编译 | 刘宇梦

6月16日，Enveda Biosciences宣布完成B2轮5500万美元的融资，本轮融资由新投资者Premji Invest 、Lingotto Investment Fund、微软、The Nature Conservancy及老股东 Kinnevik、True Ventures、FPV、Level Ventures 和 Jazz Venture Partners共同参与。在此前已经获得1.19亿美元的基础之上，新一轮融资使该公司的融资总额达到2.3亿美元。

Enveda 成立于 2019 年，是一家总部位于科罗拉多州博尔德的生物技术公司，药物研发团队由生物学家、化学家、生物信息学家和数据科学家组成，旨在了解和利用构成生命基础的化学反应。

Enveda使用其人工智能工具来识别和表征生物体产生的各种分子（其中绝大多数从未被科学探索过），从而创建一个新的化学生物多样性数据库：生命图书馆。通过发展、组织、翻译和搜索这个独特的图书馆，Enveda 从生命进化的解决方案中学习，以满足当今紧迫的临床需求。如今，该公司的数据库中有3.8万种药用植物，与大约1.2万种疾病和症状有关。

Enveda药物管线进度图

微软在5月底已宣布和Enveda达成合作，除资金支持以外，还将为 Enveda 的新型药物发现平台提供支持所需的计算资源。Enveda 将使用 Microsoft Azure 扩展其生成式 AI 模型，包括新发布的模型 PRISM——迄今为止最大的小分子质谱机器学习模型。

PRISM由Azure构建，代表着使用AI解释质谱数据的能力发生了重大变化。质谱法是检测自然界小分子的主要方法。该模型已经在12亿张高质量小分子 MS/MS 光谱进行过训练，掌握了这种数据类型的语言和语法的基础知识，这从本质上使该模型能够“读取”生命的化学反应。此外，PRISM 可用于支持下游预测，例如通过将质谱“翻译”为化学结构或属性的表示来进行从头化学结构预测，这是 Enveda 从自然界获取新药的能力的基础。

据Enveda官网介绍：在我们预测的所有属性中，与使用相同数据训练但没有使用 PRISM 的相同模型相比，PRISM 的预测结果有了显著改善。为了验证这一成功并不仅限于属性预测，我们还测试了 PRISM 将未知光谱与光谱参考库中最接近的匹配项进行匹配的能力，与没有使用 PRISM 预训练的标准 ML 模型相比，该任务的相对改进率为 23%。

“在大量原始数据集上训练的大型基础模型是现代 AI 应用的基础。通过在有史以来最大的质谱集合上训练 PRISM，我们创建了一种工具，可以帮助我们解读化学语言并将其转化为新的、有影响力的药物，”Enveda 数据科学副总裁David Healey博士说。

Enveda的药物研发工作主要分为两类：第一，调节复杂的表型或疾病表现，这一过程中可能会发现新的药物作用机制；第二，针对那些几乎没有或没有化学底物的靶点，进行研究。 据Enveda透露，最初的战略是探索复杂生物学领域，后来因市场趋势而转向了胃肠道、皮肤病学和肺部治疗领域，特别是其中炎症、纤维化及疾病状态下神经感觉系统改变等主要研发工作。

此次融资将用于支持Enveda平台的进一步开发，该平台最近提名了第六个新化学分子实体(NCE)开发候选药物，Enveda进度领先的三个先导化合物预计将于2024年末和2025年初进入临床试验。其中，治疗特应性皮炎的是一种新型口服首创抗炎药物，在临床前研究中表现出显著有效性、安全性。

据Viswa Colluru博士称，目前Enveda的主要项目是两种药物，一种用于治疗皮肤病，包括湿疹，另一种用于治疗炎症性肠病，预计将于今年末开始临床试验。

对于这次融资，Enveda 首席执行官兼创始人Viswa Colluru博士表示，新一轮融资使Enveda能够在其资本表中增加长期战略合作伙伴，该公司计划在临床试验开始后，计划于今年晚些时候进行C轮融资。

编辑：海若镜