从技术到商业，ITBT带来的新可能 | 5Y Talk

生命科学的重要性早已不言而喻——关于健康与疾病，也是关于所有人的未来。从实验室走向产业，进而影响社会，医药领域本身需要漫长的试错周期，而这个领域的创业者都在不同细分领域探索。

作为最早布局ITBT赛道的投资机构之一，过去几年我们发现和支持了很多数字化医药研发领域的创业者。从技术到商业，从创新到市场，这一年他们也都有更多突破。

近期，五源与动脉网联合举办了一场圆桌对话“ITBT商业化之路，技术与未来”，五源董事总经理井绪天与我们的五位被投公司企业家——星亢原联合创始人&CEO陈航、剂泰医药联合创始人&CEO赖才达、宸安生物创始人&CEO王宇翀、晶泰科技联合创始人&董事长温书豪、焕一生物创始人&CEO文雯，在圆桌论坛中分享了各自领域的进展，以及他们期待的未来。

我们整理了圆桌的部分内容，希望对你有所启发 : )

圆桌嘉宾

01 

ITBT的新可能

井绪天：五源一直非常关注信息技术在各行各业垂直领域的应用，医药研发是非常重要的一个领域。最近10年整个医药领域的数字化发展非常快，行业的一些基础模块都变得数字化，很多问题可以通过新的方法来解决。

我们从三年前开始就在积极布局这个领域，在今天这个时间点来看，无论是技术还是商业上，这个行业都已经有了非常好的早期验证。今天我们请到这个领域的5位企业家，与大家分享一下各个公司的进展，以及关于行业未来的一些展望。

请各位先做一下自我介绍。

赖才达：大家好，我是剂泰医药METiS的创始人、CEO赖才达。剂泰专注用AI去驱动药物递送，包括小分子药物以及mRNA为基础的核酸药物，用AI、高通量技术和量子计算的技术，去开发肝、肺、脾、肌肉等多器官/组织靶向递送平台。

目前我们以递送作为核心，与药企合作开发管线，送的东西也越来越多，从mRNA到siRNA、saRNA以及CRISPR。我们自己也在推进几条管线，最快的话明年应该会到临床三期，公司现在正在从技术平台到产品平台转型。

陈航：我是星亢原的联合创始人兼CEO陈航，我们公司在2018年成立，结合AI、生物物理以及高通量实验，从底层进行药物的设计和开发，我们也是中国第一家通过AI重点做生物大分子药物的公司。

我们最早切入的领域是大分子生物医药。在小分子领域，我们也专注在开发蛋白降解剂PROTAC设计的通用性方法。在这两个方向，我们一方面基于AI做自己的管线，另一方面也跟大药企合作开发。

文雯：我是焕一生物的创始人文雯。焕一生物是全国首家联合AA算法和系统免疫数据，建立多组学计算平台解决方案的公司。我们是专注于肿瘤自体免疫疾病和神经性疾病领域，基于人体多组学数据，结合人工智能和计算生物去去建立数字化疾病模型，解码免疫系统，高效赋能新型生物标志物和靶点的研发。

我们解决的主要痛点就是，现在已有的体外模型、动物模型这种新药研发模型，其实很难转化成真正有效的、可以到临床试验药物，我们认为唯一能向前推进此问题的方式是基于真实的人体数据去建立数字化模型，焕一生物就在做这方面的工作。

王宇翀：大家好，我是宸安生物的创始人、CEO王宇翀。宸安生物是2016年我和几个小伙伴回国建立的一家底层的生物技术公司，我们致力于开发可以对生命科学的认知产生底层推动意义的工具。

