TNIK kinase(INSILICO MEDICINE)

你有没有想过，为什么我们现在生了重病，很多时候还得靠那些贵得离谱的进口药？ 为什么一款能救命的新药，动不动就要卖到几万块一支，甚至还得等上好几年才能进国内？ 就在前不久的苏州生物医药展会上，一组让所有传统药厂老板都坐不住的数据：一家名为英矽智能的AI制药公司，仅仅合成了78个小分子，就从无到有地找到了一款能治疗肺纤维化的“救命药”。 你可能觉得78个数字没啥感觉，但在传统制药流程里，为了找一个有用的分子，科学家往往得在实验室里像大海捞针一样，手工尝试成千上万个，甚至几十万个分子。 这种从“大海捞针”到“精准打击”的跨越，就是AI给制药行业带来的百倍提效。 今天，咱们就来扒一扒，AI到底是靠什么本事，让这个最保守的行业“变天”的？ 做药难在哪里？ 首先，咱们得弄清楚，以前做药到底难在哪儿。 你可以把研发新药想象成给一把锁配钥匙。 第一步，你得找到那把名为“疾病”的锁，这叫寻找靶点。 比如某种癌症，是因为体内哪种蛋白质出故障了？找到它，你才算找到了敌人。 第二步，你得照着锁孔的形状，去设计一把钥匙，这叫分子设计。 这把钥匙不仅要能插进去扭得动，还得保证它进了人体后不会把别的锁给弄坏了，也就是没有毒副作用。 在过去，这两步全靠科学家的经验和运气。 大家读成千上万篇论文，在实验室里没日没夜地做实验，一次次失败，一次次重来。这种“试错法”效率极低，这也是为什么医药研发风险高得吓人。 但AI来了。 它不再像人类那样靠直觉和经验，它是靠超强的算力和海量的数据。 比如像谷歌的AlphaFold，它能像看透人体“天书”一样，预测出几十万种蛋白质的结构。 以前科学家想看清一个蛋白质的形状，可能得花几年时间做晶体实验，现在AI点一下鼠标，几分钟就搞定了。 英矽智能的博士在分享中提到，他们的明星药——针对特发性肺纤维化的TNIK抑制剂，就是AI立了大功。 这种病很可怕，患者的肺会慢慢变硬，像被纤维塞满了一样，最后喘不上气。以前的药只能让肺坏得慢一点，没法逆转。 AI是怎么做的呢？ 它先是分析了大量的病人数据，像侦探一样从几十万个基因里，精准地抓住了TNIK这个从未被发现过的“犯罪嫌疑人”（全新靶点）。 接着，AI又发挥了“设计师”的天赋，从无到有地画出了一个全新的分子结构。 最震撼的地方就在这里：他们一共只合成了78个分子，就找到了那个最优解，代号055。而在2A期的临床试验中，入组的71个病人在服用这种药后，肺功能竟然出现了明显改善。 这个消息在医药圈简直像炸雷一样，因为这是历史上第一次证明，AI不仅能缩短时间，还能发现人类之前根本找不到的药。 听到这儿，你可能会问：既然AI这么厉害，那是不是以后药厂都不需要科学家了？其实不然。 现在的AI制药，更多的是一种“范式改变”。 AI如何制药 目前的AI制药公司，主要在走三条路。 第一条路叫“卖铲子”，也就是卖软件平台。 就像英伟达做的BioNeMo平台，它自己不盖房子（不做药），但它提供最好的挖掘机和脚手架。 大药企买了这些AI工具，研发速度自然起飞。 第二条路叫“搞联营”，也就是服务包工。 AI公司带着技术和算力，去跟辉瑞、礼来这样的大药厂合作，大家一起开发。AI出主意，药厂出资金和临床资源，赚的是辛苦钱加提成。 第三条路则是最难、风险最高，但也最让人兴奋的——自己下场盖楼。 就像英矽智能这样，利用自己的AI平台找靶点、做实验，自己把药推进到人体临床阶段。如果数据好，再把这个研发成果“授权”给全球大药厂去卖。 这种模式被称为“License-out”，是现在中国创新药出海最火的方式。 过去我们总是模仿别人的药，这叫“Fast Follow”； 但现在，有了AI的加持，中国药企开始追求“First in Class”，也就是全球第一款、原创首发。 不过，AI制药也不是万能的。 目前这个行业还顶着巨大的质疑，最核心的一点就是“黑盒效应”。 