首页 > 科技未来 > 内容

中国AI蛋白公司情况如何？

发布于：2024-06-18 编辑：匿名来源：网络

最近看到一则国内知名VC的招聘信息。

投资方向之一是新生物医药，不包括药品管道和传统医疗器械。

很多人都很困惑。

如果他们不投资创新药物或设备，他们应该投资什么？也有声音质疑，这又是一个概念炒作，是资本的惯用伎俩。

但不可否认的是，生命科学领域涌现的许多新兴技术正在形成不同于创新药物/器械的商业形态。

国内投资者对此并不陌生，包括合成生物学、器官芯片和类器官、脑机接口等领域，国内已经涌现出一批初创公司。

其背后的趋势是，生物学正在向数字化、工程化方向深入发展，而人工智能技术无疑对此起到了巨大的推动作用。

目前，AI在生命科学领域最突出的成就仍然集中在蛋白质领域，其中DeepMind的AlphaFold、大卫贝克实验室等力量功不可没。

相关算法和模型正在大量涌现。

更重要的是，蛋白质作为生命最基本的组成部分之一，在AI的赋能下可以落地到医疗、日化、食品、能源、农业等多个领域。

能够准确预估的市场空间只是冰山一角。

。

对于这个还处于爆发前夕的领域，智能药房局进行了深入调研，并与一些初创企业进行了沟通，希望能够更清晰地呈现出中国AI蛋白行业的整体情况。

01.三种类型的玩家，三种类型的风口。

据不完全统计，目前国内AI蛋白公司有21家，按技术主要分为三类：AI蛋白预测、AI蛋白设计和AI蛋白组学，其中前两类占多数。

最多。

需要注意的是，基于人工智能的生物识别算法已经成为许多蛋白质组学公司的“标准配置”，包括业内较早成立的公司。

但客观地说，蛋白质组学领域的AI更多的是用于分析数据，并没有触及核心。

真正的关键在于硬件平台，即产生数据的手段。

之所以将罗米生命科技、西湖奥米和青莲百奥纳入其中，是因为这些公司在AI领域确实有一些独特之处或者已经达成了相关合作，尤其是西湖奥米，因为该公司在不涉及硬件业务时，软件业务算法是其主要竞争力。

