▲ Alice Zhang, Verge Genomics公司创始人
Verge Genomics公司正采用一种全新方法,以加快各类毁灭性神经退行疾病的药物开发进程,包括帕金森氏症、阿尔茨海默氏症与筋萎缩性侧索硬化症等等。相较于同行们投入大量时间进行动物测试的研究方向,这家总部位于旧金山的企业,决定直接向病症源头进发。
Verge Genomics公司CEO Alice Zhang提到:“要在人类身上取得成功,就必须从人类自身入手。”通过将人工智能与人类基因组学相结合,Verge Genomics探索出一条与众不同的研究道路。传统的动物试验确实能够成功预测某些药物的功效,但在治疗神经退行性疾病时,动物的脑部结构完全无法与复杂的人脑相比较。为了能在药物发现过程中始终以人类为中心,Verge Genomics公司建立起全球最大的脑组织序列数据库之一,其中包含来自1000多个大脑的组织样本。
据了解,Verge Genomics公司成立于2015年,已经获得5400万美元资金,并顺利登上《福布斯》发布的2021年AI五十强榜单。AI技术与药物发现相结合所带来的全新市场空间,预计到2027年将带来21亿美元的市场总值。
根据这一基本思路,该公司提取了因神经退行性疾病死亡的患者的DNA,并使用机器学习算法以解析可作为新药靶标的重要基因片段。
Zhang解释道,大多数生物科技公司都在尝试寻找与特定疾病相关的单一基因,希望通过针对性控制找到能够缓解症状的潜在治疗方法。相比之下,Verge Genomics努力寻找“主控开关”——能够控制一组重要基因的关键基因。她还补充道,“传统的试验方法只能涵盖5%的患者,而我们找到的基因也许能够帮助高达90%的患者。”在找到目标基因之后,该公司的内部团队就会设计出与之交互的药物。
这种开创性的探索让Zhang成功跻身《福布斯》30岁以下三十位杰出贡献者之列。Verge Genomics公司设计出的筋萎缩性侧索硬化症(ALS)候选药物,也在实验室环境下在患者的脑细胞中表现出喜人的治疗效果。她提到,“这种新药能够切实减缓患者神经元的死亡速度,在某些情况下甚至能够将其恢复到与健康人相同的水平”。这款药物预计于明年进入人体临床试验。
作为中国移民后裔,出生于弗吉尼亚州的Zhang在成长期间一直受到良好教育。她曾与某非政府组织合作治疗艾滋病患者,这段经历给他带来了深远的影响。Zhang回忆道:“那是我第一次看到人们面对死亡的状态,也体会到医疗保健资源的缺失会对人类生活造成怎样的影响。”
在加州大学洛杉矶分校(UCLA)攻读硕士时,Zhang初步形成了使用AI技术寻找关键基因、用以治疗神经退行性疾病的想法。在一项实验中,她使用基因组学数据预测了神经损伤的药物靶标。她给患病老鼠注射了候选药物,而且成功起效。“这也是我们平台上诞生的首批药物之一。”
AI已经成为生物科技领域的热门元素。《福布斯》AI五十强榜单中的其他几家企业,也都在以创新方式运用这项新技术。例如,总部位下载加利福尼亚州伯灵格姆的Genesis Therapeutics就在使用AI算法探索潜在分子化学组合,借此寻找新药配方。上榜的另一家初创企业是总部位于加利福尼亚州旧金山的Atomwise公司,他们扫描几十亿种潜在药物配方,为不同配方与各类蛋白质间的相互作用进行建模,由此预测哪种药物更安全、更有效。
投资者表示,Verge收集的人脑专有基因组数据与行业中的其他企业有着显著区别。领投Verge公司A轮融资的Threshold Ventures创始人Emily Melton表示,“在神经科学领域,很难找到像Verge这样的专有数据集。神经退行性疾病是个巨大的问题,而且只会变得越来越严重。未来,这将成为我们需要解决的重要难题之一。”
Zhang坦言,从书虫少年成长为“非传统”CEO与联合创始人的道路并不轻松。“至少目前,生物科技领域的初创生态系统还是更适合那些比较老派、经验丰富的CEO,大部分投资也更认可这样的管理结构。”年长男性已经成为生物科技行业的主流。
但她顽强的性格与独特的研究思路给Melton留下了深刻印象,她也因此决定投资Verge。“Alice真的给我留下了深刻的印象。她头脑机敏、有一股疯狂的内驱力,也保持着良好的成长心态。”
随着公司第一款药物即将进入临床阶段,Zhang开始梦想将Verge Genomics的业务扩大到神经科学范畴之外。她提到,“终有一天,我们会扩展到那些挑战极大、而且暂无适用疗法的领域。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。