编辑/绿萝
2022 年 1 月在线发表的《柳叶刀》报告（The GRAM Report）分析了 2019 年全球细菌耐药性的负担，发现「每年至少有 127 万人死亡直接归因于抗微生物药物耐药性（AMR）。」 受英国委托的 O’Neill Report 估计，「除非采取行动，否则到 2050 年，AMR 造成的死亡负担可能会激增至每年 1000 万人，全球经济产出的累计损失将达到 100 万亿美元。」
AMR 已是重大威胁，成为全球死亡的主要原因之一。迫切需要更有效地治疗耐药性感染和克服抗菌素耐药性的新型抗生素。
ArrePath 是一家抗感染药物研发公司，致力于应对耐药性感染的全球健康挑战。近日，宣布已筹集 2000 万美元的种子融资，以推进其基于机器学习 (ML) 的专有平台，以发现新的抗感染药物以克服 AMR。
ArrePath 的方法利用了一个新技术平台，通过解码细菌在暴露于新化学实体时的复杂行为，从而使新的和差异化抗生素的发现和开发成为可能，从而有效地阐明生物作用机制。
利用专有的机器学习和成像技术，ArrePath 的平台能够以前所未有的能力识别、优化和快速开发与现有药物相比具有不同作用机制的新型抗感染药物。
与传统方法相比，ArrePath 在药物发现的一开始就识别出具有新的和未充分利用的作用机制的化合物，一旦确定了机制和目标参与，就会优化功效、安全性和其他关键属性。
该公司的「机制优先」和以知识为主导的方法能够显著提高药物发现和优化过程的效率，以及对化合物潜在的可定位目标产品概况和临床效用的早期和批判性理解。
ArrePath 没有使用标准的生长抑制分析，而是将多维表型筛选、蛋白质组学和基于基因组学的技术与机器学习驱动的分析相结合，对所得到的丰富和高度详细的数据「景观」进行分析。整个过程可以快速识别命中的作用机制，然后优先考虑进一步优化。ArrePath 方法的敏感性和数据丰富性还允许识别影响生物途径的较弱的命中，这些途径以前使用「传统」技术会被优先考虑，从而为新型抗生素产生潜在的易处理起点。
ArrePath 在先导和先导优化过程中，利用其基于成像的平台来帮助有效开发基于细胞的系统中的结构活性关系。还整合了机器学习和人工智能来指导复杂的多参数优化，以解决抗菌药物发现中的多重挑战。
ArrePath 开发了创新的工作流程，通过应用成像和机器学习技术在初始细菌细胞学分析 (BCP) 后确定先导化合物的具体作用机制。然后，蛋白质组学和基因组学技术的应用使我们能够确认目标参与并确定是什么导致了抗菌活性。
ArrePath 平台的概念验证已在其科学创始人 Zemer Gitai 教授在《Cell》上发表的研究中得到证明，他是这种方法的先驱。该过程确定了一种具有新型双重作用机制的化合物，该化合物对革兰氏阴性和革兰氏阳性菌均具有活性，并且没有可检测到的耐药性。
论文链接：doi.org/10.1016/j.c…
该研究发现了双重机制的特定元素，表明它们具有协同作用，并且它们的协同作用取决于单个分子中包含的不同部分。最初的先导化合物导致了一个名为「Irresistins」的系列，该平台已经确定了其它具有新机制的化合物，有可能作为优化和未来发展的起点。ArrePath 拥有普林斯顿大学对平台技术和通过其应用产生的新化合物相关的知识产权的独家权利。
ArrePath 的战略是通过成像技术和机器学习解码生物学以发现新的抗感染药物。ArrePath 旨在通过对细胞行为的深入生物学见解及其基于机器学习和成像的平台的应用，成为发现和开发新型抗感染药物的领导者。
公司官网：arrepath.com/