现在我们自己在开发的平台叫质谱流式，也是全世界来看比较领先的单细胞的分析技术平台。无论是底层的硬件、试剂还是最终的解决方案，我们都在做积极的尝试。

温书豪：我是晶泰科技的创始人温书豪。晶泰科技是致力于药物行业的数字化、自动化和智能化产业升级的公司，我们的愿景是希望让AI能够流淌进每一款新药。

我们认为药物行业有一个新的范式变化，是由算法、算力、机器人推动的新范式，而非过去的人的经验驱动的试错法。算法、算力、包括自动化机器人等新技术可以用于药物行业数字化的基建升级，晶泰是致力于打造药物行业的数字化新基建来赋能新药研发的公司。

02 

从技术到商业，进展与突破

井绪天：整体来看，数字化医药研发行业还是相对比较新兴。对于任何一个新兴行业，大家都会很关心公司的实际进展。作为insider，我们还是很有信心，也可以比较清楚的看到各位实际的进展。

大家也可以分享下，公司在产品和技术上有哪些实际的突破，以及在商业上的尝试和进展。

温书豪：从整体药物工业来看，可以看到全球最大的一线药企都在非常积极的拥抱新的数字化的解决方案，这是一个必然的趋势。

对我们公司来说，我们在构建自己的一体化研发能力，以及通过AI、自动化机器人来提升药物研发关键环节的效率，也有一些很好的合作案例。其实很多企业在合作初期对这种新的模式会持一种将信将疑的态度，但最终的结果可能超乎了他们此前的预期，在AI、数字化驱动的这种新范式下，研发成本更低，能可靠地实现交付，而整体效率大大提升。

在新药研发项目中，算法、算力和机器人可以解决医药研发领域此前的很多瓶颈问题，带来巨大的回报。最近我们也签下了一个很好的合作，机器人可以和人一起帮客户做定制化的药物研发服务，并将高质量的数据及时反馈给AI算法，形成闭环。其中机器人可以24小时不间断去做实验，从速度来看的确是质的飞跃。

王宇翀：从2021年初开始，我们平台逐渐向一些基石用户和合作伙伴开放，并在去年10月22日正式在中国免疫学大会上发布，现在已经有大量的用户侧装机和测试。从平台基础性能的达标，到实际在用户侧的应用和优化，我们针对不同场景做了很多工作。目前全国装机用户在快速增长，包括了中国在血液病及肿瘤方面最顶尖的临床机构，以及一些制药行业的合作伙伴。

我们提供的核心价值一方面是很大程度上解决了临床细胞分析目前的问题，尤其是疫情以来，临床对高性能产品的需求其实是很强的；另一方面在药企侧，大家对于筛选效率的需求也越来越强，需要更灵敏、更高分辨率的分析工具，我们自己也在进一步整合和开发行业中通用的解决方案。

文雯：我们做的事情是去通过建立数字化模型，提升新药研发的效率以及最终临床实验的成功率。

在技术端，我们尝试把早期研发的各个环节用一种非常细的系统化、工业化的方式去做。从临床端获取样本，到实验室内生产多组学数据，再到我们的计算平台建模、生成大规模的一些假设，以及在根据知识库和专家意见进行各式各样的验证。

其实产业链里每个环节都有一些公司在做，但做成一个端到端的平台其实是提升效率的关键。我们也利用了一些AI或者自动化技术来提升每一个环节的效率。

通过这三年的努力，我们现在已经有了两个肿瘤和一个自身免疫疾病中的一些靶点得到了一个初步的验证。这些项目整个过程跑下来，效率和验证的成功率较于传统实验方式都提升了很多。因为我们的起点就是从人而非动物身上出发，所以回到人身上的成功率就会变高。

商业化上，我们一是会给一些公司提供定制化的服务，产品方面，我们一方面与合作伙伴联合研发，另外也在自主研发。我们做的其实是研发链条中最早的一端，真正获得临床实验的成功其实需要很长的时间，但我们相信做这一端有非常大的价值，所以有耐心用时间去证明自己技术平台的能力。

陈航：我们在大分子生物药领域的平台型技术，从基于蛋白蛋白相互作用的药物设计，再到结合高通量实验、噬菌体酵母展示等平台精准建库，再到基于可开发性的AI快速筛选，最后到基于计算设计的优化，实现了端到端的药物研发，有自研管线也有合作管线。

