天游国际

行研 | 高端眼底影像装备国产替换迎来黄金生长机缘期，，，超广角蓝海市场爆发在即

2021年3月8日

天游国际资源2021年春季招聘正式启动！

2021年3月8日

行研 | 2020变构药物爆发元年，，，AI+变构手艺重塑难成药靶点的新药研发

前言

天游国际(中国区)-官方网站

2020年是变构药物研发企业的上市元年：

1 月

Black Diamond Therapeutics在纳斯达克上市，，，成为业内第一家变构药物研发上市公司，，，历史投资人包括Boxer Capital，，，NEA恩颐投资等，，，现在市值约10.1亿美元

2 月

变构药物研发公司Revolution Medicines在纳斯达克上市，，，历史投资人包括Boxer Capital，，，Vivo Capital，，，Fidelity等，，，现在市值约32.05亿美元

7 月

基于盘算手艺的AI+变构药物研发公司Relay Therapeutics在纳斯达克上市，，，历史投资人包括软银愿景基金，，，GGV纪源资源，，，Google Ventures等，，，现在市值约39.61亿美元

12月

海内变构药物研发公司加科思在港股上市，，，历史投资人包括礼来亚洲，，，高瓴资源，，，启明创投等，，，现在市值154.3亿港币

同时，，，2020年AI+变构赛道融资也十分火热：

5 月

HotSpot获得SR One领投，，，Tekla Capital Management等跟投的6500万美金B轮融资

“孙子兵法云：凡用兵者，，，以正合，，，以奇胜”
现在通例靶点的正位小分子药物开发赛道已极为拥挤，，，与此同时，，，为数众多的难成药靶点却仍是小分子领域的一片蓝海，，，而专注于战胜难成药靶点的变构机制药物成为了闪亮的新星。。。

将人工智能和数字化手艺应用于变构药物研发，，，可有用解决变构药物由来已久的位点发明与先导化合物发明/优化问题，，，完成变构药物研发从0到1和加速成药（从1到10）的突破，，，大大拓宽了人类新药研发的界线。。。

1. 人工智能可提高新药研发乐成率，，，为全球生物制药行业节约数百亿研发本钱

犹如已有数千年历史的围棋以及撒播于世的半本棋谱一样，，，古板的新药研发往往高度依赖巨匠（资深专家）以及各个研究小组恒久积累的不传之秘（know-how）。。。而在AlphaGo泛起之后，，，一经的灵光一现成为了机械的盘算效果，，，一经身经百战的巨匠不得不弃子认输。。。
人工智能正在重构一个又一个行业，，，从搜索引擎到自动驾驶，，，从语言翻译到疾病诊断，，，一直改变着人类的生涯。。。现在，，，面临生齿老龄化及一直增添的肿瘤发病率，，，许多疾病仍然缺乏有用的治疗要领，，，人类对新药的需求比以往任何时间都高。。。将人工智能手艺引入新药研发，，，可以资助我们基于数据及算法建设对药物开发的全新洞见，，，从而最终重塑药物研刊行业。。。

1.1 新药研发痛点：推向市场的周期长，，，乐成率低，，，用度高

新药研发面临着研发周期长，，，乐成率低，，，用度高的问题，，，提升投入产出比是目今药企生长的主要议题，，，AI手艺的引入将会是一个强有力的突破点，，，因此，，，近年在AI制药领域降生了数百家创业公司。。。
古板的药物研发从发明到上市周期长（平均14年），，，乐成率低（低于10%），，，用度高：包括3-6年的研发和临床前事情，，，平均需破费凌驾5亿美金推进到IND阶段，，，再举行6-7年的临床试验，，，通过数百至数千名自愿者的加入，，，平均需破费凌驾4亿美金推进到上市阶段。。。

天游国际(中国区)-官方网站
（图：新药研发的支出越来越高，，，而FDA批准的新药上市数目呈下降趋势）

1.2 解决计划：人工智能重构新药研发

一颗新药从最初的想法到最终实现商业化销售，，，需要履历“药物发明、临床前研究、临床试验、审批上市”四大阶段，，，现在的“AI+新药研发”手艺可以应用于上述阶段的差别场景，，，包括靶标发明及验证、苗头化合物发明、先导化合物优化、晶型展望、患者招募、优化临床试验设计、药物重定向等等。。。
天游国际(中国区)-官方网站
其中，，，临床前的现代药物发明在手艺上可以分为四个阶段，，，即靶标发明与验证、苗头化合物发明、先导化合物优化，，，临床候选分子确定，，，划分对应四种研发状态：Target靶点发明与验证->Hit苗头化合物发明->Lead先导化合物优化->PCC（Preclinical candidate compound）临床前候选分子确定。。。

