Dynamo Therapeutics, Inc.

AI＋医疗概念在前几天横扫市场。 细心的投资人整理归纳后不难发现，领涨的医疗公司基本上是基于过去业务有大量数据积累及有宽阔落地场景的，而AI+精准医疗或者医疗IT显然是被资金首先选中。 那么AI+制药呢？由于反射弧过长，其获益因需要一个个阶段落地或者长维度的时间进行验证而被冷落。不容忽视的是，我们在昨天的《最具想象力的低估AI医疗龙头》对Tempus AI的分析中显然能够感知，制药公司无疑是在“C端、B端和G端”中支付能力最强，可行的商业模式也最为成熟的，所以AI+制药长期潜力不容忽视，大概率是厚积薄发。 今天，我们通过盘点三大“正宗”美股AI制药公司，一起来发掘和探索这条长逻辑线中的宝藏，希望有所收获。 01 Absci Corp（ABSI） 大分子代表性的药企为absci，这家做大分子aidd的企业成立于2011年，上市于2021年，算是深耕了十余年时间的老牌抗体药企。 它是真正的从头——抗原表位筛选开始做的平台型AIDD企业。数据方面，absci有自身的专有数据集，SoluPro作为合成生物学技术，可生成数十亿个表达目标蛋白质的细胞，其具体抗体设计步骤如图所示。 AI对抗原表位的优化起到了至关重要的作用，可提高亲和力、效力和表位特异性药理学。 此外，还有湿实验方面的验证。absci建造了一个超过77000平方英尺的湿实验室，利用专有数据生成技术生成高质量的生物训练数据。通过湿实验室的大规模通量功能验证，其每周能够评估数百万个独特的AI生成的设计的结合亲和力和目标特异性。 平台方面大致如此，管线方面，ABS-101为其首发管线。靶点TL1A，治疗适应症为炎症性肠病。 TL1A是TNF受体超家族中的促炎细胞因子，可与死亡受体3 (DR3)结合，启动信号级联，导致促炎和促纤维化反应。TL1A与IBD以外的多种炎症和纤维化疾病有关，包括：类风湿性关节炎、特应性皮炎、红斑狼疮、牛皮癣、肠纤维化、肺纤维化和肝纤维化。 absci对该药的研发周期而言，从AI设计到IND仅花费14个月，进度非常之快。该药的差异化在于其较长的半衰期以及亲和力。与同适应症的药物例如罗氏的RVT-3101相比，该药既可以与TLA1靶点的单体亲和，也可以和三聚体亲和，对两者的亲和力在官网上体现的信息来看，要比默沙东的MK-7240更强。 02 Recursion Pharmaceuticals（RXRX） RXRX是一家AI药物发现的企业，该公司成立于2013年并于2021年上市。该公司的名气相比absci要大很多，一方面是因为它被英伟达战略投资过5000万美元，另一方面是它近年内完成了对竞争对手Exscientia的收购。 一方面，该公司的数据和算力非常惊艳，2024年，该公司的超级计算机BioHive-2首次亮相，它被称为制药行业最大的超算系统，在最新一期的全球超级计算机TOP500榜单中，BioHive-2位列35，其搭载了504个H100，是上一代BioHive-1的四倍，并通过NVIDIA Quantum-2 InfiniBand网络互联，可提供2 exaflops的AI性能。 在算力的基础上，该公司推出了模型系列——Phenomics，其包含了2.5亿次以上的试验，50种以上的人类细胞类型，1万亿个以上的神经元，从DL-2迭代到phenom-1花了六个月，而从phenom-1跌到到phenom-2仅仅用了两周。 目前，该公司的数据和算力在行业中是非常宝贵的存在，根据测算，重建可比数据集需至少5亿美元投入。 管线方面，该公司较为出色的是几次与MNC的合作，2020年，2020年9月，Recursion与拜耳达成了价值高达10亿美元的交易，利用Recursion的AI药物发现平台和拜耳的小分子化合物库来发现和开发针对肺、肾、心脏等多种纤维化疾病的新疗法。此外，拜耳公司旗下的Leaps by Bayer还领投了Recursion的2.39亿美元D轮融资。2021年，Recursion与罗氏在2021年达成的深度战略合作：该次BD的首付款为1.5亿美元，总交易金额高达121.5亿美元。 目前，管线情况如下图所示，可以看到，跑得比较快的管线适应症为罕见病类型。 REC-994作为其首发管线，目前临床II期数据已经公布。该管线适应症为脑海绵状畸形，主要靶点为超氧化物。脑海绵状畸形是一种罕见的中枢神经系统疾病，特征是毛细血管腔异常增大，其可以表现为“临床无症状”，也可以表现为从头痛到局灶性神经功能障碍、癫痫发作和脑出血等临床症状。目前针对该病的疗法主要是手术治疗，药物方面还在研发，但覆盖非常之少。此前较为被看好的药物为NRL-1049，一种ROCK激酶抑制剂，它在2021年进入临床阶段，但目前还在临床I期，没有看到很有效的进展。 REC-994则于数月前披露了II期临床数据： 1）治疗 12 个月后，接受 REC-994 400 毫克治疗的患者 (N=20) 中50%的患者总病变体积 (LV) 减少，而接受安慰剂治疗的患者 (N=18) 中这一比例为28%。接受REC-994 200毫克治疗的患者(N=17) 的病变体积变化与接受安慰剂治疗的患者相似。 2）400 毫克组的总病变体积绝对平均减少457立方毫米，而200毫克组和安慰剂组的总病变体积绝对平均增加61立方毫米和53立方毫米。 安全性方面，400mg组的TEAR为71.4%，而三级以上的TEAE仅为14.3%，三级以上的TRAE为0，总体来说安全性是非常不错的。 