报告

2025年赛诺菲交易收购策略分析

2025年赛诺菲交易收购策略分析

赛诺菲是一家全球知名跨国制药公司,成立于1973年,总部位于法国巴黎。2024年《财富》世界500强排行榜,赛诺菲位列第297。赛诺菲的王牌产品度普利尤单抗(Dupixent)2024年以141.79亿美元的销售额成为新一代“自免药王”,其主要适应症包括特应性皮炎、哮喘等。Dupixent去年占据了赛诺菲总收入的将近20%,且这比例仍然在不断增加。除去Dupixent之外,赛诺菲的其他重磅单品都面临着专利悬崖的到来,同时赛诺菲一些管线在临床研究中进展也不顺利,如抗OX40L配体抗体amlitelimab在针对哮喘的II期试验中未能达到主要终点;口服TNF抑制剂balinatunfib在银屑病II期研究中也未能达到目标;IL-33药物itepekimab在两项针对慢性阻塞性肺病(COPD)的III期试验中,其中一项(Aerify-2)未能达到主要终点。因此赛诺菲加快了交易和并购的速度,希望能够通过交易,丰富其研发管线。通过分析2025年赛诺菲的一些交易发现,交易涉及到的靶点,例如 KIT, TREM2, STAT6, IRAK4,都是小分子药物研发的热门靶点。该报告中,我们会简单分析它们的专利及竞争格局。

GLP1R 小分子激动剂专利 fast follow 策略

GLP1R 小分子激动剂专利 fast follow 策略

2025年8月5日。辉瑞宣布其口服GLP-1受体激动剂PF-06954522停止开发,辉瑞宣称PF-06954522的停止是决策调整而非有任何不良反应。之前辉瑞两款口服GLP-1受体激动剂Lotiglipron和Danuglipron因肝损伤风险终止研发。这标志着辉瑞小分子GLP-1管线全面退出减重药物竞争。而仅仅过了2天后,8月7日礼来宣布其口服小分子激动剂的临床III期结果。帮助肥胖患者体重最多减少了11%,低于市场预期,因此股价大跌。辉瑞和礼来是小分子GLP-1受体激动剂开发的领导者,因此对于口服小分子GLP-1受体激动剂的研发是一个重大挫折。恒瑞小分子GLP-1受体激动剂通过NewCo出海,诚益生物小分子GLP-1受体激动剂授权给阿斯利康,翰森制药小分子GLP-1受体激动剂授权给默沙东,石药集团小分子GLP-1受体激动剂授权给Madrigal,信达生物也申报了小分子GLP-1受体激动剂等等。下文我们会从专利角度来探讨GLP1R小分子激动剂fast follow策略。

Chai-2模型发布掀起“AI抗体设计”风暴

Chai-2模型发布掀起“AI抗体设计”风暴

2025年6月30日,OpenAI支持的Chai Discovery推出Chai-2,这款多模态生成模型展现出强大的抗体设计能力。Chai-2能够在不依赖现有抗体或高通量筛选的情况下,完全零样本生成抗体,实现了两位数的成功率,较传统方法提高了100倍。将原本需要几个月时间的抗体从头设计工作压缩至两周以内,显著加速药物发现的进程。 随着计算机算力和深度学习技术的迅速发展,尤其是生成式语言模型(如GPT系列)和表征式语言模型(如 BERT 系列)的出现,为抗体设计与优化提供了更为强大和高效的工具。同时,既往的抗体文库测序工作积累了大量序列数据。这些模型通过自监督学习大量抗体序列数据,挖掘潜在的抗体进化信息和共性特征,使得利用语言模型指导实验方法进行抗体开发成为可能。 随着语言模型辅助人工智能抗体设计与优化领域相关研究进展,出现大量有价值的研究成果。Bai和Chungyoun等提出抗体预训练语言模型构建、抗体序列生成以抗体三维结构预测为该领域的3个重要研究任务。 在计算和AI领域,尤其是生成式扩散模型方面,已经开始着手解决这些难题,为抗体设计提供了新颖的方法。基于扩散的生成方法辅助抗体设计,包括从头设计抗体以及互补决定区(CDR)环的优化。Chai-2便是生成式扩散模型的一种,它采用全原子扩散模型+条件生成(抗原导向)的方式,从输入的已知靶点结构和表位残基开始,设计出特异性结合该表位的序列与全原子结构。

6个案例探讨氘代化合物的创造性审查标准

6个案例探讨氘代化合物的创造性审查标准

许多药物由于存在不良的吸收、分布、代谢和(或)排泄(ADME)性质,阻碍了其广泛的应用或限制其在某些适应 证中的用途。除制剂技术和前药策略外,氘修饰也是改进药物ADME 性质的一种可行方法。氘代化合物是指将化合物 分子中某个或某些C-H键中的氢原子替换成氘原子后获得的新的化合物。氘(2H)原子和氢(1H)原子是同位素,质子数 相同,但由于C-D键具有更大键能,断裂C-D键需要比断裂C-H键更多的能量,而碳氢键的断裂是化合物代谢过程中的 重要一步,因此用更难断裂的C-D键替换C-H键有降低药物代谢速率的可能性。由于大多数氘代的是他人的成功药品, 所以其授权、确权、侵权都会有所争议。本文主要从近几年内复审无效和授权的案例,探讨下国内氘代化合物专利的 授权的审查标准。

