随着当前大规模和超大规模计算的需求日益增长，提高计算性能和发展高性能计算迫在眉睫。目前的解决方案可分为两类。
一是努力突破传统计算机的物理极限和提出更优化的算法。然而硬件上，硅基材料大规模集成电路制造技术正逐渐走到尽头，工艺和制程已经难以继续支撑集成电路性能的进一步提升；软件上，现有的大规模人工协同开发大型软件的模式，受到人力资源限制和大批量开发需求的双重挑战。求解复杂问题上，当前计算能力仍然无法满足复杂计算的需求。
二是发展非传统的计算技术，试图研发新型计算机来取代传统电子计算机，如生物计算、量子计算、光计算、超导计算等。
《“十四五”数字经济发展规划》指出，“十四五”期间中国将全面进入数字经济时代。
同时，《“十四五”生物经济发展规划》指出，科学规划、系统推进中国生物经济发展，是顺应全球生物技术加速演进趋势、实现高水平科技自立自强的重要方向，是前瞻布局培育壮大生物产业，推动经济高质量发展的重要举措，是满足生命健康需求快速增长、满足人民对美好生活向往的重要内容；规划中提出“鼓励发展生物计算、脱氧核糖核酸（DNA）存储等新技术”。
在中国全面进入数字经济时代，以及国家推动生物经济成为经济发展的新引擎的双重背景之下，CB Insights 中国关注生物计算领域，力争锁定数字经济时代下活跃的中国生物计算企业，期望为前沿科技成果转化，企业和人才发展带来新的契机。
关于生物计算的概念，业内还没有一个通用定义，这就使得各个公司以自己的方式去理解、塑造这个新兴领域。
CB Insights 中国研究团队认为，生物计算是生物技术和计算技术的前沿交叉领域，具有十分广阔的内涵。
生物计算一方面是用生物技术赋能计算技术的领域，目前主要包括分子计算和 DNA 存储。
其最初设想是研发基于 DNA 分子的计算机，但由于很多底层技术尚待攻克，同时受生化反应本身速度有限、需要“湿”环境、依靠并行计算支撑算力等因素限制，人们对真正的 DNA 分子计算机预计的面世时间推后。期望的上限降低，间接影响对 DNA 分子计算机本身的研究转冷，但在研究过程中衍生出两个新领域：分子计算和 DNA 存储，它们涉及到一系列具有产业化应用前景的底层技术。
分子计算中的分子，指 DNA、RNA、蛋白质等生物大分子，通过生物大分子的结构变换和分子杂交可以实现信号的传输和转换，利用分子处理信息的能力来代替数字开关元件是分子计算的基本思想。
分子计算的研究当前主要集中在 DNA 计算的生物工具、集成模块、逻辑门、DNA 智能计算机方面，涉及分子逻辑门、分子开关、DNA 链置换反应等各种分子的数字电路或者模拟电路设计的技术，以及在微观尺度加工制造 DNA 结构的 DNA 纳米技术、DNA 折纸技术等，可应用于逻辑运算、生物传感器制造、生物标志物检测、DNA 纳米机器人等场景。
目前在诊断领域可将传统方法里的“关键疾病分子信息提取”、“数据计算与分析”、“解读报告”等步骤进行高效整合，像一个集成电路一样进行相关的分子识别和计算。
DNA 计算在实际应用中并不能取代电子计算。最优方案是利用 DNA 计算的高并行计算能力，实现高度并行的计算任务，而固有的串行任务仍采用电子计算完成。
DNA 存储涉及信息编码、DNA 合成和存放、DNA 测序和信息解码等技术。DNA 存储是重要的战略新兴技术，利用 BT 技术解决 IT 卡脖子问题，相比于硅基存储具有存储密度高、稳定性强、维护成本低的优点，但目前 DNA 数据存储成本较高，读取和写入的速度并不能支持大规模应用，主要用于信息加密和访问频次低，但占比高的“冷数据”存储方面。
近 15 年来，人类基因组测序成本从 2007 年的 700 万美元下降到如今不到 700 美元，但是 DNA 合成成本只从 1000 美元 /kb 下降到了 100 美元 /kb，DNA 合成成本仍然比 DNA 测序的成本要高出 4 到 5 个数量级。
