礼来追加45亿美元扩建印第安纳基地，首座基因药物工厂投用
礼来(987.01, -1.86, -0.19%)公司宣布，将在印第安纳州的生产平台继续追加45亿美元投入，并同步启用其首个专门面向基因药物制造的全新设施。由此，截至目前礼来自2020年以来对该州的资本承诺累计已突破210亿美元。 本轮新增资金主要用于莱巴嫩地区两项重要建设：其中一处为计划在2027年投产的活性药物成分（原料药）生产基地。待基地建成后，将成为美国规模最大的原料药生产设施。另一处为今日正式启用的基因药物工厂Lilly Lebanon Advanced Therapies，该厂也是礼来首个聚焦
拜耳巨资并购，24.5亿揽入眼科新星Perfuse Therapeutics
拜耳将启动3亿美元的初步付款，剩余款项将根据研发、审批及商业化目标的达成情况而定。 核心摘要 拜耳已达成协议，计划以高达24.5亿美元的价格收购专注于眼科疾病药物研发的公司Perfuse Therapeutics。 德国制药巨头拜耳（BAYN）的股价小幅上涨1.06%，其公告显示，公司已同意以最高24.5亿美元收购专门从事眼科药物研发的企业Perfuse Therapeutics。该公司正在开发一款具有前景的青光眼治疗药物，此次收购是拜耳近年来最大的一笔交易。 这家总部位于德国的制药与农业集团于周三宣布，
拜耳斥资24.5亿美元并购眼科新星Perfuse Therapeutics
全球医药巨头拜耳（Bayer）已达成协议，将收购专注于眼科疾病药物研发的Perfuse Therapeutics公司，此次收购的最高总价将达到24.5亿美元。 这家总部位于德国的制药与农业科技企业于周三宣布，此次收购旨在丰富其眼科领域的在研药物管线。此前，由于重磅眼科药物Eylea的专利即将到期，拜耳的制药业务业绩受到了一定影响。 拜耳方面透露，Perfuse的核心在研药物是一种用于治疗青光眼和糖尿病性视网膜病变的实验性疗法，目前正处于中期临床试验阶段。 根据协议，拜耳将首先支付3亿美元的预付款，剩余的款
拜耳24.5亿美元揽入Perfuse Therapeutics，强化眼科布局
德国药企巨头拜耳（Bayer）于本周三对外披露，计划收购生物制药公司Perfuse Therapeutics，此举旨在进一步丰富其眼科治疗领域的产品组合。拜耳在官方声明中指出，此次收购的总潜在价值最高可达24.5亿美元。该金额包含3亿美元的初步支付，后续款项则将依据研发、监管审批及商业化进程中的里程碑达成情况而定。通过此次并购，拜耳将全面获得PER-001的全部权利。PER-001是一种以小分子内皮素受体拮抗剂（ERA）为基础的药物，目前正处于II期临床试验阶段，其目标适应症为青光眼及糖尿病视网膜病变。拜
AI赋能分子生成：方法、数据与前沿洞察
近年来，人工智能在药物研发进程中扮演着日益重要的角色。传统新药开发模式常因耗时漫长、成本高昂、成功率低下而备受挑战。而人工智能辅助的药物设计为该领域带来了新的技术途径：通过学习现有分子的结构、性质分布以及与靶点的相互关系，模型能够在广阔的化学空间中自主生成具有潜在药物价值的新型分子。《人工智能驱动的分子生成方法与数据资源综述》是一篇针对人工智能药物设计领域的研究性文章，系统梳理了小分子生成所需的数据资源、分子表示方式、主流的生成模型、药物发现的应用场景以及未来的发展挑战。对于有志于投身人工智能制药、分子生
剂泰科技港股上市获1.48亿美元基石投资，AI制药融资再破纪录
2026年港股IPO市场，AI制药赛道迎来开年最强资本信号。5月5日，剂泰科技（7666.HK）披露其全球发售及香港联交所主板上市计划。本次全球发售涉及201,229,000股股份（视乎超额配售行使与否）。其中，香港发售10,061,500股股份；国际发售191,167,500股股份（可予重新分配及视乎超额配售行使与否而定）。基石投资者首次集体亮相。以莱德领投的5000万美元为首，基石阵容合计认购高达1.48亿美元，刷新了2026年港股AI制药板块的基石规模纪录。此次，贝莱德、瑞银、未来资产、欧力士四大国
石药集团AI项目获评工信部“数字三品”典型案例
近日，工信部正式发布了2025年数字化转型典型案例（“数字三品”方向）名单。由石药集团中奇制药技术（石家庄）有限公司（简称“石药中奇”）申报的“石药集团AI引擎双轮驱动药物发现平台”项目，成功跻身“数字增品种”典型案例之列。“数字三品”战略是工信部为了推动消费品工业数字化转型，促进人工智能与产业深度融合而推出的重要举措。该战略聚焦于增品种、提品质、创品牌三大核心方向，旨在挖掘出具有创新性高、推广价值大、示范效应强的行业标杆。针对传统药物研发中周期长、成本高、成功率低等难题，石药集团采取了“外部合作+内部自
Twist Bioscience二季度营收涨19% AI药物发现需求走强
