生物AI系统
深度研究报告

?

执行摘要

AI-Bio领域核心进展与关键洞察

? 研究核心结论

2024—2025年是生物AI（AI-Bio）的"爆发元年"。以AlphaFold3、ESM3、AlphaGenome、Evo2为代表的大模型彻底重塑了生物学研究范式——AI不再是辅助工具，而是直接成为科学发现的主体。全球AI制药市场在2024年达到294亿美元，预计以超过29%的年均复合增长率扩张至2030年的逾1300亿美元。与此同时，全球首款经AI全流程设计的小分子药物已进入II期临床，"AI设计药物"从概念走向了现实。

范式转变：生物AI正从"预测工具"向"设计引擎"演进。2024年前，AI主要用于加速已知药物的研发；2025年起，AI开始直接设计全新蛋白质、基因回路和分子实体，生物学进入"AI-first"时代。

2024年里程碑

AlphaFold3发布

DeepMind在Nature发布AF3，实现蛋白质、DNA、RNA、小分子配体统一结构预测，蛋白质-配体对接成功率76.2%，超越专业工具。

2025年里程碑

全球首款AI药物二期临床

Insilico Medicine的ISM001-055（Rentosertib，TNIK抑制剂）在特发性肺纤维化适应症取得II期积极结果，全程AI辅助设计。

2025年里程碑

虚拟细胞概念成形

多实验室发布AI虚拟细胞原型，能以单细胞分辨率模拟细胞对扰动的响应，为精准医学提供全新计算实验平台。

?

核心技术：蛋白质AI革命

结构预测、语言模型与从头设计三大技术方向

蛋白质是生命的功能执行者，理解和设计蛋白质是生物AI的核心战场。2021年AlphaFold2通过深度学习突破了"蛋白质折叠问题"这一长达50年的科学难题，而2024—2025年，这一领域迎来了更为剧烈的技术跃迁。

? 结构预测：从蛋白质到全分子宇宙

2024年5月

AlphaFold3（DeepMind）

采用扩散模型架构，突破单一蛋白质限制，实现对蛋白质-DNA/RNA复合物、蛋白质-小分子、蛋白质-离子等全类型生物分子的统一结构预测。对接成功率提升至76.2%，超越传统工具约一倍。开放了AlphaFold Server供学术研究使用。

2025年6月

Boltz-2（MIT/开源）

号称"首个集成结构预测与结合亲和力预测的开源模型"。不仅能预测分子复合物结构，还能同时给出精确的结合亲和力（ΔG）数值，将结构生物学与药物化学打通，获MIT Technology Review年度评价为"AI制药关键突破"。

持续更新

RoseTTAFold2NA / RF-AA

David Baker团队的RoseTTAFold系列持续迭代，RF-All Atom实现全原子蛋白质-核酸-小分子统一建模，为后续蛋白质设计工具提供基础结构预测能力，在COVID抗体设计中获得验证。

? 蛋白质语言模型：理解进化语言

ESM3：最大蛋白质语言模型的里程碑设计

EvolutionaryScale（前Meta AI蛋白质团队）于2024年6月发布ESM3，2025年1月以封面论文形式发表于Science。ESM3拥有980亿参数，同时处理蛋白质序列、三维结构和功能标注三种模态，相当于压缩了5亿年生物进化中的设计信息。其最具代表性的成果是：在引导下从零设计出一种全新绿色荧光蛋白esmGFP，与已知荧光蛋白家族序列相似度仅约58%，却具有完整的功能，相当于产生了一个"5亿年外"的蛋白质进化分支。这是AI生成全新功能蛋白质的里程碑证明。

? 蛋白质从头设计：创造自然界未有之物

2025年9月/12月

RFdiffusion3（Baker Lab）

华盛顿大学David Baker实验室发布的第三代蛋白质扩散设计模型，采用全原子扩散架构（前代为粗粒化模型），蛋白质-蛋白质对接、酶活性位点设计等任务性能提升10倍以上。2025年12月开源，成为蛋白质设计领域的标准工具。

2025年11月

de novo抗体设计（Nature）

Baker Lab同时在Nature发布从头设计抗体的AI系统，无需从已知抗体序列出发，可针对任意给定抗原表位直接生成高亲和力抗体。这一成果将抗体工程从"筛选优化"转变为"智能设计"，对癌症免疫治疗意义深远。

2024—2025

ProteinMPNN / LigandMPNN

针对特定功能的蛋白质序列设计工具系列，ProteinMPNN专注于蛋白质主链序列设计，LigandMPNN扩展至有机小分子配体兼容的序列设计。已被全球数百个实验室用于实验验证，成功率显著高于传统Rosetta方法。

?

基因组学AI：读懂生命的操作系统

从序列理解到调控网络的全面突破

如果蛋白质是生命的功能执行者，那么基因组就是生命的"操作系统"。理解基因组的调控逻辑——哪些序列控制基因何时、在哪里表达——是解码生命和疾病的关键。2024—2025年，基因组AI在序列理解、调控预测和基因设计三个方向均取得重大突破。

基因组AI的三大核心任务

① 功能注释：将基因组序列中的功能性元件（启动子、增强子、剪接位点、绝缘子等）高精度识别，提供全基因组功能地图。

② 突变效应预测：对任意SNP或结构变异给出功能影响评分，区分中性变异和致病变异，已在遗传病诊断中获得临床应用。

③ 调控序列设计：反向工程——给定期望的基因表达模式，AI生成实现该模式的启动子或增强子序列，用于合成生物学和基因治疗载体设计。

?

