希望之城（City of Hope）是美国最先进的癌症研究与治疗机构之一。
2012年是Jacob Berlin在希望之城工作的第二年。Jacob在贝克曼研究所担任分子医学系副教授，研究纳米材料和合成化学的交叉领域，有关技术可用于小分子药物研发。此前，他已在小分子药物研发领域深造多年。
一天，Jacob无意中在餐巾纸上写下一个技术构想：能否创造一种技术，让它在几分钟内筛选数亿个药物分子，并记录它们与疾病靶点的相互作用，用这一些数据驱动AI加速药物研发。
Jacob很快意识到，这项技术一旦大规模应用，药物开发速度将提高数千倍。他迫不及待地给弟弟Eli Berlin打了一通电话：“这个想法太酷了！这将成为一家公司。”
“听起来很棒，Jacob。但它真的有用吗？”Eli反问。Eli从事私募股权投资工作，他擅长从商业视角给出建议。Eli印象中，Jacob很少对自己的成就如此兴奋，Terray是一次例外。
“它甚至还不存在，只是一张很酷的餐巾纸，但我们会去实现它。”Jacob说。
2022年，美国洛杉矶新建了一座占地超50000平方英尺的工厂，约2/3个足球场大小。这里既是一座药物研发实验室，也是一座AI数据工厂。人类科学家和AI每天共同产生50TB原始化学数据，相当于12000多部电影。
2018年，Jacob最初的技术构想有了雏形，他和弟弟Eli共同成立Terray。Terray通过大规模计算与实验室数据相结合，降低小分子药物开发成本与风险，提高研发速度。
最近，不到一年时间里，英伟达两次押注Terray。2023年底，Terray首次获英伟达投资；2024年10月，Terray宣布完成1.2亿美元B轮融资，英伟达再次加注。
在哈佛大学读本科期间，Jacob就开始思考怎么样制造更有效的药物。在MIT攻读博士后期间，Jacob做了大量的分子设计和开发工作，很多成果被用于小分子药物开发中。
小分子药物因分子结构简单，服用方便，生产所带来的成本低廉而很受欢迎。患者口服后，药物可在消化道内被吸收进入血液，如阿司匹林和他汀类药物等。
长久以来，新药研发都困在“双十定律”的诅咒里，平均每项研发都要耗费10亿美元和10年时间，且失败率高达90%。
根本原因主要在于，药物发现过程好比“大海捞针”。目前，潜在可行的药物类小分子化合物的数量约在10^40~10^60。而传统制药流程中，企业往往应该要依据发病原理确定靶点，在潜在可行的药物分子中反复实验、设计、测试，找到能够命中靶点的药物分子，每周只能生成约10~20个数据点，研发进展极慢。
于是，Jacob到莱斯大学攻读第二个博士后学位，转向纳米材料研究，试图将材料微型化，加快药物研发效率。此后，他在希望之城综合癌症中心的贝克曼研究所当了8年教授，研究纳米材料和合成化学的交叉领域。
彼时，以深度学习为主的AI浪潮逐渐兴起，用AI将药物研发从“大海捞针”变为“可控工程”的呼声也随之高涨。
其中一条路通向算法，代表成果是谷歌DeepMind的AlphaFold系列。这类企业押注于算法能力，认为算法设计越好，所需的数据就越少，企业通常不需要建立大型实验室。
Jacob认为，药物研发虽是算法问题，但更是一个数据问题。以往的化学数据规模小且质量不高，无法高效驱动AI进行药物研发。于是，Jacob在餐巾纸上写下一个大胆的想法，并为此成立了一家公司。
Jacob将公司的发展历史描述为一个多阶段的旅程，从硬件革命（扩大芯片制造规模），到数据革命（快速准确地收集高质量数据），再到计算革命（构建药物发现平台）。
早在10年前，Jacob和团队的博士生Kathleen Elison便共同开发了一种超高密度微阵列芯片。
每个芯片大约只有1枚镍币大小，分布着3200万个微孔，每个微孔都是高速生化筛选的反应点。将芯片放置于化学溶液中，溶液分子与芯片微孔中化学分子的每一次相互作用都会被记录下来，每天会有数百万次记录，产生50TB原始数据。“这是一个天文数字般的进步。”Elison表示。
目前，Terray已经构建了世界上最大的化学数据集，在过去3年中定量测量了超过50亿个靶点-配体相互作用，约为所有公开可用化学数据的50倍，且数据集规模每年翻一倍。
