目前做的针对细胞株这一块的一个培养,它的这个壁垒这一块的话,你觉得它有哪些方面的壁垒?

AI新药开发
王波 2022-12-09
分享
陈亮
1
在我们智能化筛选细胞株这一摊,我们实际上已经在过去两年当中,我们已经是迭代了,刚才我们在讲的时候用细胞株来筛细胞,从一群细胞里面找出一个高产率的细胞,这是我们的第一代的产品,所以刚才讲的有很多的自己的数据库。那么另外一个就是在我们找到高产细胞株,它还要稳定,通常是整个生物药开发当中也是一个包装也要等三个月,传带三个月确定稳定它才能用于生产。所以这个是一个时间上 time consuming 的一个过程。那么现在我们是通过 AI 的方法,可以预测比如说两个星期的细胞影像,它就可以预测出这个细胞三个月它是否是稳定,所以这些数据是我们自己做。

那么后来我们在开发的过程当中,实际上我们更加要求自己,或者说是市场的要求,这些东西还是尽管时间也缩短了、也方便了,但是客户还是比较难接受,通常它要去买仪器,要去 training ,还要去 AI 给你算,很麻烦。所以我们做了第二代的产品的迭代,就是把刚才讲的技术应用于输入细胞,也就换句话说,我们就在8000 万的细胞里面,我们去筛选这些细胞株,它是定点的,我们叫定点整合,有些位点它是可以持续性高产,同时又是稳定的,又是单拷贝的,所以我们用这样的新技术把它找到这些东西了,所以这个细胞还是一样。
 
我们跟这刚刚那个任博谈的不一样,我们没有用到外面的数据,都是自己把它产生出来的这些数据,而且是快速地把它产生出来。我们叫大海捞针,把里面找的好的东西找出来,这样的话,我们就变成一个输入组细胞株,这样客户就很简单了,它就拿到手上的一个细胞株,就是跟传统一样,只是这个细胞是通过我们 AI 的技术找到了这样一个高产又稳定的。所以对它来说,它就要用传统的方法把它所要的产品转染到这个细输入细胞以后,它就能够很快得到这个又稳定又高产的一个细胞株。
 
那么这样一个技术,当你所有的动作都是一个标准化的动作的时候,它下游的工作我们叫 process development ,所有的工作都是可以形成一个标准化或者叫流水线型的这样的一个方法。所以这个会给未来整个 cmc 工艺开发的当中的缩短时间,是起了相当大的一个作用。

所以回到你刚才的问题,我们这个无论在做是这些现在的一些工作数据都是我们自己产生的。从商务角度了,从某种程度上也是一种护城河。很多时候并不是说,每个人拿个数据,我这边有算法算一算就能搞出来。所以这些东西都是从 0 开始建立的数据。那么它另外还有一个在算法上刚才任博也讲了,算法上的竞争也是重要,我们还需要好的算法,比如说有些数据它未必一定要上亿的数据,有些算法它通过叫迁移学习类似的,就可以少量的数据就可以推算出一些原来要大数据来才能做出来一些结果。
评论(0
登录后参与评论
    相关问答