Anthropic引发关注：六个案例，洞察AIDD新趋势

2026年10月27日，Anthropic公布了与六家药物研发机构合作的早期成果，涉及CAR-T结构优化、抗体发现、先导分子优化、生产质量审核、研发组织及临床开发。

六个案例覆盖药物研发的不同环节，也释放出一个值得关注的信号：AI驱动药物研发（AIDD）正在从分子设计，向实验验证、研发流程优化及决策支持延伸。

研究团队利用AI辅助设计CAR胞内信号结构域，经过多轮设计与湿实验筛选，探索339种设计，最终获得仅45个氨基酸的优化结构，相比传统154个氨基酸的结构缩短约71%，并在实验中表现出更高的CAR表达水平及部分功能优势。

AI辅助设计，CAR胞内信号结构域缩短约71%（154 aa与45 aa结构对比）

值得关注的是，研究中的多CAR表达检测使用了ACROBiosystems百普赛斯提供的BCMA、CD19、HER2、MUC16靶点蛋白试剂，用于检测不同CAR的表达情况。

趋势洞察：AI设计正在拓展新型疗法的工程化空间，但设计成果仍需要真实实验验证。

针对食物过敏治疗，Divergence Labs探索开发能够促使IgE从高亲和力受体FcεRI上解离的双臂抗体。

研究采用AI辅助设计两种功能不同的抗体臂：Disruptor arm负责促使IgE脱离受体，Anchor arm则结合受体结合状态下的IgE，帮助实现目标机制。

AI驱动双臂抗体设计，从大规模分子探索到实验筛选

设计阶段分别生成11,273种Disruptor设计和23,600种Anchor设计，经过筛选后，91种Disruptor和57种Anchor进入实验提名。其中，20种Disruptor在实验中表现出IgE解离活性，3种在相关剂量条件下表现出优于奥马珠单抗的解离效果。

趋势洞察：AI能够扩大抗体设计与探索的规模，但从计算设计到有效分子，仍需要结合实验结果进行逐层筛选和机制验证。

抗体进入先导优化阶段，需要同时考虑亲和力、热稳定性、聚集倾向及表达纯化表现等多项指标。

BigHat在其自动化实验平台上开展两项抗体优化研究，涉及抗白蛋白纳米抗体和抗间皮素scFv。研究团队与AI Agent协同，经过7轮实验，累计测试约1,010种设计变体。

结合实验数据，评价抗体热稳定性与聚集表现

研究的一个重要发现是：部分常用热稳定性评价指标并不能准确反映实际分子性质。团队因此回到原始实验曲线，重新建立物理模型、调整评价指标，并通过改变蛋白浓度和升温速率进一步验证。

最终，两项研究中的优化分子在亲和力、热稳定性和聚集表现方面均有所改善，同时维持或改善了产量与纯度。

趋势洞察：AIDD正从单次设计走向多轮实验反馈与多维性能优化。

药物研发不仅涉及分子发现与实验评价，还包括复杂的生产记录、质量文件及注册资料审核。

Enveda利用AI辅助审核药品生产批记录。在一项涉及1,061页文件的评估中，系统识别了人工审核发现的全部11项问题，并额外标记7项潜在问题，将人工审核时间减少约89%。

这一应用将AI引入传统耗时的质量文件审核流程，通过信息提取和问题识别辅助专业人员开展工作。

趋势洞察：AI的应用正从分子研发延伸至CMC、质量管理与注册支持。

The Column Group探索将AI深度融入生物技术公司的研发组织与运营模式，通过AI工具支持靶点评估、研究信息整合及研发项目推进。

与单纯将AI作为某个实验环节的辅助工具不同，这一探索更关注如何利用AI连接科学研究、信息处理和项目管理，使研发团队能够更有效地组织和推进研究工作。

趋势洞察：AI不仅改变具体研发任务，也可能重塑药企的研发组织方式与资源配置模式。

随着药物研发进入临床阶段，试验方案设计、成功可能性评估及不同开发路径的比较，成为研发团队需要处理的复杂问题。

BMS探索利用AI辅助分析早期临床试验方案，评估不同设计的潜在结果，并比较开发路径，为临床开发规划提供参考。

趋势洞察：AI的应用正在从早期分子发现向临床开发延伸，逐步参与更广泛的研发分析与策略制定。

从上述实践可以看到三个值得关注的方向：

其中，实验验证是连接AI设计与真实研发的重要环节。随着候选分子数量增加，可靠的靶点工具、高通量筛选能力、多维功能评价及标准化实验数据交付，将成为AIDD发展的重要基础。

面对AIDD研发不断增长的实验需求，ACROBiosystems百普赛斯推出AIDD-Ready平台——AI智药筛选与验证解决方案——整合丰富的产品资源与CHO-Direct™抗体筛选及验证服务。

覆盖高通量上清初筛、抗体表达与纯化、多维深度表征。最快4天获得亲和力数据，最快7天获得纯化抗体，并可进一步开展亲和力、表位分组、功能活性及成药性相关表征。

从AI分子设计到真实实验验证，CHO-Direct™服务以标准化、结构化的高质量实验数据赋能研发决策、AI模型迭代。