摘要
药物发现与开发需要整合跨生物学尺度和数据模态的多样化证据。然而，相关数据、工具和专业知识仍分散在不同团队和组织中，导致整合困难。为解决这些挑战，我们提出“虚拟生物科技公司”——一个协调运作的AI智能体团队，通过模拟人类治疗研究组织结构来支持端到端计算发现。该框架由首席科学官智能体领导，负责接收科学问题、将其委派给领域专业科学家智能体，并通过数据驱动推理整合输出结果。科学家智能体利用互补工具和知识源，覆盖统计遗传学、功能基因组学、通路与相互作用、化学信息学、疾病生物学和临床数据等领域。我们在三个转化应用场景中展示了该框架的能力：首先，智能体自主标注并分析55,984项临床试验结果，识别与试验成功相关的药物靶点基因组特征。超过37,000个临床试验智能体整理结构化试验结局，并将靶点链接至多组学注释（包括智能体从单细胞RNA测序图谱推导的细胞类型特异性特征）。智能体发现，靶向细胞类型特异性基因的药物从I期推进至II期的成功率提高40%，上市（IV期）成功率提高48%，同时不良事件发生率降低32%。其次，“虚拟生物科技公司”评估了B7-H3作为肺癌靶点的潜力，整合统计遗传学、单细胞、空间和临床基因组学证据，提出抗体-药物偶联策略并识别关键风险点与差异化机会。第三，平台分析了针对OSMR*β的终止性溃疡性结肠炎试验，推断潜在失败机制并提出生物标志物引导的入组策略以弥补精准医学缺口。这些结果共同证明，“虚拟生物科技公司”能够实现更透明、高效和全面的跨尺度治疗分析，在保持人类科学家参与的同时加速早期药物发现流程。
利益冲突声明
作者声明不存在利益冲突。
【全文结束】
