Insilico Medicine

Генеральный директор Александр Жаворонков основал Insilico Medicine в 2014 как альтернативу тестированию препаратов на животных для исследовательских программ в фармацевтической промышленности. Используя искусственный интеллект и методы глубокого обучения, Insilico анализирует, как различные соединения воздействуют на клетки, какие соединения следует выбрать для достижения желаемого эффекта, и какие побочные эффекты при этом возможны. Через свой отдел Pharma.AI компания предоставляет сервис машинного обучения различным фармацевтическим, биотехнологическим и косметическим компаниям.^[4][5] Insilico известна поиском сотрудников посредством хакатонов, таких как их собственный «MolHack online hackathon».^[6]

Компания имеет множество сотрудничеств в сферах технологий искусственного интеллекта следующего поколения, таких как генеративно-состязательные сети и обучение с подкреплением, с целью создания новых молекулярных структур с желаемыми свойствами.^[7][8] Совместно с группой Алана Аспуру-Гузика в Гарварде, сотрудники компании опубликовали научную статью об улучшенной GAN архитектуре для создания молекулярных соединений посредством комбинированного использования GAN, обучения с подкреплением и дифференциального нейронного компьютера.^[9]

Одна из работ Insilico в научном журнала Nature Communications, описывающая iPANDA алгоритм снижения размерности, включала в качестве соавторов сотрудников 11 институтов.^[10] В 2017 году Insilico была названа NVIDIA одной из пяти AI-компаний, которые, по её мнению, имеют наибольший потенциал социального воздействия.^[11] Insilico имеет свои R&D ресурсы в Бельгии, России и Великобритании. Cотрудников компания предпочитает искать через хакатоны и другие локальные соревнования.^[12] В 2017 году Insilico привлекла инвестиций на 8,26 миллионов долларов, включая таких инвесторов как Deep Knowledge Ventures^en, JHU A-Level Capital,^[13] Jim Mellon^en,^[14] and Juvenescence.^{[15][16][17][18]}

В сентябре 2019 компания в сотрудничестве с исследователями из Университета Торонто с помощью AI идентицировала несколько потенциальных лекарств за 21 день, одно из которых затем продемонстрировало многообещающие результаты в эксперименте на мышах. Весь процесс в целом занял 46 дней.^[19][20]