亚马逊推出AI药物发现工具,加速抗体设计和验证

亚马逊云服务（AWS）周二（4月14日）发布了一款面向药物研发的新应用，旨在利用人工智能帮助科研人员更快地设计和筛选抗体候选物。这一布局紧随亚马逊3月在医疗行政管理领域推出 Amazon Connect Health 的“AI代理”策略，进一步加码生命科学赛道。

AWS医疗AI与生命科学业务副总裁Rajiv Chopra表示：“AI代理正在让强大的科研能力触达每一位药物科学家，而不再局限于具备深厚计算背景的专业人员。这些AI系统可以协助科学家完成药物分子设计、实验协调、结果学习，并在每一轮实验中持续进化。”

这款新应用名为 Amazon Bio Discovery，为研究人员提供一个生物学基础模型（foundation model）目录。AWS称，这些模型基于“海量”数据训练，可直接用于生成治疗性候选分子。目前平台已整合来自Apheris和Boltz等合作伙伴的开源和商业模型，Biohub与Profluent的模型也将陆续上线。

除了直接调用现有模型外，研究人员还可以在平台内利用机构自身的历史实验数据训练定制化模型；而已经拥有自研模型的团队，也可在Bio Discovery中进行部署和托管。

AI代理降低技术门槛

AWS指出，机器学习技术、编程与算力配置往往超出传统生物学科研人员的专业范围。为此，Amazon Bio Discovery内置AI代理，能够对不同模型进行性能基准测试，协助用户选择最合适的方案。这些代理还可充当“智能助手”，自动优化模型输入参数并辅助实验设计，从而显著降低使用门槛。

在完成候选抗体设计后，科研人员可将最有潜力的分子直接提交给实验合作伙伴进行合成与测试，包括Twist Bioscience、Ginkgo Bioworks，A‑Alpha Bio也将很快加入合作网络。实验结果随后会被反馈至下一轮模型训练和设计，形成“lab‑in‑the‑loop”的迭代式研发流程。

真实案例验证效率优势

AWS以其与纪念斯隆‑凯特琳癌症中心（MSK）的合作作为早期应用范例。公司表示，其团队与MSK儿科肿瘤学主任Nai‑Kong Cheung教授合作，通过平台协调多种模型，设计了近30万种全新抗体分子，并将其中约10万种最优候选送至Twist Bioscience进行实验测试。

AWS称，按照传统抗体设计流程，从分子设计到实验验证通常需要长达一年时间，而借助Amazon Bio Discovery，该过程被压缩至数周。

“患者来到我们这里时，时间本身就是一项关键因素。”Cheung表示，“我们需要更快地看到结果。能够与Amazon Bio Discovery合作，开发下一代抗体，有望加速这一进程，并最终惠及全球患者。”

除MSK外，Amazon Bio Discovery的早期用户还包括拜耳（Bayer）、Broad Institute以及Voyager Therapeutics。

AI药物发现进入“平台化”阶段

随着模型、基准数据和底层算力基础设施的重要性不断上升，药物发现领域的AI竞争正从单点算法，转向更具可扩展性的开放平台。AWS也提到，上个月OpenFold Consortium发布了OpenFold 3的完整训练栈，并通过AWS开放数据注册库（AWS Registry of Open Data）提供训练数据，旨在降低生物分子AI系统的复现、比较和二次开发难度。