对于 DNA 的化学合成来说，即使每个碱基的化学合成效率达到 99.5%，300 个碱基的合成效率也只有 20-30%。因此目前通过化学合成的片段一般只有 200-300 碱基，在此基础之上短期内很难提高。目前对于降低长片段 DNA（即 >1000 个碱基）合成成本的有效方法在于开发成本更低的 DNA 片段拼接组装的技术。
但由于目前 DNA 合成下游应用的市场规模所限，企业降低成本并不会带来利润的大幅提高，因此目前企业没有动力去进行降本的研发。未来随着合成生物学的发展和整个产业链的成熟，对 DNA 合成需求增大，这一状况会有所改善。
如上所述，分子计算和 DNA 存储领域的相关底层技术还未完全成熟。目前的研究主要集中在高校和研究院所，如清华大学、北京大学前沿交叉学科研究院、上海交大 DNA 存储研究中心、天津大学、东南大学、中科院深圳先进院等。而在 DNA 存储的商业化探索中目前也仅有非常少数的公司进行了一些初步探索。
未来随着分子生物学、合成生物学、纳米生物学等学科的发展，人们对 DNA 分子的测序、编辑、合成、加工等各种操作能力的进一步提升，在生物技术发展和计算需求增长的双重驱动之下，生物技术必将更加深刻的推动计算技术的发展。
另一方面，生物计算是用计算技术赋能生物技术的领域，即通过用生物数据和算法来辅助模拟和预测不同的生物现象。目前主要包括计算生物学和生物信息学学科，涵盖了多组学数据分析、系统生物学、自然语言处理、医学信号和成像处理、分子建模等多个应用场景分支。
在分子建模领域，随着高性能计算技术和机器学习、人工智能等算法的发展，以及解析蛋白结构的实验手段增长而带来的数据积累，人们可以对微观分子的结构和相互作用，通过计算手段进行预测和设计，大大加速了新药临床前研发的流程。
目前药物临床前开发的流程，包括从靶点发现开始，通过虚拟筛选、活性筛选、成药性筛选等一系列步骤，从几亿个分子当中，层层缩小候选化合物的范围，最终筛选出的几个候选分子进行实验验证，而这整套流程都可以通过计算机或者 AI 进行加速。
全球数据统计显示，新药研发的成功率已经从 10% 下降到现在的 2-3%，使得产业更加青睐风险低的跟随式创新。例如，PD1 相关的研发项目由于获得 2018 年诺贝尔奖再度频繁上马，CAR-T 技术由于治好了美国前总统的肿瘤声名大噪，也令药企趋之若鹜。
研发资源聚集在跟随式创新，使得中国药品领域“供给侧”矛盾突出，高端 First-in-class 好药新药严重不足，低端仿制药却过剩。驱动医药产业主动走向真正的创新，必须要让科研院所、制药企业解决新药研发过程中的痛点。而随着计算生物学的发展，新生的 AI 制药公司为解决这一痛点带来了希望。
计算生物学领域的企业的商业模式主要有两种。一种是平台型，为传统的药企提供计算服务，通常会和其他的公司合作开发药物，或者掌握蛋白结构预测和设计技术的公司也有将这一技术用于合成生物学中酶元件的理性设计，成为合成生物学领域的平台型公司。另一种是产品型，借助 AI 辅助自主进行药物全流程研发和管线推进，或者自主搭建车间进行合成生物学产品的生产。
考虑到药物研发的高失败率，一款 First-in-class 新药的研发成本平均需要 15-20 亿美元，而其中临床试验阶段的资金和时间成本要超过临床前药物发现阶段，因此产品型公司对整体的资金情况有着更高的要求，而一旦药物上市成功，其高风险高投入也会带来更高的回报。
所以对于初创企业来说，先从平台型公司做起，形成一定的技术和资金积累之后再往产品型公司转型，或者只做早期管线分子开发，将后期成本更高的临床试验交给成熟的药企来做，是一条可行的路径。