1.2.1 靶标（Target）发明与验证

选择药物作用的靶点卵白是药物研发历程的第一步，，，好比著名的ALK，，，EGFR等靶点，，，它们在癌症里突变率高，，，患者多，，，是很是有市场的靶点。。。AI可以依托自然语言处置惩罚手艺（NLP），，，通过学习文献、组学数据、功效实验数据等海量医学相关资料，，，在短时内发明药物和疾病之间的万万种作用关系，，，输出机体细胞上药物能够施展作用的候选受体连系点（靶点）；；；；；；相比而言，，，古板人工通过阅读科研文献和小我私家履历去推测潜在的药物靶点并网络剖析盛行病学数据作为证据，，，需要耗时2-3年。。。

1.2.2 苗头化合物（Hit）发明

Hit是指对特定药物靶标具有起源活性的化合物。。。大规�？？？？？绻┢笠谎匠６蓟嵊�50-300万数目不等的化合物储备，，，高通量筛选方法由实验机械人举行数以百万计的试验，，，因此本钱很是高昂。。。现在，，，有些AI+Drug企业的化合物数据库抵达16B+，，，远凌驾古板药企的实体库可笼罩的化学空间；；；；；；同时学者们已经纷纷提倡使用AI/ML开发有用和准确的虚拟筛选要领，，，以取代腾贵且耗时的高通量筛选历程，，，常见的有两种，，，一种是使用深度学习开发虚拟筛选手艺以取代高通量筛选，，，另一种是使用人工智能图像识别手艺优化高通量筛选历程。。。

1.2.3 先导化合物优化（Lead Optimization）至临床前候选分子（PCC molecule）

Lead是具有较好生物活性和可成药化学结构的化合物，，，用于进一步的结构刷新和修饰以使得分子可以知足进入临床试验的需求。。。获得Hit后，，，寻找Lead是新药研发中的要害一步（Hit-to-Lead)。。。该历程通过接纳骨架跃迁、基团替换、结构简化、分子杂交等要领对苗头化合物的化学结构举行修饰，，，使Hit的生物活性和选择性提高，，，同时物理化学性子、药代动力学和毒理学性子获得改善，，，最终优化爆发一个或多个有开发价值的Lead。。。
通过对先导化合物化学结构的修饰，，，在坚持其生物活性的条件下，，，进一步改善其选择性、物化性子、药代动力学和毒理学性子，，，最终优化获得一个清静有用、具有开发价值的临床前候选药物（PCC）。。。岂论是me too/me-better类新药，，，或者是first-in-class类新药，，，其研发历程一样平常都需要泯灭大宗的资源和时间。。。今世药物发明有时可能有20～30个指标需要同时优化，，，而分子刷新牵一发而动全身，，，因此很是有须要引入高效的优化要领。。。借助AI，，，能够以直观的方法定性推测物质结构与活性的关系，，，进而推测活性位点的结构和设计新的活性物质结构，，，进一步提升药物的构效关系剖析的速率，，，快速挑选最具清静性的化合物。。。

1.3 AI+药物开发已在海内外获得了起源乐成

许多投资者和大药企已经结构AI+药物开发，，，不少企业已经取得了起源的乐成。。。
天游国际(中国区)-官方网站
经由一连10年跟踪制药巨头与AI公司相助情形来看，，，“AI+新药研发”可为“药物发明和临床前研究阶段”及“临床研究阶段”各节约50%左右的研发周期：

“AI+新药研发”只需要1-2年，，，甚至几个月，，，就能设计刷新合成并获得合适的先导物作为临床研究候选，，，但古板新药发明则需要3-6年；；；；；；
“AI+新药研发”筛选乐成后，，，连系大数据及人工智能要领筛选获得合适的biomarker并设计合理的临床试验计划，，，可提高临床研究的效率，，，将原本6-7年临床研究时代节约50%-60%的时间。。。

天游国际(中国区)-官方网站
表：“AI+新药研发”所节约时间及用度情形
由于“AI+新药研发”可助力缩短新药发明的周期、镌汰新药发明的破费，，，为全球新药发明本钱每年节约30%左右。。。

