AI驱动生成式治疗设计加速药物发现

生物制药AI驱动创意引擎

将新疗法推向患者是昂贵耗时的事业。开发上市一款药物平均总成本约30亿美元，跨度12-14年。单发现阶段就消耗约三分之一预算，通常需合成数千分子、长达五年产出单个临床前先导化合物。而且仅约10%进入I期试验的化合物获批。

人工智能（AI）有望加速发现阶段、大幅降低成本。通过整合前沿机器学习模型与强大云算力，AI帮助科学家设计更高质量化合物，从而降低临床失败率。

Biovia生成式治疗设计（GTD）

GTD自动化新型小分子虚拟创建、测试、选择。利用先进AI/ML，云平台指导科学家选择下一步合成化合物，优化研发产出、缩短开发时间线。

主动学习

主动学习融合虚拟建模与现实实验高效识别最优解。小分子先导发现中，团队从有限实验数据（常仅几十化合物）构建初始模型。模型提出扩展数据集的新候选。后续合成测试反馈新结果重训模型，迭代循环。此循环减少收敛高潜力先导所需周期数，加速整体发现过程。

人在回路AI（增强智能）

GTD生成数千虚拟分子，探索巨大化学设计空间。因先导优化是多目标挑战，系统评估效力、溶解度、肝毒性、生物利用度、代谢稳定性、合成可及性、知识产权等属性。实验化学家提供专家洞察补充机器预测，引导后续设计迭代。这种协作——我们称“增强智能”——驱动更快、更准确结果。

实验室在回路AI

实验室验证必不可少。实验室在回路AI整合无偏机器学习预测与亲手实验，利用科学家专长。平台可核算第三方供应商或合成伙伴可用试剂，帮助组织最小化周转时间和成本，无论内部或与合同研究组织（CRO）合作。持续测试供应新数据进一步细化预测模型，扩展探索化学空间直到药物化学家识别满足目标产品概况（TPP）的化合物。

建模与仿真

互补计算方法——如药效团评分、分子对接、自由能微扰（FEP）——提供机制洞察，实验获取成本高或耗时长。在生成管线内自动化这些仿真允许科学家评估候选物与疾病相关蛋白的3D相互作用，加速决策过程。

案例研究：美国制药巨头成功故事

用GTD，一家美国大型制药公司从初始项目化合物集构建稳健机器学习模型。系统随即提议新系列候选物合成测试。通过学习项目独特结构基序，模型识别有价值但非典型骨架。药物化学家约束设计保留核心特征同时探索收窄化学空间，产出合成路线熟悉且TPP改进的化合物。

结果：约80%系统生成化合物匹配预测属性概况，一化合物达全TPP。化学家报告大多数提议令人鼓舞——结构类似现有候选物——且一子集代表真正新颖骨架，常规方法难涌现。这证明GTD在拓展探索前沿的真实价值。

关键收获

高效创意引擎——GTD供实验化学家数据驱动新思路，鼓励超越传统搜索空间探索、增强化学直觉。
加速先导开发——通过优先最有希望候选物，GTD提升分子质量、降低实验成本、缩短发现时间线，潜在节省数百万美元。
科学家与AI协同——化学家驱动直觉、AI处理大规模模式发现，协作循环产出优越结果。

最终思考

生成式设计工具在端到端工作流集成时发挥最大潜力。Biovia正扩展其虚拟+现实（V+R）平台，含实验室请求管理、虚实化合物双重注册、测试结果捕获、自动模型重学习。嵌入这些能力到现有流程，客户可利用尖端科学而不破坏既定工作流。

药效团指导虚拟筛选增强COVID-19药物再利用免费6个月BIOVIA Pipeline Pilot培训——在线掌握工具

生物制品