03 Relay Therapeutics（RLAY） Rlay成立于2016年并于2020年上市，是一家以分子动力学模拟见长的AI药物发现公司。其核心平台Dynamo将蛋白质动力学置于药物研发过程的核心，主要分为三个关键阶段去部署平台。 首先是了解如何给蛋白质用药：利用蛋白质工程专业知识合成全长蛋白质。然后使用一系列蛋白质可视化方法，如低温电子显微镜和常温X射线晶体学，对目标蛋白质的动态构象进行实验理解。再将这些实验数据集部署到我们的计算平台中，以生成全长蛋白质在较长的生物学相关时间尺度上的分子动力学数据。通过这种方式确定潜在的新型变构结合位点。 然后是确定化学起点，在之后就是对先导化合物进行优化了。两个过程都是计算与湿实验的结合，并不完全依赖于湿实验，能够显著提高速率和降低成本。 管线方面，其BD交易也非常有看点。2024年12月，Relay宣布将一款FGFR2抑制剂lirafugratinib(RLY-4008)的全球权益授权给Elevar Therapeutics。Relay将在这笔交易中获得7500万美元的预付款+ 4.25亿美元的潜在商业里程碑+10%的分层特许权使用费。 FGFR2应该是成名已久的靶点，在肝癌，胃癌，胆道癌等领域比较常见。典型药物是pemigatinib，2020年上市，用于治疗胆道癌，2022年其销售额已经超过0.8亿美元。 而RLY-4008也将要进入后期临床阶段。 另一个临床分子RLY-2608也在数月前更新了数据，RLY-2608被设计为第一个变构、泛突变（H1047X、E542X和E545X）和异构体选择性PI3Kα抑制剂。 在临床I/II期试验中，64名患者均在晚期情况下接受过大量先前治疗，包括至少接受过一次内分泌治疗和至少接受过一次CDK4/6抑制剂治疗。在接受RP2D治疗且没有 PTEN 或 AKT 共突变的 52 名 RLY-2608 + 氟维司群患者中：所有患者的中位 PFS为9.2个月，2L患者的中位 PFS为11.4个月。所有患者的临床受益率 (CBR)为67%。在31名具有可测量的患者中，有12名获得PR（确认的ORR为39%）；近四分之三的患者肿瘤缩小（74%；n=23） 在15名具有可测量疾病且发生激酶突变的患者中，三分之二的患者实现了PR（67%c ORR；n=10）。 结语：尽管目前尚未有AI分子进入临床三期，但从行业发生的BD盛况看其受到制药公司买方的欢迎。截至2023年底的数据，AI发现药物一期临床成功率为80~90%，远远超出40%~65%的行业历史平均水平，这让市场无比期待第一个AI分子的成药，以及更多数量的BD出现。 识别微信二维码，添加抗体圈小编，符合条件者即可加入抗体圈微信群！ 请注明：姓名+研究方向！ 本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。

作者｜与安 在人类与疾病的漫长博弈中，每一次技术革命都成为改写生命科学规则的转折点。如今，人工智能（AI）正以颠覆性姿态涌入医药研发领域——从靶点发现到分子设计，从临床试验到生产质控，AI制药以“数据+算法”的精准之力，将传统“十年磨一剑”的新药研发周期压缩至数年甚至更短。据GMI预测，到2032年，全球AI制药市场规模将突破194亿美元，年复合增长率高达29.6%，远超传统药物研发市场的扩张节奏。 随着2025年到来，AI制药领域将迎来关键转折点。一方面，AI技术在药物研发中的应用已经从概念验证阶段迈向了实质性突破。例如，英矽智能Insilico Medicine通过迁移到Amazon SageMaker平台，将新模型的迭代和部署时间从50天缩短至3天，加速比超过16倍。另一方面，监管环境的变化，特别是欧盟《人工智能法案》针对“不可接受风险”AI系统的禁令于昨日（2月2日）正式适用，意味着那些依赖黑箱模型、缺乏可解释性的AI药物发现系统，可能被迫退出欧洲市场，为AI制药的发展带来了新的挑战和机遇。 在这场规则重构与技术突围的博弈中，我们试图透过着眼AI制药领域中备受关注的各家公司的技术路径，展望2025年AI制药的整体趋势。   01   英伟达：平台全栈式覆盖完整链条，构建AI制药基础设施 AI制药的核心在于算力、算法和数据。作为芯片巨头的英伟达，凭借其全面深度的合作与布局，已然在AI制药产业链上一举获得关键地位。当前，英伟达已成功搭建基于5大平台的全栈技术体系，覆盖从基础模型开发到产业落地的完整链条： 表1 英伟达技术平台框架核心功能 其中，值得一提的是，生命科学专用生成式AI平台BioNeMo是一个开源框架，也是英伟达专注生物制药的套件平台NVIDIA Clara的重要组成部分，在用于药物研发设计的Clara Discovery框架中，发挥关键作用；该平台同时提供了企业级的解决方案，使研究人员能够在不具备高性能计算专业知识的情况下，轻松扩展大型生物基础模型的训练，同时，通过与加速计算基础设施无缝集成，BioNeMo能够降低成本、扩大规模，并加快药物研发流程的速度。 通过“技术+资本”双轮驱动，英伟达正在稳步构建AI制药生态闭环，除投资/孵化多家AI制药公司外，如聚焦蛋白质设计的Generate Biomedicines、Evozyne等，英伟达目前已与包括GE HealthCare、AMGEN、Recursion在内的3500家知名企业和机构达成合作，共同推动AI+医疗保健技术的发展。