2.?变构机制药物是小分子药物研发领域的蓝海

现在已上市药物中95%为正构药物，，，而未开发的靶点大都是难度很高或难以成药的靶点，，，未来小分子新药研发重点在变构药物（Allosteric Drug）和靶向卵白降解手艺（PROTAC）。。。由于变构机制药物具有通例小分子药物在合成和成药性等方面的优势，，，因此变构机制药物将极有可能撬动整个小分子市场。。。已往的2020年是变构药物爆发元年，，，随着Black Diamond，，，Relay等多家公司上市，，，可以预期未来市场将泛起大宗变构新药研发公司。。。

2.1 小分子新药研发痛点：可开发靶点即将耗尽，，，通例靶点赛道极为拥挤

人类卵白质组中易成药靶点已靠近于开发殆尽，，，而剩下占比85%的难成药靶点需要投入更多的时间和经济本钱才可能乐成。。。变构手艺和PROTAC手艺已被公以为是在现在新药研发中找到增量的最佳计划。。。
天游国际(中国区)-官方网站

通例靶点的正构药物赛道极为拥挤、竞品众多，，，而其可开发空间即将迫近极限，，，亟需从全新角度开发变构机制药物。。。以热门靶点ALK为例，，，FDA自批准第一代正构药物后，，，因耐药和副作用等缘故原由，，，各大药厂迅速研究迭代药物，，，但由于正构位点空间有限，，，现在正构位点开发已陷入瓶颈，，，化学空间已靠近耗尽。。。而变构药物的开发位点差别，，，提供了全新的开发空间，，，同时可有用解决正构药物的耐药问题，，，是各大药厂起劲跟进的全新偏向。。。

2.2 解决计划：变构手艺是解决难成药靶点成药问题的热门手艺

CRISPR，，，卵白质降解和RNA靶向手艺的泛起，，，让整个行业为之激动，，，由于这些手艺为人类提供了从基础上用其他要领无法实现的发明新药的时机，，，变构手艺在小分子领域也是云云。。。

2.2.1?96%的人类基因尚未有靶向药物

人类有2万多个可编码卵白的基因，，，其中10%-15%与疾病相关，，，FDA批准的小分子药物靶点只有750多种，，，约有2-3千个小分子或生物制剂正在开发中，，，容易的靶点已经开发殆尽，，，剩下的都是难度很高的或者难以成药的靶点，，，使用古板的正构手段需要投入更多的时间和经济本钱才可能乐成，，，而变构无疑是其中一种解决计划。。。2.2.2?具有疾病证据的4000个基因可潜在地用于药物开发约莫有4000个基因已具备与人类疾病关联的实验证据，，，但由于种种缘故原由尚未最先开发。。。这些潜在靶点已准备好使用AI+变构手艺重新最先发明药物，，，这意味着与现有的FDA批准的可用药物总数相比，，，增添了至少4倍。。。

2.2.3?从未发明过新药的1.5k个基因有时机用变构解锁

新的人类基因靶标代表着新的生物学，，，并包括了制药和人类康健最具挑战性和最有希望的未来靶标。。。AI+变构手艺可以解锁现有靶标的新位点和原本无法成药的新靶标，，，为药物发明开发了新途径。。。

2.3?药物开发原理是“锁钥关系”，，，而正构药物保存局限性

在生命科学中，，，当已知卵白质在疾病中起主要作用时，，，我们称其为“靶标”。。。药物靶标的例子包括引起炎症的卵白质，，，有助于肿瘤生长的卵白质，，，病毒攻击并熏染人类细胞的卵白质等。。。在药物研究中，，，天游国际目的是发明与这些靶标有强烈相互作用，，，并降低（或增强）其功效的分子。。。

在靶向药物的设计中，，，药物与卵白的连系就像钥匙与锁孔的关系。。。卵白是锁，，，正构位点（Orthosteric site）是卵白“锁”上能容易看到的锁孔，，，变构位点（Allosteric site）是卵白“锁”上隐藏的新锁孔。。。小分子药物是靶向卵白构型的钥匙，，，因此问题就在于找到“锁孔”（Site）并快速匹配“钥匙”（Hit）。。。

关于正构机制，，，我们可以想象这些卵白质通过锁钥原理起作用：分子“钥匙”（底物竞争性分子）细密地嵌入卵白质上能容易看到的老锁孔（连系口袋，，，活性位点）中，，，使人体内原本要连系到老锁孔的内源性分子无法连系，，，从而抑制了卵白功效。。。

