NUTSHELL Therapeutics Inc.

AI制药正在进入一个新的发展阶段。 过去几年，AI在生物医药领域的作用持续深化，应用范围已从小分子筛选、结构预测、抗体和蛋白设计、RNA药物与疫苗研发、自动化实验等，延伸至临床研究、CMC和药企数智化等关键环节。 随着应用场景不断拓展，行业关注重点也在发生转变。过去，AI制药更多强调模型在单一任务中的表现，或工具在局部环节中的效率提升；如今，行业更期待的是，如何将分散在不同研发环节中的模型、工具、数据和实验能力组织起来，形成贯穿疾病理解、分子设计、实验反馈、开发转化和跨环节协同的系统能力。也正是在这个意义上，AI制药的下一阶段，不应只是单点技术应用的深化，更应该是药物研发体系本身的重新组织和产业价值实现。 这种持续演进的行业变化，在AIBC 2026目前已公布的数十位专家的演讲议题中，得到了更集中、更深刻的呈现。大会日程链接： AI生物医药今年最值得看的两天，就在7月上海！ 深入分析这些议题可以看到，本届大会的讨论并不只是围绕某一个模型、某一个平台或某一个工具展开，而是覆盖疾病理解、数据底座、模型方法、分子设计、实验闭环、智能体研发和产业全流程等多个层面。这些方向共同指向一个更大的变化：AI制药正在从单点技术能力，走向对药物研发体系的系统性重构。 这种重构，至少体现在以下8个趋势中。 1 从“分子优化”前移到“疾病系统建模”，AI正在重写药物研发的起点 过去，AI制药的很多工作是围绕相对确定的靶点展开：靶点给定之后，模型帮助筛选分子、生成分子、优化性质，再进入实验验证。近年来，这一路径仍然重要，但AI的作用边界正在向更前端延伸：它不仅帮助研究者在已知靶点上寻找更好的分子，也开始参与疾病机制理解、细胞状态建模、临床表型关联、人体数据分析和原创靶点发现。 AIBC 2026中，相关议题把这种“研发起点前移”的脉络呈现得更加清楚。例如： Towards building a Virtual Cell World Model by AlphaCell（刘琦，同济大学） Linking spatial transcriptomics to clinical phenotypes through interpretable AI（段斌，上海交通大学） 多组学+AI，创新药研发“经验试错”到“数据驱动”的范式变革（季序我，普瑞基准） 从解读到编程：AI虚拟细胞构建及其在细胞命运调控中的应用（李鑫，中国科学院动物研究所） 人工智能驱动的靶标发现与新配体设计（朱峰，浙江大学） 构建人工智能药物设计平台加速新型靶标的确证与苗头分子发现（卞月珉，上海大学） AI科学家赋能原创靶标发现与验证（郑双佳，上海交通大学/临港实验室） AI+量子计算：找到下一个千亿级 GLP 靶点的瑞士军刀（李翛然，医图生科） 这些议题共同强化了一个判断：新药研发的核心问题，正在从“如何更快地找到候选药物分子”，演进为“如何更早、更准确地理解疾病”。尤其在CNS、肿瘤、免疫等复杂疾病领域，传统动物模型、单一组学数据或单个靶点假设，往往难以解释真实人体中的疾病状态和治疗反应。AI的价值，正在于把临床数据、多组学、空间转录组、细胞扰动和文献证据组织起来，构建更接近真实生物系统的疾病模型。 对于药企和科研团队来说，这意味着AI不只是早研环节的效率工具，而可能成为源头创新的新入口。谁能更早理解疾病，谁就可能更早定义新的靶点、新的机制和新的研发机会。 2 从“单模态建模”到“多模态、多尺度表示”，AI正在重组生物医药数据底座 药物研发中的数据从来都不是单一形态的。它可能是分子结构、蛋白序列、三维构象、冷冻电镜密度图、质谱图、转录组、空间组学、临床表型，也可能是文献、专利、实验记录和专家经验。过去，这些数据往往分散在不同系统、不同学科和不同研发环节中，很难被统一理解和调用。 近年来，多模态、多尺度建模已成为AI制药的重要方向；从AIBC 2026的相关议题看，这一趋势正在进一步走向系统化和深入化。代表性议题包括： Language models of biomedical sciences or language models for biomedical sciences（徐峻，中国科学院医学技术研究所） 基于人工智能构建全自动冷冻电镜结构解析（申怀宗，深圳医学科学院） 细胞转录反应重塑分子表征空间用于高效和多尺度的药物发现（裴剑锋，北京大学/英飞智药） 基于蛋白词表的虚拟筛选方法（田博学，清华大学） Advancing AI for Biomedical Discovery: Foundation Models, Agents, and Safeguards（张载熙，上海交通大学） 冷冻电镜与AI在制药研发中的应用（孔佑心，赛诺菲） 通晓化学语言，助力药物分子的设计和优化（焦阳，达索系统） SpectraAI: AI-Driven Molecular Identification and Discovery（夏俊，香港科技大学（广州）） 这背后反映的是：AI不再只是处理某一种数据，而是在更深层次上参与重建生物医药数据的表达方式。