李彦宏发起创立的 AI 制药公司，首次发布免疫机器人，可精准编程

基于 AI 能力加持的生物计算引擎，可以帮助创新药物研发实现从“大海捞针”变为“按图索骥”。

百图生科推出生物计算驱动的“ImmuBot”免疫机器人

9 月 9 日，百图生科正式启动北京中心实验室，并首次对外披露其基于生物计算引擎 de novo 设计的全新蛋白质药物——“ImmuBot”（免疫机器人）。

据介绍，由于人体免疫系统高度复杂，种类多达数十类，且在不同组织器官环境有不同特征的免疫细胞族群，与每个细胞上决定其功能的数以万计的蛋白质，共同形成了复杂的万亿关系级别的功能调控网络，且在不同人群中有各不相同的亚型。

当前的免疫调控药物只针对这个复杂系统内的通用人群、单一或少数靶点进行调控，缺乏对病人亚群和疾病异质性的精细设计，无法实现精准的靶向和完整的调控，造成了药物的安全性、有效性特别是长期有效性的巨大挑战。

面对免疫调控的行业难题，百图生科基于生物计算引擎 de novo 设计的“ImmuBot”，具备四大功能特点：

弹头高性能。基于人工智能的强大能力，ImmuBot 为每一个靶点配备了恰当亲和力、精准定表位、精准功能激发的高性能弹头，并可实现相对其他同族蛋白的高特异性设计，从而极大提高有效性和安全性。组合多靶向。基于生物计算引擎的靶点组合挖掘和多弹头桥接药物设计，ImmuBot 可实现对多个组织特异性靶点、免疫功能靶点的组合靶向，使其具备强大的精准靶向、免疫细胞招募、作用于多个免疫机制、防止耐药逃逸等功能优势。编程式控制。通过创新蛋白质设计，ImmuBot 可以实现对人体微环境、细胞因子等的传感器感知，实现 AND、OR、IF 等条件触发功能，从而实现在特定疾病微环境内激活、针对患者情况选择性激活、序贯弹头激活等高级功能，实现对免疫系统的精准重编程。构件式组装。每个 ImmuBot 均由多个免疫功能弹头、组织导航弹头、微环境传感器、可编程控制器在适合的底座上由生物计算引擎组装而成，各类构件均可预制、多次复用、快速组装，不仅确保了单体药物的最佳性能，而且带来整体药物研发 10-100 倍的效率提升，为针对细分人群、疾病亚型、罕见病的精细化药物设计带来新的可能。

百图生科首席执行官刘维介绍，ImmuBot 平台上的每个“机器人”药物均由多个免疫功能弹头、组织导航弹头、微环境传感器、可编程控制器等构件组装而成，可以实现传统抗体药物无法实现的复杂作用机制，有望为大量未被满足的临床需求提供新的解决方案。

刘维表示：“百图生科所开发的免疫机器人药物，是高度复杂的创新蛋白质，大多在自然界中并不存在。由于不能依赖生物筛选的基础，其潜在设计空间趋于无限大，为设计带来了极大的挑战。但生物计算的高效 de novo 设计能力，可以在超大算力的加持下，迅速对大量候选蛋白质的各功能指标、可开发性指标等维度进行评估，再通过高通量实验体系高速验证迭代收敛，使 de novo 设计成为可能。”

资料显示，百图生科（BioMap）是中国首家生物计算引擎驱动的创新药物研发平台，由百度创始人李彦宏于 2020 年创立。2021 年，百图生科与北京海淀区政府达成战略合作，在海国投贝伦产业园区建设 5000 平米的百图生科北京中心实验室。

百图生科北京中心实验室内部设有大规模高通量自动化验证实验室、CLIA 标准组学实验室、微流控芯片实验室、类器官实验室、免疫细胞和基因编辑技术实验室等一系列研究实验室，通过自主研发的高通量 CRISPR 系统、类器官系统、微流控系统、计算光学系统，为百图生科解码免疫系统、打造高通量干湿闭环的生物引擎提供关键能力。