可以看出，这家芯片巨头正在从“算力提供商”转型，积极参与定义药物创新的速度与边界。   02   Recursion：多组学数据整合，实现6条管线进入临床阶段 作为全球AI制药明星公司之一，Recursion目前已经与罗氏等多家大型制药公司建立了合作伙伴关系，无论是2023年来自另一位重磅角色英伟达的5000万美元投资，还是2024年年末对其关键竞争对手Exscientia的收购，都使这家公司频频收获业界瞩目。 通过解码生物学，Recursion致力实现药物发现的工业化，其核心平台Recursion OS构建了一个全栈式操作系统，整合转录组学、基因组学、蛋白质组学等多组学技术，基于生成、分析和从大规模生物和化学数据集中，加速提高药物开发的速度和效率。 在管线布局上，Recursion则展现出惊人广度，10个项目进入临床阶段，适应症从肿瘤免疫覆盖至代谢疾病，其中，有6款已处于临床1/2期，3款进入IND申请阶段。  图1 Recursion管线一览 值得关注的是，因管线方面无重大进展，即便有罗氏合作与英伟达注资，Recursion的股价仍然经历了大起大落。其与另一家AI制药龙头、聚焦AI药物设计的Exscientia的合并，既体现了某种程度上的抱团自救，又有望带来多样化的临床和近临床项目组合。Recursion与Exscientia在2024年9月达成合并协议，预计在此后的18个月内会公布约10项临床试验结果。其中若出现超预期的临床数据，或将迎来AI制药研发进展的又一突破点。   03    英矽智能：生成式AI全流程设计创下 “靶点到临床前候选分子”最快纪录 英矽智能（Insilico Medicine）是一家生成式AI驱动的BioTech公司，通过下一代AI系统连接生物学、化学和临床试验分析，利用生成对抗网络（GANs）、深度强化学习（RL）、预训练模型（Transformer） 等技术，致力加速药物发现和开发过程。 2022 年，英矽智能成功发布了全集成端到端 AI 及机器人药物发现系统——Pharma.AI，在 AI 制药领域跑通了靶点发现—药物发现—临床试验预测的整个环节。根据英矽智能公布的招股书，Pharma.AI 平台主要由 3 部分构成：Biology42、Chemistry42、Medicine42，其中，其构成和主要作用如下： 表2 Pharma.AI平台关键构成 基于 Pharma.AI 平台，英矽智能推出了其核心产品ISM001-055，这是全球首款真正由AI发现新颖靶点、AI设计创新分子结构，并顺利进入到2期临床阶段的AI药物，实现了生成式AI从靶点发现到临床验证的闭环。这是一款潜在first-in-class小分子抑制剂，通过生物靶点发现引擎 PandaOmics 完成识别，然后利用生成化学平台 Chemistry42，针对该新靶点生成并设计了全新的分子结构，主要用于治疗特发性肺纤维化（IPF） 等纤维化相关疾病；整个过程从疾病假设构想，推进至1期临床试验耗时约 30 个月，如果使用传统方法，则一般至少需要 6 年之久。 图2 英矽智能管线一览 当前，英矽智能已建立了十分丰富的内部生成管线，从肿瘤学到免疫学涵盖了29个药物靶点。从商业模式来看，兼具 AI+SaaS、AI+Biotech 和 AI+CRO 三种 AI 制药主流商业模式。英矽智能正在持续探索智能自动化在数据处理及新药研发领域的应用可能，以下一代AI和机器人技术变革新药研发，为跨行业融合创新和数字化驱动注入新动能。   04    Schrödinger：AI计算加速候选化合物评估选择 老牌AI制药公司Schrödinger是一家专注于利用AI计算平台来加速药物开发和材料设计的公司，其软件基于物理学和化学方向的分析，精准地进行模型预测，从而以更低的成本、更快地发现质量更高的分子，已与BMS等多家大型药企开展数十个合作项目，主要涉及软件服务和药物发现，2024年11月，Schrödinger更是与诺华达成一项高达24.22亿美元的研究合作与许可协议，将多个候选开发项目纳入诺华的产品组合进行进一步开发。 Schrödinger的计算平台综合了基于物理学的高度预测方法和新一代机器学习技术，辅助医药公司进行加速的药物设计和药物创新。传统的药物研发仅能在1年时间合成约1000个候选化合物，而Schrödinger计算平台能在一周内评估数十亿种化合物，并在合成和测试前，在迭代过程中，对化合物进行全面评估和优化选择。 图3 Schrödinger管线一览 在研管线方面，Schrödinger共有9款药物进入不同的研发阶段，适应症涵盖肿瘤、自身免疫性疾病、急性髓系白血病（AML/MDS）以及实体瘤等。其中，有3款已进入1期临床阶段。   05    Atomwise： 利用虚拟HTS加速药物发现， 作用于难成药靶标 Atomwise是一家利用深度学习进行基于结构的药物设计的TechBio公司。基于AI技术致力小分子药物发现，目前已与赛诺菲、礼来等多家大型药企建立合作关系。2024年7月，Atomwise 宣布扩大与豪森药业的合作关系，双方将在多个治疗领域针对11个未公开靶标设计和发现潜在的候选药物，表明其在亚洲市场的布局仍在推进。 其核心技术平台AtomNet是一种AI/ML药物发现平台，同时也是首个深度神经网络，旨在预测基于结构的药物发现中的小分子生物活性。