• AI制药行业近年来正迎来蓬勃发展的黄金时期。随着人工智能技术的飞速进步和大数据的广泛应用，AI在药物研发领域展现出巨大的潜力和价值。传统药物研发过程漫长、成本高且失败率高，而AI技术的引入，使得药物研发变得更为高效和精准。
  s36沙龙会作为一站式生物医药临床前CRO，二十年来一直积极探索药物研发的前沿技术。在AI制药领域，s36沙龙会在与多家AI创新药研发公司（如英矽智能、德睿智药等）的合作基础上，搭建了AI药物发现平台。

  

  s36沙龙会AI药物发现平台加速多种药物研发管线研发进程

  

  

AI+结构生物学

• s36沙龙会在结构生物学上具有丰富的研究经验，可以为基于结构的药物设计(SBDD)提供强大的服务支持。

  

  蛋白表达与纯化服务

  多种蛋白表达系统

  多种纯化工具酶

  多年表达及纯化经验

  

  蛋白结晶服务

  结晶条件通量筛选

  晶体定制培养

  多家合作单位

  

  AI蛋白结构预测

  开源数据模型应用

  多家合作单位提供更精准预测

AI+从靶点到hit

• s36沙龙会AI靶点生物分析通过生物通路分析、组学分析和器官表达分析等手段，深入挖掘生物标志物的联系，发现药物作用的潜在靶点。此外，平台还与多家虚拟分子库供应商深度合作，进行高效的虚拟筛选，快速生成Hits化合物，并通过多种技术手段进行验证。

• s36沙龙会AI靶点生物分析

  生物通路分析
  AI辅助建立生物通路数据库
  AI生物通路信号拓扑虚拟分析

  组学分析
  机器学习挖掘生物标志物的联系

  器官表达分析
  大数据与现实结合发现表达位点

• s36沙龙会AI靶点药物分子筛选

  (1) 与多家虚拟分子库供应商(Enamine, Life chemicals…)深度合作
  (2) 高效虚拟筛选
  (3) 支持TR-FRET，FP等高通量筛选
  (4) Hits化合物快速生成及衍生
  (5) 支持NMR，MST, SPR进行Hit validation
  

• AI+Hit到先导化合物

  从Hit到先导化合物，s36沙龙会AI药物发现平台运用先进的AIDD/SBDD技术，设计新骨架分子，并可优化药物分子的结构和活性。

  (1) AIDD/SBDD
  (2) 新骨架
  (3) 分子对接
  (4) 分子动力学模拟
  (5) 自由能微扰
  (6) 可合成性分析

• AI+先导化合物优化

  在药物研发的征途上，先导化合物的优化是至关重要的一环。s36沙龙会AI药物发现平台，凭借其前沿的技术和深厚的行业经验，为先导化合物的优化提供了全面而精准的支持。

  (1) AI分子生成模型
  (2) AI活性预测
  (3) 构效关系研究
  (4) 理化性质预测
  (5) 选择性/脱靶活性
  (6) ADME预测

  

• AI+候选药物

  在候选化合物方面，s36沙龙会AI药物发现平台服务涵盖活性测试、动物药效验证等多个关键环节，确保候选药物在临床应用前得到充分的验证和评估。

  (1) 活性测试
  (2) 动物药效验证
  (3) 药代动力学研究
  (4) 毒理学研究

• s36沙龙会AI药物发现平台-AIDD 案例

  

推荐阅读：

• 1、 s36沙龙会助力 | 英矽智能MAT2A抑制剂中美双报获批
  2、 s36沙龙会助力 | 祝贺德睿智药GLP-1RA小分子口服药物成功完成临床I期首例受试者给药
  3、 s36沙龙会与英矽智能达成战略合作，共论新药+AI未来
  4、 s36沙龙会与德睿智药达成战略合作，用AI赋能肿瘤创新药研发！
  5、 s36沙龙会与苏州朗睿达成战略合作，加码AI赋能创新药研发
  6、 s36沙龙会与英飞智药达成战略合作，加速源头创新，助力降本增效
  7、 s36沙龙会与深势科技达成战略合作，构建早期药物发现及评估一体化AI平台

FAQs

• AI技术在药物研发的各个关键环节中发挥了哪些作用？

  在医药领域，AI的应用已逐步渗透到药物研发的各个关键环节，包括靶点的发现和识别、药物的从头设计、ADMET（吸收、分布、代谢、排泄和毒性）预测，以及临床试验的设计与执行。

  1、靶点的发现和识别
  AI技术能够通过大数据分析，快速挖掘海量生物信息数据中的潜在靶点，并结合机器学习算法对靶点进行精准预测和验证。这不仅大大提高了靶点发现的效率，还降低了发现成本，为药物研发提供了更多可能性。

  2、药物的从头设计
  AI通过机器学习算法预测化合物的生物活性、毒性以及药代动力学性质，从而设计出具有潜在药效的候选分子。这种从头设计的方法不仅提高了药物研发的效率，还降低了研发成本，为新药研发开辟了新的道路。

  3、ADMET预测
  AI技术综合考虑化合物的物理化学性质、生物转化途径以及潜在毒性等多方面因素，对化合物的ADMET性质进行精准预测。这有助于在早期阶段筛选出具有良好药代动力学性质和较低毒性的候选药物，减少后期研发失败的风险。

  4、临床试验设计与执行
  AI通过分析历史试验数据和患者信息，优化试验设计，提高试验效率和准确性。同时，AI还能实时监测患者的生理指标和反应情况，为医生提供及时的反馈和建议，确保试验的安全性和有效性。

• 所有研究均在同一园区内实验室有序完成，切实保证实验进度和项目沟通的高效性，占据数据获取和评估的行业优越性。