免疫机器人是如何炼成的？

ImmuBot 免疫机器人意图实现对免疫系统的精准重编程，治疗上百种免疫相关疾病。这样一个突破性药物平台是如何开发的？

刘维表示，资产组合、引擎技术、生态平台是其核心支撑。

基于免疫机器人技术平台高效研发的特色优势，百图生科正在构建一个大型的创新药物资产组合，包括 10 余类自主靶点挖掘项目、30 余个构件研发项目、10 余个自主和合作药物研发项目。

随着大批构件项目的研发推进，未来公司会自主或与合作伙伴联合，高效地推出更多的药物管线。目前，公司已在 10 余个项目上取得 HIT、LEAD 等进展，预计明年将实现首批 ImmuBot 项目进入全球临床。

这个大规模资产组合覆盖了大批肿瘤和自免疾病，特别是中国高发的胃癌、肝癌等临床需求强烈的病种，也覆盖了近十种主要的免疫细胞，为每类免疫细胞准备了创新的弹头。

而在大规模资产组合背后，是由 AI 大模型驱动的高通量干湿闭环生物计算引擎。

这一引擎通过一系列底层技术创新的“大科学装置”，包括万亿关系的多组学免疫图谱、千亿参数的蛋白质/免疫计算大模型、亿级数据生产量的高通量免疫模拟实验系统等关键技术，形成了高效的干湿闭环，才能将解码复杂免疫系统、de novo 设计全新的蛋白质药物变为可能。

百图生科的“AI+药物研发”实践

随着 AI 技术在越来越多的行业中落地应用，AI + 制药也成了近两年的热词。

头豹研究院报告显示，AI 制药是指将自然语言处理、机器学习及大数据等人工智能技术应用到制药领域各环节，以提高、优化新药研发的效率及质量，降低临床失败概率及研发成本。

而百图生科的核心逻辑是，利用生物计算引擎，从海量生物数据与信息中抽取知识，绘制“BioMap”，将创新药物研发实现从“大海捞针”变为“按图索骥”。

百图生科首席 AI 科学家宋乐博士表示，整个 AI 体系架构会是一个四层嵌套结构。“你可以把人想象成是一个多尺度的系统，外面是器官或组织，有细胞的协同工作，再细分是单个细胞，里面是非常复杂的蛋白质互相作用网络、蛋白质调控基因表达网络，再深一层是蛋白质相互作用。这个大模型最底层的是基于蛋白质序列进行预训练，对蛋白质结构进行预测。”

具体而言，四层嵌套结构可以理解为，系统通过训练获得一组表征，这个底层的表征可以用在上层模型上作为输入，第二层模型输出又可以作为上面一层模型的输入，让整个体系里的数据流通，或是让模型之间组合在一起。最后，在细胞系统层面的模型可以和下面的蛋白质预训练模型链条产生更好的效果。

当前 AI 制药仍存在诸多挑战，其中一个比较大的难点在于，如何为 AI 定义目标？

在接受采访时，刘维表示，宽泛地做 AI 无法产生独特的数据，也没有独特的试验闭环，很难真正突破行业平均水平。因此，必须要选定一个特定领域，并围绕这个特定领域搭建技术能力。

“从公司创立之初，我们想得比较清楚的几件事是：第一，我们一直在找一个特定针对的领域，就像我们今天做的领域很垂直，但我们相信这是一个巨大的市场。这个领域中，免疫机器人作为一种平台技术，能够解决上百种免疫疾病。第二，我们围绕这个特定领域搭建了高通量蛋白、高通量免疫所有的实验能力，以及大模型和为了训练大模型所需的数据和知识图谱。如果你希望用一个新技术去泛泛做服务，想什么问题都能解决，这是很难的。而我们找了一个足够难，但足够聚焦的方向，就是去做全新的蛋白质药物设计。”刘维说道。