中信建投：AI制药大有可为，产业链有望持续受益|ai制药大有可为，产业链有望持续受益|中信建投|大分子|实验|新药|靶点

本文转载自微信公众号：中信建投证券研究

文｜袁清慧成雨佳王云鹏

AI制药领域正经历着快速的迭代和变革，算法的更新迭代和算力的支持为AI在制药领域的应用打下了良好的基础。传统药物开发过程花费时间长成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。近年来AI特别是深度学习的发展，促进了其在包括靶点筛选、分子生成及优化、ADMET预测、晶型预测以及合成路线筛选等的应用，AI用于大分子药物的开发投入也持续增长。AIDD有望重塑早期药物发现的流程，大大加速早期药物筛选的效率及成功率，相关干实验投入的增加以及对湿实验需求持续的增长，有望为下游产业链持续带来增量。

AIDD覆盖早期药物发现全流程。传统药物开发过程花费时间长成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。近年来AI特别是深度学习的发展，促进了其在包括靶点筛选、小分子生成及优化、ADMET预测、晶型预测以及合成路线筛选等的应用，同时大分子药物研发环节AI布局也在逐渐深入，随着各类干湿实验验证和模型迭代，有望重塑早期药物发现的流程，大大加速早期药物筛选的效率及成功率。

AIDD企业总体处于早期阶段，行业有望进入加速成长期。AI biotech主要包括三种商业模式，第一是仅提供软件服务的SAAS类企业，其次是结合AI平台为客户进行新药筛选或者评估的服务类CRO企业，最后还有通过AI平台自主设计新药并进行管线推进的AI创新药企。目前多数企业发展处于早期阶段，采用其中几种商业模式的结合，整体AI制药市场仍还比较小，但随着越来越多资本的参与、技术的更迭以及AI制药管线逐步上市得到验证，行业有望逐渐迎来收获期。

AIDD模型持续迭代，产业链有望持续受益。AI制药并非单纯以算法替代实验，而是通过提升候选分子的设计效率和命中率，推动研发模式向“Design-Build-Test-Learn”闭环演进。尤其在大分子药物领域，模型从序列和结构预测进一步走向功能预测、抗体生成及多参数优化后，对高质量实验数据的依赖反而进一步增强，需要持续进行基因合成、文库构建、蛋白/抗体表达、结合与功能检测以及多组学分析，并将实验结果反哺模型训练。因此，随着AI模型迭代速度加快、单次设计候选数量提升以及更多药企将AI嵌入早期研发流程，高通量、自动化、标准化的湿实验需求有望持续增长，基因合成、蛋白表达、科研试剂及CRO等产业链环节有望持续受益AI制药渗透率提升带来的增量市场。