化学结构可以被理解为“化学语言”，蛋白质序列和结构可以被转化为模型可学习的表示，冷冻电镜和谱图数据也可以成为结构解析、分子识别与机制推理的重要入口。 当不同模态、不同尺度的数据被统一组织起来，AI才有可能从“预测工具”进一步变成“推理系统”。未来AI制药的竞争，不只是模型参数大小的竞争，更是数据表示能力、数据连接能力和跨尺度推理能力的竞争。 3 从黑箱模型到结构、物理与动力学融合，AI制药进入机制约束阶段 生成式模型、大语言模型和深度学习方法快速进入药物研发，但行业也越来越清楚地意识到：药物研发不是单纯依靠黑箱模型就能解决的问题。蛋白质不是静态的，分子结合也不是简单的相似性匹配，构象变化、长程相互作用、蛋白柔性、溶剂效应、能量景观和动力学过程，都会影响真实药物分子的发现与优化。 因此，在本届大会的相关议题中，一个被进一步强化的方向，是AI与结构生物学、物理模型、分子动力学、量子计算等方法的深度融合。代表性议题包括： 结构生物学中的计算问题：从算法到应用（马剑鹏，复旦大学） AI和物理深度融合的新药发现软件平台DrugFlow的开发（侯廷军，浙江大学/碳硅智慧） ViSNet-PIMA：基于长程作用精确建模的生物分子性质计算与动力学模拟（王童，清华大学） 物理驱动的AI生物分子动力学的时序建模（刘子敬，粤港澳大湾区数字经济研究院） 攻克难成药靶点-AI重塑变构药物研发（沈倩诚，宇道生物） 基于量子生成特征求解的大模型药物分子精准设计（廖俊，中国药科大学） 这说明，AI制药的评价标准正在持续升级：不仅要“能生成”，还要“生成得合理、解释得清楚、预测得更接近真实体系”。特别是在难成药靶点、变构调控、蛋白-蛋白相互作用、膜蛋白和蛋白动态构象等复杂问题上，仅依靠数据驱动模型往往不够，结构信息、物理规律和动力学约束正在成为提升模型可信度和可用性的关键。 对于关注技术深度的科研团队和AI制药公司来说，这一趋势尤其重要。未来真正能够形成壁垒的，不一定是单一模型，而是能否把AI、结构、物理、动力学和实验验证结合成一套更可靠的方法体系。 4 从小分子到多种药物形态，AI正在成为通用分子设计语言 过去谈AI制药，很多人首先想到的是小分子AIDD：虚拟筛选、分子生成、ADMET预测、分子对接和FEP计算等。近年来，AI药物设计对象的扩展趋势已经十分明确；从AIBC 2026的议题来看，这种多元化正在被更完整地呈现出来。除了小分子之外，抗体、蛋白质药物、RNA、mRNA疫苗、功能核酸、核酸适配体、环肽等多种分子形态，都成为AI进入药物研发的重要场景。 代表性议题包括： 人工智能蛋白质药物设计平台及镇痛药物研发（陈海峰，上海交通大学/智药元创） 抗体从头生成与可开发性一键评估（葛虎，唯信计算） A Data-Driven AI Approach for Multi-Parameter Antibody Therapeutic Design（赵伟安，寻明生科） 功能核酸从头设计（韩达，中科院杭州医学研究所） 人工智能驱动的RNA精准治疗（褚晏伊，中国科学院分子细胞科学卓越创新中心） 人工智能驱动的新生抗原个体化肿瘤治疗性疫苗的开发（张弛，上海生物制品研究所） AI驱动的个性化 mRNA 肿瘤疫苗：从新抗原到递送（李晓林，中国科学院杭州医学研究所） 干湿一体化环肽药物研发智能体（邹一可，上海交通大学） 不同药物类型有不同的设计难点。小分子强调结构、活性、选择性、成药性和合成可行性；抗体强调表位识别、亲和力成熟、可开发性和免疫原性；RNA和mRNA疫苗强调序列设计、递送、稳定性和免疫应答；环肽、多肽和功能核酸也有各自的构象和开发挑战。AI的价值不只是将小分子研发范式扩展至其他药物类型，而是针对不同分子形态建立新的表示、生成、优化和验证体系。 这意味着AIBC 2026不只是一场传统意义上的AIDD会议，而是一次观察AI如何进入多类型药物设计的重要窗口。 5 从“找活性分子”到“可开发性前置”，AI正在改变药物设计目标 过去很多AI制药项目容易把目标聚焦在“找到活性分子”上：亲和力更高、IC50更低、结合更强、筛选更快。