"我一直相信，人工智能的首要应用应该是改善人类健康。"
——Demis Hassabis博士，Google DeepMind和Isomorphic Labs首席执行官，2024年诺贝尔化学奖得主
AI驱动的药物发现基础设施发展势头持续加速，数十亿美元投资正涌入由模型和计算驱动的端到端平台，而非单一药物资产。
这一趋势的背后，是加速生物医学研究的AI推理工作流程的普及，以及涵盖基因组学、转录组学、蛋白质组学、代谢组学等领域的大型综合数据集。这些能力共同为新一代可编程疗法提供了更强大的生物复杂性模型，这些疗法由预测和理性设计指导。
"这不是关于为特定适应症或靶点开发治疗药物，"Isomorphic Labs总裁Max Jaderberg博士在《Training Data》播客中解释道。相反，这家从Google DeepMind分拆出来的公司正在构建一个适用于任何疾病领域的通用设计引擎。
投资者和制药巨头纷纷支持这一愿景。5月，Isomorphic宣布获得由Thrive Capital领投的21亿美元巨额融资。这家AI药物开发商还与诺华、礼来和强生等公司达成重大合作，将AI驱动的发现工作流程嵌入制药公司的研发管线。
虽然传统的药物发现项目可能局限于结构生物学揭示的已知结合口袋，但Isomorphic的平台（称为IsoDD，即Isomorphic Labs药物设计引擎）通过探索以往无法触及的生物学，扩展了可成药的范围。
该平台的功能包括预测诱导契合相互作用（蛋白质在配体结合时改变形状）和识别隐匿性口袋（在没有配体的情况下保持隐藏）。IsoDD还适用于多种药物模式，包括从头设计的抗体和其他大型生物制剂。
[图注：Isomorphic Labs药物设计引擎能够预测蛋白质界面上隐匿性口袋的位置。隐匿性口袋是蛋白质上的一种"隐藏"结合位点，在正常条件下不可见，但当特定分子与其相互作用时会打开。]
Isomorphic只是DeepMind在生命科学领域日益增长影响力的一个缩影。AlphaFold的开发者现在正在构建"AI科学家"以加速科学方法。5月，该团队在《自然》杂志发表了一项研究，描述了Co-Scientist（一个使用Google Gemini构建的多智能体系统），展示了包括药物再利用、新靶点发现以及解释抗微生物耐药机制在内的一系列治疗应用。
与临床证明脱钩
行业对AI的投资远远超出了Isomorphic Labs的范围。近几个月来，一波重大合作涌现，利用领先制药公司的专有数据集训练生物基础模型。
5月，Genesis Molecular AI和Incyte宣布扩大合作，潜在收益超过10亿美元。该合作将应用GEMS（Genesis分子空间探索）平台，对Incyte研发管线中更广泛的一系列难治靶点进行蛋白质-配体结构和性质预测，同时整合Incyte的专有数据以提升GEMS的性能。
仅仅两周后，AI生物制剂公司Chai Discovery宣布与辉瑞达成许可协议，使这家制药巨头能够提前获得Chai-3（该公司用于从头设计抗体的AI模型）以及一个基于辉瑞专有数据训练的定制模型。
与此同时，礼来已成为行业中AI最积极的采用者之一。除了今年1月与Chai达成以AI为重点的合作外，礼来最近还选择Tamarind Bio来托管TuneLab 2.0的推理基础设施，这是一个联邦AI/ML药物发现平台，使生物技术合作伙伴能够访问基于礼来专有数据训练的模型。
观察到对原生AI生物技术公司的巨额投资，社交媒体上的评论者迅速指出，目前很少有AI设计的药物已进入临床阶段。
以Isomorphic为例，生物技术和AI分析师Andrii Buvailo博士认为，Thrive和Google的母公司Alphabet对该公司的平台、AlphaFold血统以及制药合作伙伴关系有坚定的信心，并在临床数据重置公司估值之前锁定所有权。
Buvailo在LinkedIn上写道，另一种情况是，AI药物发现的估值周期已完全与临床证明脱钩，"我们正目睹资本按照自己的条件追逐计算承诺。"
此前无法解决的问题
随着AI生物学生态系统日益拥挤，一些投资者正在解释他们如何下注。
对于Obvious Ventures的合伙人Rohan Ganesh来说，差异化来自于追求他人无法解决的问题。他提到了Obvious投资组合公司Inceptive，该公司正在开发适用于基于序列的药物的基础模型，这些模型可跨项目通用，包括使致病基因沉默的RNA干扰（RNAi）疗法。
[图注：Inceptive运营部门的Benedetta Bernasconi在Palo Alto的Inceptive湿实验室观察自动化RNA合成。]
