風口已來？從20家AI制藥公司中看趨勢～

Meta收購Manus AI的消息，像一顆深水炸彈砸進了原本就不平靜的AI圈。

過去一年，生物醫(yī)藥行業(yè)的AI進化也在悄然劇變，AI不再是實驗室里花里胡哨的噱頭，搖身一變成了大藥企紛紛爭搶的香餑餑。

嗅覺靈敏的MNC們，早就停止了嘴炮，并用腳投票。禮來、諾華、阿斯利康已經(jīng)簽下了一張張數(shù)億美金的支票。

邏輯很簡單，與其坐等奇跡，不如直接買未來入場券。

以下20家AI制藥公司在這場生產(chǎn)力革命中表現(xiàn)最搶眼，大廠看了都要遞名片的，值得您一起關注關注。

胖貓把幾個進入深水區(qū)的AI公司，展開跟大家分享學習下。

01

小分子AI公司打 GPCR

Deep Apple Therapeutics ——捕捉“中間結構狀態(tài)”的能力

傳統(tǒng)GPCR藥物研發(fā)常基于靜態(tài)晶體結構（激活或失活態(tài)）。然而，GPCR是高度動態(tài)的蛋白。

Deep Apple的突破在于利用整體冷凍電鏡（Cryo-EM）技術結合AI平臺，捕捉到 GPCR在信號傳導過程中轉瞬即逝的“中間結構狀態(tài)”，這些中間狀態(tài)往往暴露出傳統(tǒng)方法看不到的結合口袋（隱蔽口袋）。

這意味著 Deep Apple 可以針對這些“低豐度構象”設計藥物，從而攻克傳統(tǒng)方法認為“不可成藥”的靶點。

通過冷凍電鏡獲得這些獨特 GPCR 結構后，Deep Apple 完全依賴虛擬篩選，利用 Orchard.ai? 平臺進行大規(guī)模Docking。

同時使用專有的基于物理的評分算法，在數(shù)以億計的虛擬化合物庫中尋找能與特定 GPCR 中間構象完美結合的分子。

GPCR 的藥物研發(fā)通常非常耗時，尤其是在先導化合物優(yōu)化階段。但Deep Apple 聲稱其平臺能在 12 個月或更短時間內完成從靶點識別到先導化合物優(yōu)化的全過程。

相比下，傳統(tǒng)流程通常需要 2.5 年甚至更長時間。這種速度優(yōu)勢在競爭激烈的 GPCR 賽道（如代謝疾病、炎癥、中樞神經(jīng)系統(tǒng)疾病）中至關重要。

由于能夠看到 GPCR 的動態(tài)變化和中間狀態(tài)，Deep Apple 有潛力開發(fā)出具有更精準生物學功能的調節(jié)劑（如變構調節(jié)劑），這比傳統(tǒng)的正構位點抑制劑或激動劑可能具有更好選擇性和更少副作用。

02

蛋白AI，跨越血腦屏障

Manifold Bio ——跨越血腦屏障

這是一家非常有趣的生物技術公司，它從哈佛大學遺傳學泰斗 George Church 的實驗室衍生出來的。

Manifold Bio 的核心技術是他們發(fā)明了一種給蛋白藥物打上“條形碼”的技術，從而能夠在活體動物體內（In Vivo）同時測試數(shù)十種甚至上百種藥物，打破了傳統(tǒng)藥物研發(fā)中“一次只能測一個”的瓶頸。

傳統(tǒng)的蛋白藥物（如抗體）研發(fā)中，流程通常是這樣的：

第1步（體外）：在培養(yǎng)皿（In Vitro）里篩選成千上萬個候選分子，看誰能結合靶蛋白。

第2步（體內篩選）： 挑出最好的幾個，（因為動物實驗太貴、太慢，不能全測）， 把這幾個打入實驗動物體內（In Vivo），看效果和分布。

問題在于培養(yǎng)皿里的結果往往不能代表體內的真實情況。很多在培養(yǎng)皿里表現(xiàn)完美的藥，一進動物體內就失效了（如半衰期短、無法到達腫瘤部位、或去了不該去的器官產(chǎn)生毒性）。

為解決這個問題，Manifold Bio 開發(fā)了他們的核心平臺技術 M-Code。

Manifold Bio 設計了一套極其穩(wěn)定的、非免疫原性的短氨基酸序列（蛋白質片段）作為條形碼。這些條形碼可在小鼠血液和組織中長期存活，不會被降解，同時不會影響藥物本身的功能（不像某些大分子標簽會改變藥物的折疊或結合能力）。

實驗結束后，通過質譜分析（Mass Spectrometry）來讀取這些條形碼，從而區(qū)分不同的藥物分子。

有了M-Code，Manifold Bio的研發(fā)流程變成了：設計 100 種不同的抗體變體。給每個變體貼上一個獨特的 M-Code 條形碼，然后把這 100 種藥混合注射到同一只小鼠體內。 一段時間后，取出小鼠的腫瘤組織、肝臟、腎臟等。

使用質譜儀分析組織樣本，讀取其中的 M-Code。 科學家就可以立刻看到一張清晰的圖表：藥物 A 大量富集在腫瘤里（好藥！）；藥物 B 全跑到了肝臟里（有毒性風險，淘汰）；藥物 C 在血液里代謝太快，沒起效（淘汰）。