但真正进入产业研发之后，药企更关注的是分子的可开发性和产业化潜力，包括可合成性、表达稳定性、成药性、CMC适配性，以及放大生产、纯化工艺、制剂开发和质量一致性等关键环节的可控性。近年来，行业已经越来越重视将这些研发后期的关键约束条件前置到设计阶段；从AIBC 2026的相关议题看，这一方向正在得到更具体、更系统的展开。代表性议题包括： 抗体从头生成与可开发性一键评估（葛虎，唯信计算） A Data-Driven AI Approach for Multi-Parameter Antibody Therapeutic Design（赵伟安，寻明生科） Membrane Protein Solubility Design as Novel Therapeutics（庆睿，上海交通大学） Hybrid Modelling Approach for Prediction and Control of Monoclonal Antibody’s Glycosylation（彭军滇，A*STAR Bioprocessing Technology Institute） CMC全链条研发的人工智能垂直大模型（金传飞，东阳光药） 这说明AI药物设计的评价标准正在持续升级：关注点正从“分子是否具备理想活性”，扩展到“分子是否具备良好的可开发性”。尤其对于抗体、蛋白、多肽、RNA和复杂生物药而言，可开发性往往直接决定后续转化效率。活性很好的分子，如果稳定性差、表达困难、聚集风险高或工艺不稳定，最终仍然可能难以进入产业化开发阶段。 因此，AI制药下一阶段的成熟标志，不只是生成更多候选分子，而是更早地把活性、选择性、安全性、稳定性、可制造性和CMC风险纳入同一套设计目标。对药企、Biotech、CRO/CDMO和投资机构来说，一个AI平台是否真正有价值，不能只看它能不能“找到分子”，更要看它能不能找到更接近真实开发要求的分子。 6 从工具堆叠到智能体驱动，AI Agent成为研发流程的新组织方式 如果说过去几年AI制药的大量应用仍以工具化形态存在，那么在本届大会的议题中，AI Agent作为研发流程组织方式的价值被进一步凸显。它所回应的，并不是“再增加一个工具”，而是当模型、数据、文献、实验和决策环节同时增多之后，如何对研发任务进行组织、调度和连续推进。 过去，研究人员往往需要分别调用文献检索工具、分子生成模型、对接软件、ADMET预测工具、合成路线规划工具和实验数据分析工具。工具越来越多，但真正的难点在于：谁来理解任务、拆解流程、调用工具、整合结果，并在多轮迭代中积累经验。AI Agent的快速发展，正在尝试回答这些问题。 AIBC 2026中，多个议题集中呈现了这一方向： 从“工具堆叠”到“自主决策”，智能体赋能药物研发的实践与展望（周杰龙，望石智慧） FROGENT：端到端全流程药物设计智能体（吉君恺，深圳大学） SciMiner：面向药物研发DMTA闭环的记忆增强、持续学习且可解释的智能体（熊昭平，质子展开） AI智能体平台驱动的抗体药物研发新范式（王天元，科迈生物） 多智能体加速AI for science科研范式转型（金若凡，北京中关村学院） AI Agent并不只是一个新的交互界面，也不只是“会聊天的AI”。在药物研发中，它更可能成为一种新的流程组织方式：理解研发目标，拆解任务路径，调用不同模型和工具，整合文献、数据和实验结果，并在连续项目中形成记忆和反馈。 这意味着AI制药的竞争正在从“谁有一个好模型”，转向“谁能组织一个可执行、可迭代、可协同的智能研发系统”。对于AI制药公司来说，Agent可能成为平台化能力的新载体；对于药企来说，Agent则可能成为内部研发流程数字化、智能化和标准化的重要入口。 7 从模型输出到干湿闭环，AI制药竞争转向系统化迭代能力 AI制药早已不是只看“有没有实验验证”的阶段。过去几年，行业已经越来越重视湿实验结果、真实项目案例和管线进展。更值得关注的变化在于，实验验证正在从模型输出后的结果检验，逐步转变为驱动AI研发系统持续学习与迭代的关键环节。实验不只是回答“这个分子行不行”，还在不断为模型提供新的约束、新的失败样本和新的优化方向。 也就是说，真正重要的不是“模型给出一个结果，然后实验验证一下”，而是能否形成设计、制造、测试、分析、反馈、再设计的闭环能力。AIBC 2026中，与干湿闭环、自动化和DMTA相关的议题包括： How AI and Automation are Rewriting the Rules of Drug Discovery（韩涟漪，恒瑞医药） AI驱动的分子设计–制造–测试–分析闭环：加速智能药物发现（申万祥，浙江大学） 基于液相色谱技术的化合物自动自主分离制备系统（陈晨，罗氏中国） 干湿一体化环肽药物研发智能体（邹一可，上海交通大学） AI Agent 驱动的生物医药全生命周期：从实验室智能体到工业级闭环控制（邓司伟，深圳津渡生物） 这些议题共同强化了一个判断：AI制药的核心能力，正在从单一模型输出能力，进一步转向系统化迭代能力。