12月14日，旧金山和纽约，生命科学风险投资的领导者Apple Tree Partners（ATP）宣布为其投资组合公司Deep Apple Therapeutics提供5200万美元的A轮融资，该公司由ATP创建和孵化，旨在通过人工智能生成的虚拟库的虚拟筛选，快速发现针对高价值靶点的新型小分子疗法。凭借一个强大的发现引擎，结合了冷冻电镜cryo-EM、深度学习和超大文库的分子对接筛选，Deep Apple可以在不到12个月的时间内（仅为行业标准时间的一小部分）从靶点识别到先导优化，并可以追求传统发现方法无法获得的生物靶点信号。Deep Apple的发现引擎广泛适用于疾病领域，特别适用于针对整合膜蛋白的快速命中发现。该公司目前正在推进多个专注于GPCR调节剂的项目，这是一个已被证实的靶点类别，应用于代谢紊乱、炎症、免疫学和内分泌疾病。
Deep Apple的药物发现引擎建立在其学术联合创始人的领先专业知识和技术之上：冷冻电镜和GPCR结构生物学的世界领导者斯坦福大学的Georgios Skiniotis教授；加州大学旧金山分校虚拟筛选的先驱Brian Shoichet教授；以及加州大学旧金山分校的John Irwin教授，他创建了广泛使用的100多亿种可合成化合物的ZINC free虚拟库。
Deep Apple CEO Spiros Liras（左）和临时CSO Paul Da Silva JardineDeep Apple创始首席执行官、ATP风险合伙人Spiros Liras博士说：“ATP创建Deep Apple是为了在速度、成本和有效性方面彻底改变药物发现。我们汇集了创始人的独特能力，构建了一个真正的深度学习发现引擎，它与人工智能驱动的蛋白质结构阐明和药物发现方法不同。机器学习支持的冷冻电镜数据处理使我们能够在与信号伴侣相互作用的背景下揭示生物学相关的构象——静态模型和经验筛选方法可能会错过的瞬时结合口袋。我们的虚拟大规模对接使我们能够快速找到针对正确靶点的正确药物。”
Deep Apple在短短几个小时内对数十亿种可合成的化合物进行了针对正构和变构结合位点的计算机筛选，然后通过计算生成庞大的项目专用虚拟库，以发现具有理想的可停靠和可成药特性的专有化学类型。对所选虚拟化合物的湿实验室询问反馈到该公司的深度学习模型中，以不断提高预测性能。
Deep Apple首席科学官、ATP风险合伙人Paul Da Silva Jardine博士表示：“Deep Apple专门使用虚拟筛选来识别命中率，我们以极快的速度实现了对难以成药的靶点的高质量命中。自去年开始运营以来，我们已经启动了多个GPCR项目，包括用于肥胖和体重管理的非肽/非GLP-1项目，以及用于炎症和炎症性疾病的有前景的项目。凭借我们发现平台的多功能性，GPCR只是冰山一角。”
