AI驱动绿色农药创制Agrematch将今天的数据用于未来的
技术商业化亮点
Agrematch
核心技术价值
Agrematch通过结合人工智能(AI)、机器学习(ML)深度学习(DL)算法、其他数据科学概念以及生物学、化学和农业知识,开发专有的识别生物活性化合物的人工智能引擎Agresens系统平台,加快农业食品及更多其他行业的功能成分开发
产业痛点锚定
目前,农业食品、营养健康、化妆品等行业正在面临创新型化合物需求。然而发现和开发具有特定要求的新型生物活动化合物具有高成本挑战性和后期开发失败的风险性,同时目前的研发方法效率低下,仍旧亟需高度先进的工具来进行满足市场需求的可持续化合物的研究开发
应用场景选择
Agrematch专注于通过其颠覆性的人工智能预测系统和验证平台进行有效安全小分子化合物的开发,持续聚焦农业食品等行业以提供可持续产品,未来在营养、人类健康、化妆品和特种化学品等方面均有潜在商业化空间
市场探索进程
1)在产品研发方面,Agrematch的Agresens系统经历明确产品概念创建特定活性预测模型识别候选者输出候选化合物名单实验室分析验证创制满足需求的先导化合物过程,加快农业食品以及更多其他行业的功能成分开发过程,显著降低下游风险
2)在市场开发方面,Agrematch重点关注农业食品领域的作物保护、肥料、除害虫、控制微生物和真菌产品等方面;同时也将布局多行业应用场景,如在化妆品行业中的颜料、功能化妆品和可持续性的开发,食品营养行业的食品添加剂和防腐剂的开发以及动物饲料方面的功能饲料的开发
国内借鉴意义
1)计算模型、人工智能、机器学习、大数据科学和广泛的生物和化学专业知识共同驱动的生物活动化合物开发作为一项具备创新可持续性的技术,值得关注其在更广泛的农业食品、化妆品、饲料等领域蕴藏的发展潜力
2)在初始阶段积极进行产品分析验证与市场导入,建立自身核心技术优势的同时,保证技术和产品的市场可行性
3)国外成熟完善的技术成果转化体系,加速着潜力型技术向市场的转化,促进创业企业创新发展正向循环的同时,也带动着整体产业更可持续更快速的进步
据《科学》杂志统计,成功开发一个新农药,需要合成14万个化合物,耗资2。56亿美金,历时往往需要1012年(指确定候选化合物后,到取得农药登记并进入市场的时间)。新农药创制包括靶标发现、先导发现、先导优化、生物活性筛选、田间小区验证、毒理学评价、环境安全性评价、田间示范、代谢及残留试验、中试合成及产业化推广等多个环节,这其中先导发现是最关键的环节,决定了整个新农药创制的效率。因此,发展高效分子设计方法,快速发现有价值的先导化合物是新农药创制所面临的关键挑战。
然而,发现和开发具有特定要求的新化合物非常具有挑战性,成本高得令人望而却步,并且固有地存在后期开发失败的高风险。目前的方法效率低下,已经耗尽了已知的化学空间。他们根本不拥有满足市场对可持续化合物日益增长的需求所需的高度先进的工具。
图源:Agrematch官网
以杂草控制为例,杂草通过侵占农作物的种植空间、光、养分和水分等资源降低作物产量,每年给种植者造成数十亿美元的损失。然而,随着大多数现有除草剂的抗药性的出现以及新型化合物注册过程的缓慢使得农业生产中的杂草的控制变得愈加困难。而近三十年来,新型的除草剂作用机制(MoA)的发现进程缓慢,种植者对于更多新型、有效解决方案的需求越发显著,越来越需要开发更多新的杂草管理方法来解决当前的杂草抗性问题。具象来说,一是药剂品种与剂型老化、抗药性加剧、替代传统农药和新剂型短缺;二是农药企业缺乏自主创新,均聚焦于生产己经过了专利期的传统品种,同质化无序竞争严重;三是原创性靶标还很少,缺乏基于分子设计技术和基于原创性靶标创制高效低风险小分子农药。
图源:Agrematch官网
Agrematch成立于2017年,是一家位于以色列Rehovot的数据科学产品发现和开发公司,服务于对新型生物活性化合物存在需求的行业。Agrematch的多学科团队结合计算模型、人工智能、机器学习、大数据科学和广泛的生物和化学专业知识,开发了其专有的Agresens系统,是用于识别生物活性化合物的人工智能引擎。迄今为止,Agrematch已通过发现多种活性化合物证明了其专有技术的价值和优势。
基于AI、机器学习、数据科学概念及生物农化专业知识的Agresense人工智能算法系统
图源:Agrematch官网
Agrematch的Agresense人工智能算法系统利用先进的人工智能(AI)和机器学习(ML)深度学习(DL)算法以及其他数据科学概念,结合生物学、化学和农业知识,帮助产品开发过程提供见解和做出有效的决策。Agresense的关键应用是生物活性化合物的发现和表征,例如通过筛选获得所需功能的有效成分,从而实现作物保护和作物增强产品,其中具有代表性的是,Agrematch利用该系统开发的一种新型除草剂4氯2五烯酰胺,它通过抑制卟啉生物合成的关键酶原卟啉氧化酶(PPO)从而起到除草的作用。
