AI蛋白質(zhì)行業(yè)研究報(bào)告

33 11.11.21.2.11.2.11.2.21.2.21.2.31.2.3882.12.1.12.1.12.1.22.1.2序號(hào)時(shí)間模型發(fā)表期刊架構(gòu)缺點(diǎn)11980sBlasKNN/輸入：蛋白質(zhì)序列；算法：通過(guò)比較目標(biāo)蛋白與已知功能的蛋白質(zhì)之間的相似性，然后采用一種相似性加權(quán)算法來(lái)預(yù)測(cè)目標(biāo)蛋白的功能；早期機(jī)器學(xué)習(xí)算法，效率低22018年DeepGOBioinforaics輸入：蛋白質(zhì)序列和PPI網(wǎng)絡(luò)；算法：基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的深度學(xué)習(xí)分類模型，使用r編碼蛋白質(zhì)序列，取序列特征。對(duì)于I網(wǎng)絡(luò)，采用pWalk生成每個(gè)蛋白質(zhì)的維網(wǎng)絡(luò)拓?fù)涮卣?；層次化分類網(wǎng)絡(luò)需要巨大的內(nèi)存資源，難以應(yīng)用于大規(guī)模標(biāo)簽32020年DeepGOCNNBioinforaics輸入：蛋白質(zhì)序列；算法：從蛋白質(zhì)序列中提取特征以預(yù)測(cè)功能，通過(guò)堆疊的CNN白質(zhì)的功能最大預(yù)測(cè)蛋白質(zhì)長(zhǎng)度為200042020年DeepGOAI/ACMTransacionsonCopuaionalBiologyandBioinforaics輸入：蛋白質(zhì)序列和PPI網(wǎng)絡(luò)；算法：使用Wordvc生成序列的殘基級(jí)嵌入，然后輸入到Bi-LSTM和多尺度CNN層中以提取全局和局部特征；具有特殊特征的蛋白質(zhì)功能無(wú)法預(yù)測(cè)，蛋白質(zhì)序列最長(zhǎng)為100052021年praphOBioinforaics輸入：蛋白質(zhì)序列和網(wǎng)絡(luò)；算法：端到端模型，利用GNNs從網(wǎng)絡(luò)中提取信息以預(yù)測(cè)蛋白質(zhì)功能；缺乏PPIs信息的新測(cè)序生物體難以預(yù)測(cè)62021年pFRINaureCounicaions輸入：蛋白質(zhì)序列和結(jié)構(gòu)；算法：融合了自監(jiān)督語(yǔ)言模型和圖卷積網(wǎng)序列特征及蛋白質(zhì)結(jié)構(gòu)來(lái)預(yù)測(cè)其功能；蛋白質(zhì)序列訓(xùn)練集局限于PDB72022年GAT-GOBrifingsinBioinforaics輸入：蛋白質(zhì)序列和結(jié)構(gòu)；算法：基于圖注意力網(wǎng)絡(luò)（GAT）的方法，它利用預(yù)訓(xùn)練的蛋白質(zhì)序列語(yǔ)言模型。輸入蛋白質(zhì)序列，提取序列特征、殘基級(jí)特征和結(jié)構(gòu)特征，從而預(yù)測(cè)功能；對(duì)于長(zhǎng)序列蛋白質(zhì)，對(duì)蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)精度要求很高82024年DeepGO-SENaureachineInllignce輸入：蛋白質(zhì)序列；算法：使用預(yù)訓(xùn)練的大型語(yǔ)言模型從蛋白質(zhì)序列預(yù)測(cè)GO功能，通過(guò)生成多個(gè)近似GO模型，并用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)蛋白質(zhì)功能的真值；當(dāng)序列與PPIs結(jié)合時(shí)性能最佳，許多新蛋白質(zhì)沒(méi)有已知的相互作用限制了組合模型的應(yīng)用2.2序號(hào)時(shí)間模型團(tuán)隊(duì)架構(gòu)應(yīng)用范圍12018年NNI天津大學(xué)團(tuán)隊(duì)NNI基于深度神經(jīng)網(wǎng)絡(luò)，包含卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)短期記憶（LSTM）兩個(gè)獨(dú)立的順序?qū)?