[E-DailyHong Ju-yeon 记者] 人工智能（AI）的发展正在改变新药研发的流程。以往需要人类阅读论文并提出假设，如今AI可以先阅读数十万篇论文并提出数百个假设，然后由人类从中筛选出有价值的方案。在此基础上更进一步，AI设计实验方案、由机器人直接合成化合物的阶段也已进入视野。 这正是谷歌DeepMind和英伟达等科技巨头争相进军“AI科学家（AI Scientist）”市场的原因。
在韩国，BioNexus凭借“基于AI的生物数据智能及科学家代理新药研发平台”加入了这场竞争。 BioNexus首席执行官金泰亨在接受《Edaily》制药·生物高端内容栏目“PharmEdaily”采访时指出：“AI新药研发现已超越单纯提高候选化合物筛选速度的层面，正朝着连接文献检索、组学数据分析、假设生成、实验设计乃至业务开发（BD）战略的方向发展。”
BioNexus首席执行官金泰亨（图片来源：BioNexus）
这位深耕数据领域20年的专家之所以在2024年11月决定创业，是因为他认为行业平衡已被打破。 即便在2000年代初期，生物数据的价格本身就是一道准入门槛，但随着技术发展，生产成本急剧下降。相反，解读这些数据的人员能力却停滞不前。金代表解释道：“创业之初，生物领域的数据呈爆发式增长，但研究人员解读这些数据所需的时间和工具尚未开发出来”，“我认为生成式AI终于达到了能够弥合这一差距的水平，因此决定创业。”
BioNexus正在开发并运营填补这一缺口的“AI研究伙伴”。该平台以模拟科学家思维方式的核心引擎“NexusScience”为中心，由定制化研究检索工具“NexusRAG”、基于多智能体的联合研究平台“Nexus Co-Scientist”、 药物与靶点分析平台“NexusDrugLab”等组成。韩国型生物专业语言模型“K-BioLLM-30B”也正在开发中，计划于年内公开。
Nexus Co-Scientist在针对特定疾病或研究主题学习数十万篇论文后，由承担生成、审查、排序等不同角色的人工智能代理协同工作，从而推导出假设，并提出数据分析和实验设计方案。 例如，在确认GLP-1类似物的作用机制时，传统检索仅停留在“GLP-1”这一关键词上，而AI代理会将检索范围扩展至与肥胖、糖尿病、脂肪组织相关的单细胞（single cell）数据，并下载公开数据进行分析与总结。金代表表示：“过去需要6个月以上才能完成的工作，现在半天内就能搞定。”
负责化合物筛选的Nexus Drug Lab通过分析结构来判断其是否适合作为治疗靶点，并预测该物质在细胞内的表达和作用机制。该系统设计旨在减少实验次数。他解释道：“利用AI，原本需要实验1000个样本的情况可以缩减至100个，从而最大限度地减少验证工作。” 换言之，当人类研究人员每周只能提出一个假设时，AI每天却能生成数百个。
BioNexus目前正在位于庆尚北道青松郡的“AI逆龄研究所”筹备自主实验室的验证工作。该体系由AI负责制定假设和实验方案，并执行蛋白质合成。目标是将肽、抗体的制备以及化合物与肽的细胞反应实验实现自动化，相关设备配置计划也已制定完毕。 当AI优化序列并设计出数百种组合后，实验室负责合成与测量；随后AI再次解读结果，并提出下一轮设计方案。金代表表示：“我们将构建一个能够利用AI完成文献检索、数据分析、假设生成、实验及结果解读的完整体系”，并称“目标是将原本需要1至2年的过程缩短至1至2个月，长期来看，还将实现从实验到临床前阶段的全面自动化”。
需要实验室的原因不仅仅在于速度。他将AI目前尚无法明辨优劣的原因归结于学习数据。迄今为止，AI仅通过已发表在论文中的成功实验数据进行学习。金代表解释道：“若配备实验室，就能学习失败数据，”并表示：“虽然目前需要人工干预进行筛选，但若能学习失败数据，AI就能像专家一样变得聪明。” 目前，在AI提出的数百至数千个假设中，专家认可的有效假设仅占10%左右，而通过学习失败数据，这一比例将大幅提高。
