抗体药物是生物医药的支柱，但传统研发路径耗时数年，且难成药靶点难以获得高亲和力抗体。更棘手的是，即使AI给出高分序列，进入湿实验后，仍会在成药性指标上折戟，成本损失巨大。这些痛点，正催生AI设计抗体的新范式。

AI制药（AIDD）是利用人工智能加速药物研发的新兴领域，核心是让AI从海量数据中学习分子结构与功能的关系，直接生成或筛选候选药物，替代传统“大海捞针”式的实验试错。

AI制药算得准，却做不快？

AI制药覆盖药物研发全链条：靶点发现阶段，AI通过多组学数据识别新靶点；分子生成阶段，扩散模型和蛋白质语言模型从头设计小分子或抗体序列；亲和力预测阶段，AlphaFold-Multimer等工具预测复合物结构并计算结合强度；ADMET预测阶段，AI提前筛除难开发分子；临床阶段，AI优化患者分层和试验方案。简言之，目标是让药物发现从“实验驱动”转变为“计算驱动”。

然而，产业化仍面临多重瓶颈。

• 高质量数据稀缺且分散：药物研发数据分散在专利和文献中，阴性结果往往不被发表，模型训练存在偏差。

• 湿实验验证通量不足：AI可在一周内生成数千候选分子，但传统合成、表达、纯化、检测流程远远跟不上，形成“设计快、验证慢”的剪刀差。更严峻的是，多篇文献指出，AI从头设计全长IgG的真实湿实验结合命中率仅1%-5%。大量电脑上的高分序列，送到实验室后出现表达量极低、蛋白聚集、热稳定性差等致命缺陷，等到CMC阶段才暴露，研发成本全部沉没。

此外，模型可解释性不足使失败原因难以判断，从而影响迭代优化效率；临床转化率偏低，目前尚无AI设计的药物获批上市；监管路径不明确，导致计算生成药物的申报标准仍在探索。

临床阶段已破冰，验证还在狂奔

尽管挑战重重，AI制药在过去几年也已取得实质性进展，多个标志性案例证明其可行性：

• 小分子领域：英矽智能的TNIK抑制剂ISM001-055从靶点发现到临床前候选仅用18个月，目前已进入III期临床；

• 抗体领域：Absci的AI设计抗体ABS-101已进入临床阶段，是通过靶向肿瘤坏死因子样细胞因子1A（TL1A），治疗炎症性肠病（IBD）的抗体；Generate Biomedicines的GB-0895（抗TSLP长效抗体）也已进入临床开发阶段。

据insight行业数据统计，整个AI制药行业，2026年AI驱动的新药临床管线增长至一百七十余种，呈指数级爆发，其中近十款更是推进至III期。

干湿闭环：AI制药的“最后一公里”

AI制药的未来，在于AI与自动化实验的深度融合。当前行业正在构建 “设计→构建→验证→数据反馈”的干湿闭环：AI生成候选→自动化平台快速合成与表达→高通量功能验证→数据回流优化模型。每一轮循环都在提升模型预测能力，缩短研发周期。

当AI把药物设计推向规模化，谁来承接这场设计革命所释放出的实验需求？这已成为AI制药产业化的核心命题。

君跻生物与唯信计算达成战略合作，联合推出的AI抗体设计平台，正在将这一闭环落地。 君跻生物提供全自动化湿实验验证能力，覆盖基因合成、蛋白表达与功能检测；唯信计算的WeMol平台则融合人工智能、生物物理与分子模拟，可对抗体序列进行设计、预测与优化。

AI生成的候选抗体序列进入君跻生物自动化平台，完成高通量表达与亲和力检测，实验数据实时回流至WeMol模型，驱动下一轮设计迭代。模型越用越准，研发周期越用越短。这一“AI设计—自动化验证—数据回流”的干湿闭环，正是双方为AI制药时代共同搭建的“验证底座”。

君跻生物依托自主研发的GentSyn-Exp3.0G-Lab全自动化生产线，打造了从基因设计、合成、验证到蛋白表达及抗体亲和力表征的一站式、高通量技术平台。传统研发模式依赖大量人工验证，而君跻生物用自动化重新定义了湿实验的效率和成本。

• 高通量筛选：高通量表达筛选极大降低了单个样本的检测成本—IgG单抗259元/条、VHH纳米抗体129元/条。每条抗体附赠800ul可直接用于功能验证的抗体上清——省去纯化步骤、跳过中间环节，从基因到抗体，一站式直达下游实验。

• 亲和力检测：君跻生物提供ELISA、BLI和SPR三大亲和力检测平台，覆盖从早期高通量筛选到候选分子精确表征的全流程需求。无论您处于抗体发现的哪个阶段，君跻生物都能匹配最合适的亲和力检测方案。

AI最怕的就是实验失败带来的“无效反馈”。君跻生物依托自动化与AI算法优化，首次合成成功率高达99%，序列准确性达99.9%。这确保AI智能体收到的每一个反馈信号都是真实可靠的，极大提升了自主探索的效率。

让AI设计的候选分子，在最短时间内获得湿实验数据。如需了解相关服务详细，可发送邮件至marketing@gentlegen.com。