核心技术

核心技术1：I3技术平台

智能组学I3技术平台是由公司首席科学家和 联合创始人Graham BALL教授（诺丁汉特伦特大学的生物信息学教授，人工智能及其在生命科学中应用的先驱领袖之一）创建的，其基础算法为人工神经网络（ANN）的大数据分析方法，是由 BALL教授和他的同事在20多年的研究基础上开发的，能够对广泛的动物和人类数据（基因组学、蛋白质组学、转录组学、代谢组学和临床研究）进行分析，揭示分子数据中的非线性模式，识别给定疾病的特定分子驱动因素（通常是基因或蛋白质），以及疾病通路中分子的相互作用，从而构建一个完整的疾病系统图谱，提供大量新增的疾病通路知识。与已有的文献结果比对后，可以确定哪些新的驱动因素增强或取代了先前人类对于这种疾病的认知。在大多数分析中，我们 确定的至少50%的关键驱动因素以前从未被识别出与正在研究的疾病相关。基于以上的分析结果和知识，公司能够将新的分子/药物与我们所确定的新生物靶点联系起来，创造一个大规模的新药物流。当前，公司每月可以确定2-5种新药。

核心技术2：Intellomx数字双胞胎

数字双胞胎是我们从工程学借鉴来的一个概念（如城市中的实体道路和软件中的虚拟道路就是一对“数字双胞胎”），Intellomx数字双胞胎是人类系统生物学的模型，绘制了人体最重要器官的生物靶点。数字双胞胎的开发让我们能够在人体模型中测试正在开发的药物而没有风险，并明确显示可能的毒性作用。通过开发具有肾、皮肤、血液、肝脏、大脑和其他器官通路数据的Intellomx数字双胞胎，我们可以预测任何正在研究的分子的特定脱靶效应。Intellomx数字双胞胎的分析结果使我们能够优先开发风险最低的分子，并消除高达90%的，在后期高成本阶段会因毒性作用而失败的项目。

智能组学AI技术具体分析步骤：

步骤1：确定要研究的临床问题/疾病，并从公共数据集或客户自有数据中收集相关数据。以合适的表格格式解析数据。

步骤2：利用I3技术平台分析数据，识别对所研究疾病影响最大的驱动因子（生物标志物），并按影响程度大小排序。

备注：对于目标是开发用于医疗设备上使用的诊断组合的应用，步骤2能够提供的信息足够了。

步骤3：分析步骤2中最重要的生物标志物（一般选取最重要的200个或类似的标记），评估标志物之间的关系，并测试多个模型来找到最拟合数据的模型，以最好的描述所研究疾病的基础生物学。

步骤4：在疾病生物系统中，获得生物标记物/基因路径之间的影响强度和方向，有效地获得驱动疾病的因果关系。

以上分析大约需要14天来完成。

步骤5：根据以上I3技术平台的分析结果绘制疾病驱动因子图，将结果与文献进行比较，区分哪些是新的生物靶点。使用Intellomx数字双胞胎技术模拟预测毒理学反应，消除毒性作用大的新靶点，优先开发风险最小的靶点。

步骤6：应用计算化学和药物基因数据库来识别调节靶点的药物分子，在湿实验室验证每一步。

智能组学AI技术的产出: 新药，新诊断和系统生物学知识。

智能组学AI技术的特点：

1、绝大多数生命科学AI应用只是模仿人类专家的工作：提供图像分析、蛋白质匹配、文献挖掘或其他复杂任务的自动化。而智能组学AI技术则是以人类科学家以前不可能的方式分析医疗数据，利用其I3技术平台生成人类生物学的全新知识。

2、适应性：智能组学的AI方法不需要行业专家的先验假设。相反，该方法是基于证据的询证分析。

3、非线性：平台不受线性搜索参数的约束，从而反映了非线性生物学的典型复杂性。

4、普适性：该平台提供了一个通用的预测模型，通过多个数据集验证，可以精确地应用于新的病例。

5、相关性：该系统被证明能够识别生物学相关靶标。

6、关注疾病状态的驱动因素或原因，而不是疾病状态的症状或影响。

智能组学AI技术的优势/影响：

1、以一种前所未有的方式发现新药和伴随诊断，能够消除不必要的湿实验室开支，极大缩减新药开发的时间、成本和资源（通常可减少5到15年的临床前研究）。

2、I3方法的快速性可以使更广泛的目标得以评估和确定优先级。

3、能够在初始阶段就消除在后期高成本阶段会因毒性作用而失败的新药项目，优先开发风险最小的分子，大大降低临床试验风险。