成功整合患者结果预测技术的药物研发企业案例

复旦大学附属华山医院与上海科技大学合作团队1

• 技术与成果：国家神经疾病医学中心、复旦大学附属华山医院毛颖教授团队与上海科技大学免疫化学研究所刘海坤 / 吴永和教授团队联合研发了新型的个体化脑肿瘤类器官（IPTO）模型，并建立了脑肿瘤类器官库。通过将患者来源的肿瘤组织植入由多功能诱导性干细胞（iPSC）建立的迷你脑类器官囊中，成功模拟了肿瘤细胞在体内环境中的生长与侵袭。研究团队开展的前瞻性临床验证表明，IPTO 模型能精准预测胶质母细胞瘤患者对标准化疗药物替莫唑胺的反应，明显优于临床上常用的指标 MGMT 甲基化，且能在 2 - 3 周内完成，达到了预测性临床前模型的标准，可用于临床实践。目前该技术已在中国、德国多家医院得到快速独立验证，并已应用到化疗、靶向治疗、免疫治疗和细胞治疗药物预测。

Alto Neuroscience2

• 技术与成果：这是一家总部位于美国加利福尼亚州的生物制药公司，由斯坦福大学的精神病学教授 Amit Etkin 于 2019 年创立。公司通过其人工智能生物标志物平台，结合患者大脑活动和行为的丰富信息来源，包括脑电图活动、神经认知任务表现、可穿戴数据等，快速开发针对目标人群的高效药物。其精准精神病学平台能测量大脑生物标志物，为每位患者匹配合适的候选产品，形成了一种支持可靠药物反应预测的多模式方法。Alto Neuroscience 在精神疾病药物研发方面取得进展，其处于临床阶段的产品线包括治疗抑郁症、创伤后应激障碍、精神分裂症等的新型候选药物。

复旦大学药学院与微软亚洲研究院（上海）合作团队3

• 技术与成果：复旦大学药学院庞志清副研究员、王建新教授与微软亚洲研究院（上海）李东胜博士团队合作，以三阴性乳腺癌（TNBC）的焦亡治疗作为范例，开发了基于靶标组学的智能复方药物发现框架。研究团队首先探索 TNBC 病人的基因图谱特征，系统性识别 TNBC 焦亡关键基因，并通过药物数据库挖掘建立潜在的焦亡诱导剂集合，然后通过建立生物因子调控的神经网络模型 BFReg - NN 快速筛选及优化复方焦亡药物组合，从预测到理论验证完成闭环。最后采用仿生纳米共晶策略开发优选药对米托蒽醌和藤黄酸的新型复方药物制剂 MG@PM，并在 TNBC 模型中证实了 MG@PM 的强大焦亡诱导及肿瘤免疫效果。

诺和诺德与 Valo Health4

• 技术与成果：2022 年 9 月，诺和诺德与美国科技公司 Valo Health 达成协议，利用人工智能（AI）发现和开发心脏病、中风和糖尿病等心脏代谢疾病的治疗方法。合作将对 Valo 的 Opal Computational Platform™进行利用，该平台包括真实世界患者数据、AI 驱动的小分子发现技术以及专为加速药物开发和研发流程而设计的 Biowire® 人体组织建模平台等。Opal 的设计目的是从了解疾病基本原理到药物获批的整个过程中，以整合和高效的方式选定靶点并推动候选药物取得进展。除了靶点发现和验证之外，诺和诺德还将在合作中获得由 Valo 通过 Opal Computational Platform™开发并研发的三个临床前心血管疾病药物开发项目的授权许可