AI给出了一个分子，说这玩意儿能治病，但当你问它“为什么”时，AI往往解释不清楚背后的生物学逻辑。 这让那些搞了几十年药、讲究严谨逻辑的科学家感到非常不安。 而且，新药研发毕竟要经过人体的考验。 AI能预测分子结构，但它没法百分百预判药物进到人体这个复杂的系统后，会发生什么奇妙的化学反应。 到现在为止，还没有一款完全由AI设计出的药正式走完所有流程并在药店上架。 大家都在等，等英矽智能这款药的三期临床结果。 如果成了，那AI制药就再也不是“PPT上的故事”，而是一个真实存在的万亿大生意。 现在的医药行业，正处在一个非常微妙的转折点。 一方面，技术的变革快得让人焦虑，大家都不想掉队；另一方面，传统的制药逻辑依然根深蒂固。 但我认为，AI制药的浪潮是不可阻挡的。 就像博士说的，以前大家关心“AI是真是假”，现在大家关心“如何用、怎么用”。 甚至大药厂的领导层已经开始焦虑：如果我现在不入场，是不是三年后我就彻底被时代抛弃了？ 这种焦虑并非空穴来风。在生物医药这种高风险行业，效率就是生命。 如果别人用一年时间干了你十年的活，用一百万美金干了你一亿美金的事，这场仗还怎么打？ 未来的制药行业，可能会变成一种全新的格局：AI负责在虚拟世界里进行数亿次的模拟和筛选，把那些最有可能成功的“种子选手”挑出来； 而科学家则负责在真实世界里进行精准的验证。这种“虚拟+现实”的结合，将把人类对抗疾病的进度条强行拉快。 我们正站在一个新时代的门口。 AI制药，正在把那些原本遥不可及的“神药”，变成触手可得的现实。 这场关于生命科学的效率革命，才刚刚开始。

当代码成为听诊器，算法化作救命药，一场由普通人发起的医疗革命正在悄然发生。 01 一个数据工程师的绝望与奇迹 2026年初春，澳洲程序员Paul的故事在科技圈刷屏。他的爱犬Rosie被诊断出晚期癌症，兽医宣判它只剩几个月生命。面对绝境，这位没有医学背景的数据工程师做了一件看似疯狂的事：他用AI为狗狗设计了一款个性化mRNA癌症疫苗。 流程令人惊叹：先送检DNA测序，对比健康细胞与肿瘤细胞的基因差异；再用算法锁定致癌突变蛋白；接着调用AlphaFold等AI工具分析蛋白结构，寻找免疫靶点；最后设计出定制化的mRNA疫苗序列。大学实验室协助合成，兽医团队完成伦理审批，治疗开始后，Rosie的肿瘤缩小了50%。 震撼业界的不只是疗效，而是这个方案最初由一位普通工程师独立设计完成。正如参与项目的教授所言："如果我们能为一只狗做到这些，为什么不能为人类做到？" 02 科研民主化 AI正在重构医疗创新的生产关系 Paul的故事并非孤例，而是AI时代"公民科学家"崛起的缩影。传统药物研发是高墙林立的堡垒：需要医学博士头衔、顶级实验室资源、数亿美元资金和十年以上周期。而AI正在拆掉这些围墙。 门槛崩塌的三重维度 技术门槛归零：AlphaFold3已能精准预测所有生命分子的结构与相互作用，将原本需要数年实验完成的蛋白结构解析压缩至几小时。2024年诺贝尔化学奖颁给DeepMind团队，标志着AI正式成为生物学的基础设施。 成本断崖式下降：据PitchBook数据，2024年AI原生生物科技公司融资中位数达2650万美元，是非AI同行的近两倍。资本狂热背后是效率革命——AI将靶点发现周期从4.5年压缩至18个月，临床试验成功率从50%提升至80%-90%。 知识获取平权：ChatGPT Health等专业医疗大模型的推出，让非专业人士也能理解复杂的基因组学数据。Paul正是借助这类工具，完成了从基因测序分析到疫苗设计的全流程。 03  商业逻辑重塑 从"巨头垄断"到"生态共创" 这场变革正在改写生物医药行业的商业底层逻辑。 传统模式的困境 过去，制药行业遵循"高投入、高风险、长周期"的铁律。一款新药平均研发成本超20亿美元，耗时10-15年，失败率高达90%。这种模式导致药企聚焦于"重磅炸弹"药物，罕见病患者成为被遗忘的群体——全球7000多种罕见病中，95%没有获批疗法。 