北京
10月22日，中信建投发布观点称：AI制药领域正经历着快速的迭代和变革，算法的更新迭代和算力的支持为AI在制药领域的应用打下了良好的技术基础。传统药物开发过程花费时间长、成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。目前AI在结构预测、靶点筛选、虚拟筛选、分子生成及多参数优化等早期环节已体现效率价值，有望缩小候选分子范围、减少低价值实验并降低单个合格Hit的发现成本。相关干实验投入增加以及湿实验需求的持续增长有望为下游产业链持续带来增量。
AIDD首先重塑药物发现与临床前研发流程。小分子发现正向AI参与的DMTA（设计-合成-测试-分析）闭环演进，虚拟筛选、分子生成、多参数优化、ADMET（吸收、分布、代谢、排泄、毒性）药代动力学和安全性特征预测及合成路线设计等环节受益较为明显。大分子研发则逐步形成以序列和结构设计为起点，进一步走向涵盖功能预测、抗体生成及多参数优化后的DBTL闭环。
高质量实验数据和高通量验证能力正在成为AI制药进一步发展的关键约束，产业链增量有望率先在早期实验环节兑现。模型对高质量实验数据的依赖进一步增强，需要持续进行基因合成、文库构建、蛋白/抗体表达、结合与功能检测以及多组学分析，并将实验结果反哺模型训练。因此，随着AI模型迭代速度加快、单次设计候选数量提升以及更多药企将AI嵌入早期研发流程，湿实验需求有望持续增长，基因合成、蛋白表达、科研试剂及CRO等产业链环节有望持续受益AI制药渗透率提升带来的增量市场。具备高通量、自动化、标准化实验及结构化数据交付能力的服务商更有望承接增量。
行业正在由模型能力验证转向临床价值和商业价值验证，头部项目与合作已出现积极信号，但整体仍处于早期阶段。Rentosertib、GB-0895等代表性管线已进入临床中后期，为观察AI辅助药物发现的临床转化能力提供了更高阶段样本；MNC对外合作、资产授权及平台部署持续增加。AI制药企业主要采用平台及软件授权、AI研发服务、自研管线及资产授权三类模式，三者现金流形成时间、临床风险和潜在价值空间存在明显差异。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
