关键要点
- AI驱动应用协助科学家进行药物设计，并与实验室测试结合形成闭环，使每次实验都能优化下一轮设计。
- 科学家可直接访问领先AI模型、查看基准测试结果，并使用AI智能体指导实验。
- 该应用旨在降低AI使用门槛，让不具备编程技能的科学家也能轻松利用AI模型。
- 在与纪念斯隆-凯特琳癌症中心（MSK）的合作中，潜在儿科癌症疗法的抗体设计周期从数月缩短至数周。
今日，AWS宣布推出Amazon Bio Discovery。这是一款全新的AI驱动应用程序，旨在帮助科学家更快速、自信地设计和测试新型药物。
Amazon Bio Discovery为科学家提供了直接访问专业AI模型目录的机会。这些被称为生物基础模型（bioFMs）的模型基于庞大生物数据集训练而成，能够生成和评估潜在候选药物分子，加速早期抗体疗法研究。然而，仅有访问权限并不足够。
借助Amazon Bio Discovery，科学家可用自然语言与AI智能体对话，选择适配研究目标的模型、优化参数并评估候选分子。科学家还可利用既往实验数据微调模型以提高预测准确性。此外，候选分子可一键发送至实体实验室合成测试，结果反馈回应用以实现“实验室在环”的快速迭代。
打破药物发现中AI采用的障碍
近年来，生成式AI催生了大量机器学习模型，涵盖蛋白质结构预测到分子化学特性评估等领域。尽管潜力巨大，但这些模型通常要求使用者具备编码技能及计算基础设施管理能力。面对数十种难以横向对比基准的模型，许多科学家难以独立应用，而专业的计算生物学人才又严重短缺。
将候选分子从计算设计推进到实体合成同样复杂。数据往往分散在不同系统中，科学家需手动协调多个实验室合作伙伴的时间表与定价。
Amazon Bio Discovery通过三项核心功能应对上述挑战：经过基准测试的AI模型与分析包库、辅助实验设计的AI智能体，以及集成化实验室合作伙伴网络。后者负责测试高潜力抗体候选分子并将结果反馈给科学家，形成优化下一轮设计的闭环。
AWS Healthcare AI and Life Sciences副总裁Rajiv Chopra表示：“AI智能体让强大的科学能力惠及所有药物研究人员，而非仅限于计算专家。这些系统能协助设计分子、协调测试、从结果中学习并在实验中持续进化。前沿AI技术与AWS稳健安全的基础设施相结合，正以前所未有的方式加速抗体发现进程。”
Amazon Bio Discovery建立在制药行业信赖的基础之上。目前全球前20大制药公司中有19家使用AWS运行敏感研究工作负载。该应用为科研机构提供企业级规模、性能、隐私和安全保障，确保数据完全隔离，客户拥有全部专有数据和知识产权。
AI智能体帮助科学家设置并运行基于AI的药物发现工作流程。
轻松自信地在研究中使用AI
Amazon Bio Discovery汇集了广泛的药物发现AI模型目录，包括Apheris、Boltz等合作伙伴的开源和商业模型，Biohub和Profluent也将陆续加入。AI智能体会引导科学家完成从实验设计到筛选最优候选分子的全过程。用户可通过自然语言创建包含多模型和分析步骤的实验配方，并进行基准测试以匹配研究需求。此外，不断增长的抗体基准数据集可用于评估候选物的可制造性、热稳定性及生物学特性。
Amazon Bio Discovery提供的用于药物发现的开源和商业AI模型目录。
利用科学家的先前实验数据改进AI模型
使用专有实验数据微调AI模型可提升预测精度、优化候选分子并减少迭代次数。但传统方式依赖昂贵的ML团队和基础设施，令大多数科学家望而却步。
Amazon Bio Discovery允许科学家安全导入组织内的既往实验数据。只需简单操作即可用自有数据训练自定义模型，无需构建复杂管道或编写代码。所有微调模型均保持私密，仅授权用户或组织可访问。已有内部模型的组织也可由计算生物学家轻松部署托管于该平台。这些功能促进了科学家与计算生物学家的高效协作，形成持续改进循环，加速研发进程。
通过使用先前的实验实验室数据对模型进行微调来提高预测准确性。
利用内置的实验室合作伙伴关系，打通药物发现的闭环
确定最佳抗体候选分子后，科学家可直接将其发送至Amazon Bio Discovery集成的实验室合作伙伴网络进行物理合成与测试。Twist Bioscience、Ginkgo Bioworks（A-Alpha Bio即将加入）等合作伙伴提供价格透明、交付周期明确的服务，帮助科学家获取关键信息以决策后续开发方向。
分析并筛选出最佳候选分子，送往实体实验室进行测试。
实验室结果自动回流至组织的应用环境，保持数据连通并优化下一轮设计周期。单一应用取代了手动交接和分散系统，真正实现了实验闭环。
与纪念斯隆-凯特琳癌症中心合作设计新型抗体
纪念斯隆-凯特琳癌症中心（MSK）儿科肿瘤学Enid A. Haupt讲席教授Nai-Kong Cheung博士曾面临传统方法耗时过长的挑战：识别有前景的抗癌靶点并开发抗体药物候选分子的过程极其缓慢。
在与MSK的合作中，Amazon Bio Discovery团队与Cheung博士携手攻关。利用AI智能体协调多个模型，他们设计了近30万种新型抗体分子，并将排名前10万的候选物发送至Twist Bioscience测试。相比传统方法长达一年的周期，此次从设计到送检仅耗时数周。
Cheung博士表示：“我们很高兴与Amazon Bio Discovery合作开发下一代抗体，有望加快研发惠及全球患者。作为研究人员，我们花了20年证明第一代抗体有效，又花13年才使其获FDA批准。这条路径效率极低。面对患者的时间紧迫性，我们需要更快取得成果。”
除MSK外，拜耳、Broad研究所、Fred Hutch癌症中心及Voyager Therapeutics等机构也是Amazon Bio Discovery的早期采用者。
立即开始
Amazon Bio Discovery现已上线。如需了解更多详情，请阅读行业公告博客文章或注册免费试用。