药物从靶点识别到获批上市的路径漫长且成本高昂。这一路上，药物化学家肩负着设计具备恰当活性、安全性和有效性的化合物这一核心使命。如今，人工智能（AI）正重新定义这条路径 —— 不再只是辅助工具，而是能够实质提升效率和决策质量的智能引擎。

PART 01 智能筛选：从 “大海捞针” 到 “精准优先”

传统虚拟筛选需要评估数百万种候选化合物，对比其与靶标蛋白的结合潜力。这样的任务犹如在无边化学空间中寻找极少数合理候选。AI（尤其是深度学习模型）可以通过学习结构与活性之间的规律，对大量化合物进行预测性排序，将最有可能成功的候选提前推到前列。这种优先级策略不仅节省实验资源，也能缩短筛选迭代周期。

PART 02 从头设计：打破现有化学边界

传统设计新化合物往往需要反复构思与实验验证。生成式 AI 通过学习大规模已知活性化合物的数据，能够在未被充分探索的化学空间中生成全新分子结构，并在计算预测下兼顾靶标活性、溶解性与代谢稳定性等关键属性，从而为研发打开新的选择窗口。

AI 的另一项关键价值，是对 ADMET 性质（吸收、分布、代谢、排泄与毒性）进行预测，在实验之前识别潜在安全问题，减少后期失败带来的时间与成本浪费。

PART 03 逆合成与路径规划：智能 “出路”

确定一条可行、可放大的合成路线，是药物发现中的常见挑战。AI 驱动的逆合成分析（Retrosynthesis）工具可以解析目标分子，提出更高效的合成路径建议，并挖掘传统方法不易触及的替代路线，从而优化实验流程与资源配置。

同样重要的是，药物化学产生的数据量巨大。AI 能够从这些数据中提取模式与洞察，例如结构 - 活性关系（SAR），帮助化学家更快判断哪些分子特征与理想活性相关，为先导化合物优化（Lead Optimization）提供数据驱动支持。

PART 04 AI 绝非替代者，而是使能者

AI 在药物发现中的角色不是替代药物化学家，而是让他们的创造力与战略决策更聚焦于高价值任务。通过自动化常规计算、加速数据分析与挖掘隐含规律，研究团队可以将精力更多投入到科学判断与创新设计上。

PART 05 BIOVIA：赋能 AI 加速药物发现

达索系统旗下 BIOVIA 平台整合了 AI 与计算化学能力，构建支持药物发现关键环节的数字化框架，帮助研发团队把 “设计 — 评估 — 优化” 的迭代做得更快、更稳、更可追溯。

• 利用机器学习加速分子设计与虚拟评估，围绕目标产品特征（TPP）优化候选结构

• 基于实验数据构建预测模型，覆盖亲和力、ADME / 毒性等关键指标

• 将 AI 与分子模拟结合，提高对药物 - 靶标相互作用的理解与解释能力

• 提供逆合成分析建议，辅助制定合成策略与路线选择

• 管理并解析海量虚拟设计与实验数据，揭示结构 - 活性关系（SAR）并支持决策

• 整合第三方工具与数据源，提升跨团队协作与研发流程的连贯性

借助 BIOVIA，团队能够在保证研发科学严谨性的前提下，缩短探索周期、提升预测命中率，并更高效地推进创新化合物进入后续开发流程。

PART 06 BIOVIA 核心工具箱：把 AI 变成药物发现的 “可交付流程”

在实际的项目场景中，BIOVIA 的产品组合走的是一条更 “硬核” 的路线 —— 用分子模拟把机理算清楚，用数据科学把流程跑顺，再把生成式设计与实验体系接起来，形成可迭代的研发闭环。

01 BIOVIA Discovery Studio：让 “精准筛选” 不止停在打分

以结构基础药物设计（SBDD）与分子模拟为底座，把 “筛选 — 解释 — 优化” 串成一条可追溯的计算路径。

• 虚拟筛选 / Hit Identification：覆盖对接（docking）、药效团（pharmacophore）等主流虚拟筛选方法，用于从大规模化合物库中做候选优先级排序。

• 机制解释：通过分子动力学（MD）观察结合构象与关键相互作用的稳定性，配合增强采样（如 GaMD）等策略处理复杂构象与能垒问题，为先导优化提供机制线索。

• ADMET 预测：结合 QSAR 与 ADMET 模型，对吸收、分布、代谢、排泄与毒性（ADMET）相关风险做早期评估，减少后期因药代 / 安全性问题导致的返工。

• 
  

02 BIOVIA Pipeline Pilot：把 “数据挖掘 + 建模” 做成可复用的工作台

将数据清洗、特征工程、建模、验证与部署固化为流程资产，减少 “脚本散落各处、结果难复现” 的摩擦。

• 数据挖掘 / SAR-QSAR 建模：覆盖对接（docking）、药效团（pharmacophore）等主流虚拟筛选方法，用于从大规模化合物库中做候选优先级排序。

• ADMET 预测与决策支持：适合将 ADMET/QSAR、活性预测、优先级排序等能力封装为可部署的工作流，形成可审计、可复现的交付物。

• 分发 & 报告结果

03 BIOVIA Generative Therapeutics Design（GTD）：生成式设计用于 “先导优化”，不是概念演示

在化学空间中自动生成新分子，并围绕目标产品特征（TPP）做多参数优化（MPO），把候选收敛到更可合成、更可推进的集合。

• De Novo Design（从头药物设计）/ 生成式分子设计：通过生成式算法与内置评估策略进行 “生成 — 测试 — 选择” 的循环，持续提出结构新颖且满足约束条件的分子方案。

• ADMET + 多目标权衡：围绕活性、选择性、溶解度、代谢稳定性等多指标进行权衡与收敛，贴近真实的研发决策方式。

• 
  

04 BIOVIA ONE Lab：把实验体系变成 AI 的高质量数据源

以统一数据模型贯通 ELN/LIMS/LES、设备与库存，提升数据可追溯性与可复用性，为 “实验 — 建模 — 再实验” 的闭环持续供给高质量数据。

• 数据闭环：支持仪器数据自动采集与结构化管理，减少人工转录误差；同时将实验过程与结果沉淀为可检索、可复用的数据资产。

• 流程执行与合规：通过步骤化实验执行（LES）引导操作，并结合数据校验与记录留痕，帮助团队在效率与合规之间取得平衡。