从 2017 年开始，AI 制药领域受到了资本的追捧，众多 AI 赋能小分子药物研发的公司相继成立，而在 2020 年底 DeepMind 公司推出了 AlphaFold2 之后，人们可以通过计算对蛋白质结构的预测达到了原子的精度，解决了蛋白质结构预测领域工程化的难题，大大提高人们对此领域商业化的信心，2021 年 AI 赋能大分子药物研发的公司也在逐渐孵化。
这些公司各具特色，根据自身的技术特点重点关注整个制药流程中的部分或整体流程。但即使是从世界范围内看，AI 制药目前还没有一款药物上市，进程最快的也只有临床 II 期阶段。CB Insights 中国研究团队重点关注国内计算生物学领域的企业的合作和管线推进情况，这是他们未来能否创收和生存的最关键因素。
然而这一领域的发展并不是一帆风顺，目前在技术上面临最大的困境就是数据量不足。
机器学习和人工智能等算法原理本身并不复杂，难的是想真正实现对分子结构和相互作用准确预测，需要对模型的大量参数进行调节，如蛋白结构模拟软件 AlphaFold2 有上万个参数，来实现对真实能量函数的高度逼近，这是一个艰巨的工程化问题。好在这个调参工作进行完成之后，其他人可以以工具包的形式对其调用，只需根据具体的需要，在原有基础上有针对性的进行一些优化工作。
但问题是，算法优化需要海量的数据作为训练集，数据量越大，算法预测的准确度越高。初创公司从公开的数据库获得的数据有限，而且也难以形成自己的独特优势，而传统药企多年积累的分子结构的数据是其核心竞争力的一部分，不可能公开，因此提供算法服务的生物计算初创公司与传统药企的合作或许可以为行业带来更大的价值。
在多组学数据分析领域，随着全基因组测序技术的成熟，单细胞组学测序、空间转录组学、蛋白质组学的质谱分析等新的组学手段的兴起，测序技术从单一的基因组学向转录组学、蛋白质组学、代谢组学以及多组学联合分析的方向发展，实验和测序手段的发展可以带来大量高质量标准化数据。而且这个领域相对预测分子结构的问题不是那么高维，属于数据的积累会对算法产生非常大帮助的领域。
而且随着测序成本的降低，精准医学、转化医学研究以及个体化医疗的需求越来越大，人们越来越需要借助高通量的数据分析，充分理解生物体运作的分子机制，了解复杂疾病的发生和治愈的微观过程，寻找能够更精准诊断疾病的生物标志物和进行针对性治疗的药物靶点。生物信息学手段在海量生物多组学数据的基础之上进行生物学机制的研究中扮演了重要的角色。
从产生生物数据-数据整理和清洗-数据分析-找到疾病靶点/标志物分子的这一流程来看，上游高质量数据的产生同样是其中相对短缺且门槛最高的环节。高精度测序仪和质谱仪等设备，检测技术的沉淀，开展临床检测的许可(报证审批通过之前可以先采取 LDT 模式），甚至样品制备环节都影响巨大。例如对于单细胞测序技术，样品制备当中细胞活性影响背景噪音、细胞比例偏离组织真实状态、制备时间过长使得细胞处于应激状态，都会影响最终数据质量。
通过计算预测最终找到的靶点和分子还需要“干湿”结合，通过功能基因组学的基因敲除实验，才能确证这是一个“正确”的靶点，即降低某个蛋白在某组织或者细胞当中的含量的确可以对疾病产生治疗作用。但找到“正确”的靶点也只是做完了事情比较容易的一半，因为只有针对靶点把药物做出来，才能证明是“可成药”的靶点。开发新的药物靶点比单纯做一个已知靶点的药风险更大，周期更长。
生物医学领域的研究，是一件困难但正确的事情。计算技术对其是一个有效的辅助工具，并且有望在未来成为催生创新的关键驱动力。
在药物开发环节，依靠的其实是结构预测、分子热力学和动力学这些基础物理、化学原理，这些原理已经基本清楚，只不过因为其计算的复杂性，需要借助 AI 来加速这个过程。而更多的未知则在于其上游的生物体运作的机制，疾病的发生和治愈的过程，这也正是“生物”计算能带来科学价值的地方。
AI 可以为科学研究带来新的增长点。从生物科学的角度出发，之前更多是基于专业领域知识的触发来做研究。通俗来讲，AI 只是作为一种计算手段扮演了配角的作用。更多的是在有大量的生物学数据和生物领域知识的前提下，用一种非常简单的统计模型或者是机器学习来做简单的拟合。
