Merck攜手Protillion，AI蛋白質藥物搜尋走向大型藥廠試煉

在新藥研發裡，AI最誘人的承諾從來不是「取代」生物學，而是讓研究人員更早看見哪些分子值得投入昂貴而漫長的實驗。Merck與美國加州Carlsbad的Protillion Biosciences展開藥物發現合作，正落在這個關鍵位置：用高通量蛋白質資料與機器學習，協助尋找新的治療候選分子。

根據Genetic Engineering & Biotechnology News報導與Protillion 6月16日發布的公司訊息，雙方協議包含最高可達5.1億美元的潛在里程碑付款。這類金額通常取決於後續研發、臨床或商業節點是否達成，並不等同於已支付現金；Protillion與Merck也未在公開資料中揭露疾病領域、靶點數量、預付款規模或權利分配細節。

Protillion主打的是把蛋白質候選分子以大規模方式定量表徵，再讓AI模型從這些資料中學習。以抗體或其他蛋白質藥物為例，研究團隊不只要知道分子能否結合目標，還要衡量親和力、專一性與可製造性等特徵；這些性質往往決定候選藥物能否從篩選名單走進更嚴格的開發流程。

這也讓這次合作與一般「AI找藥」敘事稍有不同。Protillion在網站上強調，其平台的價值來自高通量、微型化的濕實驗資料，並將其用於模型訓練與驗證。換言之，AI在這裡不是憑空生成答案，而是被放進一個需要大量蛋白質實測資料支撐的循環：設計、量測、學習，再回頭挑選更有希望的分子。

Merck在合作中的角色，則是提供大型藥廠長期累積的藥物發現能力與後續開發判斷。對Protillion這類平台公司而言，能與跨國藥廠共同測試技術，代表其資料產生與候選分子篩選能力將面對更接近產業實務的標準；對Merck而言，這是把外部AI與蛋白質工程平台納入早期研發工具箱的一種方式。

不過，目前公開資訊仍相當有限。雙方尚未提供模型表現、資料集規模、候選分子驗證結果，或任何臨床前成功案例可供外界評估。對生物醫藥AI來說，真正的門檻不只在演算法，而在模型預測能否被可重複的實驗證據支持，並在毒理、製程、人體試驗與監管審查中持續站得住腳。

因此，這筆合作最適合被視為一項早期研發平台的產業試驗，而非新藥即將問世的訊號。若Protillion的平台能在Merck的專案中更快找出具備良好性質的蛋白質候選物，它將為AI輔助蛋白質藥物設計增添一個有分量的案例；若進展受限，也會提醒市場，藥物發現的瓶頸常常不是缺少想像，而是缺少能一路通過實驗與臨床檢驗的分子。