AI不是按分子大小推进,而是沿“可编译性”轴推进
文章提出AI在生物医药中的推进顺序取决于“可编译性”而非分子大小:Chai-2对52个无现成binder的全新靶点做zero-shot抗体设计,每靶点测不超过20个候选,单轮命中率16%,微型蛋白湿实验成功率68%。环肽、小核酸因字母表离散、物理先验强而排在蛋白抗体之后,小分子则因ADMET多目标冲突、合成可行性鸿沟排在最后。AI攻破的是设计而非成药,体内数据稀缺与验证成本仍是共同瓶颈。
文章提出AI在生物医药中的推进顺序取决于“可编译性”而非分子大小:Chai-2对52个无现成binder的全新靶点做zero-shot抗体设计,每靶点测不超过20个候选,单轮命中率16%,微型蛋白湿实验成功率68%。环肽、小核酸因字母表离散、物理先验强而排在蛋白抗体之后,小分子则因ADMET多目标冲突、合成可行性鸿沟排在最后。AI攻破的是设计而非成药,体内数据稀缺与验证成本仍是共同瓶颈。
剂泰科技赖才达博士在瑞银颠覆性科技CEO峰会上提出Biological AI“三层蛋糕”架构,认为干湿实验数据平台是最厚底层、数据是最深壁垒。公司自研NanoForge平台覆盖约5万至7万种脂质分子建模,DataLots已产生超10万次小鼠实验,将验证到PCC缩短至9到11个月。其MTS-109为全球首个in vivo三特异性TCE,并已与礼来、恒瑞及Deerfield达成合作或授权。
晶泰科技联合创始人兼首席创新官赖力鹏在 SWITCH 2026 期间该公司举办的研讨会上提出,AI 药物发现正从“AI 预测”走向“AI 原生”,即让验证、数据与新认识回流模型。
Isomorphic Labs 总裁 Max Jaderberg 在 Bloomberg Tech 采访中表示,未来所有药物都将由 AI 设计,公司正以推理模型提出假设、模拟模型开展虚拟实验两条路线推进药物研发。
Moderna总裁斯蒂芬·霍格在黑石播客中表示,AI可加快药物发现与mRNA序列设计,但药物是否有效、疗效能持续多久仍需人体临床验证。他以个体化癌症疫苗为例:肿瘤样本测序后最多将34个新抗原编入mRNA,最多接种九剂,从收到合格样本到送回医院约六周。他认为AI难以同步加速制造、临床与监管环节,个体化医疗是其最看好的方向。
默沙东研究团队在 ACS Medicinal Chemistry Letters 发表综述,系统讨论非天然氨基酸(ncAAs)在多肽药物设计、计算预测、化学合成与生物催化中的应用。
随着双特异性、三特异性等多特异性抗体格式增多,每增加一个结合臂都会扩大潜在组合数量,使候选分子选择从发现转向筛选。Twist Bioscience 与 Invenra 就后者 B-Body® 双特异性抗体平台达成共同独家供应许可协议,Adimab 则通常建议合作伙伴采用 IgG 样/全 Fab 多特异性而非 scFv 格式以利于生产。
作者梳理12篇论文,拆解Orbis如何用非天然构件大环、ⁿCycle-Forge计算搜索与自动化合成构成环肽发现体系。ⁿCycle-Forge以Boltz共折叠评分为代理目标,对两个靶点做约12万次共折叠评价并合成1472个设计,凝血酶初筛命中35/736,约为历史库的24倍,MDM2命中率约4.6%与历史定向库相近。
推荐理由:文章逐层拆解Orbis大环肽平台的计算与实验证据,并区分技术源流与公司独占资产。
Unnatural Products(UNP)已与Merck、argenx、Novartis达成大环肽合作,三项公开最高潜在里程碑合计超35亿美元,但尚无自有候选药物进入人体临床。
LabGenius Therapeutics 计算科学与工程副总裁 Winston Haynes 指出,多特异性抗体优化因缺乏公开功能数据,仍主要依赖人工直觉,而连接子结构等组装方式的小改动即可显著改变效力与选择性。其提出将多特异性抗体构建与高通量自动化实验耦合,用智能体主动学习让 AI 模型与自动化实验室形成闭环,从每次实验数据中持续优化设计。
予路乾行创始人兼CEO郑铮博士在招商银行与苏州日报联合推出的“招行思享会2026”栏目中接受专访,谈AI重塑新药研发。予路乾行打造多尺度分子动力学模拟平台与创新药早研决策AI平台,为小分子、多肽、大分子等药物研发提供Hits-to-PCC一体化研发平台。公司称已与超50家国内外生物医药企业合作推进80余条新药研发管线。