AI藥物開發平台

本團隊之 AI藥物開發平台，以生成式小分子藥物結構設計、多任務學習、毒性預測評估、及大分子設計演算法為核心，兼具模組化與高擴充性，根據不同疾病標的、藥理特徵或毒性終點進行客製化建模，並整合結構及生物活性等多模態資料，以提升藥物研發的效率與精準度。

一、平台核心技術

1. 小分子藥物設計模組：應用最先進的生成式演算法，包括生成對抗網絡 (Generative Adversarial Networks, GANs)、擴散模型 (Diffusion Model) 與變換器 (Transformer) 架構，能快速生成多樣化且具創新性的分子結構，並針對特定疾病或標靶蛋白進行量身設計，提升候選藥物的多樣性與成功率。
2. 藥物活性預測模組：結合多任務學習（Multitask Learning）與遷移式學習（Transfer Learning），可於不同任務間共享知識，顯著降低對大規模數據的依賴。該技術不僅提升小分子與大分子藥物設計的準確性與廣泛性，更適用於孤兒受體及罕見疾病領域，為缺乏充足資料的藥物開發提供突破性解決方法。
3. 大分子藥物設計模組：應用人工智慧ProteinMPNN與RFdiffusion等演算法，搭配AlphaFold與RoseTTAFold等蛋白質結構預測工具，生成優化抗體、疫苗及蛋白質藥物結構。結合結構生物學及計算生物學動態優化大分子藥物，縮短設計週期，提升設計精度，使AI驅動的蛋白藥物研發具備產業應用價值。
4. 毒性與藥理預測模組：透過毒性預測模型與DMPK（藥物動力學與代謝）模擬系統，對於候選分子進行早期毒性風險評估。不僅能減少對實驗動物的依賴，不只能在藥物研發初期即降低失敗風險與研發成本，並符合國際上3R原則 (Replacement、Reduction、Refinement) 之先趨。

二、技術服務與應用

人工智慧與資料庫技術應用於生物與化學分子的功能與毒性預測。

孤兒受體藥物設計：針對缺乏研究的GPCR孤兒受體藥物設計提供專屬設計服務。

藥物自動化篩選：整合虛擬篩選與分子動力學模擬，縮短設計週期，提升設計精度。

技術價值與競爭優勢：

• 縮短研發週期、降低成本：AI生成與自動化平台加速設計驗證。
• 高精準性與創新能力：多任務學習、遷移式學習與證據權衡模型，提升預測準確度。
• 符合國際趨勢與倫理：人工智慧毒性預測減少動物實驗，符合全球永續與倫理規範需求。
• 全方位整合平台：小分子設計服務、大分子設計服務、毒性與合成驗證一體化。
• 客製化模型委託服務：依專一性藥物靶標蛋白或藥物特性彈性建立預測模型，提供完善的藥物設計解決方案委託服務。