通过应用一种虚拟高通量筛选（high-throughput screening，HTS）方法，可以搜索超过15千万亿种可合成化合物组成的不断扩大的化学库，以发现和优化新型化学物质。 2024年4月，Atomwise 宣布其 AIMS（Artificial Intelligence Molecular Screen）计划的结果，验证了AtomNet 平台作为高通量筛选（HTS）的可行替代方案。Atomwise表示，一直以来，AI驱动发现的主要挑战之一在于需要预先存在的靶标配体数据来准确预测活性，以缩小了AI适用范围。而AtomNet首次证明，技术平台可以无需任何特定靶标的训练数据，做到几乎应用于任何靶标，包括那些被认为是不可成药的靶标。 Atomwise在期刊文章《AI is a viable alternative to high throughput screening: a 318-target study》中表示，与传统HTS相比，AtomNet的应用显著提高了靶点成功率，涵盖主要治疗领域相关的广泛蛋白质类别，证实了AI平台的广泛适用性。同时，AtomNet还在新型化学物质发现方面展示出卓越能力，平均每个靶点发现7种以上结构独特的生物活性化合物。  图4 Atomwise管线一览 目前，Atomwise已聚焦免疫学领域构建了4条布局管线，仍处于药物发现和优化阶段。2024年，该司在技术验证和市场拓展方面取得了一些积极进展，但同时也面临着出现经营危机、管理层变动和资金压力等挑战。未来发展或将关注其能否有效应对这些挑战，以及是否能够找到新的融资和合作机会来支持其业务的持续发展。   06    晶泰科技： 国内AI制药龙头， 聚焦大分子与小分子研发 晶泰科技（XtalPi）是一家以AI和量子计算驱动的科技创新公司，专注于生物医药、化工、材料、新能源等多领域的研发技术与服务，其AI相关业务主要聚焦于药物研发与材料科学，是国内AI制药领军企业之一。 该司业务主要涉及两个模块，即药物发现和智能自动化解决方案，其中，药物发现业务聚焦小分子和大分子药物的发现和开发，核心平台包括ID4（Intelligent Digital Drug Discovery and Development） 智能化药物发现平台和XupremAb抗体研发平台。ID4通过结合量子物理、人工智能与云计算技术，能够准确预测药物的多种重要特性，除早期的晶型外，现在还包括活性、成药性、毒性等指标，从而综合加速药物临床前研究的效率与成功率；XupremAb则是其推出的AI驱动的下一代抗体发现平台，利用AI从大量数据集中提取特征，结合NGS技术，挖掘潜在的免疫组库信息，通过生成式AI和判别式AI方法，在更大序列空间内搜索突变体，筛选出各方面性质优良的突变体。 由于大力投入研发和实施商业计划，该司在2021年至2023年持续亏损，净亏损累计达54.8亿元，经调整净亏损合计达12.3亿元，但其仍旧在资本市场备受青睐，多轮融资频频“输血”。在JPM2025上，CEO马健表示，2025年晶泰科技将专注于三个核心方向。一是聚焦大分子与小分子药物研发领域，通过深化其AI平台建设，致力于实现更具创新性和临床需求的关键药物管线的开发；二是扩展机器人智能化实验室的商业合作，通过融合AI与机器人技术，提升实验室效率，缩短研发周期；三是关注未来化学业务。依托机器人实验室生成的高质量化学合成数据，晶泰科技希望在技术研发中构建更加先进的化学与材料模型，以克服当前面临的技术瓶颈。   07    Relay Therapeutics： 专注肿瘤小分子药物， 以SBDD提速药物发现 定位为精准医学公司的Relay Therapeutics则专注发现更强的靶向肿瘤小分子药物，以分子动力学模拟见长，旨在将蛋白质结构和运动的深刻理解应用于药物发现。 图5 Relay therapeutics官网管线一览 其核心技术平台为Dynamo平台，主要分为3个模块，分别是靶点调制假设、命中潜在化合物和优化潜在化合物。通过开创性的、基于蛋白质运动的药物设计，Dynamo平台将新的实验技术（如室温晶体学）和计算技术（如分子动力学和机器学习）结合起来，开发针对蛋白质具有更高特异性和效力的靶向药物，从传统的基于蛋白质静态的药物设计（SBDD）转向新的基于蛋白质动态的药物设计（MBDD），极大缩短了从hit（具有潜在活性的化合物）到候选药物的时间。 其核心药物为RLY-2608 ，这是一种针对 PI3Kα-mutant, HR+, HER2-局部晚期或转移性乳腺癌患者的药物。2024年6月，宣布与辉瑞公司进行临床试验合作，将辉瑞在研的选择性CDK4抑制剂阿替莫西利与RLY-2608和氟维司群联用治疗特定类型转移性乳腺癌患者。9月，中期数据显示，既往接受过大量治疗的患者的临床获益率（CBR）为 57%，认可度并不算高。投资银行机构Oppenheimer & Co.下调了对该司的评级，从表现优异（Outperform）调整为无目标价（Perform with no price target）。而另一款受到关注的FGFR2抑制剂lirafugratinib（RLY-4008），则因该司认为胆管癌的覆盖病人过少，在降低其研发优先级后，于同年12月将全球权益授权给了Elevar Therapeutics，此后该司仅剩1款药物进入临床阶段。   08    Benevolent AI：知识图谱+AI预测， 重大调整下观望后续进展 Benevolent AI同样在AI制药领域资历颇深。