尤其在DMTA循环中，设计不是终点，实验也不是终点。每一轮实验数据都应该反哺模型，每一次失败都应该成为系统记忆的一部分，每一次优化都应该缩短下一轮探索路径。 这对于产业落地尤其关键。真正能够提高研发效率的，不是某一次预测结果，而是一个能够持续学习、持续反馈、持续优化的研发闭环。因此，干湿闭环并不是一个宣传口号，而是AI制药能否嵌入真实研发流程、形成长期壁垒的重要分水岭。 8 从早期发现到全生命周期，AI进入医药产业系统工程 AI对医药产业的影响，已经不再局限于早期药物发现。从AIBC 2026的演讲题目看，AI在药企研发战略、临床试验、真实世界研究、CMC、药物智造、知识产权、知识管理和企业数智化等环节中的应用，正在被更系统地呈现出来。 代表性议题包括： AI医药数智化战略发展与应用价值创造（邱婧君，复星医药） 人工智能驱动下的药物研发转型（张晓华，华东医药） AI在临床试验和真实世界研究中的应用（李栋，清华大学长庚医院） 数字健康 智驱未来 华为医药智能化方案介绍（樊杰，华为制药军团） CMC全链条研发的人工智能垂直大模型（金传飞，东阳光药） AI在药物研发中的深度融合与知识产权保护策略（韩威威，苏州大学） 让知识“再发现”：Springer Nature构建AI时代的生物医药“知识群”（巨蓉，Springer Nature） 这进一步说明，AI生物医药医药早已不只是“AI+药物发现”，而正在逐步演变为覆盖医药企业全链条的系统工程。对药企来说，AI可能进入信息洞察、靶点发现、分子设计、临床开发、生产制造、上市后研究和商业决策；对AI公司来说，技术价值也不再只体现在早期筛选，而是要更深地嵌入药企真实工作流；对产业服务商来说，AI正在带来从工具交付到平台协同的新机会。 更重要的是，当AI进入全生命周期，行业讨论的重点也会发生变化：从“某个模型准不准”，变成“企业如何组织数据资产、研发流程、知识系统、合规策略和生态协同”。这也是AIBC 2026值得关注的原因之一。它呈现的不只是技术热潮，而是AI如何进入医药产业系统的真实进程。 9 总结和展望 本文不是一份普通的会议日程介绍，而是一张AI生物医药产业变化的观察图。 从模型到闭环，从工具到智能体，从小分子到多分子类型，从早期发现到全生命周期，AI制药正在沿着更加系统、真实、接近产业价值的方向演进。AIBC 2026希望呈现的，正是这一阶段正在发生的变化。 对药企而言，这里可以观察AI如何进入真实研发流程、临床开发、CMC、生产制造和企业数智化体系；对AI制药公司而言，在这里展示的是技术竞争如何从模型能力走向系统能力；对科研团队而言，这里呈现疾病建模、多组学、结构生物学、虚拟细胞和新型分子设计正在打开的新问题；对投资机构、CRO/CDMO、自动化平台、算力与数据服务商等产业参与者而言，这里也是判断下一阶段技术路线、客户需求和产业机会的重要窗口。 AIBC 2026的价值，不只是听到一批前沿报告，更在于把药企、AI制药公司、科研团队、产业服务方和投资机构放在同一个交流场景中。很多关于技术路线是否成立、产品需求是否真实、合作边界如何划分、产业机会在哪里的判断，只有在面对面的交流中，才能被更快验证和重新校准。 对于希望理解行业变化、寻找合作伙伴、展示解决方案、建立产业影响力的机构和个人来说，AIBC 2026都是一次值得到场参与的机会。 期待与您在AIBC 2026现场相见！共同观察AI制药产业的新变化，也共同参与这一轮产业生态的连接与重构。 大会信息 大会名称 2026人工智能与生物医药生态大会 时间地点 7月2-3日  上海 主办单位 智药邦 协办单位 上海市药学会人工智能药学专业委员会 大会规模 1500人 报名参会 标准门票：1880元/位 截止日期：2026-07-03 18:00 团购有优惠！ 团购请咨询李老师 16502195688 (手机微信同号) 扫描二维码注册会议 联系我们 参会 / 媒体合作及演讲咨询 联系人：李老师 电话：16502195688 微信：16502195688 邮箱：service@phaimus.com 赞助 / 参展 / 专场 / 需求对接等合作咨询 联系人：漆老师 电话：15618864572 微信：15618864572 邮箱：business@phaimus.com AIBC Awards申请通道 AIBC2026大会组委会设立 AIBC Awards——AI制药企业年度榜单，面向AI+生物医药领域创新企业开展年度评选，重点关注具有代表性的引领企业与创新企业。