巨頭亞馬遜，也深度入局生命科學(xué)了。

就在今天（美東4月14日），亞馬遜正式推出Amazon Bio Discovery。

這是一款專為生命科學(xué)設(shè)計(jì)的AI智能體，重點(diǎn)面向早期藥物發(fā)現(xiàn)。

它集成了超過40個(gè)行業(yè)頂級(jí)生物醫(yī)藥大模型，用于生成和評(píng)估潛在的藥物分子，為科研人員提供一站式干濕試驗(yàn)閉環(huán)平臺(tái)，將候選藥物從計(jì)算篩選到實(shí)驗(yàn)室測(cè)試的整個(gè)流程縮短至數(shù)周。

同一天，亞馬遜與頂級(jí)醫(yī)療大學(xué)約翰斯·霍普金學(xué)院共同發(fā)布，全球AI抗體設(shè)計(jì)數(shù)據(jù)庫(kù)。

該數(shù)據(jù)庫(kù)是行業(yè)最大、最多樣化的AI抗體數(shù)據(jù)集，涵蓋50種種子抗體、4種結(jié)構(gòu)格式和42種抗原，多樣性是現(xiàn)有公開庫(kù)的20倍。

亞馬遜布局AI Agent+藥物研發(fā)，這個(gè)時(shí)間點(diǎn)非常耐人尋味。

就在昨天，諾和諾德宣布牽手OpenAI，將把AI深度應(yīng)用于藥物研發(fā)、制造及商業(yè)運(yùn)營(yíng)全流程。

前不久，AI科技巨頭Anthropic斥資近4億美元（約合30億元人民幣）收購(gòu) Coefficient Bio，加強(qiáng)在生命科學(xué)的布局。

要知道，亞馬遜一直以來在制藥領(lǐng)域的角色是算力提供者，全球前20名制藥公司中有19家已使用其云服務(wù)。

亞馬遜，也要來AI制藥搶占新的生態(tài)位了。

醫(yī)藥AI Agent，科學(xué)家一鍵啟用

此次亞馬遜發(fā)布的Amazon Bio Discovery，引發(fā)了行業(yè)的關(guān)注。

它不僅僅是一個(gè)簡(jiǎn)單的生命科學(xué)平臺(tái)，更標(biāo)志著亞馬遜向整個(gè)生命科學(xué)邁出了一大步。

如今，干濕試驗(yàn)閉環(huán)已經(jīng)是AI醫(yī)藥行業(yè)的標(biāo)配，實(shí)驗(yàn)室再做實(shí)驗(yàn)驗(yàn)證，結(jié)果再反哺 AI，大大加快找藥速度。

但對(duì)絕大多數(shù)科研團(tuán)隊(duì)來說，這個(gè)過程卻并不順暢：

生物 AI 模型更新太快，五花八門，各有各的用法和要求；

做計(jì)算的生物學(xué)家，既要評(píng)估新模型、又要落地使用，還得支持各種項(xiàng)目，設(shè)備、資源往往跟不上；

做實(shí)驗(yàn)的科學(xué)家懂生物、懂實(shí)驗(yàn)，但不會(huì)用計(jì)算工具，只能干等別人幫忙；

兩邊合作經(jīng)?？ぃ翰皇菦]數(shù)據(jù)，是工具不支持同一個(gè)工作流等。

于是，亞馬遜打造了Amazon Bio Discovery，該平臺(tái)類似英偉達(dá)的BioNeMo平臺(tái)，集成了眾多生物化學(xué)模型和醫(yī)藥研發(fā)工具。

它本質(zhì)上是一個(gè)面向生物學(xué)家和藥物研發(fā)人員的智能Agent平臺(tái)，旨在大幅降低AI制藥的門檻。

5個(gè)步驟，搭建AI醫(yī)藥工作流

以抗體設(shè)計(jì)為例，Amazon Bio Discovery通過5大步驟，實(shí)現(xiàn)自動(dòng)化藥物研發(fā)。

第一步：挑選AI 模型，搭建專屬計(jì)算工作流

目前，平臺(tái)自帶40多種生物AI模型，包括Apheris、Boltz、Profluent等合作伙伴的領(lǐng)先開源和商業(yè)模型。

這些模型覆蓋抗體研發(fā)的各類需求，比如預(yù)測(cè)抗體結(jié)合能力、評(píng)估抗體能不能落地開發(fā)等。

研究人員可以按照自己的研究目標(biāo)篩選模型，還能借助平臺(tái)的評(píng)估標(biāo)準(zhǔn)，把不同模型放在一起橫向?qū)Ρ?，直觀看清優(yōu)劣。