，從蛋白質(zhì)序列中學(xué)習(xí)的特征以自動(dòng)預(yù)測(cè)PPI。預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)相互作用32021年AlphaFoldulirpind基于深度學(xué)習(xí)，先建立復(fù)合物的多序列比對(duì)，以推斷進(jìn)化關(guān)系，然后用與AlphaFold基本相同的深度學(xué)習(xí)方法來(lái)預(yù)測(cè)三級(jí)結(jié)構(gòu)。預(yù)測(cè)蛋白質(zhì)復(fù)合物三維結(jié)構(gòu)22021年quiock麻省理工學(xué)院quiock模型，假設(shè)蛋白質(zhì)內(nèi)的構(gòu)象在結(jié)合過(guò)程中沒(méi)有發(fā)生構(gòu)象變化的情況下，在單個(gè)未結(jié)合結(jié)構(gòu)的模型。預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)復(fù)合物結(jié)構(gòu)62022年quiBind麻省理工學(xué)院以quiock為基礎(chǔ)，依賴－等變圖神經(jīng)網(wǎng)絡(luò)，以配體分子圖的隨機(jī)三維構(gòu)象和受體結(jié)構(gòu)作為輸入，預(yù)測(cè)結(jié)合蛋白質(zhì)配體構(gòu)象。預(yù)測(cè)蛋白質(zhì)-小分子復(fù)合物結(jié)構(gòu)42022年pTrio浙江大學(xué)團(tuán)隊(duì)pTrio是一種使用掩碼多個(gè)并行卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)相互作用52022年niFoldulir深勢(shì)公司團(tuán)隊(duì)端對(duì)端的蛋白質(zhì)復(fù)合物結(jié)構(gòu)預(yù)測(cè)，輸入蛋白質(zhì)多聚體的一級(jí)結(jié)構(gòu)），預(yù)測(cè)蛋白質(zhì)的三級(jí)結(jié)構(gòu)，同時(shí)給出預(yù)測(cè)結(jié)果的置信度。預(yù)測(cè)蛋白質(zhì)復(fù)合物結(jié)構(gòu)72022年TANKBind星藥科技聯(lián)合復(fù)旦大學(xué)、中山大學(xué)共同研發(fā)基于圖神經(jīng)網(wǎng)絡(luò)模型，用三維結(jié)合構(gòu)象表示分子之間的幾何關(guān)系，從而提高預(yù)測(cè)的準(zhǔn)確性。預(yù)測(cè)蛋白質(zhì)-小分子配體結(jié)構(gòu)和親和力82022年IFFOCK麻省理工學(xué)院基于深度學(xué)習(xí)的分析對(duì)接模型，以配體和靶標(biāo)的結(jié)構(gòu)信息作為輸入，之后對(duì)配體進(jìn)行了一定的構(gòu)象轉(zhuǎn)換（平移，旋轉(zhuǎn)，扭轉(zhuǎn)）來(lái)生成新的配體構(gòu)象，最后則是對(duì)這些生成的配體進(jìn)行一個(gè)合理性的評(píng)分以及排名。預(yù)測(cè)蛋白質(zhì)-小分子結(jié)合結(jié)構(gòu)92023年IFFOCKP麻省理工學(xué)院算法整體思路與ifock接近，使用機(jī)器學(xué)習(xí)方法學(xué)習(xí)將未結(jié)合的蛋白質(zhì)結(jié)構(gòu)翻譯和旋轉(zhuǎn)為其結(jié)合構(gòu)象，對(duì)評(píng)分模型生成的不同姿勢(shì)，進(jìn)行排序并選擇最佳姿勢(shì)。預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)結(jié)合結(jié)構(gòu)102023年II騰訊AILab港科技大學(xué)、中國(guó)科學(xué)院大學(xué)相關(guān)團(tuán)隊(duì)基于層次圖學(xué)習(xí)技術(shù)的深度學(xué)習(xí)，描述蛋白質(zhì)之間的相互作用，每種蛋白質(zhì)就是一個(gè)節(jié)點(diǎn)，蛋白質(zhì)之間的相互作用就是圖的邊，關(guān)鍵氨基酸或殘基組合就是圖的節(jié)點(diǎn)，物理位置相鄰的殘基以邊相連。