DNA编码库在AI制药的作用

DNA编码化合物库在AI制药中的核心价值，不只是“储存更多分子”，而是把传统上难以承受的大规模化合物搜索，转化为可测量、可计算、可迭代的数据过程。它为人工智能提供高密度的候选分子与靶点结合信息，而AI则负责从这些复杂数据中识别规律，缩小后续验证范围。二者结合，改变的是新药发现的搜索方式。

DNA编码化合物库如何发挥作用

DNA编码化合物库会为化合物附加可识别的DNA标签，使大量不同结构的分子能够被混合处理。通过与目标靶点接触并进行筛选，研究人员可以根据保留下来的DNA标签，反推出哪些化合物具有潜在结合能力。其关键优势在于并行化：一次实验即可覆盖数十亿级分子，早期筛选不再局限于逐个测试少量候选物。

但高通量并不等于高质量。筛选结果往往包含真实结合信号、非特异性结合和实验噪声，单靠实验人员逐条判断，难以充分利用其中的信息。AI模型可以对分子结构、标签信号和筛选结果进行关联分析，寻找可能影响活性和选择性的结构特征，并据此提出更值得验证的候选分子。

AI真正缩短的是哪一段周期

DNA编码库主要扩大了“看见候选物”的范围，AI则提高了“判断候选物”的效率。两者共同作用于药物研发最早期的分子发现环节，将原本类似“大海捞针”的过程压缩为更集中的验证流程。西湖大学、西湖实验室和西湖制药联合研发的艾普司韦，正是这一模式获得临床和监管结果的案例：团队使用DNA编码化合物库与AI模型完成候选分子筛选，从源头发现到完成临床试验用时三年半，并获得附条件批准上市。

这并不意味着AI已经替代了药物研发。DNA编码库筛出的首先是“值得研究”的分子，而不是天然具备疗效、安全性和可制造性的药物。候选物仍需经历药理、毒理、临床试验及上市后研究等环节。AI的现实作用，是提高早期决策质量、减少无效搜索，而不是消除后续研发的不确定性。

因此，评价DNA编码库与AI的组合，不能只看筛选规模或模型精度，更应关注候选分子能否持续通过实验和临床验证。它的产业意义正在于：把海量化合物资源转化为可分析的数据资产，再把算法判断交还给实验与临床检验。