AI制药速览：一场正在重写新药研发规则的革命
贝叔
做一款新药，平均需要多少时间？
15年。
需要多少钱？
约20亿美元。
然后呢？即便如此，超过90%的候选药物会在临床试验中失败。
这是传统制药行业几十年来一直无法打破的”魔咒”。而现在，AI正在试图改写这个故事——不是在遥远的未来，而是就在今天，就在你读这篇文章的时候。
一、”AlphaFold 4″来了：药物设计进入新纪元
故事要从2026年2月说起。
Isomorphic Labs——DeepMind为AI制药专门孵化的子公司——发布了一个被科学界称为”AlphaFold 4时刻”的模型：IsoDDE（Isomorphic Drug Design Engine，等构药物设计引擎）。
为什么叫”AlphaFold 4时刻”？
因为2021年的AlphaFold 2，解决了困扰生物学家50年的蛋白质折叠预测问题。而IsoDDE在此基础上更进一步：它不只能预测蛋白质的结构，还能预测药物分子与靶点蛋白之间的动态相互作用——也就是说，它能在虚拟环境中模拟”这颗药丸进入人体后，会发生什么”。
这一能力在多项基准测试中超越了现有所有开源模型（包括Boltz-2）和传统物理模拟方法。
《自然》杂志的评论员写道：”这不只是技术进步，这是药物发现方式的范式转移。”
而Isomorphic Labs已经宣布：基于AlphaFold系统设计的候选药物，已进入人体临床试验阶段。 这是人类历史上第一批真正意义上由AI”设计”的药，正在被注射进真实的人体。
💡 一句话总结：AlphaFold改变了我们”看到”蛋白质的方式，IsoDDE让我们开始”设计”与它们对话的药物。
二、FDA监控清单：15款AI候选药物，70%瞄准肿瘤
数字说话：FDA的AI Drug Watch清单，目前收录了15款AI主导或深度参与的创新候选药物。
这份清单的意义不只是数字——它代表着AI制药已经从实验室进入了全球最严格的药物监管体系的视野。
清单里有几组数字值得记住：
- 70%以上的候选药物针对实体瘤（肝癌、肺癌、胰腺癌等）
- 11款处于I期临床试验阶段（人体安全性验证）
- AI制药头部企业Insilico Medicine和Exscientia（已被Recursion收购）合计贡献了其中超过一半的管线
还有一组特别值得关注的靶点：TNIK和USP1。
这两个靶点被传统制药公司认为”几乎不可成药”——蛋白质结构过于复杂，小分子药物难以精准结合。但AI通过对数亿种分子结构的快速筛选和模拟，找到了过去人工筛选很难发现的结合位点。
💡 一句话总结：AI正在攻克传统制药认为”不可能”的靶点，而且正在用临床数据证明它做到了。
三、清华DrugCLIP：虚拟筛选速度提升一百万倍
在中国，AI制药的进展同样令人瞩目。
2026年1月，清华大学人工智能研究院联合生命学院、化学系团队，发布了AI驱动的超高通量药物虚拟筛选平台DrugCLIP。
“超高通量”是什么概念？
传统虚拟筛选方法，每天能评估数千到数万个候选分子；DrugCLIP将这个速度提升了百万倍——一天内可以筛选数十亿个分子，同时在预测准确率上不降反升。
这意味着什么？意味着过去需要数年时间完成的早期药物发现阶段，理论上可以压缩到数天之内。
💡 一句话总结：不是快了一点，是快了一百万倍。这不是比喻，是字面意思。
四、北京”32条”落地：把AI制药纳入国家战略
4月8日，北京市正式发布《2026年支持创新医药高质量发展32条措施》。
政策里有几个具体目标值得记住：
- 2026年推动新获批创新药械不少于18个
- 支持开展国际多中心临床试验不少于120项
- 临床试验项目启动用时已从2023年的32.6周缩短至2025年的21.6周——每压缩一周，就是无数患者等待新药的时间被缩短了一周
这份政策文件本身不只是数字，它背后的信号很清晰：中国正在把AI制药作为战略性产业加速推进，从政策、资本到临床体系，全链条同步发力。
💡 一句话总结：当政府开始用具体数字承诺AI制药的进度，这个产业的未来就不只是”可能”了。
五、大语言模型进军靶点发现：AI”读懂”了2500万篇论文
一个经常被忽略的AI制药应用方向：文本挖掘与靶点发现。
传统靶点发现依赖科学家的文献阅读、直觉和经验积累。但全球每年发表的生物医学论文超过100万篇，没有任何一个人类科学家能在有限时间内读完。
而专为生物医学训练的大语言模型（如BioGPT、Insilico Medicine的PandaOmics），已经可以：
- 实时分析PubMed数据库中全部2500万+篇论文
- 自动识别不同疾病中”未被充分研究但潜力巨大”的蛋白靶点
- 将分散在不同文献中的实验证据自动整合，生成靶点可信度评分
换句话说，AI正在扮演一个”永不休息、读遍所有论文”的超级研究员的角色。
💡 一句话总结：AI读完了所有人类科学家穷其一生也读不完的论文，然后告诉你：这里有个靶点，你们可能错过了。
本期关键数据一览
| 维度 | 数据 |
|---|---|
| FDA AI候选药物清单数量 | 15款 |
| 肿瘤适应症占比 | 70%+ |
| 处于I期临床的AI药物 | 11款 |
| DrugCLIP虚拟筛选速度提升 | 100万倍 |
| 北京2026年目标获批创新药械 | ≥18个 |
| PubMed AI可分析论文量 | 2500万+ |
| Isomorphic Labs IsoDDE发布时间 | 2026年2月 |
写在最后
传统制药的”魔咒”——15年、20亿、90%失败率——是整个人类医疗史上最昂贵也最痛苦的困境之一。
它意味着，当你或你的家人被某种疾病困住时，”等一个新药”有时候意味着等上一辈子。
AI不能保证解决所有问题，但它正在把这条路变得更短、更快、更有可能成功。
从AlphaFold预测蛋白质结构，到IsoDDE模拟药物设计，到DrugCLIP百万倍加速筛选，到大语言模型挖掘2500万篇文献——这些进展加在一起，不只是技术新闻，它们是一个个正在改写的故事，故事的主角，是下一代新药的候选分子，也是等待它们的那些人。
【本文由Workbuddy整理】