该公司专注于利用先进AI技术加速药物发现过程，一是根据知识图谱重定向现有药物分子的新适应症；二是通过AI预测并设计全新的药物分子。目前已与阿斯利康、默克等大型药企达成多年合作。 其核心技术平台为Benevolent Platform，利用机器学习和深度学习技术，分析海量的生物医学数据，包括科学文献、临床试验结果、基因组数据等，以识别新的药物靶点、预测药物效果，并优化临床试验设计。 图6 Benevolent AI官网自主/合作管线一览 在AI利用AI发现靶点、开发分子的过程中，Benevolent AI的研发进展并不顺利，部分管线未能成功实现临床转化。2023年4月，此前进展最快、备受期待的特应性皮炎（AD）药物BEN-2293在2期试验中未达到预期治疗效果，随后被终止开发。当前，该司有5条在研管线，涵盖肿瘤学、中枢神经系统、胃肠道疾病等治疗领域的多种适应症和靶点，其中1款进入1期临床阶段。 2024年12月，Benevolent AI宣布进行重大战略调整，开启裁员计划，并暂停部分药物研发项目，以期将现金流维持到2027年。后续进展如何，将持续关注。   09   Absci：六周完成设计抗体到验证候选药物 Absci是一家数据驱动的生成式AI药物研发公司，通过将AI与可扩展的湿实验室技术相结合，致力更快创制更优的生物制剂，目前已与阿斯利康、默克等多家大型药企就药物研发达成重大合作。 Absci的主要技术平台是Integrated Drug Creation，通过数据学习、AI创造和湿实验室验证，每周可筛选数十亿个细胞，使其能够在短短六周内完成从人工智能设计抗体到湿法实验室验证候选药物的过程，从而加速药物发现。  图7 Absci官网管线一览 目前，Absci已构建4条管线，都尚未进入临床阶段。其中，TL1A抗体ABS-101预计在今年上半年进入1期临床；针对雄脱的ABS-201已提交IND申请；针对肿瘤免疫的ABS-301，预计在今年上半年读出临床前数据；而靶向HER2的抗肿瘤ABS-501，则仍处于候选药物识别阶段。   10   Xaira Therapeutics： 基于AI+蛋白质组学， 专注抗体药物研发 Xaira Therapeutics由知名投资机构ARCH Venture Partners和Foresite Labs于2023年联合孵化，核心业务方向是利用AI重塑药物研发，目前专注蛋白质组学方向，即研究蛋白质如何在健康和疾病中发生变化。 从公开信息来看，Xaira当前主要基于联合创始人、华盛顿大学蛋白质设计研究所所长（IPD）David Baker教授的成果展开研究，并有多位创始成员来自该实验室。其背后技术主要是基于 RFDiffusion 和 ProteinMPNN等模型，主要面向抗体药物，开发基于蛋白质和其他分子的新疗法。 2024年4月，Xaira Therapeutics完成超10亿美元的种子轮融资，顶级生命科学投资机构领投，加之背景耀眼的创始团队和管理团队，让该司一度风头无两。然而，当前基于扩散模型的AI蛋白设计系统只接受现有蛋白质数据集的训练，因此也倾向于类似结构的蛋白质，而无法制造出与天然蛋白质有巨大差异的蛋白质，这就使得其在具体成药时具有一定的局限。因此，Baker团队正在探索，是否可以像Midjourney等图像生成工具的prompt一样，也能用通俗易懂的语言文本描述来设计蛋白质，这或许也是该司未来一段时间的研究方向之一。 关于管线进展，处于初创阶段的Xaira尚未披露具体信息，该司称希望将AI模型应用于三个领域——发现新的生物学、设计分子和进行临床试验，目前正在这三个核心环节收集数据并建立模型，并进行迭代，计划通过 AI 平台、数据生成和治疗产品开发的结合来实现其目标，并将利用传统抗体工程方法来改进 AI 创建的内容。期待后续有更多关于管线及技术验证成果的披露。   结语   见刊于Nature的预测文章《Outlook for medicines development and use in 2025》称，随着算法效率、硬件效率和训练数据可用性的稳步提升，AI的计算性能将在未来一年将实现至少翻倍，显著提高其在生物学或医学领域的预测能力。然而，生物系统高度复杂，从分子层面的预测转向细胞或人体层面的预测需要面临十足挑战。2025年，预计会有更多由AI发现的分子进入临床试验，但其在临床证据生成方面的应用速度可能较慢。 尽管AI制药领域吸引了大量资本的关注，各家AI制药公司或布局巨头的进展却呈现出显著的差异，部分公司甚至面临停滞的挑战。在监管环境不断演变的当下，面对监管与技术的双重变量，这些企业在2025年是否能够实现关键的突破，仍然充满不确定性。然而，随着技术的持续进步和监管框架的逐步完善，AI制药的潜力依然值得期待。未来一年，这些公司是否能够克服当前的障碍，实现从实验室到临床的飞跃，值得我们持续关注。  