2025年1-4月全球药企重磅交易报告

2025年1-4月全球药企重磅交易报告

智慧芽生物医药基于新药情报库-药物交易板块数据及一些公开的资料,撰写的一份长达47页的全球药企重磅交易报告《2025年1-4月全球药企重磅交易报告》发布,报告开放免费下载,快来下载阅读吧! 2025年1月至4月,共查询到全球药企交易总金额超10亿美元的事件共21条,包括收购和并购,其中,涉及到的药物超10款,其中1款批准上市,2款在临床2期。覆盖神经科学、代谢疾病、肿瘤治疗及放射性药物等领域。 交易核心包括:强生以146亿美元收购Intra-Cellular Therapies,获得精神分裂症药物CAPLYTA及临床II期氘代药物ITI-1284;诺和诺德10亿美元引进Lexicon的ACSL5抑制剂LX9851,拓展肥胖症口服疗法;默沙东以19.7亿美元引进恒瑞医药的Lp(a)抑制剂HRS-5346,布局心血管疾病赛道。此外,放射性药物(Lantheus收购Evergreen)、基因疗法(阿斯利康收购EsoBiotec的ENaBL平台)及ADC技术(Radiance引进石药集团ROR1靶向ADC)成为交易热点,反映行业对精准治疗与新型给药技术的关注。

Dual-payload ADC 闪耀 2025 AACR 会议

Dual-payload ADC 闪耀 2025 AACR 会议

本报告《Dual-payload ADC闪耀2025 AACR会议》由智慧芽生物医药数据专家团队基于2025年AACR会议资料和现场,洞察到今年至少有16款双payload ADC亮相于AACR大会,而去年仅有4款。因此,双payload ADC必是今年及未来的研发热点。基于此出发点我们撰写了本专题报告供行业相关人员参考。 报告大纲 第一章 双payload ADC交易分析 1.1 双payload ADC交易和融资 第二章 双payload ADC药物和专利解读 2.1 2025年AACR会议中的双payload ADC 2.2 新药情报库中的双payload ADC药物 2.3 双payload ADCs的实现策略 2.4 双payload ADC重点专利解读 第三章 双payload ADC的前景和未来技术趋势

2025 AACR 十大热门靶点推荐和解读

2025 AACR 十大热门靶点推荐和解读

2025年AACR年会于4月25日至30日在美国芝加哥举行,会议展示来自世界各地机构的最新研究成果,本次会议值得关注的靶点有CDH17、Ly6E、STEAP1、LRRC15、KAT6A/B、CLDN6、ADAR1、Chk1、CEACAM5以及CDK9等。 本报告靶点推荐维度:热度、新、靶点与疾病的关系、组织分布特异性等。

AI Agent技术跃迁赋能药企研发智能化

AI Agent技术跃迁赋能药企研发智能化

智慧芽生物医药GTM专家团队重磅推出《AI Agent技术跃迁赋能药企研发智能化》AI专题报告。 随着DeepSeek-R1等大语言模型的突破性进展,AI Agent技术正逐渐走向产业应用,为药企研发智能化提供全新动能。本报告从技术演进、行业应用及产品实践三方面剖析AI Agent如何赋能药企研发智能化。

Deepseek在药企研发领域的本地化部署和应用场景

Deepseek在药企研发领域的本地化部署和应用场景

自2022年末ChatGPT首次向全球展示大模型能力,到2025年大模型技术实现革命性突破,短短两年多行业格局已发生巨变。本报告立足当前技术浪潮,系统解析DeepSeek在复杂推理任务处理精度、开源生态优势、成本控制能力及自主可控性等方面的核心优势,重点阐述DeepSeek-R1在制药企业本地化部署的完整解决方案,并深度剖析智慧芽芽仔生物医药与DeepSeek-R1的深度集成应用案例。 报告核心看点 大模型的发展阶段和deepseek:DeepSeek以“推理能力+第一梯队性能”为核心基础,叠加开源开放、超低成本、国产自主研发三大优势,不仅实现技术代际跨越,更推动AI技术普惠化与国产化生态繁荣,成为全球大模型赛道的重要领跑者。 ‌Deepseek-R1在药企的本地化部署:个人在本地设备运行应用,依赖自身计算资源,灵活便捷。企业内网搭建私有化系统,支持多用户协作,数据可控。直接购买配置了DeepSeek模型的具备一定算力的一体机等等多种部署方式。 芽仔与Deepseek-R1对接:芽仔-生物医药已成功将DeepSeek-R1的强大推理性能与自身深厚的垂直行业数据优势深度融合。研发用户多场景痛点问题可得到专业靠谱的答案。如:分子设计场景,问阳性药与靶蛋白的结合;推荐临床一期剂量场景;预测代谢产物场景等等。 ‌AI融入智慧芽生物医药产品:AI助手提效专利工作、文案工作、报告工作、研发创新工作等等。