但伴随着 AI 技术的发展和深化，未来在生物医学研究领域，我们可以从 AI 入手去认识生物学问题，为科学问题量身定制一套 AI 的算法与开发。如果说传统的自然科学的发展严重依赖于少数顶级科学家的智慧的话，在未来，有了人工智能技术的加持，更多的科学工作者可以以更高的通量去做研究，最终加速了生命科学研究的进程。
CB Insights 中国关注在中国境内、依托中国资源、服务中国的生物计算企业，根据企业技术创新性、管线推进、项目合作、投融资等维度，遴选出这些活跃的生物计算企业（按企业中文首字母排序）。
关键词：单细胞大数据分析领军者
百奥智汇致力于将单细胞机理研究平台和生物信息学大数据/AI 平台充分应用于癌症等重大人类疾病的诊断和治疗。核心竞争力为融合了先进的单细胞基因组平台、生物信息学工具和机器学习算法。
建立了全球领先的单细胞多组学数据库，收录了公开发表的疾病和健康组织数据集 3100+ 个，涵盖 1600+ 个研究、3.7 万个细胞群、6000+ 万个细胞，并持续不断更新。打造了从“上游”单细胞测序、数据分析到“下游”药靶验证、抗体开发的一体化解决方案。目前已与多家国际知名药企、三甲医院、高校、科研院所等建立紧密合作。
关键词：生物计算引擎驱动的创新药物研发平台
基于高维度多组学、高通量湿试验、生物超算平台，构建了高通量干湿闭环的生物计算引擎，加速对复杂疾病机理的发现进程，提升生命科学研发效率。目前已在 10 余种免疫相关疾病，包括肿瘤免疫、自身免疫性疾病、纤维化疾病和衰老相关疾病领域，拥有 50+ 个靶点及药物研发资产组合。
通过卓越开发者计划，目前已与北京大学、清华大学、西湖大学、北京协和医院、北京大学肿瘤医院、中国医学科学院肿瘤医院、北京大学人民医院、北京大学第三医院等多家机构达成了 20 余个合作项目。
关键词：自主研发的两款 PROTAC 药物进入临床 I 期试验阶段
AI+ 高性能计算技术提高筛选药物准确性和效率，打造算法平台，结合实验验证，加速新一代药物开发。目前已布局 AI 计算实验室、生物实验室、结构实验室和化学实验室，搭建起全链路 AI 制药平台，打通了小分子药物临床前研发的各个环节，包括虚拟筛选、活性预测、化学逆合成、药物优化等。
已建成超过 10 个生物新药的产品管线。其中靶向降解雌激素受体的乳腺癌药物 AC0682 已获批进入美国和中国临床 I 期试验，是全球范围内第一个获得 FDA 以及 NMPA 许可的口服雌激素受体嵌合降解剂。
关键词：长片段低成本 DNA 合成技术平台 + TCR-T 应用
呈源生物借助其在DNA热力学、动力学模型以及计算生物学领域的技术积累，将 DNA 拼接反应的指令密度从行业标准的每微升0.5个指令提高到每微升100个指令，并实现了高通量有效纠错。以此为基础，呈源生物实现了将长基因（即 1 kb 以上的基因）的合成成本从 100 美元 /kb 降低到 1 到10 美元 /kb。
依托高通量DNA 合成平台，呈源生物制备了全球最大的全合成、源于肿瘤侵润细胞的 T 细胞受体（TCR）基因库，并通过该基因库鉴定出了多个具有高度肿瘤杀伤能力的 T 细胞克隆。呈源生物正致力将这一个体化TCR发现流程开发成新一代个体化、多克隆、肿瘤反应性 TCR-T 疗法。
关键词：AI 蛋白结构设计新星
分子之心由 AI 蛋白结构预测领域的奠基人许锦波教授创立。许锦波教授于 2016 年研发 RaptorX-Contact 方法，首次证明深度学习可以大幅提高蛋白质结构预测的精度。2020 年 DeepMind 将这一方法应用在 AlphaFold 的开发中。
