Springer Nature｜英矽智能药研实践登上AI制药前沿应用指南

自20世纪末以来，人工智能赋能的药物发现探索已持续数十年，展现了AI在复杂数据整合、分子从头设计和临床转化方面的巨大前景。然而，确认AI技术整合的实际操作和应用场景，并提供切实可行的指导方案，仍然是一项艰巨的挑战。

2026年1月9日，《应用人工智能药物发现》（Applied Artificial Intelligence for Drug Discovery）最新版在Springer Nature在线出版，全书涵盖27个章节，由国际顶尖专家撰写，呈现了整个药物发现过程中的最先进方法。 作为全球领先的生物技术公司，英矽智能（3696.HK） 为这部全面且前瞻性的著作贡献了两个章节，分享了AI在早期药物靶点评估等相关任务中实际应用的经验，并展望了量子计算辅助的未来。出版仅10天后，该书籍已获得超1700次访问。

同期，英矽智能自有靶点发现引擎PandaOmics驱动肌萎缩侧索硬化症（ALS）潜力靶点案例入选浙江省普通本科高校教材《医学人工智能概论》，期待以AI降本增效潜力启发新生力量创新。2022年6月，英矽智能团队与Answer ALS项目合作完成的该项研究发表于Frontiers in Aging Neuroscience杂志，最终报告18个与ALS具有强相关性的靶点，其中涵盖8个未经报告过的基因。2024年2月，研究赋能的一款老药新用药物完成研究者发起的临床研究（IIT）患者入组，为ALS治疗变革带来希望。

近期出版的《应用人工智能药物发现》中，“人工智能用于药物靶点和通路识别、评估、验证及适应症拓展”（Artificial Intelligence for Drug Target and Pathway Identification, Assessment, Validation, and Indication Expansion）章节由英矽智能创始人兼首席执行官、首席商务官Alex Zhavoronkov博士领衔英矽智能研发团队撰写，展示了从数据分析、靶点预测和通路识别，一直到靶点验证和评估，最后到适应症探索的生物领域AI驱动研究流程。此外，该章节还探讨了数据质量和监管变革等未来挑战。

自2016年在 Nature Communications 发表介绍iPANDA（计算机通路激活网络分解分析，In Silico Pathway Activation Network Decomposition Analysis）的里程碑论文以来，英矽智能持续探索AI驱动药物发现前沿。2019年，英矽智能在Nature Biotechnology发表文章，介绍其自主研发的深度生成模型GENTRL如何在短短21天内发现了激酶靶点DDR1的强效抑制剂。以早期AI模型探索为基础，英矽智能搭建涵盖覆盖生物学、化学、临床开发和科学研究的综合性生成式AI平台Pharma.AI。2025年，英矽智能持续迈向制药超级智能（Pharmaceutical Superintelligence, PSI）未来，发布已知临床靶点检索率达71.6%的Target Identification Pro（TargetPro）、同类首个标准化基准测试框架TargetBench 1.0，以及覆盖化学探索专利空白的AI工作流程LEGION（Latent Enumeration, Generation, Integration, Optimization and Navigation）。

在更加前沿的技术革新方面，由英矽智能联合创始人兼总裁Alex Aliper博士领衔撰写的“量子机器学习药物发现”（Drug Discovery with Quantum Machine Learning）章节展示了以量子机器学习（QML）算法为起点，直到2030年愿景展望的发展路线图，并提供了多个在药物发现中成功应用的案例研究。

2023年，英矽智能首次在Journal of Chemical Information and Modeling 展示量子生成对抗网络的潜力，表明其超越传统模型的潜力。此后，英矽智能持续量子辅助创新探索，2024年在Frontiers in Chemistry发布新型算法“量化计算辅助片段自动结构生成器”（Quantum-assisted fragment-based automated structure generator, QFASG），成功识别出ATM和CAMKK2激酶的微摩尔级活性抑制剂；2025年在Nature Biotechnology发表量子计算增强的AI案例研究，使用混合量子-经典生成模型识别出针对"不可成药"靶点KRAS的新型抑制剂。

英矽智能创始人兼首席执行官、首席商务官Alex Zhavoronkov博士表示，“我很自豪地看到，我们十年的开创性研究成为这本基础性著作打下了基础，为所有对AI驱动药物发现感兴趣的人提供了资料。到这里，我们完成了从理论探索到学术发表，再到实际应用，最后回归行业级指南的完整循环。目前，英矽智能期待提供从传统研发向制药超级智能（PSI）过渡的路线图，即AI智能体能够实际做出决策，并最小化临床失败可能性的未来。我们的使命远不止治疗疾病，而是为地球上的每个人延长健康寿命，而AI正在加速这一进程。”

通过整合先进的AI和自动化技术，英矽智能在实际应用案例中展现出效率提升，为AI驱动的药物研发树立了标杆。与传统药物研发平均需要4.5年的时间周期相比，英矽智能在2021至2024年间的自研项目，从立项到提名临床前候选药物（PCC）的平均耗时为12-18个月之间，每个项目仅需合成和测试约60-200 个分子。