手握海量专利活性数据，新药分子设计却始终提不起效率。研发人员并不缺AI工具，真正的卡点，是尚未形成从数据到实验验证的端到端研发链路。
近日，晶泰科技（2228.HK）联合暨南大学在药物化学权威期刊《Journal of Medicinal Chemistry》发表研究成果，将多模态 AI、药物化学知识与物理模拟整合为一条完整研发流程，并通过靶向 RET 的抗肿瘤药物研发项目，展示了从已有专利信息出发、最终推进至小鼠药效验证的完整早期研发路径。
这项研究也验证了晶泰科技 XtalPi Science 平台在小分子早期研发中的一套完整工作方式：从专利数据解析、构效关系分析，到分子设计、计算评估，再到实验验证，不同专业工具围绕同一个研发问题连续协作，让前一步的结果能够直接进入下一步决策。
在这项回顾性案例研究中，团队以两款已上市 RET 抑制剂的专利数据为基础，仅设计合成了 3 个初始化合物，就得到了对 RET 激酶 IC₅₀达 0.48 nM 的候选分子 Cpd-31。
后续小鼠体内药效实验显示，在 Ba/F3-CCDC6-RET-V804M 移植瘤模型中，采用 10 mg/kg 剂量每日口服一次、连续给药 14 天的方案，Cpd-31 的肿瘤生长抑制率达到 95.88%，展现出优异的体内抗肿瘤活性。
专利数据为何难复用
活性是评价药物分子设计优劣最直接的指标。而药物专利，恰恰是活性数据最集中的来源：每一款已上市药物的背后，都积累了数十个专利家族、成百上千个化合物及其构效关系（SAR）数据。
但这些数据大多无法直接用于新药设计。专利中的分子结构、化合物编号和活性结果，分散在文字、图片和表格中；要把一份专利整理成一张结构-活性对应表，往往需要专业人员逐页阅读、逐个画结构、逐条核对实验条件。一份数百页的专利，人工解析常常需要数周的时间。
更核心的瓶颈在后续的分子设计环节。即便数据整理完成，从“SAR 表”到“值得合成的分子”之间，仍然依赖药物化学家的经验判断：哪个骨架值得保留、哪个片段可以替换、新分子与靶点如何结合、成药性质如何，每一步都依赖大量专业判断，且判断依据分散在各类工具与个人经验中，既难以追溯，也难以复用。
设计、合成、评价的每一轮迭代因此效率低下，前期判断也很难得到后续实验的系统性验证。
如何让专利数据“即取即用”，让每一步设计决策有据可依，并最终经受实验检验，成为小分子药物研发提速绕不开的命题。
AI 如何设计新分子
晶泰科技研究团队的思路，是以 XtalPi Science 为统一工作平台，把“数据—分析—设计—计算”几个原本相对分散的环节串成一条可追溯的链路。
第一步，是让数据真正可用。
平台上的专利智能解析工具 PatSight，通过多模态解析，将专利中的分子结构、化合物编号和活性结果自动关联为结构化数据。在本次研究的解析效率测试中，PatSight 处理两份合计 752 页的 RET 抑制剂专利，分别用时 15 分钟和 95 分钟，总耗时 110 分钟，将其中的结构与性质信息整理为可供后续分析的数据。
随后，平台上的构效关系分析工具 MolValley 进一步帮助研究人员比较结构与活性的变化，识别共同骨架和关键片段，把原本分散在专利中的数据转化为可以继续分析和设计的构效关系。
第二步，是把分析转化为设计假设。
团队从普拉替尼和塞普替尼的专利数据入手，分别梳理两类分子与 RET 靶点的结合方式，提出杂合设计策略：保留普拉替尼和塞普替尼两款药物经临床验证的关键结合特征，重新组合具有研究价值的骨架与片段。
基于这一策略，团队进一步借助 XtalPi Science 平台上的分子生成与设计工具 XMolGen，提出 30 个初始设计方案，使已有专利中的研发积累进一步转化为新的分子设计。
第三步，是用物理计算决定哪些分子值得优先合成。
研究团队使用平台上的自由能计算工具 XFEP，评估候选分子与 RET 靶点的结合，并综合结合姿势、理化性质等因素排定优先级，最终选择 Cpd-13 和 Cpd-27 进入合成。
从专利智能解析、构效关系分析，到分子生成与设计、自由能计算，这些专业工具在 XtalPi Science 上围绕同一个研发任务连续协作，让前一步的结果能够直接进入下一步决策，也让每一步设计依据都可以向前追溯。
多层药效验证结果
一套研发流程是否可靠，最终要看实验结果能否印证前期判断。
在实验评价与后续优化中，团队进一步调整 Cpd-27 的结构，得到 Cpd-31。体外实验显示，Cpd-31 对 RET 激酶的抑制活性 IC₅₀ 为 0.48 nM，在 KIF5B-RET 细胞实验中的 IC₅₀ 为 4.5 nM，在两个层面均表现出较强活性。
前后两批设计共合成 3 个目标化合物。前期通过专利解析、构效分析和物理计算筛选出的候选分子，依次进入合成环节与生物学评价，其活性逐步得到酶水平、细胞水平到动物体内三个层面的验证。
研究进一步开展动物药效实验：在 Ba/F3-CCDC6-RET-V804M 小鼠移植瘤模型中，每组 6 只小鼠，每日口服给药一次、连续给药 14 天，10 mg/kg 剂量下的肿瘤生长抑制率达到 95.88%，展现出突出的体内抗肿瘤活性。
从专利分析、分子设计、计算筛选到药效评价，这套研发流程最终落地到动物实验环节，前期通过 AI 与计算方法得出的判断，也得到了真实实验数据的验证。
研发能力的平台化沉淀
比起验证单个模型或工具的效果，这项研究更大的价值，是打通了小分子早期研发从数据到实验的完整流程。
从专利数据快速解析为结构化信息，到构效关系支撑分子设计，再到物理计算筛选出合成优先级，最后用实验结果反向检验、修正前期判断。 数据、模型、计算与实验形成闭环，科研人员可基于每一步结果推进后续决策。
这展现了 XtalPi Science 的平台核心能力：它将 PatSight、MolValley、XMolGen、XFEP 等专业工具与实验能力整合在同一科研体系内，研究人员不用在零散的数据、软件和流程间来回切换，只需聚焦具体研发目标持续推进。
对行业而言，这套可复用的研发流程能省去大量重复的数据整理与工具对接工作，让有限的研发资源更多投向核心的科学假设与实验验证；研发过程中产出的数据与实验结果，又能持续优化模型与方法，让每一次项目经验都成为后续研发的积累。
目前，XtalPi Science 正持续拓展药物研发领域的专业能力，并进一步打通晶泰科技的自动化实验基础设施。
这套整合分散专业能力、贯通全链路研发的平台范式，已在众多药物项目中得到充分验证；未来 XtalPi Science 还将持续探索药物研发的技术边界，以更高效的模式推动新药研发。
