现代制药工业的起源与发展 - 19世纪工业革命推动煤焦油染料技术发展 无意间开启现代制药大门 [2] - 化学理论完善和工业制造能力扩展使批量合成化合物成为可能 为制药业奠定基础 [2] - 病原体理论确立揭示疾病传播机制 化学公司看到药物开发巨大市场潜力 [3] - 药理学于1872年正式成为独立学科 化学受体理论和激动剂/拮抗剂机制为理性药物设计提供理论基础 [3] - 传统药房与煤焦油染料公司转型建立跨学科研究企业 药物研发从试错走向科学化系统化 [4] - 科学家实现低成本合成针对性分子 替代昂贵天然提取物 百浪多息和青霉素实现工业化生产 [4] 生物技术革命与行业挑战 - 20世纪70年代重组DNA技术奠定新一代治疗药物基础 1982年首支重组人胰岛素上市 [6] - 单克隆抗体技术推动精准药物研发 曲妥珠单抗降低HER2阳性乳腺癌复发风险 [7] - 免疫检查点抑制剂改变癌症治疗格局 开发生物药物覆盖癌症/自身免疫/心血管等复杂病症 [7] - 行业面临高失败率挑战 小分子药物约90%新药研究申请未能获批上市 [7] - 2003-2013年间单种新药开发成本增长145%至26亿美元 慢性病领域突破尤为困难 [8] AI技术驱动制药变革 - AI可高效解析基因组/理解疾病机制/发现新靶点 改变整个制药流程 [9] - AlphaFold2在2020年CASP竞赛实现接近实验精度的蛋白质结构预测 [10] - AlphaFold3在2024年突破蛋白质与DNA/RNA/小分子复合结构预测 [10] - 微软TamGen模型针对给定靶点几分钟内设计上万个分子 成功抑制结核分枝杆菌ClpP蛋白酶 [11] - 英矽智能特发性肺纤维化候选药物完成71名患者IIa期试验 Recursion有8款药物进入人体试验阶段 [12] - 全球涌现数十上百家AI制药公司 Isomorphic Labs与诺华/礼来合作利用AlphaFold3加速研发 [12] 数据驱动与未来方向 - 海量生命科学数据推动AI演进 "虚拟细胞"和"人体数字孪生"可模拟真实生理反应 [13] - 斯坦福/伯克利等高校 Arc Institute Chan Zuckerberg Initiative和英伟达共同推动AI技术落地 [13] - 行业面临数据质量挑战 高质量结构化数据有限且存在偏差 影响AI训练效果 [14] - 模型存在可解释性不足/预测结果难验证等问题 监管标准和产业化流程尚不明确 [14]