生成式科学重塑科研范式：AI驱动新药研发

长久以来，科学研究的根基植根于数学原理和实验观测之中。从牛顿的《自然哲学的数学原理》到爱因斯坦的质能方程，科学家们借助公式、定律、实验和精确计算，理解和预测自然。如今，生成式人工智能的兴起，特别是Transformer和Diffusion模型在文本、多模态领域的出色表现，预示了“生成式科学”可能重塑科学研究的范式。

这一变革不再依赖于对每个中间步骤的精确数学描述和实验验证，而是借助海量科学数据（如基因序列、结构等）训练基石模型，从而获得直接生成结果的能力，追求“相对准、绝对快、绝对广”的效果。

AlphaFold 2的诞生是这一变革的开端，它革命性地解决了蛋白质“从序列到结构”的预测问题。2023年，AlphaFold 3的发布进一步扩展了其能力，涵盖蛋白质与核酸、小分子、抗体等复杂生物分子的相互作用，为药物研发开辟了新途径。

Deepmind旗下公司Isomorphic Labs从礼来、诺华两家跨国制药公司获得巨额订单，合作开发多靶点的小分子疗法，预付款分别高达4500万美元和3750万美元。这标志着诺华对Isomorphic Labs探索“未公开靶点”药物能力的认可。

在生成式科学的浪潮中，新创公司探序秩元（以下简称探序）发布了自研基础模型IntelliFold，并开放了公开服务器。探序秩元总裁孙鹏是一位拥有丰富AI投资与产业经营经验的前tech venture投资人，首席科学家孙思琦则在结构生物学智能计算领域取得系统性前沿突破。

孙鹏介绍，探序秩元的科研团队成员具备“结构生物学+大语言模型”双重研发背景，能够自主开发结构预测基础模型。他们利用AI大模型解决传统技术难以解决的问题，如高效探索未公开靶点，设计药化学家未曾涉猎的全新产物等。

IntelliFold定位为“可控的基础模型”，能对多种生物分子进行高精度三维结构预测，并通过轻量级可训练适配器实现别构预测、给定口袋结合预测等特异性针对能力，助力药物发现等特定下游应用。

据公司提供的技术测试报告，IntelliFold在蛋白质结构预测测试的多个关键指标与AF3相当，甚至在RNA单体预测上超越了AF3。该模型能预测蛋白质与小分子的结合构象及模式，并预测结合亲和力数值，增强药物虚拟筛选的效率和准确性。

在药物设计中，IntelliFold能正确预测别构构象，“识别罕见构象状态”，对药物的精准设计至关重要。同时，生成式科学模型也在快速变革蛋白质设计，能够从头设计每一个氨基酸的位置及可能，探索自然界不存在但可能更优的结果。

探序秩元计划将IntelliFold打造成通用的智能科学基石模型，提高整个行业的研发效率。通过与大型药企联合开发、提供早期资产等方式进行商业化，旨在提升新药早期研发的成功率，改变新药研发的现状。

AI正在像设计芯片一样设计蛋白质和药物，这一理念正在被广为接受。随着AI的应用，临床前和处于临床一期的药物资产价值正在面临重估。AI的介入使得这些早期资产的成药概率大大增加。