基于许锦波教授的前期研究成果，分子之心正在构建 AI 驱动的蛋白质设计新引擎。自主研发了 AI 大分子优化与设计平台 MoleculeOS，可用于多肽、抗体、酶和小蛋白等研究和从头设计，包括生成自然界不存在的具有特定功能的全新蛋白质和抗体。全新的 AI 蛋白质设计引擎使蛋白质优化与设计从实验室研究走向工业级应用水平，引发大分子药物研发范式演进，助力创新药研发、生物材料、合成生物学等领域发展。
关键词：已推出首个由 AI 设计的、具有临床价值的广谱新冠中和抗体
华深智药致力打造新一代 AI 科学计算平台，并结合自研高通量生物实验技术，为研发人员提供微观世界分子计算、模拟与设计的智能系统。针对大分子药物开发，使用 AI 重构药物开发流程来提高新药的研发速度和效率。
在基础平台搭建方面，华深智药开发出了世界领先的蛋白质三维结构预测软件。在 2021 年 12 月的全球两大蛋白质结构预测竞赛之一 CAMEO 中，主要评价指标 IDDT 的得分上超越 AlphaFold2。华深智药自主开发了 OmegaFold 平台，第一次实现了不依赖于同源序列以及模版，仅从单条蛋白序列就能预测出 3D 结构，从此打破了 AlphaFold2 的范式。
华深智药在抗体设计的方法学上取得重要突破，新冠抗体 HX-001 的设计，采用以人工智能为核心的开发模式，数据生成和生物实验围绕人工智能算法展开，是全球首次由人工智能设计出的具有临床价值的抗体。
关键词：开启扫描光场显微镜新时代
致力于为生命科学研究、生物医药研发、医疗等领域提供助力，其研制开发的扫描光场显微镜 SLiM1100，提出扫描光场成像原理，建立数字自适应光学架构，将活体显微成像时空分辨率提高了 100 倍，光毒性降低了 1000 倍，以 6 小时，100 赫兹，三维亚细胞分辨率达到了活体显微观测的世界领先水平，支撑了肿瘤转移、免疫反应等前沿基础科学研究；发现了哺乳动物体内迁移体的起源和功能，肿瘤转移与免疫反应中的细胞交互机制。填补了高端仪器在肿瘤和免疫研究中的空白，构建了具备自主知识产权的显微仪器体系。
实时超大尺度高分辨率显微系统 RUSH2，提出多维多尺度光场智能显微原理，建立曲面二次成像显微模型，打破传统显微仪器设计理论极限，突破了脑科学研究难以兼顾细胞、组织到器官的动态观测的瓶颈，在国际上首次实现了活体全脑神经成像，为发现神经环路活动，揭示神经系统结构和功能等生命科学规律提供了重要利器，为脑认知到新一代人工智能提供了路径。
关键词：小分子药物发现与晶型预测技术
聚焦药物发现和药物固态研发领域，量子物理干实验室与先进湿实验室紧密结合，提供智能化药物研发服务。从晶型预测切入，逐步实现全流程覆盖。以药物分子通用力场、自由能微扰计算、AI 和云计算架构为核心技术。
在药物发现业务中以小分子药物发现为优势，业务涵盖分子生成、成药性评估与优化、独立代谢性质预测等关键步骤。在药物固态研发领域，晶体结构解析平台能够实现对分子内和分子间相互作用的精确描述，提升晶型预测效率。
关键词：DNA 数据存储领域探索者
较早投身 DNA 数据存储全产业链技术和产品开发，为永久保存以 PB 级增长的海量冷数据提供解决方案。开发了从底层信息编码与分子生物学切入的 DNA 数据存储方法，通过特有的编码算法将各种类型的数据（文字、图片、声音等）转化为 DNA 序列，并进行存储与读取。
打造 DNA 为新型介质的存储器件及自动化集成设备，融合行业级软硬件、搭建冷热数据分层存储架构，力争实现与现有文件存储系统的无缝衔接，逐步从档案数据、政府数据、医疗数据、自动驾驶数据等市场切入。
关键词：基于多组学数据挖掘，提供新药差异化开发策略
普瑞基准基于“多组学数据挖掘”的独特技术平台，提供新药差异化开发策略，助力药企打造创新的研发管线。创始人团队拥有 20 年组学和生物信息学领域的研究和产业经验，是 TCGA 等多个国际大型组学研究计划的科学领导者之一。
