文章核心观点 Predictive Oncology公司宣布成功开发基于密歇根大学天然产物发现核心21种独特化合物的预测模型，展示了化合物的抗肿瘤活性，有望推动真正的药物发现 [1] 合作研究情况 - 公司与NPDC合作，用主动机器学习平台评估21种新化合物，该平台可缩短选择候选药物时间并提高技术成功概率 [2] - 选择乳腺癌、结肠癌和卵巢癌三种肿瘤类型，用21种NPDC化合物和一种已知抗癌基准药物进行测试 [6] 化合物资源情况 - 密歇根大学天然产物发现核心拥有一流且美国最大的药用天然产物库之一，标本来自全球生物多样性热点地区 [3] - 天然产物是具有多种生物活性的特殊分子，过去三十年批准的小分子药物至少一半源自此类产品 [4] 化合物测试结果 - 三种化合物在所有测试肿瘤类型中均表现出强肿瘤药物反应，且比基准化合物阿霉素反应更强；一种药物在卵巢和结肠模型中反应强烈；另外三种化合物在三种肿瘤类型中“命中反应”最多 [5] - 仅测量7%的可能湿实验室实验后，预测性机器学习模型就能自信预测，覆盖73%的实验，几乎消除长达两年的实验室测试 [6] 各方观点 - 公司转化医学和药物发现高级副总裁表示该项目和平台与新化合物切实推动和支持真正的药物发现 [5] - NPDC主任称天然化合物对多种人类肿瘤类型有强抗肿瘤活性，支持进一步研究，期待与公司未来合作测试更多化合物并公布结果 [7] 公司情况 - 公司处于利用人工智能和机器学习加速早期药物发现前沿，其AI平台PEDAL能92%准确预测肿瘤样本对药物化合物的反应 [8] - 公司拥有超15万个可检测的异质人类肿瘤样本生物库，提供业内最广泛的基于AI的药物发现解决方案，还有全资CLIA实验室设施 [8]