天游国际(中国区)-官方网站

已往，，，制药行业将其药物发明事情的重点放在通过直接与活性或配体连系位点连系并与自然配体竞争的正构药物上（给老锁孔配钥匙）。。。

高度乐成的正构药物的一个经典例子是格列卫（Gleevec），，，它是一种酪氨酸激酶抑制剂，，，于2001年被批准用于治疗含有组成性活性激酶和癌卵白BCR-ABL1的慢性骨髓性和急性淋巴细胞性白血�。。。–ML和ALL）。。。格列卫占有了BCR-ABL1的ATP连系口袋（活性位点），，，阻止了其磷酸化下游底物并最终阻止细胞破碎的能力。。。

正构药物开发保存一些由于其机制带来的限制，，，而这些限制可以通过开发变构机制的药物解决。。。
第一，，，由于正构药物的作用机制（占有老锁孔使人体内原本要连系的分子无法连系），，，正构手艺只能开发卵白的抑制剂，，，难以开发激活卵白功效的激动剂，，，无法解决一些需要细腻调控或者激活功效的靶点。。。第二，，，关于某些酶类靶点，，，差别靶点间的正构位点结构十分相似，，，因此古板正构方法难以开发高选择性分子，，，低选择性带来更多的副作用（一把钥匙开好几个锁，，，其中有些锁是不应该被翻开的）。。。格列卫有脱靶征象，，，同时抑制激酶c-Kit，，，PDGFR，，， ABL2和DDR1

第三，，，正构位点单独用药容易爆发耐药突变（老锁孔的内部结构转变导致原本的钥匙打不开锁）。。。三年来接受格列卫治疗的患者中约有15-20％会获得耐药性突变，，，这种突变通常爆发在活性部位并滋扰格列卫的连系。。。已经开发了靶向BCR-ABL1突变形式的其他正构药物（老锁孔新配的钥匙）来战胜耐药性，，，可是它们仅在爆发耐药突变的病人中起作用。。。

2.4 变构药物远景辽阔，，，可以开发上调靶点功效的激动剂、高选择性抑制剂，，，以及与正构药物联用延缓耐药爆发

变构调理是一种更为巧妙的“开锁”方法：小分子“钥匙”在远离卵白活性位点（远离老锁孔）的其他位置连系上了“锁”，，，通过卵白质远距离构象转变间接影响卵白功效。。。
由诺华研发的BCR-ABL1变构药物ABL001（新锁孔的钥匙），，，通过连系在位置上差别于活性位点的变构调理位点（新锁孔）来调理卵白质功效，，，现在正在3期临床试验中，，，其与正构药物联用可以有用延缓病人耐药的爆发，，，对疾病有部分治愈的疗效。。。

变构意味着卵白质“锁”上拥有别的难以发明的锁孔（变构位点）可以与远距离的另一个区域的运动/能量相协同，，，并转达卵白内信号（变构通路/Allosteric pathway）。。。通常，，，变构信号从变构位点到具有功效的正构位点（老锁孔）的撒播是由变构位点的扰动引起的，，，这种扰动包括调理剂（离子、小分子、卵白质、DNA和RNA）连系，，，点突变和翻译后修饰。。。

天游国际(中国区)-官方网站

变构调理在心理状态下通过变构位点影响生物大分子的功效，，，进而实现对无数生物历程的精准调控，，，包括从酶催化，，，基因表达，，，细胞分解到新陈代谢与机体平衡。。。由于对机体生命历程的变构控制无处不在，，，变构调理被以为是生命的第二神秘，，，成为洞察细胞心理和病理运气的主要方法。。。

从立异药物研发的角度来看，，，卵白变构为靶标新型药物的泛起提供了极具吸引力的远景。。。
天游国际(中国区)-官方网站
第一，，，变构可以开发激动剂。。。由于变构位点和正构位点不处在统一位置（新老锁孔不重合），，，变构调理剂连系变构位点可细腻调控卵白功效，，，并背面守旧正构位点上的内源配体竞争（新锁孔的钥匙不会和老锁孔的原装钥匙竞争），，，这一特点提供了激动型药物的普适开发方法。。。
第二，，，变构可以开发高选择性抑制剂。。。相关于高度守旧的正构位点，，，多样化的变构位点付与了变构药物更好的选择性和更低的毒性。。。
第三，，，卵白中的变构抑制剂和正构抑制剂联用还可以对卵白功效举行协同抑制，，，来降低药物耐药突变爆发的可能，，，或延伸爆发耐药突变的时间。。。