我们最近半年专注于研发，以把管线推进到临床阶段为目标。目前合作管线都推进得非常棒，自研管线也有望在明年的下半年实现IND申请。我们当下处于一个从AI-empowered biotech到clinical stage biotech（临床阶段）的一个转型阶段，希望明年是一个丰收的季节。

赖才达：刚刚也提到我们做的是药物递送，过去几年我们打通了AI还有高通量平台，我们是全球第一个可以做到这种复杂制剂的递送的，尤其像LNP这样的平台，就像我们自己的一套设备，效率提升的数量级非常大。

我们现在在共同开发一些疫苗，正在把这几个功能管线推到POC阶段。另外我们也在跟国内的几个大药企做mRNA和siRNA的合作，共同开发一些应用场景，deal size都非常可观。

同时，我们在做mRNA的时也会往前做一些环节，因为赛道本身很新，很多环节天然需要AI嵌入，除了递送之外我们也在往前做序列设计层面的搭建，完成端到端的平台，然后大量去跟药企合作。

除了以平台为基础的对外合作之外，我们自己也有一个自驱的管线平台，在平行做大概19个管线，其中有小分子、有mRNA，递送本来就离临床比较近，小分子今年就会做完临床一期，明年开始做临床三期，mRNA管线大概是明年会到IND申报阶段，希望可以规模化的推进管线。

03 

期待的未来

井绪天：非常高兴大家都分享了令人鼓舞的进展。其实我们已经看到IT与跟医药研发的结合，无论是研发效率、资源的节省还是很多表现都超过了传统方法论，整个医药研发范式处于转变之中。

第三个问题比较开放，大家畅想一下，未来5-10年或者更长时间里，整个ITBT领域会发生哪些变化。可以是商业上的，也可以是技术上。

赖才达：我也一直在讲，AI用在新药研发领域真的是超好的应用场景，现在才刚刚开始。我们从递送切入，其实整个基因治疗、核酸治疗、细胞治疗，整个赛道都是非常大的场景。尤其对于核酸类型的药物研发，本身就是人体内自有的编码，我觉得会有大量的公司去解码，到底如何影响病症状态。

另一种就是，了解编码如何影响疾病之后，像我们这种去设计编码，让它可以从一个疾病细胞变回一个健康的细胞。这要做事情非常多，生物学驱动完之后，基本上必须用AI来做，像递送也是，设计空间很大。我觉得未来5~10年，对于一个疾病细胞如何去读和写的能力是非常关键的，每一个环节AI的作用会越来越重要。带来的可能不仅是效率的提升，而是没有AI根本做不了，是特别大的应用场景。

陈航：在大分子生物药领域，当下我们正融合多技术，计算是其中一个很重要的部分，慢慢随着我们对数据、对蛋白整个的理解，计算占的分量会越来越大，它可能打开以前无法想象的空间。自然界可以发现蛋白，还有非自然界可以获得蛋白，我们基于计算都是可以去理解去设计。在整个蛋白工程中，传统方法和AI结合之后可以有很大方面的应用。

另外在PROTAC（蛋白降解靶向嵌合体）领域，其实我们做事情就是基于AI计算的理性药物设计。之前小分子有Rule of Five，那基于PROTAC的Rule of Five还可以应用吗，不见得，很多事实证明也确实不再奏效。有没有可能基于AI计算快速地建立PROTAC等蛋白降解小分子的理性设计标准，这是产业在重点关注的。

文雯：我们也在做一些比较大的项目，可以很明显看到，数字化疾病模型领域现在处于一个非常激动人心的时刻。现在做的很多事情是5年前没办法做到的。

系统生物学这个概念存在已久，大家常说把生物系统化，但实际上离生物系统化还非常遥远，最大的一个原因就是数据。但最近几年各种上游技术的发展，我们现在已经可以获得非常多的数据，以及我们对于数据之间关系的理解，也在指数型上涨。

全世界学术界都正在大量利用AI技术以及生物计算，把一块一块拼接起来，接下来去把生物或者疾病去做数字化系统化的模拟已经不是痴人说梦了，这就是现在正在做的。大家联合在一起，整个医疗界去努力去做这个事情，去理解疾病，解决一些问题，这件事情现在正在发生。

当然就算在非常理想的状态下，一个靶点转化药物都要花很多年。但今天算是一个起点，会有一些激动人心的事情慢慢发生，5~10年肯定会因为现在的一些数字化模型产生非常好的一些结果，这件事情让我们非常激动。

王宇翀：我非常同意这个观点。在5年之前，我们想要这么大规模的去做这样复杂的数理模型，实现算法或者更先进领域的突破创新几乎是不可能的，很重要的一个底层原因就是数据的产生。

我的理解里，生命科学一直是一个自上而下的科学，新的认知工具永远会推动整个行业的认知的进步。之所以ITBT蓬勃发展，很重要的原因是有大量的高质量数据可以被产生出来，这一方面是时间的积累，另一方面是数据生产工具性能的提升。

国际的一些行业研报里也在论证为什么ITBT会是golden goose的故事，是会下金蛋的鹅，其实他们的核心观点并不是说ITBT是会下金蛋的鹅，而是会下更好蛋的鹅。

在现在整个产业状态下，全球的医药产业对于创新的诉求越来越强，大家都在期待新的突破，在很多层面我们都在尝试。其实无论是从短期也好，还是从长期也好，新的技术、新的工具、新的方法可以为这个行业带来更大的确定性和更明确的效率提升，这一定是一个明确的趋势。

短期来看，商业上我们面对的挑战是如何为这个行业里已有的需求提供比较显著的效率提升，这也是我们正在做的事情，并可以在短期内证明。在现在大的产业环境中，我明显感受到，无论是中国的企业还是美国的企业，大家对于效率提升工具的尝试意愿都在上升，不是在下降，因为我们知道再去做同质的东西可能已经没有希望了。

长期来看，ITBT技术带来的不仅是效率提升，更多是实现之前完全没办法实现的事情。当然，医疗本身需要很长的试错周期，可能并不能在短期之内证明给所有人看，但我们已经看到了在各个环节都有很多积极的尝试，做到很多之前完全实现不了的新场景。对于ITBT整个领域来讲，这是有长期价值的。

温书豪：我非常同意各位创始人的想法，新的技术一定会给药物行业带来一波范式变化和很大的红利，各位也提到了很多环节的进展，我也有一些切实的感受。

最近我们的自动化机器人开始逐步规模化投入药物研发，机器人可以连续不间断的测试，而且对作业环境的要求极低，可以大量分担实验室的标准化体力劳动。我很期待将来能够看到，AI+机器人可以释放巨大的研发产能，让药物实验从人力密集型工作向计算密集型转变。可能只需要有经验的专家远程作出决策指令，机器人就可以24h不间断地进行合成和测试，这会给这个行业、公司带来非常大的、此前不可想象的一些模式的变化，给整个药物产业带来更多更高效，价格更便宜，全局更优化的药物。

井绪天：非常感谢各位的分享。作为投资人，我觉得ITBT在今天已经完成了概念验证阶段，非常幸运我们这个概念被验证成功了。可能今天整个市场来看是一个冷静期，但我觉得也是非常好的机会，可以让我们抓住早期生产力的技术上的领先性，把新一代的生产力转化成商业上的领先，最终成为公司的成功。

五源寻找、支持、激励孤独的创业者，为其提供从精神到所有经营运作的支持。我们相信，如果别人眼中疯狂的你，开始被相信，世界将会别开生面。

BEIJING·SHANGHAI·SHENZHEN·HONGKONG

WWW.5YCAP.COM