預(yù)測(cè)蛋白質(zhì)-蛋白質(zhì)相互作用112023年RosTTAFoldNAavidBakr團(tuán)隊(duì)端到端的深度學(xué)習(xí)方法，使用與RoseTTAFold相同的數(shù)據(jù)集進(jìn)行訓(xùn)練，并增加了所有RNA、蛋白質(zhì)-RNA和蛋白質(zhì)-DNA復(fù)合物的結(jié)構(gòu)信息。預(yù)測(cè)核酸結(jié)構(gòu)和蛋白質(zhì)-核酸復(fù)合物結(jié)構(gòu)122023年AlphaFoldlastpind最新版本的AlphaFold。對(duì)包括蛋白質(zhì)、核酸、小分子、離子和修飾殘基在內(nèi)的復(fù)合物進(jìn)行聯(lián)合結(jié)構(gòu)預(yù)測(cè)序號(hào)時(shí)間模型團(tuán)隊(duì)架構(gòu)應(yīng)用范圍12019年trRosettaavidBakr團(tuán)隊(duì)基于結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)序列設(shè)計(jì)方法。蛋白質(zhì)逆折疊22022年roinNNavidBakr團(tuán)隊(duì)基于圖神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)序列設(shè)計(jì)方法。用于設(shè)計(jì)單體蛋白質(zhì)、對(duì)稱重復(fù)結(jié)構(gòu)、納米顆粒和目標(biāo)蛋白質(zhì)結(jié)合物。32023年RFiffusionavidBakr團(tuán)隊(duì)基于擴(kuò)散模型，結(jié)合預(yù)先訓(xùn)練的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型RoseTTAfold的蛋白質(zhì)設(shè)計(jì)方法。用于穩(wěn)定單體設(shè)計(jì)、對(duì)稱低聚物設(shè)計(jì)、功能基序或酶活性位點(diǎn)的支架設(shè)計(jì)，以及蛋白質(zhì)結(jié)合物設(shè)計(jì)。42023年P(guān)roGenSalesforceResearch、TierraBiosciences和加州大學(xué)的研究團(tuán)以無(wú)監(jiān)督學(xué)習(xí)的方式在一個(gè)大型多樣的蛋白質(zhì)序列數(shù)據(jù)庫(kù)中進(jìn)行訓(xùn)練，學(xué)習(xí)通用的蛋白質(zhì)表示。訓(xùn)練后，ProGen可以根據(jù)提示從頭生成蛋白質(zhì)序列從功能生成蛋白質(zhì)序列應(yīng)用范圍應(yīng)用范圍序號(hào)時(shí)間應(yīng)用團(tuán)隊(duì)架構(gòu)12020年andaOics平臺(tái)Insilicodicine（英矽智能）通過(guò)AI對(duì)患者基因組學(xué)和蛋白質(zhì)組學(xué)等醫(yī)學(xué)多組學(xué)數(shù)據(jù)的挖掘分析，對(duì)正常組織和疾病分析，結(jié)合數(shù)據(jù)來(lái)整合靶點(diǎn)信22022年AI賦能的蛋白質(zhì)組學(xué)平臺(tái)西湖大學(xué)郭天南團(tuán)隊(duì)及西湖歐米32024年22223.1.13.1.1序號(hào)成立時(shí)間企業(yè)名稱平臺(tái)應(yīng)用場(chǎng)景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12011年ABciIngradrugCraion?