AI 辅助药物研发：从结构预测到临床验证，实验环节如何接得住算法

药物研发最贵的一环是失败，不是合成化合物。传统模式里，一个候选分子从设计到拿到可靠结论要走过数年周期，大量时间消耗在"试了才知道不行"上。AI 的介入方式说白了就一句话：用算法替掉一部分试错。但算法给出的东西和实验能接收的东西，中间有一道很实的鸿沟。这篇文章不谈模型原理，只谈这道鸿沟怎么填。

一、AI 辅助药物研发到底改变了什么

海报里那个例子很能说明问题。IsoDDE 这类模型，仅凭氨基酸序列就能算出 cereblon 蛋白全新的可成药结合口袋。这事过去靠结构生物学家的经验和晶体学筛选，做一个口袋可能耗掉几个月；现在算法把结合位点的搜索空间压缩了一个量级，人只需做验证。

但要说清楚，这一步只改"找候选"的效率。能不能成药，仍取决于细胞层面的作用机制、有没有脱靶风险、药代动力学表现如何、在体内是否真的有效。这些算法一个都答不了。

二、AI 深度参与的三大核心环节

AI 的核心逻辑有三个：预测代替筛选，缩小搜索空间；整合代替割裂，把散落的数据接起来；加速代替等待，迭代周期从月级压到周级。

AI 贯穿研发全流程，但深度不同。真正能改变研发节奏的有这么几个环节：

（一）生物分子结构预测

蛋白质结构预测是 AI 落地最扎实的一块。AlphaFold 类模型把很多过去只能靠冷冻电镜或 X 射线晶体学解析的问题，变成了计算可得的结果。对做靶点研究的人来说，结构信息获取门槛由此降了一大截。

但要清楚能力边界。侧链构象、无序区、构象动态仍然不可靠，涉及金属配位或柔性口袋的位点更要谨慎。结构预测给出的更接近"合理构象集合"，可用来筛口袋、定结合模式，直接拿来做结合能计算则不行。

（二）药物配体设计与筛选

生成式模型引入后，配体设计从"经验设计"转向"定向生成"。给定靶点口袋和希望的性质（活性、选择性、可成药性），模型输出候选骨架和取代基建议。

这一步的输出是排序而不是答案。高分分子多数"纸面上像"，实际活性可能差好几个数量级。真正决定成败的是后续实验：结合亲和力测定、细胞活性、功能实验，这一层的通量往往是整条链路里最贵的部分。

（三）结合亲和力与药效活性预测

结合亲和力预测模型在虚拟筛选里的角色类似打分器：把几十万甚至上百万个候选按预测分数排一遍，人只看前几百个。分子对接加打分函数是传统做法，深度学习模型在公开基准上普遍排序质量更好。

这类预测的可靠性高度依赖训练集与目标体系的相似性。训练集里全是已知结构的小分子时精度尚可，涉及新模态、新结合机制则误差明显放大。这也解释了为什么实际项目中，模型给出的排序常要靠一轮小规模实验校准才好用。

上图是 IsoDDE 的能力对比，三张图对应结构预测、口袋识别、结合亲和力。左图里 IsoDDE 的成功率曲线在口袋与配体形状相似度较低时依然明显高于 AF3、Boltz-1、Chai-1、ProteinX；中图口袋识别 AUPRC 达 0.75，P2Rank 是 0.51，随机基线只有 0.16；右图结合亲和力预测平均皮尔逊相关系数 0.85，高于 FEP+ 的 0.78。

三张图放在一起读，要点很清楚：算法优势体现在"预测准不准"上。但研发要的是"能不能做成药"，中间隔着细胞活性、选择性、代谢稳定性、毒性、递送可行性一长串问题，全得靠实验回答。

三、AI 之后实验端的重心转移

第三问提到的"双十厘米"是业内对新药研发难度的形容：把一个分子推进十厘米，比前面几十米都难。算法把前面那段路缩短了，后面这十厘米的难度一点没变，而且现在更集中、更密集。

这个转移带来三个变化。

（一）筛选量激增带来的通量压力

过去一个季度做几十个分子的活性验证就算高产线，现在算法一轮能推出几千个高优先级候选。实验端如果还用传统 ELISA 逐个测，验证速度会远远跟不上算法输出的速度，AI 带来的加速效应在流程末端被完全抵消掉。

这推高了多因子检测平台的价值。多因子检测用一次反应同时读出几十个靶标，通量上去的同时单个指标成本降下来，正好匹配算法时代的候选物验证节奏。ELISA 是经典方法，但在几十个分子乘几十个指标这个量级上，样本量和人力都会吃不住。