3. 人工智能和机械学习助力变构手艺快速生长

古板的变构药物开发主要依赖实验随机发明，，，随着首个变构数据库ASD（Allosteric Database）的泛起和生长，，，我们已经积累了大宗的关于变构卵白、小分子及位点等的标准化数据，，，基于数据建设模子同时连系第一原理盘算等要领，，，使得以盘算平台为基础对变构药物举行开发成为可能。。。

3.1?变构药物开发面临的挑战

现在变构面临的挑战有三点，，，第一，，，难以识别可成药的变构位点。。。正构位点往往极为守旧，，，在卵白上一眼可见，，，而变构位点则转变多端，，，甚至隐藏在卵白结构的动态转变历程中。。。
第二，，，难以发明具有变构效应的苗头小分子。。。变构效应的爆发远不止亲和力那么简朴，，，我们可以使用DEL盘算靶标与化合物的亲和力。。。但有些小分子在结构上虽然与自然配体相似，，，亲和力足够连系卵白，，，然而它们的连系并不可影响卵白的功效，，，它们就像是假的钥匙，，，适合孔的巨细，，，但无法转动锁。。。变构调理除了小分子可以与位点口袋连系外，，，还需要其能远距离调控卵白的功效位点。。。
第三，，，难以有用优化具有变构效应的小分子。。。古板的变构药物手艺主要依赖实验，，，但现有实验手艺无法从原子水平展现卵白的变构历程，，，因此古板开发往往缺乏对变构药物先导化合物及其对卵白靶标分子作用机制的明确，，，使得其开发周期长，，，乐成率低，，，用度高。。。
天游国际(中国区)-官方网站
（部分FDA批准的变构药物及发明要领）

3.2?标准化数据的积累是AI+变构药物研发乐成的主要动力

逐日电讯（The Daily Telegraph）2021年1月对Exscientia的CEO?Andrew Hopkins采访栏目中写道：十年后，，，所有药物都将使用人工智能举行设计。。。要实现这样的目的需要强盛的数据库和人工智能手艺的支持。。。

3.2.1?药物研发大数据

与社会网络剖析等IT领域的应用相比，，，用于药物发明研究的数据集相对较小。。。目今与药物发明和开发有关的果真可用数据，，，凭证其在药物发明和开发差别阶段的应用和相关性，，，可分为5类：
专注于海量化合物的数据库（例如Enamine REAL数据库，，，PubChem和ChEMBL）；；；；；；
专注于某类药物研发所构建的整合型数据库（例如ASD，，，PROTAC-DB等）；；；；；；
专注于药物靶点-小分子连系的数据库（例如BindingDB，，，Supertarget和Ligand Expo）；；；；；；
专注于药物清静和毒性的数据库（例如DrugMatrix，，，SIDER和LTKB基准数据集）；；；；；；
专注于临床的数据库（例如ClinicalTrials.gov，，，PharmaGKB和EORTC临床试验数据库）。。。

3.2.2 可用于变构药物开发的要领与算法正在增添

随着Allosteric Database（ASD）变构数据库的建设，，，我们积累了大宗与变构有关的标准化数据，，，有关变构卵白、变构位点及其调理剂的数据可用性与日俱增，，，为建设使用AI合理识别变构位点并筛选变构机制药物发明要领的生长提供了可能。。。
近10年来，，，随着相关要领的建设和一直完善，，，面向新靶标重新连系药物设计要领和实验要领发明变构调理剂的开发已经泛起，，，这也是变构赛道的机缘。。。变构平台ASD的建成是人工智能辅助变构药物设计的里程碑事务，，，它是全球规模内最大、最完整的变构数据库，，，荟萃了1937年至今所有的变构领域的果真信息。。。同时围绕该数据库，，，已经构建了许多与变构机制药物开发相关的算法，，，如专注于变构靶点发明的算法AlloDriverⁱ、专注于变构位点发明的算法AlloSiteⁱⁱ、以及专注于变构效应评价的算法AlloScoreⁱⁱⁱ等等。。。

3.3 海内外代表性变构企业

人工智能从变构靶点发明、可成药变构位点发明、先导物发明及优化等各方面介入变构药物研发赛道：通过使用人工智能及物理盘算要领发明并剖析靶点隐藏的变构位点，，，使用统计物理学要领/第一原理盘算要领，，，机械学习&聚类要领多维度评价挑选最优变构位点举行下一步变构分子开发，，，使用AI/深度学习要领评价分子的变构效应等等。。。

