AI与生命科学的深度融合,正推动创新药研发迈入新的发展阶段。我们认为,AI4S(AI for Science)的长期价值不仅体现在提高药物筛选和分子设计的效率,更在于借助AI对复杂生命体系的理解和建模,突破传统研发范式的局限,发掘传统手段难以触及的疾病靶点,从而创造全新的治疗机会。靶向RNA的小分子药物便是这一趋势下的重要方向。
相较于以蛋白质为主要靶点的传统路径,RNA蕴含着巨大的未开发靶点潜力。然而,识别RNA中稳定、具有生物学功能且可被小分子选择性结合的三级结构,是长期面临的技术挑战。「砺博生物」正是磐霖资本在AI赋能创新药研发领域的代表性布局。我们看重团队在RNA结构生物信息学领域的长期积累,以及其将计算预测、实验验证与小分子开发有机结合的能力。公司由科学家与国际产业专家共同创立,形成了从底层技术到临床转化的互补优势。
**从经验驱动到知识生产:AI4S的本质变革**
磐霖资本:AI4S给创新药研发带来的最本质变革是什么?砺博为何选择靶向RNA稳定三级结构?
詹剑博士:AI4S最本质的变革不是将某个环节做得更快,而是改变了“知识从哪里来”。传统研发依赖科学家基于文献和经验形成假设并验证,本质上是基于“已知的已知”进行内插和外推。而AI4S第一次有可能让研发组织系统性地生产新知识,进入“已知的未知”和“未知的未知”空间,即那些被传统方法证明无法解决的领域及超越人类知识边界的全新空间。这标志着行业产能瓶颈从“人”转移到了“科学认知的产出效率”。
砺博选择RNA稳定三级结构,源于现实需求判断。传统小分子药物扎堆蛋白质靶点,易成药靶点已近枯竭;而RNA生物学的发展证明靶向干预人类mRNA可打开更大的新靶点空间,Risdiplam的获批也验证了这条路。我们致力于回应“理性、高效开发靶向RNA小分子药物”的需求,将问题解离为“寻找稳定三级结构”和“针对结构进行小分子发现”两个独立且可标准化的科学问题。
**破解RNA预测难题:动态性与数据稀缺**
磐霖资本:RNA三维预测难度高于蛋白质,砺博如何克服动态性和数据少的问题?相比蛋白预测有何价值?
詹剑博士:我们针对RNA物理特性重做方法论。首先,针对动态性,我们不追求预测静态构象,而是聚焦于序列中真正稳定的三级结构。这把无解的“还原真实三维构象”问题转化为“识别包含可成药构象的序列区域”问题。其次,针对数据稀缺,我们设计了“点火”过程,用合成数据让AI获得初始预测能力,再通过大规模实验验证筛选数据,推动“数据飞轮”自持运转,形成“自持发现引擎”。
其差异化价值在于,RNA三级结构预测回答的是“靶点供给”问题,即哪里有可被药物利用的结构。这是决定基因功能的第一道门槛。此外,RNA三级结构驱动设计能同时实现基因下调和上调,拓展了蛋白靶点难以企及的机制空间。
**构建数据闭环与验证体系**
磐霖资本:砺博如何通过“AI预测—实验验证—模型迭代”构建竞争壁垒?
詹剑博士:我们建立了“自持发现引擎”,这是一个能自我加速突破人类知识边界的循环。它不仅是数据飞轮,更是无中生有的知识生产过程,具备复利效应,形成难以追赶的护城河。
在将预测转化为药物时,我们坚持必须经过三道验证:结构存在性与稳定性、生物学功能相关性、成药潜力。砺博的优势在于从结构到功能的验证可在一个组织内连续完成,形成“AI预测—实验验证—数据反馈—模型优化”的快速迭代链条,且作为AI原生公司,我们将专家经验沉淀至AI系统,辅助决策。
**临床进展与管线验证**
磐霖资本:从平台建立到首个临床项目,进展意味着什么?
詹剑博士:RP-0172进入临床I期验证了三件事:一是平台能产出有竞争力的分子,其CNS适应症药物的血脑屏障穿透能力达到行业罕见水平;二是速度被验证,从概念到IND仅约3年;三是链条被验证,已在人体内观察到靶点结合和分子事件,证明整条AI链路在复杂系统中成立。
**竞争格局与生态定位**
磐霖资本:如何看待RNA药物竞争格局及砺博的独特价值?
詹剑博士:剪接调节剂已证明赛道价值,但存在范围和机制想象空间有限的局限。砺博选择三级结构驱动路径,本质是解决“靶点供给”这一更前置的问题。我们在人类基因组中鉴定出数万此前未知的RNA三级结构,并验证其功能,基本解决了mRNA普适可靶性问题。
磐霖资本:未来生态演进与砺博定位?
詹剑博士:生态分工细化是趋势,砺博定位为“用基础设施生产全新科学认知的人”。我们不做通用基础设施,而是专注于如何通过优化模型和积累数据产生新知识。
**未来展望**
磐霖资本:当前制约AI4S发展的瓶颈是什么?
詹剑博士:核心瓶颈不在模型,而在“问题定义”和“闭环真实效率”。AI需要被应用于输入输出明确、可快速证伪的环节。我们主张先有清晰的场景和问题,再引入AI。真正的AI制药革命,应超越单纯的加速,致力于产生“新物种”——即突破人类知识框架的药物,这需要从依赖“工程师红利”迈向收获“科学红利”。