Inceptive由CEO Jakob Uszkoreit领导，他是开创性论文《Attention Is All You Need》的合著者，该论文介绍了支撑当今大型语言模型的Transformer架构。最近，该公司宣布与Alnylam Pharmaceuticals合作，通过模拟靶标mRNA来推进小干扰RNA（siRNA）设计，同时共同探索新的化学修饰以增强效力和功效。该合作价值高达20亿美元，预付款为3000万美元。
Ganesh还认为，拥有业务成果可能是差异化最重要的方面。例如，另一家Obvious投资的公司Inductive Bio构建了虚拟实验室，结合了AI化学助手、预测性ADMET（吸收、分布、代谢、排泄和毒性）和PK（药代动力学）模型，以及与人类相关的数字器官技术，以更早地发现关键风险，并将候选药物提名时间线加速数月。
该平台在2月获得了外部验证，当时Inductive在OpenADMET-ExpansionRx盲测挑战中获得第一名，这是一项基准测试竞赛，参与者需预测来自真实药物项目的先前未见化合物的性质。
Ganesh告诉《GEN》："一个准确但不能改变临床进展速度或成功率的模型毫无意义。"
[图注：RNA和细胞生物学的抽象可视化，展示了生成式AI和生物基础模型如何设计和优化RNA序列，从而开发具有特定功能特性的治疗药物。]
当Jim Tananbaum博士于2011年创立Foresite Capital时，他相信数据、科学和机器学习将在可预见的几十年内主导对话。Foresite是因果分析数据生成的早期投资者，并继续支持基因组学领域的领先企业，包括10x Genomics和Element Biosciences。
根据Tananbaum的说法，AI成功的关键指标是该技术能否解锁此前无法解决的问题，如神经系统疾病。在这方面，Foresite支持的Insitro（由CEO Daphne Koller博士创立）于3月宣布与百时美施贵宝扩大合作，以推进肌萎缩侧索硬化症（ALS）更广泛的治疗项目组合。
Foresite也是备受关注的AI独角兽Xaira Therapeutics的投资者之一，该公司于2024年成立，获得超过10亿美元的资金。Xaira在最初几年致力于构建虚拟细胞模型，这些模型基于可扩展的单细胞扰动数据集进行训练，以推进靶点和作用机制发现、患者分层和毒性预测。
Tananbaum告诉《GEN》："遗传学、生物化学和多组学数据相辅相成，共同解开对自动化发现至关重要的生物学关系。"
创新窗口
Playground Global的普通合伙人Jory Bell也同意"秘诀"在于数据而非模型。他提到了投资组合公司Manifold Bio，该公司正在构建一个AI驱动的平台，用于扩大量化生物制剂的体内测量（如PK和生物分布），这对于解决组织特异性递送方面的挑战非常有价值。
Bell告诉《GEN》："如今任何生物技术初创公司都将AI作为工作流程的核心部分，因此关键问题是你如何实际应用AI。"
Dimension的合伙人Simon Barnett描述了一种投资理念：无论是否追求治疗资产，有效使用机器学习的小型专注团队都将取得巨大成功。
值得注意的是，Dimension在2月领投了Tamarind的1360万美元A轮融资，押注随着生物学基础模型的成熟，行业将从零散采用转向集成模型生态系统的规模化部署。
Barnett表示："平台公司需要对前沿AI实验室是否最终会吸收其技术有强有力的见解。每个人都需要某种独特有价值的东西，能够带来持久的优势，无论是他们的团队、周期时间、数据资产、结构定位还是其他什么。"
Dimension的早期投资在今年早些时候得到了回报，当时投资组合公司Coefficient Bio（一家由前基因泰克科学家创立的约10人的AI药物发现初创公司）被Anthropic以4亿美元收购。
在5月举行的SynBioBeta年度会议上，Anthropic生物学和生命科学负责人Eric Kauderer-Abrams博士表示，团队主要专注于技术核心，对AI助手Claude进行化学、结构生物学和生物信息学等科学基础知识的训练。
Kauderer-Abrams表示："我们对[Coeficient]收购的思考是加速生物技术运营商的另一面。我们如何从头到尾规划和管理一个生物技术项目，并在过程中做出选择？"
Converge Bio联合创始人兼CEO Dov Gertz博士重申，现代AI，特别是深度神经网络及其衍生技术，已经推动了从预测建模到生成式设计的巨大转变。然而，这一转变仍处于早期阶段，仅在过去十年中才开始显现。"不要指望生成式设计的分子在7年内就能惠及患者，"他在LinkedIn上谨慎表示。
不过，现在正是投资的最佳时机。
Gertz写道："如果你在接触这项技术之前等待首个FDA批准，你很可能已经错过了最有价值的创新窗口。药物发现奖励那些能够看到领域发展方向的人，而不仅仅是关注当前状况的人。"
虽然时间会证明这些投资如何转化为临床成果，但行业内一个信念正在加深：AI最重要的应用是改善人类健康。
【全文结束】