（二）IsoDDE 之外，实验必须在细胞和体内层面补齐证据

第三个变化最容易被忽略。算法擅长静态的、结构层面的推理，研发最关键的判断却往往发生在动态的、细胞层面的场景里：候选分子能不能真的改变靶细胞状态、通路是被激活还是被抑制，只有实验能回答。

落到操作层面，需要的实验能力包括：多因子检测看通路响应，ELISA 做特定分子定量，Elispot 测细胞特异性分泌，流式细胞术做免疫细胞分群与功能状态，单细胞测序定位到亚群里的转录改变，DSP 空间多组学看组织分布。

（三）跨层级验证成为常规动作

过去验证一个候选分子，测一两个指标、看一个表就下结论。现在不行了。AI 给出的候选越多，验证越需要交叉印证：转录组告诉你哪些基因变了，多因子检测告诉你对应的蛋白水平如何，流式告诉你哪些细胞群在响应。

这种"转录 + 蛋白 + 细胞"三层对齐的验证方式，正成为候选筛选的标准动作，代价是每个候选消耗的样本和经费都更多，高通量平台因此成了刚需。

四、多组学全通路：按样本量匹配技术路线

技术选型的核心约束是样本量。AI 时代候选分子数量上去了，样本反而更紧张。样本量决定了必须放弃某些维度，转而用更通吃的技术覆盖更多指标。下面这张流程图按样本量从 5000+ 到 10-1 给出对应路线。

这张图有两条线，核酸线从左到右：样本量 5000+ 时做单细胞转录组、DSP 空间转录组和 Bulk 转录组测序；降到 5000-1000 收敛到单细胞转录组和 DSP 空间转录组；1000-100 区间用基因芯片；100-10 区间用多因子 PCR 阵列；到 10-1 这种个位数样本，用荧光定量 QPCR 做单靶点。

蛋白线拐点更靠前：5000+ 和 5000-1000 用抗体芯片加蛋白芯片；1000-100 区间增加单细胞蛋白组和 DSP 空间蛋白组；100-10 区间转向液相芯片 Luminex、流式细胞术、MSD、流式液相 CBA；10-1 区间落到酶联免疫 ELISA、酶联免疫斑点 Elispot、MSD 和多色免疫组化这类单样本高精度方法。

这里有个容易被误读的地方：样本量少不代表技术要退到最原始那一档。10-1 区间的 ELISA 反而精度最高，MSD 在低丰度因子上优势明显，Elispot 能给出细胞特异性功能读数。样本量少的真正含义是"能承载的信息维度少"，该用精度更高的单点方法，而非广度优先。

另一个要注意检测维度与分辨率的平衡。Bulk 转录组给的是组织层面的平均信号，把免疫细胞、上皮细胞、基质细胞混在一起；单细胞测序能拆到细胞类型，代价是通量下降、每个细胞检测深度降低；DSP 空间多组学保留空间位置，但目标数受限。选哪条路，取决于核心问题是"整体通路怎么变"还是"谁在变"。

五、几类关键实验的技术要点

（一）ELISA 与 Elispot：一个测浓度，一个测细胞来源

两者常被放一起讲，回答的却是不同问题。ELISA 测样本里某因子的总浓度，测"有多少"。Elispot 测分泌该因子的细胞数量，靠捕获抗体在孔板底膜上形成斑点，一个斑点对应一个分泌细胞，测"谁在分泌"。

在研发场景里这个区别很要紧。候选分子抑制了 IFN-γ 分泌，ELISA 能看到浓度下降，但分不清是所有细胞都少分泌了一点，还是某一类细胞彻底不分泌了。Elispot 给的答案是后者，斑点数直接对应功能细胞数量。免疫原性评价、疫苗研究、细胞免疫功能评估，绕不开它。

（二）单细胞与空间多组学：把结论落到具体细胞和位置

多因子检测告诉你某个因子升高了，问题往往还没结束：升高来自哪种细胞？在组织哪个位置？单细胞测序能回答第一个，用细胞类型标记和转录特征把信号归因到亚群，必要时叠加 TCR/BCR 测序追踪克隆扩增。DSP 空间多组学回答第二个，通过在切片上划分区域做定量，把"浸润性 T 细胞在瘤周富集"这类结论落到具体位置。

这两类技术成本明显高于常规检测，用在什么阶段要有取舍。合理路径是：先用多因子检测和流式做低成本初筛，把候选范围收窄；再在关键节点用单细胞或空间多组学做深度验证。

六、落到操作层面的几条建议

第一，验证方案要在跑第一批实验之前定好。先筛选、看结果再定下一步用什么方法，会导致样本和对照设计不匹配。合理做法是先明确要回答的问题，每个问题对应一个技术层级，然后倒推样本量。