BioNexus描绘的最终蓝图是“数字孪生”。该公司正在执行一项规模达80亿韩元的国家项目——“虚拟细胞（virtual cell）”项目。该项目基于“每个细胞对药物的反应各不相同”这一前提，通过积累单细胞测序数据，构建出无需实际处理药物即可预测与实际处理结果相同结果的虚拟细胞。 当务之急是生成并积累数十种细胞系（cell line）的数据。目标是达到无需实验即可知晓实验结果的阶段。
成果也已初现。BioNexus已与疾病管理厅、国立保健研究院、韩国生命信息中心（KOBIC）、韩国生命工程研究院（KRIBB）等机构签订了基于大型语言模型（LLM）的数据整理、罕见病突变分析以及生物大数据平台建设项目。此外，该公司还与Upstage、Rebellion合作，着手开发“基于NPU的韩语生物AI研究平台”。
通过政府项目，每年有20亿韩元的资金流入；此外，针对希望引进AI生物技术的机构开展的项目，预计今年将带来20亿至30亿韩元的销售额。 据介绍，净利润率高达30%至40%，且通过政府项目还获得了GPU支持，因此业务基础十分稳固。该公司近期已完成10亿规模的种子轮融资，并计划于下半年启动A轮融资。此后，公司将保持每年3倍的增长势头，力争在2030年实现1000亿的销售额和300亿以上的营业利润。同时，公司还计划于同年实现上市。
金代表表示，最终目标是利用AI实现“大众科学”。为此，公司正致力于提高BioNexus解决方案的可及性，使其从目前主要在研究所使用的状态，转变为个人也能使用的形式。 金代表表示：“如果与AI协作，过去需要一年以上时间完成的论文撰写，现在一周就能完成。”他还指出：“三年内，将迎来一个即使没有攻读硕士或博士学位，任何人都能像研究者一样工作的时代；甚至高中生也能开发新药并撰写论文的时代也将到来。”
（图片=AI生成）
在韩国，BioNexus凭借“基于AI的生物数据智能及科学家代理新药研发平台”加入了这场竞争。 BioNexus首席执行官金泰亨在接受《Edaily》制药·生物高端内容栏目“PharmEdaily”采访时指出：“AI新药研发现已超越单纯提高候选化合物筛选速度的层面，正朝着连接文献检索、组学数据分析、假设生成、实验设计乃至业务开发（BD）战略的方向发展。”
每周一个假设 → 每天数百个金泰亨代表被誉为韩国生物信息学（Bioinformatics）的第一代先驱。生物信息学是一门运用应用数学、统计学、计算机科学和人工智能来解决生物学问题的学科，特别是通过分析解读基因组、转录组等分子水平数据的领域。他曾担任泰拉根生物（Teragen Bio）本部部长，并参与了韩国首个基因组图谱及鲸鱼基因组图谱开发项目。
这位深耕数据领域20年的专家之所以在2024年11月决定创业，是因为他认为行业平衡已被打破。 即便在2000年代初期，生物数据的价格本身就是一道准入门槛，但随着技术发展，生产成本急剧下降。相反，解读这些数据的人员能力却停滞不前。金代表解释道：“创业之初，生物领域的数据呈爆发式增长，但研究人员解读这些数据所需的时间和工具尚未开发出来”，“我认为生成式AI终于达到了能够弥合这一差距的水平，因此决定创业。”
BioNexus正在开发并运营填补这一缺口的“AI研究伙伴”。该平台以模拟科学家思维方式的核心引擎“NexusScience”为中心，由定制化研究检索工具“NexusRAG”、基于多智能体的联合研究平台“Nexus Co-Scientist”、 药物与靶点分析平台“NexusDrugLab”等组成。韩国型生物专业语言模型“K-BioLLM-30B”也正在开发中，计划于年内公开。
