关键词：AI制药、DNA编码化合物库、DEL、伊司特韦、药物发现、附条件批准
中国首款AI辅助研发的原创药盐酸伊司特韦片获附条件批准上市，引发了一个容易被标题掩盖的问题：AI究竟在哪一步发挥了作用？如果把整个研发周期都归功于一个模型，会误解药物研发；如果认为AI只是在传统筛选上增加一层宣传，也会低估数据和算法正在带来的变化。
这一案例最值得分析的，是DNA编码化合物库（DEL）与机器学习结合形成的筛选闭环。西湖大学披露的化合物库规模达到490亿。人类不可能把490亿个分子逐一制备、逐一完成常规实验，但可以借助DNA标签进行混合筛选，再利用计算方法从高噪声结果中识别结构规律，最终收敛到可合成、可验证的候选分子。
DEL不是一个装满490亿瓶试剂的仓库
DNA编码化合物库的基本思路，是在小分子合成过程中为它连接一段可读取的DNA标签。标签记录分子的合成路径或身份。大量带标签的化合物可以混合在同一体系中，与目标蛋白共同孵育；未结合分子被洗去后，对保留下来的DNA进行扩增和测序，就能追溯哪些结构更可能与靶点结合。
这种方法将化学筛选的一部分转换成信息读取问题。传统高通量筛选需要让每种化合物占据独立孔位，库规模受到实验设备、样品量和成本限制；DEL可以在极小体积中容纳数量级更大的结构空间。
但“库里有490亿个分子”不等于获得490亿条高质量药效数据。测序计数会受到合成产率、标签偏差、非特异结合、蛋白状态和实验条件影响。一个分子在筛选中富集，只能说明它值得进一步调查，不能直接证明它能成为药物。
AI的价值在于处理组合空间与噪声
DEL数据天然适合机器学习：分子具有结构特征，筛选结果提供富集信号，实验可以形成多轮反馈。模型可以学习哪些片段组合与靶点结合相关，并在尚未直接观察的化学空间中进行预测。与只对单个分子打分相比，更重要的是模型能在活性、选择性、溶解性、代谢稳定性和可合成性之间做多目标权衡。
然而，模型的上限由数据决定。DEL中的“负样本”未必真的不结合，低计数也可能来自合成失败；高富集结构可能只是容易黏附蛋白。若直接用原始计数训练，算法会把实验偏差学成化学规律。因此，数据清洗、对照实验、批次校正和不确定性估计与模型结构同样重要。
更可靠的工作流通常包括四个环节：先通过DEL把超大规模空间压缩到一批命中结构；再用模型识别结构—活性关系并提出新分子；随后进行脱离DNA标签的独立合成与生化验证；最后进入细胞、动物和临床前开发。AI加快的是搜索与决策，不能替代真实生物系统的验证。
三年半意味着什么
从源头发现到完成临床试验约三年半，确实显示出较高速度。但不同药物的靶点基础、适应证、试验规模和监管路径差异巨大，不能简单用一个数字与所有创新药平均周期比较。新冠治疗属于明确公共卫生需求，附条件批准允许基于现有证据先行上市，同时要求继续完成确证性研究。
“附条件批准”不是降低安全性底线，也不是研发终点。它意味着监管机构认为现阶段获益大于风险，但部分长期或更大规模证据仍需补充。后续研究要回答真实世界有效性、不同人群获益、耐药风险、药物相互作用以及罕见不良反应等问题。
因此，这项成果应被理解为AI辅助发现路径第一次走完整个监管链条，而非算法已经把药物研发变成自动化生产。一个候选分子最终获批，需要药化、药理、毒理、制剂、临床、统计、生产质量和注册团队连续接力。AI在前端减少无效搜索，后端依然遵守医学证据的基本规律。
从“生成分子”转向“可审计研发”
AI制药早期叙事经常强调模型能生成多少新结构。真正进入产业阶段后，企业更关心另一组问题：模型为什么推荐这个分子？训练数据来自哪里？不同批次实验是否可比？失败分子有没有被记录？模型版本变化会不会改变决策？
药物研发的核心资产并不是一个通用大模型，而是结构化、可追溯的实验闭环。每次筛选、合成和测定都要与样品、条件、仪器、批次和分析方法绑定。只有这样，算法提出的候选才能被复核，失败经验才能回流，监管申报时也能解释研发路径。
这与工业智能的逻辑高度相似：模型必须嵌入过程，而不是悬浮在过程上方。AI制药平台最终会接近一种面向科学实验的“数字工匠系统”，连接知识检索、分子设计、任务编排、实验设备、质量控制和报告生成。竞争优势来自数据闭环速度与质量，而非聊天界面。
对国内AI制药产业的判断
这次获批为国内行业提供了一个重要参照。第一，算法价值必须通过候选物和临床结果兑现；第二，大规模库的数字并非壁垒本身，库质量、化学多样性和实验一致性更关键；第三，平台企业若缺少湿实验和临床协作能力，很难独立完成价值闭环。
未来更现实的竞争不会是“AI能否替代药物科学家”，而是哪支团队能把计算建议更快、更可靠地转化为实验。模型可能在一天内提出上万个分子，但合成和验证资源始终有限。优化每一次实验的信息增益，比无限扩大生成量更有意义。
从490亿到1，是一个很适合传播的数字故事。它背后的技术实质，是把不可穷举的化学空间转化为可迭代的学习过程。伊司特韦的获批证明这条链路可以抵达市场，也提醒行业：最终被批准的不是算法，而是一粒在真实患者中经受证据检验的药。