平臺(tái)抗體藥物研發(fā)——從頭生成、先導(dǎo)化合物優(yōu)化、細(xì)胞因子生物2021年7月上市自研管線/合作管線諾華、梯瓦、維森特、IGM公司數(shù)條藥物管線22012年AbCllra抗體藥物開(kāi)發(fā)平臺(tái)抗體藥物研發(fā)2020年納斯達(dá)克上市自研管線阿斯利康、AImirall、艾伯維數(shù)余條管線，ABCL575和ABCL635兩條目前正在進(jìn)行IND研究32012年Labnius基于機(jī)器學(xué)習(xí)的蛋白質(zhì)藥物發(fā)現(xiàn)&EVATM蛋白質(zhì)工程平臺(tái)抗體藥物研發(fā)（癌癥、炎癥）——優(yōu)化抗體2020年A輪合作賽諾菲Labnius與賽諾菲合作優(yōu)化NANOBODY?蛋白，獲得積極成果42013年瀚科邁博AI計(jì)算機(jī)輔助抗體設(shè)計(jì)平臺(tái)抗體藥物研發(fā)（腫瘤靶向治療和腫瘤免疫治療）2023年A+輪自研/合作管線安科生物8條管線，未進(jìn)入臨床52014年Bnchci知識(shí)圖譜連接的ASCEND平臺(tái)SaaS——重組蛋白、RNAi、動(dòng)物模型、基因編輯技術(shù)等試劑的選擇2023年D輪合作賽諾菲、諾和諾德、艾伯維、武田制藥、GSK、諾華、強(qiáng)森、百濟(jì)神州、默克/62017年JuvnaThrapuicsJuvNET平臺(tái)和專有蛋白質(zhì)庫(kù)分泌蛋白設(shè)計(jì)2022年A輪自研管線/數(shù)余條管線，涉及多種肌病和代謝類疾病以及未披露的管線72018年nraeBiodicinsChroma生成式人工智能模型蛋白質(zhì)從頭生成2023年C輪自研管線/合作管線安進(jìn)、美國(guó)安德森癌癥中心十余條管線，包括免疫學(xué)、傳染性和腫瘤學(xué)等領(lǐng)域82018年NablaBio蛋白質(zhì)語(yǔ)言建模的人工智能蛋白質(zhì)設(shè)計(jì)平臺(tái)AbapM平臺(tái)抗體藥物設(shè)計(jì)-從頭生成2021年種子輪自研管線/未披露92019年BigatBioscincs抗體藥物開(kāi)發(fā)平臺(tái)抗體藥物研發(fā)——優(yōu)化抗體、從頭生成2022年B輪自研管線/合作管線艾伯維、安進(jìn)、默克5條管線以及與安進(jìn)和默克合作的未披露的管線102021年isicThrapuicIACT?平臺(tái)蛋白質(zhì)從頭設(shè)計(jì)和優(yōu)化2022年A輪自研管線/針對(duì)泛Ig蛋白酶和的2條管線，均處于IND授權(quán)開(kāi)發(fā)階段112021年華深智藥HelixonDesign抗體藥物發(fā)現(xiàn)平臺(tái)；OmegaFold蛋白質(zhì)預(yù)測(cè)抗體藥物研發(fā)2022年A輪自研管線/多條用于腫瘤和自身免疫性疾病的大分子藥物管線122022年賽得康生物AbZed蛋白模塊技術(shù)平臺(tái)多特異性重組蛋白2023年種子輪自研/合作管線晶泰科技3條管線，未進(jìn)入臨床132022年呈元科技生成式AI設(shè)計(jì)平臺(tái)SynCore針對(duì)I靶點(diǎn)的環(huán)肽藥物設(shè)計(jì)2023年P(guān)reA輪自研管線羅氏10條管線，未進(jìn)入臨床3.1.23.1.2序號(hào)發(fā)布時(shí)間技術(shù)/平臺(tái)來(lái)源技術(shù)框架應(yīng)用場(chǎng)景成果12021年AdvancedCovalentxploraionachpointThrapuics基于機(jī)器學(xué)習(xí)算法，指導(dǎo)靶點(diǎn)的優(yōu)先排序和特有骨架預(yù)測(cè)；識(shí)別致病蛋白的新型共價(jià)結(jié)合物并提供整個(gè)蛋白質(zhì)組的選擇性評(píng)估；組學(xué)數(shù)據(jù)理解靶點(diǎn)和疾病關(guān)系，以及可成藥蛋白質(zhì)分子發(fā)現(xiàn)研發(fā)管線最初將聚焦于免疫學(xué)領(lǐng)域，在賽諾菲和Vertex的支持下成立的，旨在開(kāi)發(fā)創(chuàng)新共價(jià)小分子藥物；22022年andaOics0Insilicodicin（智能）使用AI分析患者基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)等醫(yī)學(xué)多組學(xué)數(shù)據(jù)；潛在靶點(diǎn)識(shí)別和老藥新用策略的開(kāi)發(fā)與劍橋大學(xué)合作發(fā)現(xiàn)阿爾茨海默病等多種疾病治療新靶點(diǎn)；使用轉(zhuǎn)錄組數(shù)據(jù)，提名51個(gè)與衰老相關(guān)的潛在靶點(diǎn)；發(fā)現(xiàn)MYT1作為乳腺癌等癌癥治療靶點(diǎn)的潛力；等等32023年andaOics—ChaandaTInsilicodicin（智能）在andaOics中增加了基于Transforr的知識(shí)圖譜功能；使用大型語(yǔ)言模型實(shí)現(xiàn)問(wèn)答功能，發(fā)現(xiàn)最佳潛在藥物靶點(diǎn)42023年ConPLex麻省理工學(xué)院基于大語(yǔ)言模型的AI算法，將目標(biāo)蛋白質(zhì)與潛在藥物分子相匹配；可應(yīng)用于小分子藥物和治療性抗體的篩選擴(kuò)大靶點(diǎn)庫(kù)；新藥物發(fā)現(xiàn)52023年大模型xTrio、AI蛋白質(zhì)生成平臺(tái)AIP百圖生科將大規(guī)模蛋白質(zhì)語(yǔ)言模型（PLM）與AlphaFold2相結(jié)合新靶點(diǎn)以及新藥物的發(fā)現(xiàn)與啟愈生物合作發(fā)現(xiàn)新靶點(diǎn)和新藥物；與啟德醫(yī)藥合作推進(jìn)ADC3.1.33.1.3序號(hào)成立時(shí)間企業(yè)名稱平臺(tái)技術(shù)/應(yīng)用場(chǎng)景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12013年宇道生物變構(gòu)藥物研發(fā)平臺(tái)ALLOSTAR?難成藥靶點(diǎn)-變構(gòu)藥物2022年A+輪自研/合作管線青煜醫(yī)藥5條管線，未進(jìn)入臨床22017年Rdsigncince綜合物理、化學(xué)、實(shí)驗(yàn)數(shù)據(jù)以及深度學(xué)習(xí)和主動(dòng)學(xué)習(xí)的NUVO?平臺(tái)難成藥靶點(diǎn)——蛋白質(zhì)互作預(yù)測(cè)、蛋白質(zhì)-DNA和RNA結(jié)合預(yù)測(cè)、變構(gòu)生物學(xué)2021年未披露自研管線/8條管線，主要針對(duì)腫瘤學(xué)和免疫學(xué)32018年DeepCureockxpandr?平臺(tái)（口袋擴(kuò)展器）、oln?平臺(tái)（分子設(shè)計(jì)）難成藥靶點(diǎn)——蛋白質(zhì)-蛋白質(zhì)相互作用預(yù)測(cè)2021年A輪自研管線Bioro（合成實(shí)驗(yàn)室）8條管線，主要針對(duì)炎癥和免疫學(xué)42019年nsisThrapuics人工智能平臺(tái)GEMS難成藥靶點(diǎn)——蛋白質(zhì)-配體結(jié)構(gòu)和相互作用預(yù)測(cè)2023年B輪合作CRO禮來(lái)、基因泰克、斯坦福大學(xué)未披露52019年VentusTherapeuticsReSOLVE?平臺(tái)難成藥靶點(diǎn)2020年A輪自研管線/合作管線諾和諾德十余條自研與合作管線，針對(duì)cGAS、NLRP3以及其他未披露靶點(diǎn)62020年德睿智藥一站式AI藥物設(shè)計(jì)平臺(tái)olculero?；蛋白質(zhì)動(dòng)態(tài)模擬、結(jié)構(gòu)預(yù)測(cè)平臺(tái)olculeanc?；基于知識(shí)圖譜的數(shù)據(jù)挖掘平臺(tái)harK?難成藥靶點(diǎn)—蛋白質(zhì)動(dòng)態(tài)模擬、結(jié)構(gòu)預(yù)測(cè)2023年A+輪自研/合作管線、CRO德琪醫(yī)藥、皓元醫(yī)藥、復(fù)宏漢霖、美迪西10余條管線，其中2條進(jìn)入臨床階段72021年CHARMThrapuicsragonFold平臺(tái)難成藥靶點(diǎn)——蛋白質(zhì)-配體共折疊預(yù)測(cè)，繞過(guò)親和力預(yù)測(cè)2023年未披露合作/主要針對(duì)腫瘤學(xué)82021年CongruenceTherapeuticsRevenir?