西部计算机解密AI4S系列五会议纪要

一、核心要点

1. 本次会议为西部证券AI4S系列第五次电话会议，探讨AI for科学计算（AI4S）在生物科学领域的发展，指出其或继AI Coding后成为AI重要发展方向。
2. 科麦生物CEO王天元分享公司业务：利用私有数据做抗体AI从头设计，核心优势在于数据积累、专有算法模型及在线平台。
3. 公司数据积累：已获251万对高质量抗体序列-抗原表位数据，远超公开数据量级，数据处理含假阳性剔除、表位鉴定等环节，准确率达78%。
4. 技术路线：基于序列的抗体设计，区别于主流结构生成模型，解决结构数据产能瓶颈问题，已通过4个内部、3个外部项目验证可行性。
5. 抗体优化案例：与嵇康生物合作优化GPCR靶点VHH激动型抗体，将活性从几百皮摩尔提升至几皮摩尔，提高100倍；优化CAR-T抗体实现精准识别突变抗原。
6. 公司打造Click Map在线平台，通过智能体调度算法模型，降低生物学家使用门槛，已与科伦博泰、博鳌明赛等国内外药企合作。

二、角色与分工

1. 三类核心角色：定方向人员（懂生物学机制与临床需求）、计算设计科学家（会用AI工具、懂靶点机制）、底层AI算法研发人员（懂跨领域知识）。

三、AI对行业的改变

1. 降本增效：如人文化设计从三四天缩短至2.5小时，试验库容量从10^9降至10^5-10^6，降低筛选难度。
2. 拓展新场景：实现传统方法难以完成的靶向功能表位抗体设计，将难成药靶点变为可及，重构抗体发现范式。

四、问答环节要点

1. AI抗体设计与AI Coding本质不同：前者可完成人类无法实现的从头设计，后者仅模仿人类编程能力。
2. 公司核心竞争力：私有数据积累及基于序列的专有算法模型，商业模式以联合开发、共享IP分成及服务费为主。
3. 行业发展阶段：AI抗体设计仍处初期，数据维度增长潜力巨大，2-3年内或实现任意抗原一周内完成抗体设计。