详情参见： AIBC Awards：AI制药企业年度榜单正式启动申报 申报企业需填写并提交： 《AIBC Awards AI制药企业年度榜单报名表》 扫码填写 申报截止日期：6月10日 榜单发布/颁奖：7月2日，AIBC2026大会期间 具体安排以组委会最终通知为准。 评选规则/材料提交相关事宜咨询： 联系邮箱：info@phaimus.com 邮件标题请备注：AI制药企业年度榜单评选 往届内容回顾 2025大会日程 2025大会总结 2024大会日程 2024大会总结 2023大会日程 2023大会总结 2022大会日程 2022大会总结 2021大会日程 2021大会总结 点击链接查看往届大会内容和演讲专家 点击视频查看AIBC2025回顾

智启未来：AI驱动药物研发创新论坛 — 2026年6月17日 — 01 论坛背景 2026年6月16-18日，CPHI China将再启新程。届时，制药行业巨头、权威科研机构和资深从业人士将齐聚一堂，共同探索医药产业创新发展新路径，推动中国医药创新成果走向世界舞台。 在此期间，由中国医药保健品进出口商会、上海博华国际展览有限公司、智药邦联合组织的【智启未来：AI驱动药物研发创新论坛】，将于6月17日在上海新国际博览中心召开。 此次论坛将聚焦AI在药物研发中的关键应用场景，围绕AI在药物发现与临床前研究中的落地经验、从单点工具到智能化平台的演进、AI赋能小分子与大分子药物研发的技术路径、当前产业化应用面临的主要瓶颈与突破方向，以及产业、学术、资本如何协同推动AI制药走向规模化等议题展开深入交流。 届时，来自学术界和产业界的多位知名专家将分享他们在AI药物研发领域的技术进展、实践经验与前沿思考，共同探讨AI如何真正融入药物研发流程，助力新药发现效率提升与产业价值转化。 欢迎参加本次论坛，共同探索AI驱动药物研发创新的未来路径！ 02 论坛信息 论坛名称：智启未来：AI驱动药物研发创新论坛 组织单位：中国医药保健品进出口商会、上海博华国际展览有限公司、智药邦 时间：2026年6月17日 地点：上海，新国际博览中心E1M13室 参加人员：制药企业、生物技术公司、CRO、高校及科研院所、AI制药技术公司、产业链关键服务商、投资机构、监管机构与园区等 03 论坛日程 6月17日上午 【AI赋能大分子药物开发】 主持人：吴宏忠-分子之心商务副总裁 09:30 -10:00 大模型和多智能体助力创新药研发及进展李松-天鹜科技AI+创新药研发负责人 10:00 -10:30AI在药物早期研发中的应用分享杨馨怡-复宏汉霖AIDD负责人 10:30 -11:00FiveFold蛋白构象全信息支持药物研发杨家安-Micro BioTech,CSO 11:00 -11:30人工智能监管科学助力创新药研发韩晓梅-阔跃生物创始人/CEO 11:30 -12:00 圆桌讨论（以上专家） 6月17日下午 【AI驱动小分子药物设计】 主持人：张鹏-深势科技医药事业部总经理 14:00 -14:30 AI驱动的变构药物开发平台与管线沈倩诚-宇道生物CEO 14:30 -15:00CMC全链条研发的人工智能垂直大模型金传飞-东阳光副总经理 15:00 -15:30基于多尺度深度学习的功能型生物分子设计工场郑铮-予路乾行创始人 15:30 -16:00AI+量子计算：找到下一个千亿级 GLP 靶点的瑞士军刀李翛然-医图生科联合创始人/CEO 16:00 -16:30圆桌讨论（以上专家） 04 嘉宾介绍 吴宏忠博士，毕业于上海华东理工大学药学院，生物化工与药理学博士，复旦大学MBA。吴博士在生物医药领域有近20年从业经历，工作涉及立项、IND申报、项目管理、商务拓展、股权投资、企业战略、Biotech早研团队搭建和创新组织文化建设。目前在分子之心负责AI+大分子业务合作和医药战略发展。 李松博士，天鹜科技AI+创新药研发负责人，专注于人工智能驱动的生物医药前沿技术研发，研究方向主要有人工智能辅助药物设计和疫苗研发、抗体设计和优化、分子生物学模拟等。学术成果发表于ICLR、APSB、NAR、Chemical Science等顶级会议和期刊，多项技术获专利保护及产业转化。成功推进10余个国内外上市公司的合作研发管线，参与获得2项蛋白类创新药PCC。 