合成生物学企业Twist Bioscience于周一盘前公布2026财年第二季度业绩：营收同比上升19%，达到1.107亿美元；公司已连续第13个季度实现环比增长，但每股亏损0.71美元，表现略低于市场预期。 从业务分项看，DNA合成与蛋白质相关解决方案板块进展最突出，营收为5330万美元，同比增长28%，主要受AI驱动的药物发现需求带动。NGS应用业务营收5740万美元，同比增长12%，环比增长9%，并在肿瘤诊断与MRD检测方向持续加码。 本季度毛利率提升至51.6%，较上年同期增加2个百分点。期间计入
AI 驱动药物问世，注入人体开启新篇章
人工智能亲手研发的药物首次进入人体循环系统。您可能还记得 2020 年那条引起广泛关注的新闻：DeepMind 的 AlphaFold 攻克了困扰生物学界长达 50 年的蛋白质折叠难题。当时，人们普遍欢呼，认为它已经“理解”了生命的运作机制。然而，从理解机制到制造出实际产品，中间的差距是巨大的。Isomorphic Labs 所做的，正是弥合这一差距，实现“从蓝图到成功试飞”的过程。Hassabis 将这家公司命名为“Isomorphic”，在数学中意为“同构”。他认为，生命的底层规律与信息的底层规律是相
BVP报告：打造AI时代的生物原生数据基建
2026年4月12日，美国著名风投Bessemer Venture Partners（BVP）发布了一份报告，阐述了AI时代生物原生数据基础设施的三大核心准则，并强调这将彻底变革药物研发流程，确立下一代顶尖生物技术公司的标准。长久以来，药物研发一直是一个通过反复试错来验证生物学假设与临床现实的过程。虽然科技持续进步，但从靶点发现到锁定临床候选药物，周期往往超过五年，且进入临床试验阶段的药物有近90%会遭遇失败。随着治疗环境的演变和药物类型的复杂化，每款获批药物的研发成本每九年翻一番也就不足为奇了。药物研发
信达生物的AI战略布局
一、AI赋能药物研发2024年7月，信达生物携手唯信计算，合力推动国清院计算平台的优化与升级，借助人工智能技术构建集高效、智能、自动化于一体的药物研发平台，从而削减研发开支、压缩研发周期并提升研发成功率。二、全集团AI工作模式升级2026年4月27日，信达生物同钉钉达成框架合作协议，双方合作由办公协同向人工智能应用全面跃升，核心在于推进“悟空”试点项目，意在推动全集团AI工作模式的革新。具体落地举措1.AI工具落地：依托企业专属平台“信达钉”，优先部署AI听记、AI表格等核心AI产品，把智能工具深度嵌入日
AI赋能ADC设计：为“生物导弹”装上智能导航系统
早期的ADC研发主要依赖X射线晶体学与分子对接技术，然而抗体中那些柔性的区域（例如CDR-H3环）以及完整的IgG结构往往难以解析。虽然分子动力学模拟能展示动态细节，但其受限于高昂的计算开销以及力场精度的不足。人工智能与机器学习的加入彻底颠覆了这一局面。深度学习能够从庞大的序列-结构数据集中自动提取关键特征，从而预测抗体的可开发性、优化连接子结构并筛选毒素与抗体的最佳组合。现在的ADC研发已从单纯的“试错法”迈向了“预测驱动”的新阶段。主线一：经验筛选 → AI预测 → 理性设计AlphaFold2虽能以
AI制药：资本热潮下的技术挑战与未来走向
步入2026年，人工智能在制药领域的应用呈现出愈发迅猛的态势。三月中旬，罗氏公司宣布进一步扩建其全球人工智能基础设施，成功在美国和欧洲部署了2176个高性能GPU；同期，礼来公司正式启用其医药人工智能工厂LillyPod，并与英伟达达成协议，将在未来五年内斥资超过10亿美元，共同建立人工智能联合创新实验室。两家大型跨国公司所合作的英伟达BioNeMo平台，采用了“实验室内循环”（Lab in the Loop）的模式，旨在构建数字实验室并探索个性化模型的应用。这与前几年AI工具的外包和零散应用方式截然不同
阿斯利康乳腺癌新药未获FDA顾问团青睐
在乳腺癌候选药物未能赢得关键咨询委员会投票支持后，英国制药巨头阿斯利康(187.37, 2.17, 1.17%)（AstraZeneca）方面表示，公司将继续与美国监管机构就该药物的审批事宜保持沟通。这家在英国富时100指数中占有一席之地的制药公司于周四晚间披露，美国食品药品管理局（Food and Drug Administration，简称FDA）的肿瘤药物咨询委员会以6票赞成、3票反对的结果，对乳腺癌治疗候选药物camizestrant的获益-风险评估持否定态度。“在FDA完成对该申请的最终审查过程
AI赋能靶点识别与评估
引言人工智能正逐步成为药物研发体系中的关键力量，贯穿靶点发现、开发推进以及临床试验结果解读等多个环节。靶点识别处于新药研发的起始阶段，它的核心在于挑选出能够被有效调控、从而实现预期治疗收益，并且具备足够安全性的生物分子。该环节的质量将直接影响后续工作的成功几率，同时也决定了整体投入的成本与资源配置。然而，靶点发现依然面临诸多难题，主要来自于我们对许多疾病背后生物学层面的复杂机制仍缺乏充分认知，尤其是对来源于人类基因组学与疾病模型等