为国内外多家药企服务，已协助推进多个在研新药的开发。AIBERT 平台，整合了海量、高维、异构、不同来源的多组学数据，深化对疾病及其疗法的理解（分子机制层面），从而有效地提升新药研发的效率和成功率。通过新靶点发现/评估、创新生物标志物发现、适应症评估/拓展、耐药机制研究和联用方案探索等，助力新药研发的高效推进。
关键词：四代基因测序技术开拓者
齐碳科技于 2021 年 12 月发布了中国首台全自主研发的商业化纳米孔单分子基因测序仪 QNome-3841，具有长读长、实时、快速、小巧便携等特点。该产品为一款小通量测序仪，8 小时可产出 1-1.5Gb 数据，读长 >150kb，单次准确率达 90%，一致性准确率（50x）达 99.9%。2022 年 6 月发布了其升级版 QNome-3841hex，支持 6 张芯片独立运行，读长可达 2 Mb，可产出数据 18 Gb。
齐碳科技已形成知识产权成果约 200 项，其中发明专利 85 项。目前已在感染精准诊断、遗传病及肿瘤研究、动植物保护、司法刑侦等领域，与众多机构达成了相关合作，使用齐碳科技 QNome 测序平台的机构已超过 100 家。
关键词：“AI for Science” 科学研究范式先行者
深势科技开创性地提出了“多尺度建模+机器学习+高性能计算”的革命性科学研究新范式，开发出新一代 AI+ 分子模拟技术。其基于第一性原理的计算数据，通过深度神经网络对原子相互作用势能进行参数化，构建了能够有效克服“维数灾难”的模型，解决了微尺度分子模拟中精度与效率难以兼顾的问题，突破性地实现了精度与效率的统一。
其蛋白结构预测工具 Uni-Fold 在蛋白质结构研究领域首次完全开源训练代码与推理代码，意味着用户可以根据项目需求进一步训练和优化模型。Uni-Fold 还在国内实现首个自主研发、从头训练的蛋白复合物（protein complex）结构预测功能，在精度、速度上完成了对 AlphaFold2 的“双超越”。
关键词：分子设计平台+底层理论突破
借助丰富的药物研发行业认知、创新的数据集成方法和强大的软件与工程能力，望石智慧搭建了以靶点口袋研究、分子生成、超高通量虚拟筛选、理性设计、成药性优化等为核心的一体化技术平台，用于提升新药研发中从苗头化合物发现至临床前候选化合物流程中多个关键环节的效率与成功率。目前已与翰森制药、海正药业、泰德制药、协和等多家中外高校研究机构和药企达成项目合作。
同时，望石智慧构建了高效实用的 AI 药物分子设计平台，将服务不同研发环节的工具软件化或 SaaS 化，配合药物研发人员进行信息提取、基团优化和药物分子设计。目前已有上万注册用户，涵盖数百家医药研发企业或科研院所。
关键词：三条 AI+ 微生态药物管线进入临床阶段
未知君是 AI+ 创新疗法微生态药物研发领域的先行者，拥有先进完备的微生态药物研发平台。在 AI 端，拥有计算平台、算法分析平台和药物发现平台，积累了全球领先的微生物实物及数据资产，算法能从适应症和机制出发，实现功能产物和关键菌种预测。在 BT 端，打造了高通量自动化实验平台、动物模型验证平台、生产及临床平台。
结合人工智能、生物信息分析和肠道微生物技术，打通从“数据”到“药物”的转化全链路，实现微生态药物研发的完整闭环，将微生态制药从科学探索推向产业化落地。已拥有超过 10 条药物管线，覆盖了肿瘤、神经系统疾病、消化代谢系统疾病和免疫相关疾病等领域，包括配方菌、基因工程微生物、微生物衍生分子和肠菌移植 FMT 这四个主流的形态。2021-2022 年共有 3 条管线进入临床阶段。
关键词：完整的单细胞测序解决方案
新格元利用自主知识产权的单细胞技术，联合从耶鲁大学获得的独家微流控单细胞处理专利授权，开发出基于微流芯片的创新性单细胞技术平台，突破了常规单细胞测序技术在周期、通量和多组学等方面的瓶颈，为单细胞分析技术在临床检测上的应用扫除障碍。
