生成式 AI 药物设计

利用生成式 AI（扩散模型、GAN、强化学习、Transformer）从头生成全新分子的药物发现范式，与传统的"高通量筛选 + 物理建模"形成对比。

定义

生成式 AI 药物设计（Generative AI Drug Design）是指用深度生成模型（Diffusion / GAN / VAE / Transformer / RL）以靶点结构 / 性质需求为条件，从头生成满足要求的新分子（小分子、多肽、抗体等）。区别于传统虚拟筛选从已有化合物库中"挑选"，生成式 AI 是在化学空间中"创造"。

技术细节

主要架构

1. 扩散模型（Diffusion） —— 从噪声分布生成分子结构（如 DiffDock）
2. 图神经网络（GNN） —— 处理分子图结构
3. Transformer + SMILES —— 将分子序列化为字符串生成
4. 强化学习（RL） —— 多目标优化（活性 + 选择性 + 类药性）

核心能力

• 从头设计：不依赖已知化合物库
• 多目标优化：同时优化活性、ADMET、合成可行性
• 逆合成预测：生成同时附带合成路径

在 AI for Science 中的角色

生成式 AI 药物设计是 英矽智能 ISM001-055（rentosertib，全球首款 AI 全流程设计候选药）的核心技术底座，2024-11 公布 IIa 期阳性 topline 结果（Nature Medicine 2025-06 发表）证明该技术可走通临床（据 Insilico 官方公告，T1）。是 AI for Science 商业化最直接的路径。

主要玩家

• 英矽智能：Chemistry42 平台
• 晶泰科技：ID4平台
• Isomorphic Labs：AlphaFold3 驱动的分子设计
• Recursion Pharmaceuticals：Valence Discovery（被收购）
• Schrödinger：物理建模 + AI 融合路径

演进历史

• 2018：早期 VAE / GAN 分子生成尝试
• 2020：英矽智能 完成首个全流程 AI 设计 → IND 申报
• 2024-11：ISM001-055（rentosertib）公布 IIa 期阳性 topline 结果，全球首款 AI 全流程设计候选药完成 IIa 期 PoC（据 Insilico 官方，T1）
• 2025-06：IIa 期结果在 Nature Medicine 发表（行业首个 AI 驱动药物发现的临床 PoC 验证）
• 2025+：进入规模化商业应用阶段

相关概念

• ↑ up::AI制药
• 兄弟::ADMET预测 蛋白质结构预测
• 平台::Chemistry42 ID4平台
• ∈ belongs_to::5-15-AI科学研究

已废弃叙述