主要参考文献  http://www.gminsights.com/industry-analysis/ai-in-drug-discovery-market Nature：Outlook for medicines development and use in 2025 https://www.nature.com/articles/d41573-025-00012-2 英伟达中国: NVIDIA 推出 BioNeMo 开源框架，扩大全球生物制药和科学行业的数字生物学研究规模 https://blogs.nvidia.cn/blog/nvidia-opens-bionemo-to-scale-digital-biology-for-global-biopharma-and-scientific-industry/ Recursion官网管线信息https://www.recursion.com/pipeline 超神经HyperAI：透视 Insilico 英矽智能：AI 制药明星企业的飞跃、困境与破局 https://news.qq.com/rain/a/20240411A037HM00 Schrödinger官网管线信息https://www.schrodinger.com/pipeline/ Businesswire: Atomwise Publishes Results from 318-Target Study Showcasing AtomNet AI Platform’s Ability to Discover Structurally Novel Chemical Matter https://www.businesswire.com/news/home/20240402435070/en/ Atomwise官网管线信息 https://www.atomwise.com/pipeline/ 经济观察报：2025商业新愿景｜晶泰科技CEO马健：2025年将是人工智能的转折之年 https://www.eeo.com.cn/2025/0126/708591.shtml Relay Therapeutics Announces Clinical Trial Collaboration with Pfizer to Evaluate Atirmociclib in Combination with RLY-2608 https://www.biospace.com/relay-therapeutics-announces-clinical-trial-collaboration-with-pfizer-to-evaluate-atirmociclib-in-combination-with-rly-2608?s=89 Benzinga: Relay Therapeutics Faces Downgrade Over Efficacy Concerns in Competitive PI3K Inhibitor Market https://www.benzinga.com/analyst-ratings/analyst-color/24/09/40802088/relay-therapeutics-faces-downgrade-over-efficacy-concerns-in-competitive-pi3k-inhib Benevolent官网管线信息https://www.benevolent.com/pipeline/ 投资界网：10亿美元AI制药团队曝光！华人联创，浙大校友 https://news.pedaily.cn/202408/538897.shtml Absci官网管线信息https://www.absci.com/our-pipeline/ 公众号文章 现代仪器与医疗杂志 行业研报 | JPM 2025：英伟达战略布及最新进展报告（附PPT全文） 共建Biomedical创新生态圈！ 如何加入BiG会员？

曾几何时，AI制药概念风靡，第一批先驱们希望可以利用人工智能技术、更短的时间、更低的成本创造出质量更高的药物。然而，多年过去后，第一批进入临床的AI设计药物接连受挫。AI制药公司正在经历前所未有的压力和磨难，但他们积极调整管线，断舍离，急转头，快速推进新的管线进临床，逆境生存。本文，我们走进四家AI制药先驱公司，看看他们经历了怎样的挫折和战略调整，未来又有哪些管线带来新的希望。AI制药先驱Exscientia临床管线大换血Exscientia是一家成立于2012年的英国老牌AI制药企业，为了实现药物设计自动化的理念，Exscientia搭建了三大技术模块，包括CentaurAI、Centaur Biologist、Centaur Chemist，通过这三大技术模块，Exscientia能够实现更快速、更高效的开发药物[1]。2023年10月份，Exscientia公司宣布因疗效达不到预期即将终止癌症候选药物EXS-21546的I/II期研究[2]。EXS-21546是由Exscientia利用其人工智能驱动的平台和Evotec公司提供的生物学和化学能力共同发明和开发的A2A受体拮抗剂。此前，EXS-21546在健康志愿者1a期研究的顶线数据表明：EXS-21546可靶向抑制A2A受体信号传导，是一种高效价、选择性、中枢神经系统(CNS)暴露量低的A2AR拮抗剂。然而，这并不是Exscientia公司第一次终止药物临床研究。DSP-0038是Exscientia和住友制药共同开发一款5-HT1A受体激动剂和5-HT2A受体拮抗剂，用于治疗阿尔兹海默症，也因临床疗效达不到而被终止临床。DSP-1181是由Exscientia和住友制药共同开发的一款用于治疗强迫症(OCD)的长效血清素5-HT1A受体激动剂，于2020年1月在日本启动了I期临床研究，是全球首个由人工智能设计进入临床的药物。