英国 AI 初创公司 Potential Sciences 用物理模拟替代实验室试错做药物设计

Potential Sciences 由创始人兼 CEO Hatem Helal 领导，其核心思路是把药物发现当作搜索问题：宇宙中原子组装成可给人服用分子的方式约有 10^60 种，关键在于多快能在这片空间中找到并剪枝出针对特定疾病的有希望分子。公司不依赖现有实验数据，而是用物理基本原理模拟原子之间、小分子之间以及复杂氨基酸与蛋白质之间的相互作用，生成合成数据集，再据此训练 AI 模型和预测系统。 Helal 认为，目前多数 AI 药物发现团队基于公开的蛋白质三维结构数据库 Protein Data Bank 训练模型，但该数据集规模太小，不足以支撑足够先进的模型。Potential Sciences 希望通过更大规模的模拟数据弥补这一缺口，让注定在临床失败的分子尽早被淘汰。 融资方面，公司称种子轮规模在数千万美元级别，投资方包括英国政府设立的 AI 风投基金 SovAI 和 Twin Path Ventures，创始人不愿披露具体金额与估值。SovAI 今年成立，可支配资金约 8 亿美元，并能为其投资组合公司提供英国国家 AI 超算的使用权。SovAI 投资负责人 Joséphine Kant 已随投资加入该公司董事会，她认为从化学物理角度切入药物发现是这家公司与其他企业的区别所在。 学界对模拟路线持谨慎乐观态度。莱斯大学化学教授 Peter Wolynes 认为这肯定会带来改进，但目前蛋白质工程的整体工程水平仍很初级；剑桥大学荣誉化学教授 Alan Fersht 则表示，若能准确计算细胞内所有分子间的相互作用及其结构涨落，确实将革新药物开发。 竞争与局限同样明显：AI 药物发现市场已相当拥挤，Basecamp Research、Isomorphic Labs 和材料发现公司 CuspAI 同样获得 SovAI 投资。此外，更快找到候选分子并不能消除验证安全性与有效性所需的时间和成本。Helal 也承认，能精准降低毒性的工具同样可能被用于最大化毒性，公司尚未确定商业模式，也未决定是否公开模型。