图图片似乎很重要。 吉布森认为人工智能可以在未来几年实现突破的感觉因为这张照片而得到加强。 他坚持认为，可以肯定的是，更广泛的整体，即了解身体并治愈它，将通过这些新工具得到解决。
“这里压力很大，”谈到药物开发时，吉布森说，“但这很重要，因为无论是我们还是其他人取得成功，都会有人在这里产生重大影响，这对患者来说非常重要。 “