AI制药：从虚拟筛选到全链路AI

AI重塑药物发现的每个环节

传统药物研发平均耗时12—15年、成本超过26亿美元（含失败成本），最终上市成功率不足10%。AI制药的愿景是将这一周期压缩至3—5年，成本降低至1/10，并显著提升成功率。2024—2025年，AI制药从"概念验证"走向"临床验证"，标志着这一行业拐点的来临。

全链路AI制药突破案例

历史性里程碑

ISM001-055（英矽智能）

靶点：TNIK（特发性肺纤维化）。从靶点发现到IND申请仅用18个月（行业平均5—6年），总成本约260万美元（行业平均数亿美元）。2024年发表二期积极结果，是全球首款全流程AI设计进入IIa期的小分子药物。

管线数量领先

Recursion Pharmaceuticals

整合高通量表型筛选与深度学习，拥有超过40个活跃临床候选管线，其中多个已进入II期临床。2024年11月与Exscientia合并，形成迄今最大AI制药合并案，整合后市值超30亿美元，管线超60个。

Google战略

Isomorphic Labs

DeepMind拆分子公司，以AlphaFold技术为核心。2024年获6亿美元融资，与礼来（Lilly）、诺华（Novartis）达成超过30亿美元的AI药物合作协议，成为大药企AI转型的重要合作伙伴。

AI制药技术栈

关键数字：截至2025年，全球共有超过 3000个 由AI辅助发现或设计的药物候选进入不同临床阶段，其中约100个已进入临床试验。预计至2030年，超过50%的临床前研究将有AI深度参与（高盛预测）。

新型药物类别的AI机会

高增长

mRNA疗法设计

AI优化mRNA序列的密码子使用、UTR区域和二级结构，显著提升mRNA稳定性和翻译效率。COVID疫苗验证概念后，mRNA癌症疫苗、蛋白替代疗法的AI设计管线快速增长。

突破性进展

蛋白质降解剂（PROTAC）

PROTAC由三部分组成，传统方法难以优化。AI通过学习三元复合物结构规律，已实现自动化PROTAC设计，将开发周期从数年压缩至数月，多个AI-PROTAC候选进入临床前阶段。

新兴方向

核酸类药物（siRNA/ASO）

AI优化siRNA序列选择、化学修饰策略和递送载体设计。结合CRISPR基因编辑工具，AI核酸药物设计平台已成为基因治疗领域的核心工具链。

?

单细胞AI与虚拟细胞

以单细胞分辨率理解生命系统

单细胞测序技术的成熟（scRNA-seq、scATAC-seq、空间转录组等）产生了前所未有的细胞多样性数据，催生了专门用于单细胞数据分析和建模的AI模型。2024年，这一领域进入快速发展期，并出现了"AI虚拟细胞"这一振奋人心的前沿概念。

虚拟细胞的战略意义

传统细胞实验耗时数周至数月，且难以实现系统性扰动。AI虚拟细胞能在计算机上以分钟级别模拟成千上万种扰动情景，为药物靶点验证、毒理评估和细胞治疗设计提供计算先导。Chan Zuckerberg Initiative已宣布在未来5年内投入超过10亿美元支持AI虚拟细胞项目，目标是建立覆盖人体全部细胞类型的数字孪生系统。

空间转录组学AI：赋予组织数据空间维度

传统单细胞测序在分离细胞时丢失了空间位置信息。空间转录组技术（Visium、Slide-seq、Xenium等）保留了细胞在组织中的原位信息。AI在空间转录组数据分析中的核心任务包括：细胞类型解卷积（从bulk数据推断细胞组成）、细胞-细胞通讯网络重建、肿瘤微环境精细图谱构建。2025年，结合病理图像的多模态AI（如CONCH、TITAN模型）在肿瘤预后预测上达到接近病理专家的水平。

?

产业生态：资本、公司与格局

全球AI-Bio产业版图与投融资分析

全球主要AI-Bio公司

大药企AI转型进展

??

中国视角：追赶与自主创新

中国AI-Bio产业生态与政策支持

中国AI-Bio现状概述

中国在AI-Bio领域已形成以英矽智能、晶泰科技、深势科技为代表的第一梯队企业，在蛋白质设计AI和AI制药方面具有国际竞争力。2024—2025年，多家中国AI-Bio公司实现历史性突破：英矽智能完成港股IPO、晶泰控股宣布首次接近盈亏平衡、深势科技完成超8亿元C轮融资。政策层面，"新质生产力"框架将AI+生物作为重点支持方向，生物医药国产化与AI赋能并行推进。

中国主要AI-Bio企业

?

未来趋势：2026-2030展望

生物AI的下一个五年

⚠️

挑战与伦理：前路的隐忧

技术发展背后的风险与边界

?

数据隐私与安全

基因组数据是最敏感的个人隐私，如何在利用大规模数据训练AI的同时保护个体隐私，是行业必须解决的核心伦理问题。

⚖️

公平性与可及性

AI医疗技术是否会加剧医疗不平等？如何让AI带来的医疗红利惠及所有人，而不仅仅是高收入群体？

?

基因编辑的伦理边界

AI让基因设计变得越来越容易，我们是否打开了潘多拉魔盒？人类是否应该拥有修改自身基因的权力？

?

技术泡沫与资本过热

当前AI-Bio领域资本涌入过快，部分项目存在估值泡沫，行业需要回归理性，以临床价值为核心。