AI驱动的新范式 平台型公司崛起：Isomorphic Labs（谷歌DeepMind旗下）2025年完成6亿美元融资，与礼来、诺华签订价值30亿美元的合作协议。其商业模式不再是卖药，而是出售"AI药物设计引擎"的使用权，按成功上市的药物数量分成。 长尾市场爆发：mRNA技术的灵活性使"一人一方"成为可能。2025年全球mRNA医药市场规模达850亿美元，同比增长42%，其中个性化肿瘤疫苗占比快速提升。当单剂疫苗生产成本降至数千美元级别，为单个患者定制疗法变得经济可行。 跨界融合加速：29岁哈佛辍学生Joshua Meier创立的Chai Discovery，成立仅21个月便获得OpenAI三轮投资，估值突破13亿美元。其Chai-2模型将抗体设计成功率提升百倍，被誉为AI制药的"第二个AlphaFold时刻"。科技巨头正以前所未有的深度介入生命科学。 04 投资风向转变 从"赌技术"到"看管线" 2025年被行业称为AI制药的"价值验证年"。英矽智能在港交所上市募资22.77亿港元，成为港股生物医药IPO"募资王"，首日股价大涨24.66%。资本市场的热情背后，是投资逻辑的根本性转变。 新评估体系 临床进展优先：投资者不再满足于炫技式的算法演示，而是关注AI设计的药物是否真正进入临床试验。2025年美国FDA收到的AI/ML药物注册申请超100个，TNIK抑制剂等AI设计药物公布二期临床数据，验证了商业化路径。 数据资产重估：拥有高质量生物医学数据的公司获得溢价。AI模型的训练需要海量标注数据，这使医院、基因检测机构和CRO（合同研究组织）的数据资源成为稀缺资产。 生态位竞争：产业链分工细化，出现专门从事AI靶点发现、分子生成、临床试验优化的垂直公司。Blank Bio等初创企业专注RNA基础大模型，成为产业链关键创新节点。 05 伦理与监管： 狂奔中的刹车系统 技术突破的同时，挑战同样严峻。 数据隐私边界：个人基因组数据的使用权限如何界定？Paul为狗狗设计疫苗可以绕过部分伦理审查，但人类患者的数据保护需要更严格的框架。欧盟《AI法案》已将医疗AI列为高风险类别，要求全生命周期监管。 责任归属难题：当AI设计的药物出现副作用，责任应由算法开发者、数据提供者还是使用医生承担？现有法律体系尚未给出清晰答案。 数字鸿沟风险：虽然AI降低了技术门槛，但算力资源和高质量数据仍集中在发达国家。如何避免个性化医疗成为富裕阶层的特权，是全球卫生公平面临的新考题。 06 未来已来 人人都是医疗创新者 Paul和Rosie的故事揭示了一个深刻趋势：AI不会取代医生和科学家，但它会赋予普通人参与医疗创新的能力。 想象这样的场景：罕见病患者家属组成社区，共享基因数据，用开源AI工具协作设计治疗方案；基层医生借助AI辅助诊断系统，获得三甲医院专家级的诊疗建议；小型生物科技公司利用云端AI平台，以十分之一的成本开发孤儿药。 2026年，英伟达与礼来共建的AI制药实验室正式运营，OpenAI推出独立医疗产品线，中国"数据要素×"行动计划推动医疗数据流通机制完善。技术、政策、需求三重拐点已经交汇。 科技的温度在于赋能 AI最可怕的地方，不在于它能做什么，而在于它改变了谁有资格参与改变世界。当一位数据工程师能为爱犬设计救命疫苗，当罕见病患者不再因市场太小而被药企忽视，当医疗创新从精英俱乐部走向大众共创——这才是技术真正的温度。 Paul说："我只是不想失去Rosie。"或许，正是这种最朴素的情感驱动，加上AI赋予的能力，正在开启一个人人皆可参与的生命科学新时代。 下一次，当你在新闻中看到某个"不可能"的医疗突破时，不妨想一想：创造它的，可能不再是穿着白大褂的专家，而是某个不愿向命运低头的普通人，和他手中的AI工具。 往期精选： 开年爆火！1.5亿人挤爆广东，潮汕成最大黑马！ 14 分钟的春运悖论：深圳人为何要绕道香港回家？ 37.93亿“分赃”实录：胖东来给中国老板上了一堂最狠的“人性课”