平臺(tái)、蛋白生物物理特性的專有數(shù)據(jù)庫(kù)針對(duì)蛋白質(zhì)折疊錯(cuò)誤的靶點(diǎn)設(shè)計(jì)小分子藥物2023年A輪自研管線/5條管線，包括癌癥、帕金森、肥胖等疾病92021年GandeevaTherapeuticsOTLIT?平臺(tái)（靶標(biāo)選擇）（冷凍電鏡）、CRYO-CADD?平臺(tái)（藥物發(fā)現(xiàn)）難成藥靶點(diǎn)——蛋白質(zhì)互作預(yù)測(cè)、蛋白質(zhì)-藥物預(yù)測(cè)2022年A輪自研管線Moderna（冷凍電鏡研究蛋白質(zhì)表面結(jié)構(gòu)合作）4條管線，主要針對(duì)腫瘤學(xué)，1條進(jìn)入IND申請(qǐng)102021年ENSEMKineticEnsemble?平臺(tái)、EnsemNET?平臺(tái)、EnsemGEN?平臺(tái)難成藥靶點(diǎn)——蛋白質(zhì)口袋預(yù)測(cè)、蛋白質(zhì)-配體相互作用預(yù)測(cè)2022年A輪自研管線/合作管線百濟(jì)神州3條管線，其中1條授權(quán)給百濟(jì)神州，主要針對(duì)腫瘤學(xué)112021年IsomorphicLabs新一代AlphaFold與人工智能藥物開(kāi)發(fā)平臺(tái)/CRO諾華、禮來(lái)2024年與禮來(lái)合作獲4500萬(wàn)美元的預(yù)付款；與諾華合作獲3750萬(wàn)美元的預(yù)付款122021年予路乾行多尺度分子動(dòng)力學(xué)+人工智能藥物研發(fā)平臺(tái)Divamics難成藥靶點(diǎn)—蛋白質(zhì)三維結(jié)構(gòu)、蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)、PPI結(jié)合界面等從頭建模和分析優(yōu)化2023年未知輪CRO立迪生物、甫康藥業(yè)、星浩澎博已與多家國(guó)內(nèi)外生物醫(yī)藥企業(yè)合作，達(dá)成近20個(gè)項(xiàng)目里程碑3.2.13.2.13.2.23.2.2序號(hào)成立時(shí)間企業(yè)名稱平臺(tái)應(yīng)用場(chǎng)景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12008年ArzedaInlligntroinsignchnoogy平臺(tái)農(nóng)業(yè)、能源2022年B輪合作Ayris、聯(lián)合利華、Zyrgn提高將甜菊提取物轉(zhuǎn)化為甜味劑效率的酶，預(yù)計(jì)在2023年四季度正式上市22020年nzyit深度學(xué)習(xí)酶設(shè)計(jì)平臺(tái)酶的從頭設(shè)計(jì)和優(yōu)化——生長(zhǎng)因子、重組蛋白等2022年種子輪合作AlphFars與AlephFarms合作開(kāi)發(fā)生長(zhǎng)因子替代品，已用于細(xì)胞培養(yǎng)肉獲批上市；32020年引加生物核心蛋白技術(shù)平臺(tái)核心蛋白原料的開(kāi)發(fā)——細(xì)胞治療、mRNA疫苗、新藥研發(fā)、分子診斷和腫瘤新藥伴隨診2023年A輪合作上海交大免疫學(xué)研究所、上藥康希諾、智峪生科、泉心泉意/42021年CradleBioCradle生成式人工智能模型蛋白質(zhì)從頭設(shè)計(jì)——疫苗、多肽和抗體、工業(yè)酶等2023年A輪合作強(qiáng)生、grifols、novozys、Arkon、nzyit與超過(guò)12個(gè)研究和開(kāi)發(fā)項(xiàng)目合作52021年onodBioLucCage生物傳感器平臺(tái)和LuxSit從頭設(shè)計(jì)光素酶平臺(tái)生物傳感器——醫(yī)療診斷、食品污染、環(huán)境檢測(cè)2022年種子輪合作/使用AI算法——Family-wideHallucination創(chuàng)造出全新的酶，可以有效催化熒光素底物發(fā)光62021年智峪生科ZCloud全生態(tài)平臺(tái)醫(yī)療健康、生物制藥、食品保健、美容化妝品和農(nóng)業(yè)畜牧業(yè)等2023年A輪合作維亞生物、引加生物、海正藥業(yè)藥物中間體、抗菌藥物、