杨馨怡，复宏汉霖AIDD负责人，中国科学院计算生物学博士，德国马普所博士后，研究方向聚焦于AI与大数据应用于药物早期研发及临床转化，曾就职于强生、诺华的数据科学部门。在复宏汉霖三年多时间，逐步组建分子信息团队，致力于AI和大数据在药物早期研发中的应用。 杨家安，Micro BioTech,CSO，杨家安博士（Dr. Jiaan Yang）是生物信息和生物医药专家，研究领域涵盖量子化学，结构化学，生物信息学和计算机药物设计。杨家安博士专注生物蛋白大数据的开发和应用，成功地开发具有完全自主知识产权的蛋白结构指纹技术，为解决天文数字的蛋白折叠问题提供了一个有效解决方案，突破蛋白质结构限于静态研究的瓶颈，将复杂和可变的蛋白三维空间构象数字化,建立独特的蛋白结构指纹大数据，支持生物药物研发。在应用方面，该技术可以对全球蛋白大数据库开展高通量检索，快速发现构象同源性蛋白；为无序蛋白提供具体的多重构象信息；比较突变前后蛋白结构；分析动物实验和临床实验中涉及的蛋白差异化影响；针对蛋白多肽和抗体药物开展设计和结构优化；发现小分子药物的多蛋白靶标发现新功能。该技术对生命科学，分子生物学，生物医药研究有重要意义。已经发表学术文献40余篇，开创和拥有7项国际专利, 4项国内专利。 韩晓梅，阔跃智药的创始人兼 CEO、前美国食品药品监督管理局的国际指南以及药品评审专家。在 FDA 有多年工作经验，主要工作为负责与欧洲、加拿大、日本、瑞士、中国等多个国家地区药品监管机构合作进行 ICH 药品审批国际指南制定，包括人工智能与类器官等新方法学指南制定，人工智能和机器学习相关的药品审批工作，解决疑难案例上市前审批和上市后监管问题，以及领导 FDA 与监管相关的临床试验。韩晓梅获得临床医学硕士学位后，曾于中国三甲医院临床工作，期间参与了多个科研项目与临床试验。后于美国哈佛大学以及约翰霍普金斯大学从事人工智能、机器学习、大数据分析等计算生物学研究。于学术期刊发表多篇临床医学、计算生物学、药品审批等领域高被引用论文。 张鹏，深势科技生命科学事业部总经理，专注于推动人工智能与生命科学的深度融合与创新应用。曾在第四范式、百度等人工智能头部公司担任核心职务，深度参与机器学习、大语言模型（LLM）以及生物计算技术的商业分析与业务拓展工作，成功推动多项前沿技术的创新应用成果落地。 沈倩诚，宇道生物联合创始人，CEO，博士毕业于中科院上海药物所，具有生物学、药物设计、计算化学等多重领域研究背景，多年深耕于变构小分子药物发现。现主要负责公司的运营、融资及PR等事务。 金传飞，东阳光副总经理，博士、制药高级工程师，从事新药研发工作，主要专注于药物化学和人工智能。截止目前以主要发明人申请了国内外专利300余项，申请PCT专利30项，获得授权专利超过200项；在国内外著名科学杂志发表20余篇论文。主持和参与国家重大新药创制、广东省重点领域研发计划”新药创制”重点专项等项目。 郑铮，予路乾行创始人兼CEO，美国佛罗里达大学化学博士、北京大学药学学士；师从计算化学领域全球顶级专家Kenneth Merz教授；计算机药物设计及机器学习领域专家，项目核心算法发明人；曾任美国QuantumBio药物设计软件公司资深科学家。武汉理工大学教授、博士生导师，入选湖北省“百人计划”，获中国产学研合作创新奖、苏州工业园区科技领军人才称号；迄今已在国际顶级学术期刊发表学术论文40余篇，学术专著1部，主持及参与美国NIH项目2项，中国国家自然科学基金1项；主导多项国际专利的商业转化；担任化学信息学国际顶级期刊 J. Chem. Inf. Model 编委。回国后所开发的多款结合AI与分子动力学技术的全新算法被选为计算化学国际顶级期刊的封面文章；曾主导多项国际专利的商业转化，所提出的MovableType算法得到诺贝尔化学奖得主R.Hoffmann教授肯定与推荐 。 李翛然，医图生科联合创始人/CEO，中国药科大学博士，CCF会员，在AI制药领域发表了多篇SCI论文，拥有多项药物发明专利，也主导完成过多项药物管线License交易，在AI算法、量子计算及药物发现方面拥有深厚的造诣。 论坛报名 6月12日00:00前限时免费领票！6月12日00:00之后注册登记，需支付100元。扫描以下二维码或点击「阅读原文」，提交报名信息，届时即可入场参会！