圖：AI生物學(xué)模型可開發(fā)性性能與真實(shí)抗體數(shù)據(jù)集的比較

這樣一來，做計(jì)算的科研人員不用再耗費(fèi)精力搭建底層設(shè)備、重復(fù)寫代碼、單獨(dú)搭建數(shù)據(jù)通道。只需要專注科研本身，做好專業(yè)的模型搭配、數(shù)據(jù)標(biāo)準(zhǔn)設(shè)定。

第二步：借助AI ，快速設(shè)計(jì)模擬實(shí)驗(yàn)

確定好工作流程后，AI智能體會(huì)全程引導(dǎo)科學(xué)家完成實(shí)驗(yàn)的核心設(shè)置。拿抗體研發(fā)舉例，它會(huì)精準(zhǔn)定位關(guān)鍵氨基酸位點(diǎn)，挑選適配的抗體結(jié)構(gòu)支架，這些關(guān)鍵條件，直接決定抗體和目標(biāo)抗原的結(jié)合效果。

智能體會(huì)自動(dòng)整合多類數(shù)據(jù)，綜合考量結(jié)構(gòu)接觸范圍、疏水特性等關(guān)鍵要素，每一項(xiàng)推薦建議，都會(huì)附上科學(xué)原理和參考依據(jù)。

圖：識(shí)別目標(biāo)抗原上的熱點(diǎn)殘基

第三步：AI 篩選優(yōu)質(zhì)候選分子，深度分析實(shí)驗(yàn)數(shù)據(jù)

模擬計(jì)算實(shí)驗(yàn)結(jié)束后，平臺(tái)會(huì)自動(dòng)整理結(jié)果，提前篩選出一批優(yōu)質(zhì)候選分子。

這些候選分子都經(jīng)過了多維度優(yōu)化和風(fēng)險(xiǎn)排查，提前規(guī)避了會(huì)影響抗體穩(wěn)定性、藥效和量產(chǎn)開發(fā)的各類問題，從源頭減少無效研究。

圖：多維度篩選后，AI推薦候選分子

每一個(gè)入選的候選分子，都會(huì)標(biāo)注清楚推薦理由。同時(shí)平臺(tái)配備專業(yè)分析工具，支持分子動(dòng)力學(xué)分析、序列多樣性核查等深度分析。

第四步：一鍵對(duì)接合作實(shí)驗(yàn)室，自動(dòng)打通數(shù)據(jù)閉環(huán)

敲定最終要測(cè)試的候選分子后，在平臺(tái)內(nèi)就能直接對(duì)接合作的CRO、第三方實(shí)驗(yàn)室等。只需要選定檢測(cè)實(shí)驗(yàn)類型，就能實(shí)時(shí)看到實(shí)驗(yàn)成本、交付周期，告別以往手動(dòng)對(duì)接過程。

圖：候選分子直接發(fā)送給集成的CRO合作伙伴，附帶檢測(cè)細(xì)節(jié)、成本估算和周轉(zhuǎn)時(shí)間

線下實(shí)驗(yàn)全部完成后，實(shí)驗(yàn)數(shù)據(jù)會(huì)自動(dòng)同步回流到亞馬遜這套系統(tǒng)里。所有實(shí)驗(yàn)數(shù)據(jù)統(tǒng)一收納管理還能直觀對(duì)比 AI 預(yù)測(cè)結(jié)果和真實(shí)實(shí)驗(yàn)數(shù)據(jù)。并且所有過往所有研究數(shù)據(jù)，都能在統(tǒng)一平臺(tái)查看整理。

第五步：實(shí)驗(yàn)數(shù)據(jù)反哺模型，形成閉環(huán)持續(xù)優(yōu)化

這也是「干濕試驗(yàn)閉環(huán)」模式最核心的優(yōu)勢(shì)。真實(shí)的線下實(shí)驗(yàn)數(shù)據(jù)會(huì)全部反饋給 AI 模型，用最新的實(shí)測(cè)數(shù)據(jù)持續(xù)微調(diào)、優(yōu)化模型算法。

圖：在模型微調(diào)前驗(yàn)證濕實(shí)驗(yàn)室數(shù)據(jù)質(zhì)量

經(jīng)過多輪「AI 預(yù)測(cè)—實(shí)驗(yàn)驗(yàn)證—數(shù)據(jù)反哺—模型升級(jí)」的循環(huán)，模型的預(yù)測(cè)準(zhǔn)確率會(huì)越來越高，篩選出的藥物候選分子可靠性也會(huì)穩(wěn)步提升。

其內(nèi)置的AI智能體可幫助研究人員自動(dòng)選擇模型、設(shè)定參數(shù)并解釋結(jié)果，將候選藥物從計(jì)算篩選到實(shí)驗(yàn)室測(cè)試的整個(gè)流程縮短至數(shù)周。