蛋白质预测和蛋白质设计更像是同一枚硬币的两面。

它们都围绕着“蛋白质如何折叠”的核心命题。

相关的公司往往两者兼有，但不同的侧重点会导致公司面对的客户不同。

存在明显的差异，因此在统计中，我们根据业务重点来区分两类公司。

针对的下游需求基本分为两类。

AI蛋白预测更加垂直，仍然以靶点为中心，基本集中在药物研发领域；而AI蛋白质设计显然有更多用途，为多种行业提供蛋白质产品。

，有更多的商业化机会。

值得注意的是，AI在蛋白质领域的突破，尤其是酶的设计和修饰，极大地提高了其活性和稳定性。

许多合成生物公司看到了新技术的潜力，一些公司开发了自己的计算平台来促进业务发展。

从时间上来看，2020年无疑是一个分水岭。

Alphafold引领的AI蛋白质预测浪潮成功“破圈”。

在奠定技术基础的同时，也进行了一波成功的市场教育。

行业迎来了持续三年的浪潮。

创业热潮。

02.公司部分技术* 中国AI蛋白公司部分团队拥有全球技术，在世界级赛事中获得重要奖项。

第十五届国际蛋白质结构预测竞赛（CASP15）的成绩于年底出炉。

中国队伍在多个赛道均名列前茅，其中两家国内AI蛋白公司的队伍表现十分亮眼。

图片：PUMIR CoDoc 在蛋白质/RNA-配体复合物结构预测中获得第一名。

PUMIL生物科技首席科学家常山教授及其团队在蛋白质-配体复合物结构预测项目中获得第一名，而智宇生物科技其团队则成为RNA结构预测项目的冠军。

资料显示，Primeri Bio由江苏工程学院生物信息与医学工程研究所的三位科学家共同创立。

2016年，该团队在CASP13-CAPRI蛋白质复合物结构预测赛道中的困难型复合物中排名第一。

在各类复合材料中排名第8。

2014年，该团队在CASP14-CAPRI中蛋白质复合物结构评分组排名第一，预测组排名第三。

王胜，智宇生物CEO，曾在腾讯领导tFold的开发。

该方法在蛋白质结构预测竞赛CAMEO中连续六个月保持每周冠军。

博士后王胜的导师是AI蛋白领域的顶尖专家徐金波教授。

徐教授团队于2009年推出的RaptorX-Contact首次证明了深度学习方法预测蛋白质结构的可行性，启发DeepMind推出了划时代的Alphafold。

徐教授的团队也为中国的AI蛋白做出了很大的贡献。

徐金波教授回国创立分子心，他的两位弟子也积极创业：王胜博士加入智宇生物担任CEO，彭健博士加入智宇生物。

清华大学孵化华神智能医疗。

在此前的采访中，徐教授表示，在他看来，“DeepMind实际上在2018年和2018年重新实现了他的算法。

” Alphafold2如此成功的一个很重要的原因是“学术界没有人有这么多资源来做这件事……我们没有数百个GPU。

”应该说，不缺专家国内AI蛋白团队可以与国外先进公司的技术团队同台竞技，在资源的支持下，我们可以期待非常可观的成果。

03、从公司角度来看，商业化是难还是容易？我们接触过，AI蛋白商业化比AI药品更容易，后者周期太长且难以验证，一方面，AI蛋白商业化的优势体现在下游领域的多元化。

一方面，合成生物、农业、化工都是可以拓展的方向，难度要求较低，另一方面相比目前AI对整个制药流程的效率提升有限，而且AI蛋白质设计、改造和优化在产业领域具有更重要的价值。

在这样的情况下，业内一些AI药企主动转型进军AI蛋白业务，并且取得了相当成功。

这其实也是国内众多AI药企的真实写照。

创始团队本身有物理和数学背景，没有相关的药品制造经验。

药品研发高管空降很难，医药行业远比想象的困难。

深的。

想了想，我决定果断转型蛋白质。

之前医药行业的基础还在，农业、化工、食品等领域都有新的增量客户。

几个月就能交付百万级订单，就能实现盈亏平衡。

当然，这样乐观的情况只能出现在中小型团队身上。

对于一些行业大佬来说，拿小订单无疑是九牛一毛。

制作大模型费时费力，小客户更是“杀手”。

能够与富有的大客户签订长期大订单是闭环的关键。

百图生物科技在这方面取得了成功，首期付款达1万美元，近期多笔模型开发付款，总交易额超过10亿美元。

别看首付不多，隔壁的 DeepMind 也是如此。

您想要什么样的自行车？前段时间，百图生物的刘伟做了公开分享。

他认为，人工智能介入泛生命科学领域有四大优势：价值高、市场大、本质强、节奏快。

前两个优势被业界津津乐道，重点是本质强、节奏快。

“本质强”是指人工智能带来的增量触及生命科学的本质，其效率提升不需要通过很长的价值链来传导。

“生命科学的早期发现阶段，是基于专利和序列。

人体有20种氨基酸，一个蛋白质可以短至数百个，也可以长至数千个氨基酸。

即使就是20的幂，这是一个巨大的数字，只要找到一个，就会有很高的价值，后续的临床试验、研发、商业销售都会有人接手。

前提是前沿的研发可以做出别人做不到的东西，人工智能最好的一点就是数据进来，数据出去，在这个强大的本质中，AI模型的价值可以更高。

” “快节奏”体现在两个方面：一是AI赋能生命，科学不必承担整个过程，只要前期完成设计和初步验证，就有足够的人。

如果你设计了一个科学界感兴趣但业界找不到办法去做的新东西，比如一个新的难以药物的靶点，一种新的蛋白质，一种新的酶，等等，将接力棒交给下游合作伙伴的周期通常是几个月到一两天；其次，生物实验的步伐在过去十年不断加快，并且会越来越快。