候选分子直接生成，才是AI制药的分水岭

内容摘要

AI 在生物药链条上正在替换哪一步 要判断这波「AI 制药」到底成立在哪一层，先得把管线拆开看。MIT Technology Review 的综述明确把讨论范围限定在 biologics，也就是以工程化蛋白为主体的疗法，而不是传统的合成小分子药 S1。这一点意味着，本轮 AI 介入的对象不是「配方化学」，而是氨基酸序列与三维结构的搜索空间——一个组合爆炸、实验成本极高、失败率天然偏高的问题域。报道给出的基本事实框架仍然是：新药研发周期以年计，投入以数亿美元计，绝大多数候选分子根本走不到病人面前 S1。换句话说，生物药本就是一条「先付出、后淘汰」的高摩擦管线，任何能在早期阶段减少无效试错的工具，都会被产业迅速吸收。 从「筛选加速」到「候选生成」的位移 真正值得注意的变化，是 AI 在管线里的位置在往前挪。过去十年，AI 更多承担「辅助筛选」：在已有的化合物库或蛋白候选集合里排序、预测活性、剔除明显不成药的分子，本质上是给湿实验做优先级。S1 描述的新一代做法则是让模型直接生成候选蛋白结构，把「先有库、再挑选」的逻辑改成「按需生成、再验证」S1。这是两种性质不同的介入：前者压缩的是筛选阶段的时间与人力，后者压缩的是「候选是否存在」这一前提本身。对读者原本的问题——AI 改的是速度、成本还是候选质量——答案就分层了：筛选加速主要改的是速度和早期成本，而候选生成改的是候选空间的边界，进而可...