← 返回首頁

AI預測藥物代謝風險再下一城,Inductive Bio連贏盲測競賽

OpenADMET的PXR盲測把AI製藥拉回一個更務實的問題:模型能不能在分子進入昂貴實驗前,先看見可能拖垮候選藥物的代謝風險。

By SURL BioNews

藥物研發的失敗,往往不是因為分子完全沒有療效,而是因為它在人體內的吸收、代謝或安全性表現不如預期。這也是AI製藥近年從「設計新分子」逐步轉向「預測開發風險」的原因:若能更早排除高風險結構,就可能少走許多昂貴的彎路。

Inductive Bio於7月14日宣布,其AI模型在OpenADMET舉辦的PXR Blind Challenge中獲得第一名。公司新聞頁與官網均指出,這場盲測吸引超過350名參與者,涵蓋大型藥廠、生技公司、學術與AI研究社群;Inductive Bio並稱,這是該公司連續第三次在AI藥物發現基準測試中勝出。

這次競賽聚焦的PXR,指的是pregnane X receptor。它是調控多種藥物代謝酵素與轉運蛋白的重要核受體;若候選藥物誘導PXR活性,可能改變自身或併用藥物在體內的暴露量,進而帶來藥物交互作用、療效不足或安全性疑慮。因此,PXR誘導並不是抽象的演算法題目,而是藥物開發中常見且具成本意義的ADMET風險。

根據Inductive Bio公開資料,勝出的模型被稱為Beacon或Beacon-1,目標是在實驗數據尚未完全展開前,協助研究團隊預測分子的ADMET責任。盲測的價值在於,參賽者無法事先看見答案,模型必須在未公開資料上表現;這比單純回顧既有資料庫,更接近藥物發現中每天面對的新分子判斷。

不過,這類基準測試仍有清楚邊界。公開資訊並未提供完整資料集組成、評分細節、模型誤差分布,或它在不同化學骨架上的表現差異;第一名代表模型在特定任務與規則下勝出,並不等同於能直接預測臨床安全性,也不能取代體外實驗、動物研究與後續監管所需的證據鏈。

背景脈絡

AI製藥產業近來不只比拚生成分子的速度,也愈來愈重視模型能否被藥廠流程實際採用。相較於宏大的平台敘事,PXR這類盲測更像一個窄而具體的壓力測試:它不回答AI是否能「發明藥物」,而是檢驗AI能否在一項明確、可量化、與開發失敗成本相關的問題上提供可靠排序。

對Inductive Bio而言,連續基準賽成績有助於建立其「虛擬化學實驗室」定位;對整個領域而言,真正的考驗則在下一步。若模型預測能持續轉化為實驗室決策,減少反覆合成與測試,AI才會從競賽榜單走進研發管線的日常。

References

  1. Yahoo Finance
  2. Inductive Bio
  3. Inductive Bio