然而，2022年，因为临床I期的研究并未达到预期标准，DSP-1181已被Exscientia和住友制药停止开发。这些年，Exscientia的管线已经被“大换血”，从最初的EXS-21546、DSP-0038以及DSP-1181换到现在的CDK7抑制剂GTAEXS617、PKCd抑制剂EXS4318、LSD1抑制剂EXS74539和MALT1抑制剂EXS73565等（图1）。目前，Exscientia管线中进展最快的药物是GTAEXS617。GTAEXS617是由Exscientia与GT Apeiron合作设计，具有高效力、选择性、口服生物利用度的新型CDK7抑制剂。2023年7月份，Exscientia宣布GTAEXS617的1/2期ELUCIDATE研究招募了首位患者，目前正在一项名为ELUCIDATE的1/2期试验中进行测试，用于治疗晚期实体瘤，包括头颈癌、乳腺癌、非小细胞肺癌等癌症。 图1. Exscientia的研发管线虽困难重重，但Exscientia还是受到很多大药企的青睐，建立了多项合作伙伴关系，包括与赛诺菲和默克达成的出色交易。Exscientia与赛诺菲的合作始于2017年，两家公司达成了一项价值2.73亿美元的许可协议，专注于发现治疗代谢疾病的双特异性小分子药物。2022年，Exscientia和赛诺菲还达成了一项研究和许可协议，以开发多达15种肿瘤学和免疫学领域的小分子候选药物。与此同时，Exscientia宣布与默克公司达成一项价值6.74亿美元的新协议，专注于发现肿瘤学、神经炎症和免疫学领域的新型小分子候选药物[3]。股价下跌超90%，BenevolentAI急需充血BenevolentAI是一家于2013年在伦敦成立的老牌AI制药公司，拥有独特的BenAI Engine技术，该技术成为他们端到端药物发现产品和知识探索的基础工具。BenevolentAI通过整合尽可能多的跨领域和不同数据类型的数据，包括组学、分子、实验数据、文献、病理学和生物系统，将这些不同的复杂数据源整合在一起，从而使疾病、基因和药物之间组成关联信息（图2）。 图2. BenevolentAI的数据库来源基于此，BenevolentAI专注于药物发现和开发的人工智能平台可以分为四个子模块，包括知识图谱、目标识别、分子设计和精准医学，使用机器学习来释放庞大且不断扩展的生物医学数据领域的力量，以产生对疾病根本原因的新见解。此前，用于治疗特应性皮炎（AD）的药物的BEN-2293一直是BenevolentAI管线中进展最快也最受期待的，然而2023年4月，BEN-2293的II期试验未达到预期治疗效果，减少瘙痒和炎症的次要疗效终点未达到，随后，BenevolentAI也终止了该药物的开发。BenevolentAI的管线也进行了调整，目前其管线中BEN-8744进展最快（图3）。BEN-8744是一种潜在的同类首创靶向PDE10的外周限制性小分子药物，用于治疗溃疡性结肠炎，BenevolentAI于2023年8月启动了BEN-8744 的I期研究，这项研究的顶线数据预计将于2024年第一季度公布[4]。图3. BenevolentAI的研发管线迅速调整战略，Relay多条管线齐发Relay Therapeutics是一家成立于2016年的以计算为特色的药物发现公司，基于对蛋白质运动与其功能之间无与伦比的洞察力，整合业内前沿的实验和计算方法，建立了独有的Dynamo平台。Dynamo平台结合实验和计算两部分，实验部分包括X-ray crystallography、Cyro-EM等解析结构的技术，计算部分中以分子动力学为主（图4）[5]。 图4. Dynamo平台Relay的研发管线中也有很多被终止或降低优先级，如2023年Relay在公布第三季度时宣布暂停CDK2抑制剂RLY-2139的进一步开发工作，而且Relay也下调了PI3Ka突变抑制剂RLY-2608和RLY-5836的优先级。2023 AACR会议上，Relay揭露了RLY-2608初步临床有效性数据，研究结果表明：24例可评估患者，仅出现1例unconfirmed PR，临床有效性未达到[6]。随着RLY-2608和RLY-5836的临床达不到预期结果，Relay也调整了策略，同时开发用于治疗乳腺癌的靶向PI3Ka特定突变如H1047R的抑制剂，该项目还在临床前开发阶段（图5）。 图5. Relay开发用于治疗乳腺癌的PI3Ka突变抑制剂目前Relay的研发管线中进展最快的是RLY-4008（图6）。 图6. Relay的研发管线RLY-4008（lirafugratinib）是一种有效的、选择性的口服小分子 FGFR2 抑制剂，FGFR2 是一种受体酪氨酸激酶，在某些癌症中经常发生改变。在临床前，RLY-4008在癌细胞系中显示出 FGFR2 依赖性杀伤，并在体内模型中诱导消退，同时观察到对其他靶点（包括 FGFR 家族的其他成员）的选择性。2023年AACR-NCI-EORTC分子靶点和癌症治疗国际会议上，Relay公布了 RLY-4008在FGFR2 突变的实体瘤患者的初步临床数据，该会议显示了多个亚组的活性，包括 FGFR2 融合肿瘤患者和 FGFR2 突变的 HR+/HER2- 乳腺癌患者。