公司自成立以来，一直注重技术与创新，遵循新药研发规律、行业发展和技术演变，紧跟科技前沿，紧随政策及法规步伐，在可持续性发展的技术平台建设上下足功夫。近年来，从人工智能（AI）、绿色化学和“蛋白质组学、基因剪辑和高通量”综合技术三个方面持续投入，培育和发展技术能力。
1、人工智能（AI）在药物研发领域的应用与积极探索
（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。
（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。
追加内容
本文作者可以追加内容哦 !