2022年2月，Terray推出药物发现平台tNova。通过高密度微阵列技术和AI技术，tNova平台能够系统分析药物分子与疾病靶点之间的相互作用，识别并优化潜在的药物候选分子。
2024年2月，Terray在GitHub上开源了多模态预训练模型COATI。COATI能够将实验中的化学数据“编码”为AI能够理解的计算机语言，经AI处理后，再将药物分子对应的计算机语言“解码”为化学数据，从而倒推出分子结构，加速实现药物分子设计。2024年3月，Terray在GitHub上发布COATI2，训练数据量为上一代模型的2倍。
简言之，Terray通过超高密度微阵列芯片生成大量“靶点-配体”发生反应的原始数据，以此训练生成式AI模型，驱动AI筛选出最有效的药物分子。之后，对筛选出的候选药物分子进行高通量实验测试，测试数据将成为新训练数据导入数据集，从而形成数据闭环，逐步的提升模型筛选和设计药物分子的准确性。
目前，Terray已将每个药物分子的设计-制造-测试-分析周期压缩至1个月以内。
不过，这种将AI计算与实验室研究深度耦合的方法，也要求Terray构建起一个跨领域专家团队把控关键环节，以及足够的计算资源支持。资金、人才、算力，缺一不可。
借助这融资势头，Terray在洛杉矶蒙罗维亚技术园区落地了超50000平方英尺的综合实验室，接近2/3个足球场。与此同时，Terray也开启新一轮“招兵买马”，在所有的领域搜寻志同道合的专家。
Jacob曾在一次采访中直言，“招聘团队是最大的挑战。找到使命、愿景一致，充满激情且能力出众的人一直都是一项艰巨的任务。”
Fez在临床药物领域有数十年积累。他于1995年加入默克公司，担任高级研究化学家，并升任化学执行总监。他曾将8个候选药物送到临床试验门前，其中3个进入临床试验，包括用来医治肥胖症的同类首创小分子MC4R激动剂MK-0493。
Fiona在生物技术和生物医学行业有20多年从业经历，专注于端到端产品解决方案与制造流程的跨学科技术开发。她的技术理念与Terray不谋而合：“大规模的化学-生物相互作用数据，结合机器学习方法，将会展现出颠覆性的创新潜力。”加入Terray前，Fiona曾领导全球基因测序设备巨头因美纳的Array产品组合研发部门。在她的领导下，Array四年内收入增长40%。
其中，Bassil Dahiyat曾被麻省理工学院《技术评论》评选为“100 强青年创新者”。他深知，药物发现领域长期受到规模和资源的限制，而Terray平台所能提供的大规模实验筛选和先进的计算方式，恰好能帮助突破这一瓶颈，发掘出具有潜力的新药候选物。
Sudha Parasuraman则有丰富的临床开发和商业经验，在免疫学、肿瘤学、血液学及罕见病领域均有多年研究。“在Sudha博士专业相关知识的支持下，Terray的内部和合作项目将更好地向临床阶段推进。”Jacob Berlin表示。
Terray首席科学家Vanessa Taylor此前在Rigel Pharmaceuticals担任生物学副总裁，曾负责领导临床前研究项目，从靶点识别到主要候选药物的选择，以及支持IND（研究型新药）申请和早期临床研究。在Rigel任职期间，她直接参与了7种候选药物的临床研究，着重关注是炎症和罕见疾病。
Terray首席平台官Craig Schulz此前是安进公司的首席科学家，曾负责设计、测试和运行安进公司的自动化解决方案。Craig发明过许多新技术，包括对小分子和大分子合成、纯化和筛选的改进等。
同时，Jacob的亲弟弟Eli Berlin也辞去原本的私募股权工作，成为Terray的联合发起人，并担任首席财务和运营官。
加速组建跨领域专家团队的同时，迅速扩大的数据集也急需大量计算资源维持运转。2023年，一笔来自英伟达的投资，为Terray补上了计算资源的巨大缺口。
2023年11月，Terray宣布获得英伟达风险投资部门NVentures的股权投资。
