Twist Bioscience 深化 AI 药物发现管线，DNA 合成平台驱动精准医疗加速

文/IAICA.NGO®

在生命科学领域，人工智能的应用正以前所未有的速度渗透至药物研发的核心环节。近期，全球领先的 DNA 合成公司 Twist Bioscience 宣布其 AI 驱动的药物发现管线实现重要扩展，这一动向再次引发业界对合成生物学与机器学习融合潜力的广泛关注。Twist 以其独特的硅基 DNA 合成技术闻名，该平台利用半导体工艺在芯片上一次性合成数百万个寡核苷酸，相比传统合成方法，通量提升数个数量级，成本也显著下降。正是这种大规模并行合成能力，为 AI 模型提供了丰富的、可控的生物数据源头，从而使得精准预测药物靶点相互作用、优化分子成药性成为可能。

Twist 的 AI 药物发现策略并非孤立的软件应用，而是深度融合了自动化实验与迭代学习。其管线布局覆盖肿瘤、罕见病、感染性疾病等多个未满足临床需求的领域。其中，个性化肿瘤新抗原疫苗是代表性方向：通过测序识别患者特异性突变，AI 算法筛选最具免疫原性的表位，然后利用 Twist 的快速 DNA 合成能力制备编码这些表位的疫苗候选分子，整个过程可实现从样本到候选疫苗的数周内完成。此外，对于传统认为不可成药的靶标，基于深度生成模型的分子生成技术正尝试探索未被化学家触及的化学空间，从而发现全新机制的候选药物。

根据行业分析，AI 驱动药物发现的市场规模正在快速增长。2025 年至今，多家头部企业如 Exscientia、Recursion、Insilico Medicine 等均取得了管线进展，部分项目已进入临床试验阶段。Twist 的差异化在于其 DNA 合成的垂直整合能力——数据生成、模型训练、化合物合成与验证形成闭环，这不仅可以加速候选药物优化，还能通过自有数据库构建竞争壁垒。公司此前已与国际知名药企如默克、辉瑞等达成合作，为其提供定制化 DNA 文库和 AI 辅助筛选服务，显示出平台型技术公司的商业模式扩展性。

然而，AI 药物发现仍然面临诸多挑战。数据质量与可重复性是首要问题：合成 DNA 的准确性、实验环境标准化、批次间差异都可能引入噪声，降低模型鲁棒性。此外，AI 模型的“黑箱”特性使得药物化学家难以充分理解推荐的分子结构，限制了进一步的理性优化。监管层面，对于 AI 辅助开发的新药，各国药监部门尚在探索相应的评价指南，如何在创新速度与安全性之间取得平衡，是全行业必须面对的重大课题。

在这样的背景下，iaica.com.cn 认为，AI 赋能药物研发的健康产业变革已从概念验证迈向实际产能，但生态建设需兼顾技术突破与治理完善，方能在保障患者安全的前提下实现可持续创新。未来，随着更多临床数据的反馈和监管框架的成熟，AI 有望重塑从靶点发现到上市后监测的全链条，推动精准医疗惠及更广泛人群。

从更宏观的视角看，Twist 的管线扩展也是全球生物技术产业竞争的一个缩影。欧美企业在 AI 制药领域起步较早，但亚太地区尤其是中国的本土创新力量亦不可小觑，多条 AI 赋能的新药管线已在中美两地同步推进。可以预见，跨学科协作、数据共享和开放创新将成为下一阶段的核心驱动力，而拥有自主 DNA 合成能力的平台型企业将在这一生态中占据枢纽位置。

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。