药企AI分子筛选实战：18个月缩到3个月，他们怎么干的？

干药的都懂：分子筛选是真正的"烧钱无底洞"

做新药研发的朋友都知道，先导化合物发现是整个链条里最磨人的环节之一。一个药物靶点确认之后，你得从几十万甚至上百万个候选分子里找出那几个有希望的。传统做法是跑高通量筛选（HTS），一台机器跑一轮几十万块就没了，而且筛出来的东西还得人工反复验证。运气不好的话，筛了大半年、花了几百万，拿到的候选分子活性、选择性、毒性哪个都不太满意。

去年春天，我接触了一家做肿瘤药的国内生物科技公司，姑且叫他们泰和生物。团队四十多号人，三分之一是计算化学背景，之前主要靠虚拟筛选加实验验证的传统路子。他们的痛点很典型：手里有一个全新的激酶靶点，HTS跑了两轮，花了将近八个月，筛了60万个小分子库，最后只拿到7个能往下推的苗头化合物。用他们研发总监的原话说，"这速度，等我们推到临床，隔壁公司类似靶点的药都快上市了。"

试过的方案和踩的坑

泰和生物不是没想过用AI加速。事实上他们2024年就试过两套方案：

第一套：采购商业分子生成模型。 花了十几万买了某海外公司的分子生成套件，结果发现模型训练数据大部分是公开数据库（ChEMBL、PubChem），对自家靶点的特异性很差。生成的分子看着结构新颖，一合成测活性，九成以上IC50超过10μM——根本没法用。

第二套：自己搭图神经网络。 团队里几个计算化学的同学自学PyTorch Geometric搭了一个GNN模型，用公司内部积累的激酶数据集训练。但问题出在数据量——他们自己的活性数据拢共两千多条，对深度学习来说完全不够。模型过拟合严重，虚拟筛选的富集因子（EF1%）只有3左右，跟传统对接打分差不多。

这两轮折腾前前后后耗了四个月，研发经费烧了大几十万。"外头的AI工具跟我们自己的靶点有断层，自己搞又搞不动，那段时间团队情绪很低。"

转机：找对人和找对方法

后来他们换了个思路——不买成品工具，也不自己从零硬啃，而是找了一家有医药数据工程经验的第三方团队合作。这个合作方是我们在AI项目定制里经常遇到的模式：客户出数据和领域知识，技术方出工程化能力和算法调优经验。

具体的做法分三步走：

第一步：数据增广与迁移学习。 合作方帮他们整合了公开数据库里与激酶相关的2.3万条活性数据，加上泰和生物内部的两千多条，用多任务学习做预训练。通过分子指纹（ECFP4）和图卷积的双模态输入，把模型对激酶结合模式的泛化能力拉高了一个台阶。

第二步：基于物理信息的生成-筛选闭环。 不是简单拿模型生成一坨分子就完事，而是搭了一个迭代循环：生成器（基于改进的REINVENT框架）产出分子 → 对接打分做初筛 → 合成可及性过滤 → 用训练好的GNN做活性重排序 → top 100进实验室验证 → 验证数据反馈回模型微调。每一次迭代大概7-10天，效率远高于传统HTS的"一锤子买卖"。

第三步：主动学习策略。 每次实验验证后，把数据喂回模型重新训练。模型会根据当前的不确定性自动推荐下一轮需要验证的分子——不是随机选，而是选那些模型"最没把握"的分子。这个策略保证了每一轮实验验证的价值最大化，避免了重复验证结构相似的分子。

效果到底怎么样？

从项目启动到拿到第一批可靠的先导化合物，整个过程大概三个半月。相比之前HTS跑了八个月才拿7个苗头化合物，这次AI驱动的方法筛了虚拟库中120万个分子，通过五轮迭代：

• 选出进入实验验证的分子：468个
• 验证后确认有活性的（IC50<1μM）：29个
• 其中选择性合格的：11个
• 药代性质和毒性初步过关的：4个先导化合物

泰和生物的研发总监说了一个特别有意思的细节：那4个最终挑出来的先导化合物里，有两个在结构类型上是传统HTS完全没覆盖到的骨架。"HTS的化合物库是固定的，库里有啥你才能筛到啥。但AI生成不受库的限制，它能在化学空间里探索传统筛选箱子里根本没有的结构。"

一点实在的总结

这个案例给我的感受是：AI在制药行业的价值不在"取代实验"，而在于把实验资源花在最有价值的地方。 做药的朋友都知道，实验验证永远是金标准，但怎么从百万级别的分子空间里挑出那几十个值得进实验室的候选——这件事现在AI比任何传统方法都做得好。

对国内中型药企来说，花精力去采购一套"万能AI制药平台"大概率会踩坑。更务实的路径是：把自己的数据整理好，找一个懂AI工程化的团队，针对特定靶点类型做定制化模型调优。这笔投入相对于传统HTS动辄几百万的单轮筛选费用，性价比非常突出。

如果你也在考虑用AI改造自己的研发流程，欢迎来智岳科技聊聊，我们可以根据你的实际靶点情况和数据基础，给出客观的技术建议。