当时，Terray已拥有一批高质量的实验数据，想要逐步训练自己的小分子化学基础模型，用生成式AI来解决复杂的药物发现问题，急需大量计算资源。英伟达承诺，将为Terray提供NVIDIA DGX™ Cloud平台，利用NVIDIA AI软件堆栈和NVIDIA的全栈计算专业相关知识，协助Terray优化和扩展其基础模型的开发。
最近，英伟达宣布其开源的NVIDIA(®) BioNeMo(™)框架正加速落地。BioNeMo框架通过一系列加速计算工具，为生物分子研究提供指数级扩展能力，提高药物研发流程中的计算水平。目前，已有200多家科技生物公司、大型制药公司和初创企业，将BioNeMo集成到其计算机辅助药物研发平台和工作流中。Terray就是这里面之一。
人体内部的化学环境极其复杂，药物进入人体开始临床试验后，很可能遇到在实验室里未曾出现的副反应，损害人体健康。临床试验一旦失败，此前多年努力都打了水漂。
因此，Terray等生物技术初创企业大多会选择与大型药企合作，形成优势互补，降低药物研发成本。目前，Terray已经陆续和大型制药企业建立合作。
2022年10月，Terray与生物制药公司Calico达成合作。Calico由Alphabet创办，致力于用先进的技术研究老年疾病。根据协议，此次合作旨在开发癌症等疾病的小分子疗法。双方将利用Terray的tNova平台，识别Calico选定靶点的小分子先导化合物。
2023年12月，Terray宣布与百时美施贵宝达成一项多目标合作协议，以发现和开发某些疾病的小分子疗法。根据协议条款，Terray将利用tNova平台发现和开发针对百时美施贵宝指定的一组靶点的小分子化合物，百时美施贵宝将负责开发和商业化。
合作项目在药物分子发现、候选药物、临床试验及监管等节点取得关键进展时，Terray都有资格获得额外付款。同时，如果百时美施贵宝成功将合作的产品商业化，所产生的净销售额也需分配特殊的比例给Terray作为特许权使用费。
今年10月，官宣B轮融资后，Terray相继宣布了与Odyssey Therapeutics的合作。Odyssey是一家临床阶段的生物制药公司，专注于自身免疫性和炎症性疾病的药物研发。
根据合作协议条款，双方将合作确定一个或多个候选药物。Odyssey将提供相关知识产权和专业相关知识，供Terray的tNova药物发现平成药物发现和先导阶段。此后，双方将一同承担该项目的研究、开发和商业化任务，并平等分担合作损失和利润。
Jacob曾在两年前的一次访谈中坦言：“将我们的技术规模化、工业化应用远比想象中更难。”某一些程度上，这也是整个制药领域共同的难题。
虽然一些人工智能开发的药物正在进行临床试验，但仍处于早期阶段，全世界内仍未出现一款通过临床测试的AI药物。华盛顿大学蛋白质设计研究所所长、生物化学家大卫·贝克此前指出：“生成式人工智能正在改变这样的领域，但药物开发过程依然非常混乱。”
最常见的争议在于，AI往往是基于大规模数据，经过推理运算后，预测出某个药物分子结构，但没办法提供该药物针对相应疾病的生物学机制，这可能会造成潜在的安全风险。
但反对者认为，对于目前市面上流通的绝大多数药物，人类都无法准确解释其作用机理。“如果目的是改善人类健康并确保患者获得有效的治疗，那么在不完全了解生物学的情况下开发治疗方法是理所当然的。如果这是一个黑匣子，我会接受这个黑匣子！”AI制药企业insitro首席战略官Philip Tagari曾表示。
对此，Jacob也表达过相似的观点：“对我们以及整个领域的最终考验是，10年后回顾过去，是否可以说临床成功率大幅度上升，并且我们有了更好的药物来促进人类健康。”
据报道，Terray正在开发治疗红斑狼疮、牛皮癣和类风湿性关节炎等疾病的新药。此外，Jacob透露，2026年，Terray预计将有药物进入临床试验。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
生成式CAD马上就要来临，600亿美元市值的Autodesk正内测CAD大模型
中国工程院院士孙凝晖给正国级、副国级讲课的万字长稿《AI与智能计算的发展》
辛巴砸钱15亿开超市，说超越山姆很容易！辛选超市曝光被说山寨
Bcup S15：Happy轻松晋级，Moon&Lucifer今晚出战