研究结果表明：截止2023年8月23日，在26例FGFR2融合肿瘤患者中有9例出现确认部分缓解（PR）（ORR为35%），63%的患者缓解持续时间至少为6个月，在10名FGFR2突变HR+/HER2- 乳腺癌患者中有4名达到 PR（ORR为40%），所有反应者的反应持续时间至少为6个月，最长反应持续时间为 72 周，在34名FGFR2扩增患者中有8名出现PR（ORR为24%），43%的反应者反应持续时间至少为6个月[7,8]。姜还是老的辣Recursion股价已从低谷回升近100%Recursion Pharmaceuticals是一家成立于2013年的结合使用先进的成像技术和人工智能技术的生物制药公司，通过运用计算机视觉技术来处理细胞图像，分析细胞特征来评估疾病细胞药后反应。Recursion拥有专有的AI驱动药物发现平台Recursion OS，Recursion OS由三部分组成：基础设施层（The Infrastructure Layer）、Recursion数据宇宙（Recursion Data Universe）、Recursion映射（Recursion Map），采用先进的成像技术和人工智能技术进行高通量的细胞模型实验，提高效率。2022年10月，Recursion在提交给美国证券交易委员会（SEC）的文件中表示将结束REC-3599的开发，这是一种用于治疗GM2神经节苷脂沉积症的候选药物。REC-3599是口服的具有CNS渗透性的靶向PKC-β和GSK3β的小分子抑制剂，它的前身为礼来的Ruboxistaurin，2015年，Chromaderm从礼来获得了Ruboxistaurin的权利，而 2019年12月Chromaderm将Ruboxistaurin全球开发许可转让给了Recursion，Recursion开发成REC-3599。Recursion基于核心技术平台Recursion OS开发了多个项目，专注于罕见病和肿瘤领域。除了REC-3599之外，Recursion还有几款药物在临床开发阶段，如用于治疗家族性腺瘤息肉症（Familial Adenomatous Polyposis，FAP）的REC-4881、用于治疗2型神经纤维瘤病（Neurofibromatosis Type 2）的REC-2282以及用于治疗脑海绵状畸形（Cerebral Cavernous Malformation）的REC-9942（图7）。图7. Recursion的研发管线REC-4881是Recursion于2020年5月从武田制药公司获得的一款口服的、非ATP竞争性的MEK1和MEK2的变构小分子抑制剂，Recursion通过利用其专有的人工智能药物发现平台Recursion OS，发现了REC-4881作为治疗FAP的潜在候选药物。REC-4881于2022年7月份获得欧盟委员会授予的用于潜在治疗FAP的孤儿药资格认定。在资本寒冬里，2023年7月，Recursion获得了英伟达5000万美元的投资，消息公布后，Recursion的股价飙升了80%。达成协议后，两家公司计划加速开发 Recursion的生物和化学AI基础模型，并利用英伟达的云服务对模型进行优化，为生物技术和制药公司提供AI驱动的药物发现服务。近期，Recursion与拜耳达成一项合作协议，获得新靶点许可的潜在同类首创新分子，用于治疗纤维化疾病[9]。小结任何一项新技术或者新领域的突破都是曲折的，AI制药亦如此，在披荆斩棘的路上总有人在前行，在行动，希望往往诞生于绝望之间，虽然现在很多AI制药药物折戟于临床，但是还是有很多后继者在补位，未来仍有希望。参考文献1.智药邦：AI药物研发公司Exscientia的理念、技术与特点2.After years of hype, the first AI-designed drugs fall short in the clinic3.Five AI drug discovery companies you should know about4.BEN-8744 is a potential first-in-class peripherally restricted small molecule for the treatment of Ulcerative Colitis currently in a Phase I study.5.Relay Therapeutics JPM Presentation January 20236.Relay Therapeutics Announces Initial Clinical Data Demonstrating that RLY-2608 Selectively Targets Multiple PI3Kα Mutations7.Relay Therapeutics Reports Third Quarter 2023 Financial Results and Corporate Highlights8.Relay Therapeutics Announces Initial RLY-4008 (lirafugratinib) Data Demonstrating Durable Responses Across Multiple FGFR2-Altered Solid Tumors9.Recursion Adds New Chemical Entity Targeting Fibrotic Diseases to Late Discovery Pipeline