研发费用：
2023年4.48亿，2022年2.28亿，环比增加2.2亿。
研发投入方向：
1、人工智能（AI）在药物研发领域的应用：
2、包括流体化学（又称连续生产技术）、生物酶催化、电化学技术在内的绿色化学技术
3、化学蛋白质组学平台、基因编辑技术、基因编码化合物库技术平台、化学反应筛选平台
康龙化成在（AI）在药物研发领域的应用：
（1）应用 AI 技术预测永生化细胞体外生长趋势。2023 年，我们利用人工智能技术构建了一个能够较为准确模拟永
生化细胞在体外生长曲线的机器学习模型，该模型基于既有细胞体外生长数据进行训练，目前不仅可以捕捉细胞在生长
初期的变化规律，并可以预测长时间培养的生长状况。这一模型适用于肿瘤细胞体外药效实验条件的筛选，在短时间内
选择最优的实验条件进行药效的筛选。2024 年我们将持续对现有模型进行优化，包括细胞在复杂基质中或者共培养条件
下的生长趋势。
康龙化成（北京）新药技术股份有限公司 2023 年年度报告全文
18
（2）应用 AI 技术预测体外水平的药物作用机制。在药物研发的早期探索阶段，一些苗头化合物的发现是通过表型
筛选获得，对其作用机制没有任何线索。2023 年我们利用高内涵平台建立了单细胞成像技术来捕捉药物作用所引发的细
胞内部的细微变化。利用已知作用机制的化合物库对细胞进行处理，利用单细胞成像获得了大量实验数据。在此大数据
的基础上，我们训练了人工智能模型来学习细胞细微形态变化与药物的作用机制之间的复杂联系。利用单细胞成像，结
合后续的人工智能模型，我们能够对未知作用机制的化合物做出相关信号通路乃至潜在作用靶点的预测，并对可能的脱
靶效应发出预警。2024 年我们将持续提升模型的适用范围和精细程度，为苗头化合物的早期发现和作用机制提供强有力
的评估策略。
（3）运用 AI 技术预测和筛选化学反应条件。2023 年着手开发有机化学反应条件推荐以及有机合成路线设计和推荐
的人工智能模型（平台）， 这一类人工智能技术将大大减少化学研究员摸索反应条件和打通（验证）合成路线的时间，
从而大幅度地加快化合物（药物分子）的合成速度。
（4）建立 AI 模型，对生物酶性能的设计与改造。在药物中间体合成和化学生产领域，应用生物酶来催化有机化学
反应，是绿色化学的重要组成部分。2023 年我们在酶催化领域建立人工智能模型，基于蛋白质三维结构及其序列信息等
大量复杂数据的计算，高效准确地进行酶性能的设计和改造，目前已应用于预测酶的活性和稳定性，并与验证实验协同
迭代，通过若干阶段的改造，从而改进了酶的性质和应用。人工智能技术的应用，对理解酶的工作机制、设计新酶以及
改造现有酶的活性和稳定性都具有重要意义，为生物催化在化学合成和生产的应用提供了更加广阔的空间。2024 年我们
将继续拓展 AI 在酶催化领域的应用，建立模型用于候选酶的筛选，同时对其性能进行优化，进一步提高化学工艺研发
的效率。
本文作者可以追加内容哦 !
