与市面上通过调参来预测、设计药物的方法不同，AccutarBio 的算法没有为不同药物的设计使用不同的函数和参数。「并不是把所有问题都解决，至少目前我们的方法论是用一种方法解决不同的问题，这样才有说服力。」目前，AccutarBio 正在进行相关专利申请。

算法衍生的一张表格

如今听起来耳朵长茧的「靶向假说」、「精准医疗」，其实已是医疗界相当新的想法。

19 年前，Peter Nowell 和 Janet Rowley 因对慢性粒细胞白血病（CML）研究的贡献，获得了「小诺贝尔奖」the Albert Lasker 医学研究奖的认可。他们发现 CML 患者基因突变中丢失的 22 号染色体 DNA 片断，「移位」至 9 号染色体，使两种正常蛋白发生结合从而致病。这项研究促成了一种新药物的诞生——格列卫（Gleevec，伊马替尼），这也是历史上第一个成功的靶向治疗药物。

自 1997 年利妥昔单抗被 FDA 批准上市以来，已经有 40 多种靶向治疗药物在市面上流通。但它们仅覆盖了十几个靶点，在人类的基因中，致癌的基因数量的是以千为单位的。

　　2009 年，致力于研究白血病和其他癌症发病因的 Janet Rowley 被授予总统自由勋章

药物的缺乏也许可以用「老药新用」的方式解决。本为治疗心绞痛开发的西地那非（Sildenafil），如今已是大名鼎鼎的伟哥（Viagra）；失败的化疗药物叠氮胸苷（Azidothymidine），atv，也曾被用来治疗 HIV 病毒感染。常用药物同样可能对癌症靶点起作用。

药物与靶点的对应关系还需要通过实验不断去试吗？计算力的提升和机器学习提供了一种可能：用算法替代随机发现的自然科学过程。通过前文所述的算法，AccutarBio 将 FDA 认证过的 1400 多种药物与 10000 个左右的潜在靶点进行匹配计算，得出了一个巨大的对应表格。

计算发现，FDA 认证过的药物中，没有几种药物的优先靶点是它的设计靶点，大部分药物都排在靶点对应药物序列的几百名左右。如果病人已经无药可医，也许这张表格能提供一些选择。

尽管提供了按图索骥的可能，对应关系的验证仍需要大量实验，「这张表更有指向性和预见性，把实验的过程变得更精准」。并非将这张巨大表格当作许愿神灯，范捷希望 AccutarBio 的实验室与合作实验室尽量将这张表格验证填满，「有越来越多实验的支撑，才会真正给病人带来更多临床治疗的选择」。

Accutar——Accurate Targeting「精准打靶」

「算法是下金蛋的鹅。金蛋的今天是表，明天是药，后天可以做一些不同的事情。」

把表格中较强的药物与靶点对应关系找出来，可以直接从临床 II 期或临床 III 期开始药物实验申请认证，是这张表格的运用方式之一。范捷也在不断思考算法和衍生表格的商业模式，不过终点都指向一个方向，「让更多病人尽快受益」。

目前 AccutarBio 的团队近 20 名成员，开奖，分别来自生物学、化学、计算机科学等不同背景。在上海、纽约均设有实验室，顾问包括诺贝尔奖得主 Günter Blobel、美国国家科学院院士 Jerard Hurwitz 以及 Mount Sinai 的教授 Jin Jian。

「去做别人认为是风险，在我们看来是机会的事。」在学术与创业的岔路口，身为导师的 Günter Blobel 曾给过范捷这样的指引。在创业过程中，不论学术还是融资，Günter Blobel 博士都给予了不少帮助。「他会用他的资源帮你成长，而不是和你抢功劳」，这大概是人们常说名师出高徒的原因。

师徒相协也许是人工智能领域不可忽视的特点之一。无论是在图像识别、NLP 还是其他分支，都能循着这条规律的影子找到不少印证。人工智能大概是门槛最高的创业方向中的一个，先在学术上取得认可也许是最好的选择，包括与其他学科的结合。

AccutarBio 已获得天使轮融资，投资人为真格基金创始人徐小平，目前正在展开 A 轮融资。

©本文为机器之心原创，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]