Manifold Bio 技術 的核心價值在于數(shù)據(jù)更真實，不需要先在培養(yǎng)皿里瞎猜，而是直接在動物體內獲得最真實的藥代動力學（PK）和生物分布數(shù)據(jù)。特別適合開發(fā)復雜的藥物，如雙抗或ADC。 可在早期就通過體內數(shù)據(jù)快速迭代藥物設計，而不是等到臨床前晚期才發(fā)現(xiàn)藥物在體內分布不好。

03

臨床試驗AI公司，拓適應癥

Formation Bio 是一家AI驅動的新型生物制藥公司，前身是 TrialSpark，后更名為 Formation Bio。

其他的 AI 制藥公司常側重于通過大模型進行藥物設計和發(fā)現(xiàn)，而 Formation Bio利用自己獨特的技術平臺和 AI 能力，從其他制藥公司收購處于臨床階段的候選藥物，然后更高效地推進這些藥物的研發(fā)和臨床試驗流程，側重于臨床開發(fā)（Clinical Development）。

2024年，該公司獲得了C輪3.72億美元融資，并與 OpenAI 達成戰(zhàn)略合作，這使得它在 AI 制藥領域備受矚目。

他們找到那些在別的藥企手里可能被擱置、或者非核心資產(chǎn)但有潛力的處于臨床階段的藥物資產(chǎn)。然后，利用自建的技術平臺和 AI 引擎，重新設計試驗、優(yōu)化流程、加速患者招募和數(shù)據(jù)分析。 最終通過 FDA 批準上市或出售給大型藥企獲利。

獨家的“數(shù)據(jù)+流程”閉環(huán) (Data & Process Feedback Loop)是他們最大的護城河。其它 AI 模型缺乏真實的臨床操作數(shù)據(jù)來訓練，而 Formation Bio前身是做臨床試驗技術平臺的（TrialSpark），積累了大量的實際操作數(shù)據(jù)。

他們將 AI 嵌入到臨床試驗的每一個環(huán)節(jié)（從寫協(xié)議、招募患者到數(shù)據(jù)監(jiān)控）。真實世界的反饋數(shù)據(jù)會實時回傳給大模型，讓模型越來越聰明，形成“飛輪效應”。

另外，F(xiàn)ormation Bio還是 OpenAI 在制藥領域的首個深度合作伙伴。他們可直接訪問 OpenAI 最頂尖的模型和資源，利用大語言模型（LLM）來處理海量的非結構化數(shù)據(jù)（如醫(yī)生筆記、監(jiān)管文件、復雜臨床協(xié)議）。這能極大縮短編寫報告、分析副作用和合規(guī)檢查的時間。

他們還構建了端到端的操作系統(tǒng)。 利用生成式 AI 自動起草臨床Protocol、知情同意書和監(jiān)管提交文件，將數(shù)周的工作縮短為數(shù)天；還利用 AI 快速篩選符合條件的患者，解決臨床試驗招募的痛點。AI還可以幫助團隊判斷哪些藥物值得收購，預測成功率，從而降低投資風險。

傳統(tǒng)藥物研發(fā)遵循“埃魯姆定律”（Eroom's Law），即研發(fā)成本越來越高，效率越來越低。Formation Bio代表了一種新范式，通過技術手段優(yōu)化流程管理和決策，大幅壓縮數(shù)年甚至十年的研發(fā)周期，降低成本。

如果這一模式跑通，他們將不僅僅是一家制藥公司，而是一個能批量生產(chǎn)新藥的高效工廠。

他們的核心競爭力在于極大幅度地提升臨床試驗的效率和成功率，并通過收購現(xiàn)有資產(chǎn)來實現(xiàn)快速變現(xiàn)。

胖貓的見解：

AI 制藥不再是簡單的提供一個算法，而是實現(xiàn)了“干濕閉環(huán)”。算法預測（干）+ 高通量驗證（濕）已成標配。

在市場端，MNC不再追求買下 AI 軟件，而是通過“License-in AI-designed candidates”來對沖管線枯竭風險。

在應用場景上，GPCR 模擬、腦部遞送、臨床提效……AI 正在各個單點領域通過“暴力破解”實現(xiàn)超越。

有一點比較遺憾的是，很多傳統(tǒng)藥企手里攥著大量歷史臨床數(shù)據(jù)，卻因沒有 AI 整合能力，導致這些數(shù)據(jù)在數(shù)據(jù)庫里“吃灰”，錯失了像 Formation Bio 這種重塑臨床流程的機會。

現(xiàn)在如果搞AI制藥，要 關注公司正在研發(fā)的具體分子（如Superluminal 的 MC4R 激動劑），而非僅僅看AI敘事。單純的藥物發(fā)現(xiàn)已經(jīng)過熱，像Manifold這種解決“如何送到靶區(qū)”的 AI 遞送技術才是稀缺資產(chǎn)。

也要琢磨下，是否有一些被大廠放棄、但在 AI 加持下可能有新轉機的“冷門管線”，效仿 Formation Bio的資產(chǎn)運作模式，可能還有機會撿到大漏！

如果您喜歡胖貓的觀點和文字，歡迎加入胖貓的知識星球～

在這里我們?yōu)槟峁┥疃鹊馁Y料、工作工具、觀點見解～您也可以通過問答和胖貓以及各位同行進行深度鏈接～

一起學習、進步，搞錢～