专长：人工智能驱动的精准医疗。Ardigen 结合生物信息学、人工智能和微生物组分析，开发用于免疫肿瘤学和基于微生物组的疗法的工具。其 ImmunoMind™ 平台可识别新抗原，从而提高癌症免疫疗法的疗效。Ardigen 的定制解决方案能够应对药物研发中的复杂挑战，尤其是在个性化医疗领域。

技术：小分子  疾病领域：炎症和自身免疫性疾病、肿瘤学和肥胖症 最新消息：获得 EIC Accelerator 提供的 250 万欧元（270 万美元）资助 Iktos总部位于巴黎，致力于利用人工智能和机器人合成自动化技术进行药物研发和设计，快速识别可作为临床候选药物的小分子。通过运用人工智能，Iktos 旨在加快药物研发进程，同时提高候选药物进入临床开发阶段的成功率。Iktos 已

专长：绘制神经系统疾病的致病基因图谱。Verge Genomics 利用人工智能分析基因组和转录组数据，识别肌萎缩侧索硬化症 (ALS) 和帕金森病等疾病的靶点。其专有平台加速了神经治疗药物的研发，并致力于降低临床试验的失败率。

BioAge Labs 致力于延长人们在衰老过程中保持健康的时间，即人类健康寿命。为了实现这一目标，该公司正在借助系统生物学和人工智能驱动的平台，研究导致衰老的分子途径。该平台收集并利用了数千名患者的分子和临床数据，并进行了超过 50 年的随访。 BioAge 正在其产品线中开发结构独特的 APJ 激动剂，目标是在 2025 年底前提名一款候选药物。此外，该公司还在开发其新型专有的 NLRP

技术：mRNA生物调节剂  疾病领域：免疫学、肿瘤学和神经科学 最新消息：公布了领先的肺纤维化候选药物的有希望的临床前数据  Anima Biotech 的 AI 药物发现技术基于其 mRNA Lightning.AI 平台构建，该平台可对健康和患病细胞中的数百条细胞通路进行成像，以训练针对特定疾病的 AI 模型，并利用神经网络帮助这些模型区分健康和患病细胞，并识别失调的通路。随后，

技术：药物-脂质结合纳米分散体 疾病领域：肿瘤学、神经病学和罕见疾病 最新消息：与牛津大学建立为期五年的合作伙伴关系，共同开发新型蛋白质降解技术 BPGbio 被生物技术突破奖 (BioTech Breakthrough Awards)评为2024 年度“年度生物技术 AI 公司”。该公司拥有一个名为 NAi Interrogative Biology 的 AI 平台，该平台利用全球

专长：人工智能驱动的生物标志物发现。Genialis 利用计算生物学和机器学习来识别精准医疗的生物标志物。他们在免疫肿瘤学和中枢神经系统疾病领域的工作支持药物研发流程，并提高临床试验的成功率。 RNA生物标记公司Genialis正在创造一个能为患者、患者家庭和社区提供最佳医疗服务的世界。ResponderID™是Genialis的机器学习驱动的疾病建模框架，它提供可操作的生物标志物，并对新药进行

Berkeley Lights, Inc. (BLI) 成立于 2011 年，总部位于加州埃默里维尔，致力于提供突破性的技术和仪器平台，从根本上改变利用细胞生物学过程进行的研究。数字细胞生物学 (Digital Cell Biology) 将生物科学、技术和信息相结合，显著提升科学家研究细胞相互作用的方式。Berkeley Lights 的平台和技术能够同时对数千个细胞进行最快、最深入、最全面的测

专长：利用人工智能和基因组学加速药物发现。Engine Biosciences 将人工智能与基因组学相结合，以发现基因相互作用和新型药物靶点。他们的研发管线涵盖肿瘤学和传染病领域的候选药物，展现了人工智能驱动的洞察力在药物发现领域的强大力量。

未知君是国内行业领先的AI微生物组研究和产业转化平台，旨在通过配方菌、基因工程微生物等微生态治疗方式，实现肠道及其他系统性疾病的缓解或治疗。未知君将人工智能与肠道微生物技术相结合，实现数据高质量分析、沉淀与产出，极大提高了药物开发的效率和成功率。同时，未知君研发肠菌移植解决方案、益生菌产品及行业解决方案，将微生态从科学探索推向产业化落地。

Lantern Pharma成立于2013年，2020年在纳斯达克上市，是一家以肿瘤学为重点的，新兴的临床阶段制药公司，利用人工智能、基因组学和机器学习来改变药物发现和开发的成本、速度和时间。 员工仅20余人，市值仅4600多万美元，是业界对Lantern的初步印象。 但其商业模式更别具一格： 接盘大公司放弃的药物继续研发， 即通过其AI平台找到被弃药物的临床人群药效，缩小目标人群进行研发，从

拥有20 多年经验的无与伦比的生命科学专业知识 信任与合规：轻松实现审计准备。 数据洞察与控制：可操作的洞察，以更快地做出决策。 内容管理：控制集成、合规协作。

领先资产技术：小分子超氧化物清除剂 重大并购活动：与人工智能药物研发公司Exscientia合并 最新消息：宣布了用于治疗慢性心肌梗塞的先导药物REC-994令人鼓舞的2期临床试验数据 人工智能药物研发公司 Recursion 的核心使命是 Recursion 操作系统 (OS)，这是一个跨多种技术构建的平台，可不断扩展世界上最大的专有生物、化学和以患者为中心的数据集之一。  同时

