Enveda融资490万美元种子轮，用AI挖掘药用植物以研发肝纤维化药物

Enveda利用机器学习挖掘药用植物的化学组成，预测可能治疗疾病的化合物，然后验证并优化最有希望的候选化合物，将其纳入药物研发管线。

建立最大的药用植物化学数据库，然后用机器学习预测哪些化合物可能成为药物，这比从空白分子开始更有优势。

490万美元种子轮由True Ventures领投，Wireframe Ventures、Village Global和天使投资人Chris Gibson参投。

Viswa Colluru在印度长大，当地常用药用植物来缓解症状；他在失去一位至亲因癌症去世后，获得了免疫疗法博士学位。在Recursion Pharmaceuticals工作期间，他越来越关注为何如此多药物在实验室中失败，并开始用AI研究植物为何能作为治疗手段起作用。2019年，他在旧金山创立Enveda Biosciences，把这个想法发展成一家公司。

Enveda在早期几年处于隐身模式，构建了一个数据库——目前涵盖数十万种独特化学物质及其生物特征——并使用机器学习算法预测哪些天然化合物可能治疗复杂疾病，然后在实验室中优化最有希望的命中物。公司以490万美元种子轮结束隐身模式，该轮由True Ventures领投，资金专门用于扩充数据库、改进算法，并推进其肝纤维化领先候选药物，以及炎症和神经退行性疾病领域的已验证候选药物。公司计划将分布于美国和印度的员工从25人增至35人，并在年内完成A轮融资。

Colluru的经历——因癌症失去至亲，随后在Recursion亲眼看到药物发现的失败——为公司提供了投资者可以认可的创始人—市场契合故事。

一个已涵盖数十万种独特化学物质的数据库，为True Ventures提供了具体证据，证明该方法在投入资金前就具备规模化潜力。

多位人士主动向True Ventures合伙人Rohit Sharma推荐，表明市场吸引力超出了创始人自己的推介。

拥有一个明确的领先候选药物（肝纤维化）以及炎症和神经退行性疾病领域的两个已验证候选药物，表明该平台已经能够产出结果，而不仅仅是数据。

获得新候选药物最快的路径可能不是空白分子——而可能是已被数代人使用验证的植物药物，用机器学习而非猜测来解码。

截至2020年12月16日，Enveda刚刚完成490万美元种子轮并结束隐身模式。公司计划扩充其化学数据库、改进机器学习算法、推进其领先的肝纤维化候选药物、将美国和印度的员工人数从25人增至35人，并在年内完成A轮融资。