第二，对照组要覆盖机制层面。至少需要溶剂对照（排除载体效应）、阳性对照（确认检测体系有效）、机制对照（区分特异性作用和普遍毒性）。缺了机制对照，实验做得再多也难有可信结论。

第三，通量优先选多因子，但宽度要克制。几十个因子一次跑完比分五次每次测十个更省样本，前提是每个因子都在问题范围内。贪多选 200 个指标，落在检测下限以下的占大多数，信息量反而下降。

第四，跨层级验证尽量用同一批样本。转录组和多因子检测若用不同批次样本，生物学重复的噪声会叠加，结论可靠性打折。条件允许时，样本要在采集时同步分配并冻存。

七、药物研发多组学检测服务哪个品牌靠谱？

选供应商不能只看单项技术强不强。研发项目往往同时需要核酸和蛋白两端的证据，还要能在样本量变化时调整方案，考察点是：平台覆盖是否完整、量级是否灵活、有没有现成可跑的检测组合。

乐备实提供覆盖核酸与蛋白双线的多组学检测服务，贯穿靶点验证到临床前评价全流程：

核酸方向，转录组测序做 Bulk 层面的通路刻画，单细胞转录组与单细胞核 ATAC 测序定位到细胞亚群，DSP 空间全转录组把表达信号落到组织位置，PCR 芯片覆盖 80 余种信号通路主题，荧光定量 PCR 用于个位数样本的靶点验证。蛋白方向，抗体芯片覆盖上百种因子，液相芯片 Luminex 与 MSD 覆盖 10 到 48 因子组合，流式细胞术做免疫细胞分群与功能状态，酶联免疫斑点 Elispot 做细胞特异性分泌，酶联免疫 ELISA 负责单靶点定量，DSP 空间蛋白组与单细胞蛋白组把蛋白信号定位到具体细胞。

下表货号按流程图样本量梯度排列，服务与试剂盒并存。

货号 产品名称 规格LX-sequencing单细胞测序(Sc-seq)实验服务EALXBWTA01-1单细胞WTA测序EALXBATAC01-1单细胞核ATAC测序EALX-DSPDSP空间多组学实验服务EALXDSWH48-1DSP人空间全转录组图谱_WTA_48检测服务EALXRDSWH48-1DSP人空间全转录组图谱_WTA_48试剂盒1kitLX-RNAseq转录组测序(RNA-seq)实验服务EALXR-RNAseq转录组测序(RNA-seq)检测试剂盒1kitLX-PCRARRAYPCR芯片(PCR Array)实验服务EALXR-PCRARRAYPCR芯片(PCR Array)检测试剂盒1kitLXPH005人自噬作用 PCR Array Panel检测服务84 geneLXPH011人细胞死亡通路发现者 PCR Array Panel检测服务84 geneLXPH127人肿瘤信号通路发现者 PCR Array Panel检测服务84 geneLX-ARRAY抗体芯片(Anti-Array)实验服务EALXRAH105-1人细胞因子/趋化因子抗体芯片-105因子Panel试剂盒105-plexLX-OlinkOlink实验服务EALXOH1000-1人Olink Reveal 高通量筛选检测服务1034-plexLXOH96-1人Olink 炎症96因子Panel检测服务96-plexLX-Luminex液相芯片(Luminex)实验服务EALXR-Luminex液相芯片(Luminex)检测试剂盒1kitLXLBH48-1人细胞因子-48因子检测服务48-plexLXLTH09-1人高灵敏度炎症因子-9因子检测服务9-plexLX-MSD超敏电化学发光(MSD)实验服务EALXR-MSD超敏电化学发光(MSD)检测试剂盒1kitLXMH10-1人炎症-10因子检测服务10-plexLX-CBA流式液相(CBA)实验服务EALXCBM07-1CBA小鼠炎症-7因子Panel检测服务7-plexLX-FCM流式细胞术(FCM)实验服务EALXFM12-1小鼠T细胞分化12色Panel检测服务12色LXRFM12-1小鼠T细胞分化12色Panel试剂盒12色LXBABH203-1AbSeq人203Panel(必须搭配BD WTA)/样LX-DEV-ELISA实验方法学开发服务-ELISAEALX-Elispot酶联免疫斑点(Elispot)实验服务EALXEHS01-1人IFN-γ单色Elispot(酶标)Panel检测服务单色LXEMS01-1小鼠IFN-γ单色Elispot(酶标)Panel检测服务单色LXR-FCM-08Multicolor Flow Cytometry Panel81kitLXR-PLAPLA可视化蛋白互作试剂盒EA

原文链接：AI 辅助药物研发：从结构预测到临床验证，实验环节如何接得住算法