AI药物设计与AlphaFold应用

01概述和价值链

标记： [EC: FDA AI/ML in Drug Development + EMA AI reflection paper | OECD: Bio-pharmaceuticals | Regulator: FDA (USA), EMA (EU), NMPA (China)]

AI药物设计将先导化合物和候选物的发现从湿实验室的试错转向in silico预测。 从历史上看，开发一种疗法大约需要十年、投入数十亿美元，约90%的候选物 在临床试验中因有效性或毒性而失败；生成式AI与深度学习如今将发现阶段 从数年压缩到数月，并将早期成本降低约70-80%。该领域由三大支柱定义： AlphaFold类结构预测，以原子精度给出蛋白质3D模型，而AlphaFold 3进一步 覆盖蛋白质与RNA、DNA及配体的复合物；生成式化学，由GAN、VAE与扩散模型 从头设计小分子和抗体，优化结合亲和力、溶解度、低毒性与可合成性；以及 十亿级虚拟筛选（Enamine REAL类库），由基于物理的自由能微扰（FEP）排序。 机器人湿实验室反馈构成的lab-in-the-loop对模型进行再训练。该管线端到端 受FDA、EMA和NMPA监管，框架包括FDA的AI/ML in Drug Development指南和EMA 的AI反思文件。本投影中的六家机构涵盖结构预测（Isomorphic Labs、EMBL-EBI）、 生成式平台（Insilico Medicine、Exscientia、Recursion）和基于物理的建模 （Schrodinger）。

AI药物设计的主要方向：

1. 结构预测（AlphaFold 3）： 原子精度的蛋白质及蛋白质-配体/RNA/DNA复合物结构，支持de novo靶点建模。
2. 生成式化学： GAN与扩散模型从头生成分子，针对亲和力、ADMET特性和可合成性优化。
3. 十亿级虚拟筛选 + FEP： AI筛选超大型“按需合成”库，基于物理的FEP对先导物按结合亲和力排序。
4. Lab-in-the-loop / 主动学习： 机器人表型筛选将实测生物学反馈用于模型再训练。

行业价值链

[靶点发现] ──> [生成式设计] ──> [虚拟筛选] ──> [CRO合成]
                                        │
                                （实测生物学反馈）
                                        │
                                        ▼
[IND与试验] <─── [in vitro验证] <─────┘

价值链层级

该行业的跨领域技术：

• alphafold： 深度学习3D结构预测（AlphaFold 3扩散模块）。
• generative-chemistry： GAN/VAE/扩散从头生成分子（Chemistry42）。
• free-energy-perturbation： 基于物理的结合亲和力排序（FEP+）。

02美国

美国在AI制药风险投资、基础模型开发和AI设计分子的临床转化方面领先。

AlphaFold联盟、表型筛选、物理建模、FDA

• Isomorphic Labs： 从Google DeepMind剥离、商业化AlphaFold 3的公司；2026年5月扩大了与Eli Lilly和Novartis的药物发现联盟，价值约30亿美元。
• Recursion Pharmaceuticals： 运营最大规模的机器人表型筛选设施之一以生成lab-in-the-loop数据（Recursion OS）；2024年11月与Exscientia合并，组成端到端AI发现公司。
• Schrodinger： 大型制药企业广泛使用的基于物理的FEP+软件标准，用于结合亲和力预测和先导物优化。
• FDA CDER AI/ML in Drug Development： 在此监管框架下，首批完全由AI生成分子的临床试验被放行。

03中国

中国正围绕上海和北京的研究枢纽快速扩张AI制药基础设施，IT巨头进入 生物计算，并涌现出标志性AI来源临床资产。

生成式AI制药、IT入局者、NMPA指南

• Insilico Medicine（上海研发）： Pharma.AI / Chemistry42平台；其由生成式AI发现的TNIK抑制剂ISM001-055（伦托塞替尼）用于特发性肺纤维化，报告了IIa期积极顶线结果（发表于Nature Medicine）并推进至关键试验，是旗舰级AI设计资产。
• 腾讯与百度： 腾讯AI Lab的FineRx（蛋白质结构预测与虚拟筛选）以及百度的PaddleHelix生物计算平台。
• NMPA指南与清华枢纽： 关于AI/ML药物开发的国家指南，以及用于de novo抗体设计的大学加速器。

04欧盟

欧盟在基础结构生物信息学、开放的AlphaFold结构数据库以及牛津 anchored 生成式发现方面领先。

AlphaFold DB、牛津发现先驱、欧盟资助

• EMBL-EBI（英国Hinxton）： 与Google DeepMind共同托管AlphaFold Protein Structure Database，为超过2.14亿条蛋白质序列提供结构覆盖（开放获取）；与DeepMind的合作已续约，并于2026年新增了高置信度异二聚体预测。
• Exscientia（英国牛津）： Centaur Chemist平台；2020年率先将AI设计的药物（DSP-1181）推进至人体临床试验，自2024年11月起作为Recursion的一部分运营。
• BenevolentAI与Horizon Europe： 针对罕见疾病的预测性靶点发现平台，由欧盟“医疗AI”计划资助。

05领先公司和研究机构

06技术栈和创新

该技术栈结合了结构预测、生成式化学和基于物理的热力学，并由lab-in-the-loop 闭环。

1. AlphaFold 3扩散架构：
   • Pairformer模块对输入序列编码并构建原子关系的成对表示，随后扩散模块通过连续去噪步骤将随机原子云精修为最终3D坐标。
   • 以接近实验的精度预测蛋白质与RNA、DNA及配体的复合物，支持de novo靶点建模（Isomorphic Labs）。
2. 带强化学习的生成式化学：
   • 生成器（GAN或扩散）以SMILES字符串提出分子，而AI评批评它在可合成性、溶解度、ADMET特性和致突变性（Ames试验）上的得分。
   • 奖励循环迭代数百万次，直到分子满足设计规范（Insilico的Chemistry42）。
3. 基于物理的自由能微扰（FEP）：
   • 分子动力学热力学循环计算一次化学编辑（替换一个官能团）引起的结合自由能变化，以约1 kcal/mol的精度预测其是否改善结合。
   • Schrodinger的FEP+在大型制药企业的先导物优化中替代昂贵的制备型合成。

07价值链和生产管线

AI设计激酶抑制剂的工业管线（FDA/IND-enabling）

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. 靶点结构               │ ───> │ 2. 生成式设计             │
└───────────────────────────┘      └───────────────────────────┘
                                                 │
                                                 ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. CRO合成                │ <─── │ 3. ADMET + FEP先导挑选    │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. SPR IC50验证           │ ───> │ 6. IND申报与I期           │
└───────────────────────────┘      └───────────────────────────┘

阶段 1：靶点结构预测

将疾病靶点序列提交给AlphaFold 3，生成结合口袋的原子3D模型并导入发现LIMS。

阶段 2：生成式设计

生成式化学引擎（如Chemistry42）设计与口袋形状互补、阻断底物结合的候选分子库。

阶段 3：ADMET与FEP先导挑选

预测模型按溶解度、肝细胞稳定性和选择性过滤分子库，FEP按计算结合亲和力将顶级分子排序为短名单先导物。

阶段 4：CRO合成

所选先导结构（SMILES）送至合同化学机构进行de novo合成，并以LC-MS验证纯度。

阶段 5：SPR IC50验证

候选物通过表面等离子共振（SPR）针对固定化靶点筛选，测量结合动力学并按IC50排序确认先导物。

阶段 6：IND申报与I期

先导物按cGMP放大，确立临床前安全性，并向FDA提交IND资料以启动首次人体I期试验。