专长：AI驱动的药物研发合作。AION Labs 汇聚制药公司、科技创新者和初创公司，共同应对药物研发挑战。他们的协作式 AI 模型已在肿瘤学、自身免疫性疾病和罕见疾病领域取得了先进疗法。AION 的开放式创新方法促进了跨学科解决方案的开发。

技术：PI3Kα抑制剂 重大并购活动：收购 ZebiAI 及其机器学习-DEL 技术 最新消息：在PIPE融资轮中获得3000万美元 Relay Therapeutics 的 Dynamo 平台集成了一系列计算和实验方法，旨在针对此前难以解决或未得到充分解决的蛋白质靶点进行药物治疗。为了配合自身的技术，Relay 还于 2021 年收购了ZebiAI 及其机器学习-DEL（ML-DE

技术：TYK2抑制剂   疾病领域：自身免疫和自身炎症疾病 最新消息：已发表的结果展示了 AtomNet 的药物发现能力 Atomwise 正利用人工智能的力量，试图彻底改变小分子药物的研发。该公司希望攻克最具挑战性、看似不可能攻克的难题，并简化药物研发流程，为药物开发者提供更多机会。 Atomwise 的药物发现方法将药物发现模式从偶然发现转向基于结构的搜索，使药物发现过程更加合

领先资产技术：抗TSLP抗体 疾病领域： 免疫学、传染病和免疫肿瘤学 最新消息：与诺华公司合作发现和开发蛋白质疗法  自2020年崭露头角以来，Generate Biomedicines作为生成生物学领域的领导者，取得了显著进展，利用人工智能发现和开发创新型候选药物。该公司的人工智能技术名为Generate平台，该平台以连续循环的方式运行，生成蛋白质序列以解答特定的治疗问题，将计算生

疾病领域：神经科学和代谢疾病 近期融资：C轮融资4亿美元 最新消息：与礼来公司合作，推进包括MASLD在内的代谢疾病的新型治疗方法 通过生成与患者数据一致的高通量功能基因组数据集，并通过新颖的机器学习方法解读这些数据，insitro 构建了能够加速靶点选择和有效疗法设计的预测模型。这项人工智能辅助药物研发为 insitro 的研发管线奠定了基础，该管线涵盖神经科学和代谢疾病领域的候选

Translational360™ 整合了临床、基因组、转录组和全切片成像 (WSI) 等综合分子检测技术，旨在深入了解表型和基因组学。转录组学正日益成为生物制药转化科学的基础，帮助研究人员了解疾病的分子机制、患者反应的基础以及患者间差异，这对于开发新疗法至关重要。临床试验早期结果往往模棱两可，阳性和阴性反应各有不同。集成的数据解决方案和先进的人工智能技术，能够帮助研究人员选择成功率最高的项目，并

技术：设计治疗性蛋白质 商业模式：合作驱动  最新消息：A轮融资4000万美元  就在上个月，Latent Labs在 A 轮融资中筹集了4000 万美元，成为众人焦点。巧合的是，该公司也是由 Simon Kohl 创立的，Simon Kohl 是屡获殊荣的 AI 模型 AlphaFold 开发过程中的重要人物。然而，由于 AlphaFold 并非旨在从零开始创造新型蛋白质，Late

深势科技是全球AI for Science领导者，依托在交叉学科领域的深耕，构建了“深势·宇知”AI for Science大模型体系，并进一步解决科学研究和工业研发领域的关键问题，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，形成了AI for Science的“创新-落地”链路和开放生态，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程

专长：人工智能驱动的精准治疗。 Exscientia 通过将人工智能融入药物研发的每个阶段，彻底革新了药物研发。该公司专注于精准治疗，将人工智能与人类专业知识相结合，加速定制化治疗方案的开发。他们的创新方法已在肿瘤学和免疫学领域催生了多个临床候选药物，并与赛诺菲和百时美施贵宝等领先制药公司建立了合作伙伴关系。Exscientia 还以其以患者为中心的药物设计而脱颖而出，确保疗法根据现实世界的疗效

Chai-2，这是分子设计领域的一项重大突破。Chai-2 在设计完全从头抗体时实现了前所未有的两位数成功率，与以往方法相比，命中率提高了几个数量级。只需测试 20 个设计，该模型就能在各种靶点中轻松找到可行的匹配方案。该模型的高成功率和广泛的泛化能力为快速精准的原子级分子工程新时代铺平了道路。 我们挑战 Chai-2 设计多达 20 种抗体或纳米抗体，以针对 52 个不同的蛋白靶点，所有这些靶

1. 本研究介绍了 PrefixProt，这是一个新颖的框架，它通过利用预训练蛋白质语言模型 (ProtLM) 上的前缀调整来实现可控蛋白质设计。它使用学习到的虚拟标记作为模块化控制标签，引导蛋白质生成朝着所需的结构和功能特性发展。 2. PrefixProt 最引人注目的特性在于它能够通过组合不同的虚拟标记来生成具有多种用户自定义属性（例如结构和功能）的蛋白质，而无需重新训练基础模型。这种组合