编者荐语： 从药物所的实验室出发，邓光辉博士常怀感恩之心。此次捐赠InDraw，既是初心的回归，更是科研精神的接力。 InDraw是国产自主研发的化学结构式编辑器，兼容国际期刊发表标准，可无缝对接ChemDraw、Office系列软件，功能成熟、运行稳定，已是全球主流工具之一。如今，InDraw走进母校课堂与实验室，助力数千名师生，也为研究所减轻了每年百万元的采购成本。InDraw能切实助力师生科研工作，便是这份回馈最好的价值，也是对师恩最质朴的回应。 5月27日下午，由中国科学院上海药物研究所校友会主办、恺思俱乐部协办、宏韧医药战略支持的“中国科学院上海药物研究所校友思明沙龙（第20期）暨鹰谷信息科技有限公司InDraw系统捐赠仪式”在上海药物所牛顿路园区成功举办。活动由中国科学院上海药物研究所研究生教育处处长、校友会秘书长何敏老师主持。 本次活动首先举行了上海药物所校友企业-上海鹰谷信息科技有限公司InDraw 系统捐赠仪式。上海鹰谷信息科技有限公司创始人、CEO邓光辉博士代表公司向上海药物所捐赠InDraw结构式编辑器系统，上海药物所所务委员、校友会副会长黄河研究员代表上海药物所接受捐赠并向邓光辉博士颁发捐赠证书。 黄河研究员对邓光辉博士及鹰谷信息科技对母所的深情回馈与大力支持表示衷心感谢；他表示，鹰谷信息科技团队开发的InDraw系统是药物研发领域非常领先且十分重要的科研工具，将切实提升研发人员的工作效率和科研数据的标准化与规范化水平，助力化学结构信息的精准传递与数字化管理，为药物化学、计算化学等核心研究环节提供坚实支撑，祝福鹰谷信息未来能够开发出更多更好的产品，继续助力行业发展。邓光辉博士表示，十分荣幸能够为母所作出力所能及的贡献，希望通过此次捐赠，帮助上海药物所师生提升科研效率，加速原创药物研发进程。随后，鹰谷信息科技技术专家、上海药物所课题组分别介绍了鹰谷信息科技InDraw系统开发情况和使用情况。 捐赠仪式结束后，举行了第20期上海药物所校友思明沙龙，本期沙龙以“小分子创新药研发的机遇与挑战”为主题，汇聚了小分子药物研发领域的专家、校友，同上海药物所师生及校友代表，围绕小分子药物研发的技术突破、差异化策略、非临床研究及AI赋能药物研发等核心议题展开主题报告和对话交流。 格博生物AIDD理性设计平台负责人金雪梅博士以“AI驱动的分子胶蛋白降解剂的探索与开发”为主题，梳理了分子胶药物的发展脉络，从FK506、雷帕霉素的早期偶然发现，到沙利度胺类IMiDs药物的作用机制解析，阐明分子胶通过诱导蛋白-蛋白三元复合物形成实现靶标降解的独特优势，为攻克传统难成药靶点开辟了新路径。她重点介绍了公司自主研发的GlueHunter®平台，该平台融合量子力学计算、深度学习与多组学分析，可精准预测CRBN等E3连接酶的新底物并实现分子胶从头设计。金雪梅博士还展示了基于该平台开发的多条管线，包括针对CK1α的GLB-001、针对IKZF1/3的GLB-002等临床阶段候选药物，印证了AI技术加速分子胶研发的巨大价值。 宏韧医药DMPK部门总监程忠哲博士以“非临床药代动力学研究在新药研发中应用与案例分享”为主题，系统阐述了创新药ADME过程的基本原理，以及非临床药代动力学在新药研发全流程的关键作用，覆盖早期先导化合物筛选、成药性评价、IND申报全面表征及人体药代动力学预测。他结合丰富的项目经验，分享了创新小分子药物、放射性同位素标记物质平衡研究、改良型新药（经皮、眼部、吸入制剂及纳米药物）等不同类型药物的DMPK研究案例，讲解了实验设计的关键考量因素与常见问题解决方案。程博士强调，科学规范的DMPK研究能有效降低研发风险，是提高临床成功率、保障药物安全有效的重要支撑。 轶诺药业联合创始人、首席科学官寿建勇博士以“小分子创新药的差异化立项与研发策略”为主题，剖析了全球药物研发高失败率、靶点扎堆的行业痛点，指出中国创新药正从快速跟随向源头创新转型，差异化已成为企业核心竞争力。他提出多维度差异化研发策略，强调通过系统生物学与AI技术结合验证靶点-疾病因果关系，聚焦未被满足的临床需求。寿博士分享了公司自主研发的eSTEM®信息学平台，以及两个核心管线：用于糖尿病视网膜病变的口服VAP-1抑制剂 ENN0403，在自发性糖尿病猴模型中展现出显著疗效；用于炎症性皮肤病的 First-in-Class外用药物ENB109，可同时靶向双通路并显著改善瘙痒症状，体现了差异化研发的实践成果。 宇道生物联合创始人、CEO沈倩诚博士以“AI驱动的变构机制小分子药物开发”为主题进行分享，她表示，目前FDA批准的小分子药物仅覆盖人类基因组中15%的疾病靶点，传统正构药物赛道竞争激烈，而变构机制为攻克剩余85%的难成药靶点提供了全新可能。她详细介绍了公司自主研发的AlloStar™AI +物理混合模型平台，依托全球最大的变构数据库AlloMatrix，通过动态构象模拟和生成式AI技术，实现了变构位点精准识别和全新变构分子高效设计。