总部位于柏林的Apheris公司宣布推出ADMET网络，这是一个联邦学习倡议，旨在让制药公司协作训练用于吸收、分布、代谢、排泄和毒性(ADMET)药物发现预测模型，且无需共享专有数据。灵北制药、Orion Pharma、Recursion、施维雅及一个未披露实体作为创始成员，承诺贡献80%相关数据用于训练全球ADMET基础模型。

药物发现失败率高达90%，其中40-45%的临床责任归因于ADMET性能不佳。尽管AI有望通过早期准确预测加速药物开发，但所需数据稀少且分散。大型制药公司虽拥有大量数据集，但专有和竞争考虑限制了数据共享。Apheris的ADMET网络允许成员在安全环境中微调基础模型，推理在本地运行，模型集成到现有工作流程，保留对预测应用的完全控制。

“这种结合，即广泛的工业训练加上本地专业化，使模型既能保持通用性，又能与项目相关，”Apheris联合创始人兼首席执行官Robin Roehm说。Recursion总裁兼首席执行官Najat Khan博士强调，ADMET是将化学分子转变为潜在药物的关键，其中三分之二的临床试验失败与ADMET相关。

ADMET网络是一个持续学习的合作平台，对新成员开放，旨在提高模型对新化学空间的泛化能力。Apheris预计网络将从小分子扩展到其他药物模式。此前，Apheris已与AI结构生物学联盟合作，在保密环境中微调蛋白质-配体相互作用共折叠模型。随着ADMET网络扩展，加速药物发现所需的对人类生物学的集体洞察也在增加。