图源:Agrematch官网
图源:Agrematch官网
具体的,Agrematch的创新发现过程起于明确定义的产品概念计划,而后将训练数据加载到模型生成器以创建特定的活性预测模型。然后,系统通过对驻留在专有数据库中的数十亿种化合物运用模型的特定预测算法来识别候选者。从而输出具有预测所需功能的候选化合物的候选名单。然后,Agrematch的研发团队对排名靠前的候选化合物进行单独分析,并在植物(体内)实验室中进行验证,通过迭代过程,选择能够有效满足所需要求的化合物,成为未来商业化的先导化合物:
图源:Agrematch官网
数据库建立与筛选
Agresense的模型生成平台可以通过使用相关的正例和负例数据集进行训练来开发特定的功能模块。目前Agresense在包含超过60亿种化合物的庞大化合物数据库上运行,该数据库目前正在扩展到1500亿种,为Agrematch提供了巨大的数据基础。
预测模型迭代与优化
预测模型被用于所需的应用需要经过多次的训练迭代,而每一次应用的数据获得又有助于模型预测准确性的提升。迭代的过程包括在实验室中测试Agresense识别的化合物的除草活性,并将结果反馈到Agresense系统中进行优化,并创建额外的化合物库迭代。
候选成分分类分析
候选化合物成分通过Agrematch的MoA分类器算法对这些化合物进行分析,以预测这些化合物是否具有新的MoA或是否属于现有的HRAC类。
除了寻找所需化合物的生物活性外,该系统还设计用于预测和表征化合物成为商业产品所需的许多重要化合物属性(功能),包括毒性概况、作用方式(MoA)分类和识别、产品混合物相容性、环境影响和COGS等,通过对这些因素的虚拟筛选、早期预测,并只选择最有可能成为产品的化合物,Agrematch加快了农业和食品以及更多其他行业的功能成分的开发过程,同时大大降低了下游风险。
集成验证流程
从数据分析到现场试验的快速通道
图源:Agrematch官网
Agrematch人工智能系统深度赋能农业食品、营养、化妆品等行业开发
目标应用市场广泛
图源:Agrematch官网
Agrematch专有的基于化合物的人工智能系统适用于多个行业的众多应用场景,包括营养、人类健康、化妆品和特种化学品等行业。例如在化妆品行业当中,Agrematch未来将侧重于颜料、功能化妆品和可持续性的开发。但目前,Agrematch仍主要专注于农业和食品行业,包括在作物保护方面,肥料、除害虫、控制微生物和真菌产品的开发;在食品营养方面,关注食品添加剂和防腐剂的开发;在动物饲料方面,关注功能饲料的开发。
产品管线
Agrematch的人工智能系统专注于能够成功通过开发和注册过程成为可持续农业商业产品的化合物。目前,Agrematch已经产生了一组在该领域的化合物管道,在不同的产品开发阶段有几个化合物家族。产品线包括几种具有杂草和疾病控制特性的化合物,这些化合物已经在田间试验中得到验证,并将持续推进开发过程。
图源:Agrematch官网
图源:Agrematch官网
知耕Tech
商业成熟度CML评估模型
随着生物技术的日新月异,新的生物技术引领、生物信息技术应用、多学科交叉渗透促进农药创新发展已成为国际农药研究创新态势。特别是以功能基因组学、蛋白质组学以及结构生物学为代表的生命科学前沿技术和以基因编辑为代表的颠覆性技术,与新农药创制研究的结合日益紧密。
Agrematch的科研团队将机器深度学习(MLDL)算法和专有数据库的强大功能与生物学、化学和农业知识相结合,创建了一个强大的集成AI预测平台。与同行相比,在Agrematch技术系统下,有效新型化合物的开发时间、成本和风险大大减少,克服农业和食品行业以及更多行业现存的对有效功能化合物开发的低效高成本难题。在海外,除了Agrematch外,Targenomix也是利用人工智能与机器深度学习技术促进和加速小分子化合物成分开发的创新力量代表,聚焦于作物保护和植物健康领域有效安全小分子化合物的开发。
世界农药科技的发展已经开始进入一个新时代,多学科之间的协同与渗透、新技术之间的交叉与集成、不同行业之间的跨界与整合已经成为新一轮农药科技创新浪潮的鲜明特征。这三大特点的结合,必将推动新农药的创制。知耕持续关注AI驱动的农业食品行业功能化合物开发赛道的长足发展,期待陪伴更多参与者共同推进该领域的商业化进程。
知耕(TechCube)是一家聚焦农食科技领域的技术商业化创新平台;
促进源头创新与产业深度融合;
与科学家、创业者、投资人及相关方同行;
持续打造引领生物行业变革企业。
欢迎关注公众号:知耕TechCube