独家专访宋云龙博士：BD累计超78亿美元，AI制药深耕者的第“三”次创业
宋云龙博士2026年4月创立小分子创新药Biotech云济智曜，搭建贯通靶点评估、动态蛋白建模、分子生成与ADMET预测的全链路AIDD平台，数月内输出多条差异化小分子管线。
#ADMET
动脉网AI 评分3636
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 联合创始人 Layla Hosseini-Gerami：如何用 AI 将失败药物转化为新药
Ignota Labs 联合创始人 Layla Hosseini-Gerami 在 Nature 访谈中介绍其 AI 驱动平台：先从数千个失败药物中筛出因意外安全性问题（如肝毒性）而搁置、但患者潜力大的候选，再用深度学习结合生物信息学、化学信息学和多模态数据定位安全性问题根因并制定缓解策略。核心目标是以最小化学改动让这些药物尽快重回临床。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
Ignota Labs 官网资讯AI 评分2222 长寿医学面临的最大挑战：长期安全性
Ignota Labs 指出，长寿疗法的核心瓶颈不是找到可调控通路，而是确认其能否长期安全使用。此类疗法靶向核心细胞过程、面向慢性或终身使用且可能用于无症状人群，标准安全上限不足，累积毒性和情境依赖性风险需在发现早期就纳入评估。该公司正构建毒理学模型，将毒理学与计算建模结合以支持更安全药物的开发。
Ignota Labs 官网资讯AI 评分2222 老药新用：AI 助力挽救失败药物
Jordan Lane 与 Layla Hosseini-Gerami 在 ELRIG Drug Discovery 2025 上介绍用 AI 揭示药物毒性隐藏机制、挽救已显示潜力却在临床试验中因脱靶效应失败的分子。他们称这与业内多数用 AI 往研发管线里塞入更多药物的做法不同，重点是在药物掉出管线时将其救回，以期缩短开发周期、降低临床风险并减少碳排放。
Ignota Labs 官网资讯AI 评分2828 Ignota Labs 在 ELRIG Drug Discovery 2025 谈用 SAFEPATH 复活废弃候选药物
Ignota Labs 首席科学官 Jordan Lane 在 ELRIG Drug Discovery 2025 介绍其 AI 驱动的 SAFEPATH 平台，通过识别毒性机制并指导理性重设计来复活已放弃的候选药物。
Ignota Labs 官网资讯AI 评分3232 Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会分享小分子药物毒理学 AI 应用最佳实践
Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会介绍了小分子药物毒理学中应用 AI 的最佳实践，涵盖如何选择合适训练数据集、复杂模型与简单模型的取舍，以及结合预期用途正确评估模型。
Ignota Labs 官网资讯AI 评分2828 修复失败药物：AI 应对药物发现中的毒性问题（第二部分）
Drug Target Review 刊发 Raminderpal Singh 博士与 Layla Hosseini-Gerami 博士对话的第二部分，讨论组学和细胞绘画等 AI 工具如何改变临床前研究中的毒性早期预测。
Ignota Labs 官网资讯AI 评分2828 Ignota Labs 谈 AI 解决药物发现中的毒性问题：修复失败药物（Part 1）
Ignota Labs 首席数据科学官兼联合创始人 Layla Hosseini-Gerami 在 Drug Target Review 访谈中介绍了用 AI 与数据科学应对药物毒性失败的方法。该公司专注于找出失败药物、解决其问题并转手卖回制药企业。访谈为“修复失败药物”系列 Part 1，全文刊于 Drug Target Review。
Ignota Labs 官网资讯AI 评分2020 Ignota Labs CEO Sam Windsor 谈药物安全性问题与失败药物挽救
Ignota Labs CEO Sam Windsor 在 Maddyness 的创始人问答中表示，其平台可定位药物安全性问题的分子与生物学成因，并从1000个失败药物中筛出10%-20%真正可挽救的化合物。药物安全性失败占全部失败化合物的56%，给制药行业造成超过4000亿美元损失。
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 谈可解释 AI 如何挽救失败药物项目
Ignota Labs 首席科学官 Jordan Lane 在播客中介绍，公司用可解释 AI 挽救因安全性问题而失败或搁置的药物项目。其 Safe Path 平台整合化学信息学与生物信息学以处理药物安全问题，并分享了应用 AI 工具挽救制药资产的实际案例。讨论还涉及 AI 模型偏见、透明度以及 FDA 和 EMA 等监管机构对 AI 驱动方案采用的影响。
Ignota Labs 官网资讯AI 评分1818 Ignota Labs 联合创始人 Layla Hosseini-Gerami 登上《The Biochemist》讲述数据科学之路
Ignota Labs 首席数据科学官兼联合创始人 Layla Hosseini-Gerami 在《The Biochemist》撰文，讲述其从利兹大学化学专业、Optibrium 计算化学实习到剑桥大学化学信息学博士的历程。她于2022年2月与 Jordan、Sam 共同创立 Ignota Labs，公司2023年10月起全职运营，专注用可解释 AI 方法预测、理解并扭转药物发现中的安全性问题。
Ignota Labs 官网资讯AI 评分2222 用计算机毒理学筛选革新药物发现
AI驱动的计算机毒理学筛选以分子化学结构为输入，预测小分子在遗传毒性、肝毒性、肾毒性和心脏毒性等终点的潜在毒性，从而在药物发现早期识别安全风险。其关键环节包括高质量毒理数据集、分子指纹等特征表示、支持向量机与图卷积网络等AI算法，以及外部数据集验证和软件平台集成。该方法有望帮助优先选择更安全的候选药物并减少体外和体内测试需求。