發(fā)布行業(yè)最大AI抗體數(shù)據(jù)集

就在同一天，亞馬遜與約翰霍普金斯大學(xué) Gray 實(shí)驗(yàn)室聯(lián)合發(fā)布，抗體可開發(fā)性基準(zhǔn)數(shù)據(jù)庫(kù)。

該數(shù)據(jù)集是目前全球公開領(lǐng)域規(guī)模最大、多樣性最高的抗體AI評(píng)測(cè)標(biāo)準(zhǔn)數(shù)據(jù)集。

數(shù)據(jù)集包含50個(gè)具有臨床和科學(xué)價(jià)值的種子抗體，覆蓋IgG、VHH、NearGermline-IgG、scFv四種結(jié)構(gòu)格式，靶向42種不同抗原。

此外，數(shù)據(jù)集重點(diǎn)測(cè)量表達(dá)量、純度、熱穩(wěn)定性、聚集性、多反應(yīng)性、疏水性六大關(guān)鍵可開發(fā)性指標(biāo)。

上述指標(biāo)直接決定了一款抗體能否成為可量產(chǎn)、穩(wěn)定且安全的治療藥物。

與現(xiàn)有公開數(shù)據(jù)集相比，它的多樣性達(dá)到了前者的20倍。更具突破性的是，數(shù)據(jù)集不僅包含可開發(fā)性良好的抗體樣本，還納入了大量經(jīng)過系統(tǒng)突變得到的、可開發(fā)性不佳的變體。

所有數(shù)據(jù)均經(jīng)過濕實(shí)驗(yàn)室實(shí)驗(yàn)驗(yàn)證，提供了現(xiàn)有公開基準(zhǔn)所缺乏的真實(shí)實(shí)驗(yàn)依據(jù)。

此外，該數(shù)據(jù)集支持零樣本學(xué)習(xí)，能夠在不提前讓模型接觸數(shù)據(jù)的情況下進(jìn)行評(píng)測(cè)，有效避免數(shù)據(jù)泄露，讓評(píng)測(cè)結(jié)果更具可信度和參考價(jià)值。

目前，這款基準(zhǔn)數(shù)據(jù)集已正式嵌入亞馬遜生物發(fā)現(xiàn)平臺(tái)，供全球科研團(tuán)隊(duì)直接使用。

官方表示，數(shù)據(jù)集還會(huì)繼續(xù)保持更新，平臺(tái)未來還會(huì)添加更多模型。

AI制藥新基建爭(zhēng)奪戰(zhàn)

這次的平臺(tái)化升級(jí)，是亞馬遜在AI制藥領(lǐng)域的關(guān)鍵舉措。

如今，亞馬遜現(xiàn)在不僅限于算力，而是通過生態(tài)打通了從AI模型、到實(shí)驗(yàn)驗(yàn)證、再到數(shù)據(jù)反饋的全流程?？蛻粢坏┝?xí)慣使用，遷移成本極高，從而被深度鎖定，確保了未來的利潤(rùn)流。

不僅如此，亞馬遜的野心絕不止于藥物發(fā)現(xiàn)環(huán)節(jié)。

據(jù)報(bào)道，亞馬遜已將聯(lián)合BCG和默克推出用于優(yōu)化臨床試驗(yàn)點(diǎn)選擇的AI平臺(tái)，優(yōu)化和改進(jìn)臨床試驗(yàn)環(huán)節(jié)。

這些都指向一個(gè)不可逆轉(zhuǎn)的趨勢(shì)——AI正在重塑整個(gè)新藥研發(fā)的底層邏輯。

這一趨勢(shì)下，科技巨頭們都在搶占AI制藥新的生態(tài)位，從實(shí)驗(yàn)室、數(shù)據(jù)、平臺(tái)全方位地與醫(yī)藥巨頭們合作。

例如OpenAI已經(jīng)合作了諾和諾德、賽諾菲、禮來、Moderna等跨國(guó)醫(yī)藥企業(yè)，與這些合作伙伴共同打造全球頂尖模型，改變藥物研發(fā)。

英偉達(dá)也從以往的算力提供商，到組建研發(fā)團(tuán)隊(duì)，主動(dòng)推動(dòng)醫(yī)藥行業(yè)發(fā)展。

去年一整年，英偉達(dá)的研究團(tuán)隊(duì)與全球頂尖實(shí)驗(yàn)室一道，發(fā)布了多款行業(yè)基礎(chǔ)模型，全部都進(jìn)入BioNeMo平臺(tái)中。

畢竟，全球每年生物醫(yī)藥的研發(fā)投入是上萬億元。

屆時(shí)，越來越多的制藥研發(fā)工作流經(jīng)人工智能，以及越來越多的制藥研發(fā)預(yù)算流經(jīng)科技巨頭們。

—The End—