北京
12名患者，部分缓解信号。这是Recursion Pharmaceuticals给REC-1245交出的早期人体数据。数字不大，但意义不小——它意味着这个化合物在人体内确实具备生物活性，不再只是计算机里的预测结果。
从硅基推演走到碳基验证，这一步跨过去，AI制药才算真正落地。此前行业里不缺漂亮的模型和预测曲线，缺的是能站住脚的人体数据。REC-1245这次给出的信号，把"AI能不能造药"的争论往前推了一格。
同一周里，另外两条进展也在往同一个方向使劲。
机器人化学家自己调参数
一项发表在Nature上的研究显示，配备AI决策系统的自动化实验室独立找到了4个高产率化学反应。关键在于"独立"两个字——机器自己调整实验参数，把反应条件调到最优，不需要人守在旁边一遍遍试。
化学合成的老问题是搜索空间太大，参数组合多到人力试不完。让机器接管参数调优，等于把试错这件事的吞吐量提上去。4个反应的数量不算多，但路径跑通了：机器可以自己完成从决策到结果的闭环。
把校准实验省掉
晶泰科技（XtalPi）推出了LCMS2Yield，思路是把原始测量数据和产率直接关联起来，让研究人员从谱图数据预测化合物性质，省掉耗时的校准实验。
药物开发流程里，校准和迭代是典型的隐性成本——每一步都要等，每一轮都要试。减少达到最优合成条件所需的迭代次数，压缩的是整条管线的时间。
三条进展放在一起看，指向的是同一件事：AI在科学发现里的角色，正从"给建议"变成"出结果"。临床数据、自动化实验、工具链降本，各自解决一段流程，拼起来就是一条更短的药物开发路径。
当然，12名患者的早期信号只是信号，离成药还有很长的路。但方向已经摆在那里了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
