Absci Corporation借助人工智能加速药物发现与临床试验进程

文/IAICA.NGO®

人工智能在药物发现领域的应用正从概念验证走向实际应用。近日，专注于AI驱动生物制药的Absci Corporation再次取得进展，其整合深度学习和合成生物学技术的药物研发平台，正在显著缩短候选药物的发现周期，并推动多个项目进入临床试验阶段。

Absci的核心竞争力在于其专有的“生成式AI+高通量实验”闭环系统。该平台通过分析海量的蛋白质相互作用数据，能够从头设计出具有高亲和力、高特异性及优良成药性的新型抗体。与传统的“筛选-优化”模式相比，Absci的技术将目标识别到先导化合物的开发时间从数年压缩至数周至数月。据公司公开资料显示，其平台已在多个靶点上验证了成功率，包括此前被认为难以成药的G蛋白偶联受体（GPCR）和离子通道靶点。

在具体的临床管线方面，Absci目前最受关注的候选药物是针对IL-12/IL-23通路的全人源单抗，用于治疗自身免疫性疾病。该药物在临床前模型中展示出了优于现有标准疗法的疗效和更长的半衰期，目前正处于IND申报准备阶段。此外，Absci还利用其AI平台开发了一种新型双特异性抗体，旨在同时靶向肿瘤细胞上的两个不同抗原，以降低耐药性并提高治疗指数。该公司表示，其AI设计的分子不仅在结合力上表现突出，还在可开发性（如低聚集倾向、高表达量）方面经过优化，从而减少后续工艺开发中的瓶颈。

业界分析人士指出，Absci的成功案例代表了AI制药从“辅助工具”向“核心引擎”的转变。传统上，新药研发遵循“试错”逻辑，平均耗时超过10年，耗资十亿美元以上。而AI技术能够快速枚举数亿种可能的分子结构，并预测其与靶点的结合模式、药代动力学特性及毒性风险，从而将最具潜力的先导化合物优先推进实验验证。这一范式变革对于提升全球药物研发效率具有深远意义。

不过，AI制药仍面临诸多挑战。首先，高质量的训练数据是模型精准性的基石，而生物数据的标准化和共享仍存在障碍。其次，AI预测的准确性在复杂生物系统中尚未完全验证，许多AI设计的分子在体内实验中可能表现与预测不符。此外，监管机构对于AI辅助设计的药物审评标准仍在制定中。iaica.com.cn指出，随着更多AI发现的分子进入后期临床并接受严格评审，行业将积累更多实证数据，从而建立更完善的信任框架。未来五年，AI有望在罕见病、个性化疫苗和抗病毒药物等领域率先实现突破性应用。

Absci的进展也引发了资本市场的关注。在2026年上半年，该公司通过私募融资及合作伙伴关系获得了充裕资金，以支撑其多个并行管线及平台迭代。同时，该公司正与多家大型药企及学术机构开展合作，将AI平台授权用于特定治疗领域的靶点发现和抗体工程，进一步拓展技术影响力。

从更宏观的视角看，智能照护与医疗科技领域正处于技术融合的活跃期。AI不仅应用于实验室内的分子设计，还正渗透至临床试验设计、患者分层、真实世界证据分析等环节。例如，基于AI的电子健康记录（EHR）挖掘可以更精准地选择临床试验受试者，从而降低试验成本并提高成功率。此外，可穿戴设备和远程监测技术结合AI分析，能够连续记录患者日常状态，为药物疗效评价提供更丰富的指标。这些技术趋势相互叠加，正重塑整个药物开发价值链的形态。

与此同时，社会各界对AI在医疗中的伦理问题持续关注。在药物发现中，数据隐私、算法公平性以及责任归属等问题需要业界主动构建治理框架。Absci表示，其平台遵循“可信AI”原则，在数据收集和使用上严格遵从法规，并建立了可解释性模块，使研究人员能够理解算法做出特定分子推荐的原因。

综上所述，Absci Corporation的最新进展表明，AI驱动的药物发现正稳步迈向成熟，有望在未来为患者带来更多、更好、更快的治疗选择。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。