生成式科学范式变革 - 生成式人工智能正改变传统以数学原理和实验观测为基础的科学范式 通过海量科学数据训练基石模型实现直接生成结果 达到相对准、绝对快、绝对广的效果 [1] - AlphaFold 2革命性解决蛋白质从序列到结构的预测问题 2023年AlphaFold 3将能力扩展到蛋白质与核酸、小分子、抗体等复杂生物分子相互作用 具备指导药物研发潜力 [1] 行业合作与商业化进展 - Deepmind旗下Isomorphic Labs于2024年初从礼来、诺华获得巨额订单 预付款分别达4500万美元和3750万美元 合作开发多靶点小分子疗法 [2] - 诺华2025年初宣布拓展与Isomorphic Labs合作 增加合作研究数量 体现对其探索未公开靶点药物能力的认可 [2] 公司技术与产品定位 - 探序秩元2024年下半年成立 发布自研基础模型IntelliFold 定位为可控的基础模型 可对多种生物分子进行高精度三维结构预测 [2][4] - 通过轻量级可训练适配器实现别构预测、给定口袋结合预测等特异性能力 帮助完成药物发现等下游复杂任务 [4] 技术性能表现 - IntelliFold在蛋白质单体结构预测、蛋白质-蛋白质界面预测、蛋白质-DNA/RNA界面等关键指标与AlphaFold 3表现相当 [6] - 在RNA单体预测上超越AlphaFold 3 展现核酸结构预测优势 但在抗体-抗原界面、蛋白质-配体相互作用预测成功率略低 [6] - 可预测蛋白质与小分子结合构象及模式 并能预测结合亲和力（Affinity）数值 增强药物虚拟筛选效率和准确性 [6] 应用场景与产业价值 - 生成式模型可完全从头设计（De Novo Design）每一个氨基酸位置 探索自然界不存在但更优的结果 变革蛋白质设计范式 [7] - 通过目标特异性适配器正确预测别构构象 识别罕见构象状态 不影响正构状态准确性 提升药物设计的精准性和灵活性 [6] - AI介入使临床前和临床一期药物资产价值面临重估 早期资产成药概率大幅增加 有望将研发成功率从10%提升至20%-30% [8] 团队背景与战略规划 - 科研团队兼具结构生物学与大语言模型双重研发背景 创始人孙鹏为前科技风险投资人 首席科学家孙思琦为复旦大学研究员 拥有微软大语言模型研究经验 [3] - 未来计划将IntelliFold打造成通用智能科学基石模型 通过与大型药企联合开发、提供早期资产等方式实现商业化 系统提升新药研发成功率 [7][8]