沈博士重点分享了核心管线NTS071——全球进度前三的p53 Y220C变构重激活剂，以及生成式AI设计的PPI抑制剂N024项目的突破性进展，展现了AI +变构技术开发 FIC/BIC药物的独特优势。 主题报告结束后，鹰谷信息科技创始人、CEO邓光辉博士主持了圆桌对话，特邀上海药物所杰出校友，上药集团中央研究院副院长夏广新博士与各位报告专家一起，围绕“小分子创新药研发的机遇与挑战”展开深入交流和讨论。 各位专家结合自身工作经历和各自负责的产品管线，对小分子创新药的未来发展形成了高度共识。大家一致认为，AI技术与传统药物研发的深度融合是行业核心驱动力，分子胶、变构调节剂等新兴技术将持续突破 "不可成药" 靶点壁垒，成为未来5-10年催生全球首创、同类最优药物的关键方向。同时，行业需同步构建适配新型小分子的临床前研究体系，夯实DMPK等基础研究环节，从源头提升研发成功率。在产业发展层面，差异化立项必须始终锚定未被满足的临床需求，深耕细分疾病领域打造核心优势；传统药企与新兴技术公司的协同创新将成为主流模式，加速创新成果的产业化与全球化布局。 中国小分子创新药正处于从跟跑到领跑的关键节点，产学研各界携手发力，有望诞生更多惠及全球患者的原创成果。各位专家普遍对中国小分子创新药的发展前景充满信心，大家表示，当前技术迭代加速、产业生态日趋成熟，叠加本土丰富的人才储备与临床资源优势，为源头创新提供了坚实支撑。我们有理由相信中国小分子创新药将持续突破，在全球医药创新格局中占据更重要的地位。 关于中国科学院上海药物研究所 中国科学院上海药物研究所前身是国立北平研究院药物研究所，创建于1932年，次年迁至上海，2003年搬迁至浦东张江高科技园区，是我国历史最悠久的综合性创新药物研究机构。现有职工1000余人，其中两院院士4人，杰青等国家级高层次人才近200余人。在学博、硕士研究生及联合培养研究生2000余人，在站博士后170人。 自建所以来，共研制开发新药100余种并投入生产，创制了一批在国内外具有一定影响的创新药物，如抗恶性疟疾首选药物蒿甲醚、重金属解毒药二巯丁二酸、抗肿瘤新药丁氧哌烷、抗阿尔茨海默症新药石杉碱甲、现代中药丹参多酚酸盐、抗菌新药盐酸安妥沙星和阿尔茨海默病（AD）治疗新药九期一等。2023年，民得维（VV116）、先诺欣两款抗新冠病毒创新药附条件获批上市，抗肿瘤药物谷美替尼附条件获批上市。此外，一批抗恶性肿瘤、心脑血管疾病、自身免疫性疾病和抗感染性疾病的新药已进入临床研究。全所共获各类科研成果奖330余项，包括国家三大奖项27项，全国科学大会奖等国家级奖21项，省部级奖100余项。 关于恺思俱乐部 恺思俱乐部是由中国科学院上海药物所青年校友群体于2016年1月发起的非营利性校友平台，由众多活跃在医药行业的有识之士共同组建而成。 俱乐部成立10年来，始终以“中国科学院生物医药行业校友创新创业服务”为基本宗旨，逐步辐射生物医药全产业链，以学术活动和知识培训为载体，促进生物医药产业交流合作。目前俱乐部已成功举办2期IPO领袖营、17期临床研究培训班、6期新药研发培训班、4期AI制药培训班、4期科学家创业营，以及ADC、合成生物学、细胞基因治疗等各类主题线上线下公开课、研讨会、高峰论坛等100余场，参与者数万人。 关于宏韧医药 武汉宏韧生物医药股份有限公司（简称：宏韧医药）成立于 2011 年，是一家以 临床生物分析 和 非临床药代动力学研究 为特色的药物研发技术服务CRO 企业，在多个细分服务领域处于业内前列。武汉、上海和广州三地的实验办公面积超过 20000m²，建有符合 GLP 规范的生物分析平台。主要业务内容包括临床生物分析、非临床药代动力学和药效学研究、数据管理与统计分析等领域。 专业技术团队超过 500 人，配备分析检测相关仪器超过 200 台，包括三重四级杆串联质谱仪、高分辨质谱仪、ICP质谱仪、PCR仪、MSD、Simoa、流式细胞仪、ELISPOT、蛋白测序仪、SEC-MALS、DLS动态光散射仪、超高效液相色谱仪、气质联用仪等。项目经验丰富，目前已完成 2300 多个创新药和仿制药的临床生物分析项目、1000 多个非临床药代动力学项目和200多个药效学研究项目，品种涵盖各类化学药物、中药和生物制品。目前，宏韧医药已通过140多次国家药监局 CFDI 和美国 FDA 的现场核查，参与生物分析检测的项目中已有550多个获得国家药监局颁发的生产批件或新药证书。此外，宏韧医药先后通过国家卫健委实验室室间质评认证、中检院能力认证、CNAS 17025 认证，获得生物安全二级实验室备案证、实验动物使用许可证、辐射安全许可证、AAALAC认证等，并于 2022 年获得国家级专精特新“小巨人”企业称号。 文章转载来源：恺思俱乐部