变构新药研发企业

天游国际(中国区)-官方网站
Revolution Medicines建设于2015年，，，综合了化学生物学，，，癌症药理学和基于结构的药物发明。。。公司现在主要管线靶点包括SHP2，，，RAS，，，SOS1，，，mTORC1/4EBP1。。。Revolution Medicines于2020年2月在纳斯达克上市，，，现在市值约32.05亿美元，，，历史投资人包括Boxer Capital，，，Vivo Capital，，，Fidelity等。。。
天游国际(中国区)-官方网站
Black Diamond Therapeutics建设于2017年，，，其平台MAP笼罩了突变发明，，，变构验证和凭证卵白质药理学设计变构分子的全历程。。。公司现在主要管线包括EGFR/Her2抑制剂和EGFR抑制剂。。。Black Diamond Therapeutics于2020年1月在纳斯达克上市，，，现在市值达10.1亿美金，，，历史投资人包括Boxer Capital，，，NEA恩颐投资等。。。
天游国际(中国区)-官方网站
加科思药业建设于2015年，，，专注开举事成药靶点的立异药物，，，如磷酸酶和KRAS的变构抑制剂；；；；；；主要靶向要害的癌症信号通路，，，如RAS，，，MYC，，，RB，，，肿瘤免疫和肿瘤代谢等通路。。。其SHP2抑制剂管线的外洋权力于2020年以4500万美元的前期用度和8.1亿美元的里程碑付款license out给AbbVie。。。加科思于2020年12月在港股上市，，，现在市值154.3亿港币。。。历史投资人包括礼来亚洲，，，高瓴资源，，，启明创投等

AI+变构新药研发企业

天游国际(中国区)-官方网站
HotSpot Therapeutics建设于2017年，，，是一家致力于变构药物发明的生物手艺公司，，，其平台SpotFinder使用机械学习在整个卵白组中系统性地发明调控位点，，，然后基于化学结构设计靶向这些热门的变构小分子抑制剂，，，并举行筛选。。。2019年8月收购DEL合成和筛选平台公司Macroceutics。。。公司现在主要管线包括PKC-theta抑制剂，，，S6 Kinase抑制剂和E3毗连酶。。。HotSpot于2020年获得SR One领投，，，Tekla Capital Management等跟投的6500万美金投资。。。
天游国际(中国区)-官方网站
Relay Therapeutics建设于2016年，，，平台Dynamo是基于卵白质运动的药物发明平台，，，通过将盘算能力与结构生物学、生物物理学、化学和生物学领域的前沿实验手艺相整合，，，研究卵白质构象的动态性子与调理功效的关系。。。公司现在主要管线包括SHP2抑制剂，，， FGFR2抑制剂和PI3Kα抑制剂。。。Relay Therapeutics于2020年7月在纳斯达克上市，，，现在市值达46亿美金，，，历史投资人包括软银愿景基金，，，GGV纪源资源，，，Google Ventures等。。。

宇道生物建设于2013年，，，拥有自主研发的AI+变构药物发明平台ALLOSTAR^TM及变构FIC分子管线，，，通过AI/统计物理/深度学习的算法，，，实现从卵白结构数据到变构小分子药物的快速突破。。。其构建的ASD数据库为全球变构数据中心，，，被多家跨国药企/生物手艺公司使用，，，盘算平台发明的多个变构先导分子已获得验证，，，管线包括全新靶点的变构激动剂，，，已成药靶点的正构和变构抑制剂，，，现在最领先管线进度已抵达PCC。。。宇道生物于2020年完成近亿元Pre-A轮融资，，，投资方包括北极光创投，，，BV百度风投，，，周遭资源和腾业创投。。。

[i] Song, Kun et al.“AlloDriver: a method for the identification and analysis of cancer drivertargets.” Nucleic acids research vol. 47,W1 (2019): W315-W321.doi:10.1093/nar/gkz350
[ii] Huang, Wenkang et al.“Allosite: a method for predicting allosteric sites.” Bioinformatics (Oxford,England) vol. 29,18 (2013): 2357-9. doi:10.1093/bioinformatics/btt399
[iii] Li, Shuai et al.“Alloscore: a method for predicting allosteric ligand-protein interactions.”Bioinformatics (Oxford, England) vol. 32,10 (2016): 1574-6. doi:10.1093/bioinformatics/btw036

【网站地图】