人工智能与蛋白质科学如何重塑药物发现：VantAI 与百时美施贵宝的新前沿

分子胶的发现领域长期面临一个根本性挑战：识别能够以治疗方式将两种蛋白质结合在一起的化合物，仍然是现代药物设计中最难以捉摸的问题之一。如今，一个新兴的合作伙伴关系旨在通过结合尖端人工智能和数十年的靶向蛋白降解专业知识来改变这一局面。

引发创新的挑战

分子胶代表了一类具有巨大潜力的小分子治疗剂，应用于多种疾病领域。然而，它们的发现历来难以预测且资源消耗巨大。问题并非理论上的——而是几何上的。设计能够成功促进蛋白质-蛋白质相互作用的分子，必须解决一个极其复杂的难题，其中效力、选择性和分子大小等因素都必须精确匹配。

这正是VantAI的方法与传统药物发现方法不同之处。公司没有仅依赖传统筛选或化学直觉，而是建立了一个以生成式AI和几何深度学习为核心的平台。其基本逻辑是：自然已经进行了数百万年的蛋白质界面生成实验。通过分析这些自然演化的相互作用，AI可以提取指导设计新型分子解决方案的模式和原理。

合作的数字意义

VantAI与百时美施贵宝（Bristol Myers Squibb）之间的战略合作反映出对这一AI优先方法的高度信心。财务框架清晰明了：

• VantAI在发现、开发、临床、监管和商业化阶段，有望获得高达**$674 百万**的里程碑付款
• 未来销售将按阶梯比例支付特许权使用费
• 一项扩展条款允许合作关系延伸至初始重点之外的其他治疗项目

作为背景，这样规模的里程碑付款通常只有在一家大型制药公司确认合作平台具有真正的技术差异性和商业可行性时才会支付。

技术层面：蛋白质-接触优先（Protein-Contact-First）方法

在技术基础上，VantAI采用了公司自有的“蛋白质-接触优先”(PCF)框架。这一方法颠覆了传统的设计序列。它不再从已知的化学骨架出发，试图在其上工程化蛋白质结合特性，而是从自然存在的蛋白质界面中提取接触模式。

实际效果是：VantAI的生成式AI生成的候选分子具有固有的胶粘特性——它们是通过自然的设计原则优化的，而非通过反复化学改造。根据合作公告，这种方法产生的化合物在决定实际疗效和安全性的关键参数上具有更优的特性。

百时美施贵宝为何看重战略价值

百时美施贵宝在靶向蛋白降解研究方面积累了超过二十年的丰富经验。公司在该领域已大量投入，建立了内部能力。通过整合VantAI的几何深度学习能力与BMS对蛋白降解生物学的理解，合作旨在缩短研发周期，扩大分子胶可以靶向的目标范围。

BMS的肿瘤学发现副总裁Neil Bence将此次合作视为公司现有战略的延伸：利用预测科学识别针对经过生物验证的靶点的创新分子胶。换句话说，这不是对未验证AI的投机性赌注，而是一个旨在突破现有研究项目中瓶颈的专注合作。

更广泛的意义

这一公告反映出一个日益成熟的趋势：大型制药公司越来越愿意与具有技术差异性的AI原生药物发现平台建立长期合作关系。$674 百万的承诺表明，BMS认为VantAI的能力能够解决真正的科学和商业难题——而非仅仅作为一种实验性补充。

对于更广泛的药物发现生态系统而言，这次合作强调了生成式AI的影响已超越消费者应用。当应用于具有明确几何或结构特征的问题——如蛋白质界面设计——时，AI有潜力加快发现周期，并开启通过传统方法难以实现的治疗方式。