人工智慧與蛋白質科學如何重塑藥物發現：VantAI 與百時美施貝克的新前沿

分子黏合劑的發現領域長期面臨一個根本性挑戰：找到能以治療方式將兩個蛋白質結合的化合物，仍然是現代藥物設計中最難以捉摸的問題之一。如今，一個新興的合作夥伴關係旨在透過尖端人工智慧與數十年的定向蛋白質降解專業知識相結合來改變這一局面。

引發創新的挑戰

分子黏合劑代表一類具有巨大潛力的小分子療法，應用於多種疾病領域。然而，它們的發現歷來充滿不確定性且資源消耗大。問題並非理論上的——而是幾何上的。設計能成功促進蛋白質-蛋白質相互作用的分子，需要解決一個極其複雜的拼圖，其中效能、選擇性和分子大小等因素都必須精確對齊。

這正是VantAI的方法與傳統藥物發現方法不同之處。該公司不僅依賴傳統篩選或化學直覺，而是建立了一個以生成式AI和幾何深度學習為核心的平台。其基本邏輯是：自然已經進行了數百萬年的蛋白質界面生成實驗。通過分析這些自然演化的相互作用，AI可以提取出指導設計新型分子解決方案的模式和原則。

合作的數字意義

VantAI與百時美施貴寶（Bristol Myers Squibb）之間的策略合作反映出對這種AI優先方法的高度信心。財務框架清楚表明：

• VantAI在發現、開發、臨床、監管和商業化階段，有機會獲得高達**$674 百萬**美元的里程碑付款
• 這個結構包括未來銷售的階梯式版稅
• 一個擴展條款允許合作關係擴展到初始焦點之外的其他治療方案

作為背景，這種規模的里程碑付款通常只有在大型製藥公司確定合作平台具有真正的技術差異性和商業可行性時才會發放。

技術層面：蛋白質-接觸優先（Protein-Contact-First）方法

在技術基礎上，VantAI擁有一套專有的方法論，該公司稱之為“蛋白質-接觸優先”(PCF)框架。這種方法顛覆了傳統的設計流程。不是從已知的化學骨架開始，試圖在其上工程蛋白質結合性，而是從自然界中提取蛋白質界面的接觸模式開始。

實際結果是：VantAI的生成式AI能產生具有本質上黏合特性（glue-like properties）的分子候選物——它們是由自然的設計原則優化，而非經過反覆化學改造。根據合作公告，這樣產生的化合物在決定實際療效和安全性的重要參數上具有更優越的特性。

為何百時美施貴寶看重策略價值

百時美施貴寶在定向蛋白質降解研究方面累積了超過二十年的經驗。該公司已在這一領域大量投資，建立了內部能力。通過整合VantAI的幾何深度學習能力與BMS對蛋白質降解生物學的理解，合作旨在縮短研發時間並擴展分子黏合劑能夠攻克的目標範圍。

BMS的腫瘤學發現副總裁Neil Bence將這次合作描述為公司現有策略的延伸：利用預測科學來識別針對經過生物學驗證的目標的新型分子黏合劑。換句話說，這不是對未經證實的AI的投機性押注，而是一個專注於克服既有研究計劃中瓶頸的合作。

更廣泛的意義

這一公告反映出一個成熟的趨勢：大型製藥公司越來越願意與具有技術差異性的AI原生藥物發現平台建立長期合作。$674 百萬的承諾表明，BMS認為VantAI的能力能解決真正的科學和商業挑戰——而非僅僅是實驗性附加。

對於更廣泛的藥物發現生態系統來說，這次合作凸顯了生成式AI的影響已超越消費者應用範疇。當應用於具有明確幾何或結構組件的問題——如蛋白質界面設計——AI有潛力加速發現週期，並解鎖傳統方法難以實現的治療方式。