新格元致力于自主开发创新技术，已获得仪器及微流控系统设计、单细胞分离和建库方法流程、数据分析算法等方面的 63 项专利和 66 项软件著作权。并推出单细胞多组学测序产品，包括自动化单细胞测序前处理仪器、微流控芯片、试剂、生物信息分析软件、数据库等一套完整解决方案，一站式单细胞测序解决方案是新格元最核心的壁垒。目前新格元已服务 600 余家知名医院、药企及科研院所。
关键词：AI 赋能的蛋白质组大数据分析
西湖欧米是一家专注于 AI 赋能的微观世界数据公司，致力于以蛋白质组大数据技术创新为驱动力，联合多模态大数据，助力精准医学和药物研发。
当前西湖欧米在推进甲状腺结节良恶性诊断产品的定型以及临床试验，同时多个产品管线正处于不同的阶段。西湖欧米正在加强 AI+ 多组学数据团队建设，并尝试将蛋白质组学应用于疾病诊断和药物开发的多个环节。
关键词：专注靶向 RNA 序列的小分子药物研发
ReviR 结合AI 算法、小分子药物筛选及高通量 RNA 实验团队自主研发 AI 药物发现平台，基于 RNA 结构及其功能进行 RNA 药物靶点发现和预测，并为靶向 RNA 小分子化合物的预测和优化提供技术支撑。
团队已掌握数百个 RNA 结构数据，同时基于真实世界临床数据，结合 AI 技术，对十万级别真实患者的全基因组测序数据库潜在靶点及其特征进行解析，发现适合 RNA 靶向的全新药物靶点，通过进一步整合计算模型与高通量实验数据，实现干湿实验闭环，为靶向 RNA 小分子创新药物的发现提供高效精准辅助，加速药物研发进程。此外，当前也正在进行 RNA 小分子降解领域 RIBOTAC 技术平台的建设，同时已布局数十条早期管线。
关键词：AI+ 药物发现头部公司
其药物发现平台 Pharma.AI，包括 PandaOmics、Chemistry42 和 InClinico 三个人工智能引擎，让 AI 技术覆盖靶点识别、化合物设计以及临床试验结果预测的新药研发链条。其中靶点发现平台 PandaOmics 和化合物设计平台 Chemistry42 已经在商业化上取得显著的成效，全球排名前 30 的药物公司中已有 9 家在使用 Chemistry42 软件。
2021 年，英矽智能利用其自主研发的人工智能平台发现了全球首款人工智能发现和设计的具有全新机制的抗纤维化药物，并将其推进到临床试验阶段，该药物也是首个在中国进入临床试验阶段的人工智能研发的药物。除此之外，英矽智能已在前沿领域布局了超过 30 条药物研发管线，覆盖肿瘤、免疫、纤维化和 CNS 等未被满足的医疗需求，在人工智能平台的赋能下其中的 8 个项目已提名临床前候选化合物。
-End-
本文由 CB Insights中国发布，其版权归属北京演绎科技有限公司（DeepTech），CB Insights中国对此拥有唯一著作权和解释权。没有经过 CB Insights中国的书面许可，任何组织和个人不得以任何形式复制、传播等。任何未经授权使用本文的相关商业行为，CB Insights中国将依据中华人民共和国相关法律、法规追究其法律责任。
本文所载数据和观点仅反映 CB Insights中国于发出此文当日的判断。CB Insights中国对此所载信息的准确性、完整性或可靠性做尽最大努力的追求，但不作任何保证。在任何情况下，本文中的信息或表述均不构成任何投资等建议，本公司对本文的数据和观点不承担法律责任。不同时期，CB Insights中国可能会发布其它与本文所载资料、结论不一致的文章。同时 CB Insights中国对此所载信息，可在不发出通知的情形下做出修改，读者应自行关注。
如有任何研究与合作需求，请联系我们：[email protected]。
关于 CB Insights
关于 DeepTech
CB Insights 中文读者交流群