Nexus Co-Scientist在针对特定疾病或研究主题学习数十万篇论文后，由承担生成、审查、排序等不同角色的人工智能代理协同工作，从而推导出假设，并提出数据分析和实验设计方案。 例如，在确认GLP-1类似物的作用机制时，传统检索仅停留在“GLP-1”这一关键词上，而AI代理会将检索范围扩展至与肥胖、糖尿病、脂肪组织相关的单细胞（single cell）数据，并下载公开数据进行分析与总结。金代表表示：“过去需要6个月以上才能完成的工作，现在半天内就能搞定。”
负责化合物筛选的Nexus Drug Lab通过分析结构来判断其是否适合作为治疗靶点，并预测该物质在细胞内的表达和作用机制。该系统设计旨在减少实验次数。他解释道：“利用AI，原本需要实验1000个样本的情况可以缩减至100个，从而最大限度地减少验证工作。” 换言之，当人类研究人员每周只能提出一个假设时，AI每天却能生成数百个。
下一关是实验……“原本最多需要2年的时间，将缩短至至少1个月”金代表指出，下一步将是利用AI进行“实验”。金代表表示：“利用AI，假设可以快速提出，数据分析也只需一两天，但问题在于验证”，并表示将通过自动化实验室提高效率。
BioNexus目前正在位于庆尚北道青松郡的“AI逆龄研究所”筹备自主实验室的验证工作。该体系由AI负责制定假设和实验方案，并执行蛋白质合成。目标是将肽、抗体的制备以及化合物与肽的细胞反应实验实现自动化，相关设备配置计划也已制定完毕。 当AI优化序列并设计出数百种组合后，实验室负责合成与测量；随后AI再次解读结果，并提出下一轮设计方案。金代表表示：“我们将构建一个能够利用AI完成文献检索、数据分析、假设生成、实验及结果解读的完整体系”，并称“目标是将原本需要1至2年的过程缩短至1至2个月，长期来看，还将实现从实验到临床前阶段的全面自动化”。
需要实验室的原因不仅仅在于速度。他将AI目前尚无法明辨优劣的原因归结于学习数据。迄今为止，AI仅通过已发表在论文中的成功实验数据进行学习。金代表解释道：“若配备实验室，就能学习失败数据，”并表示：“虽然目前需要人工干预进行筛选，但若能学习失败数据，AI就能像专家一样变得聪明。” 目前，在AI提出的数百至数千个假设中，专家认可的有效假设仅占10%左右，而通过学习失败数据，这一比例将大幅提高。
BioNexus描绘的最终蓝图是“数字孪生”。该公司正在执行一项规模达80亿韩元的国家项目——“虚拟细胞（virtual cell）”项目。该项目基于“每个细胞对药物的反应各不相同”这一前提，通过积累单细胞测序数据，构建出无需实际处理药物即可预测与实际处理结果相同结果的虚拟细胞。 当务之急是生成并积累数十种细胞系（cell line）的数据。目标是达到无需实验即可知晓实验结果的阶段。
商业模式：平台与物质……目标2030年IPOBioNexus的商业模式分为两条主线。一方面是向研究人员提供平台，另一方面是直接开发通过平台衍生的物质资产（asset）。 联合研究合同每半年签订约10份，其中还包括规模超过100亿韩元的大型研究项目。合同中规定，通过研究获得的物质资产将按比例分享。与韩国基础科学支援研究院（KBSI）、韩国海洋科学技术院（KIOST）等机构签订的协议中，约定由BioNexus负责AI假设，合作机构承担实验费用，专利则由双方共同持有。
成果也已初现。BioNexus已与疾病管理厅、国立保健研究院、韩国生命信息中心（KOBIC）、韩国生命工程研究院（KRIBB）等机构签订了基于大型语言模型（LLM）的数据整理、罕见病突变分析以及生物大数据平台建设项目。此外，该公司还与Upstage、Rebellion合作，着手开发“基于NPU的韩语生物AI研究平台”。
通过政府项目，每年有20亿韩元的资金流入；此外，针对希望引进AI生物技术的机构开展的项目，预计今年将带来20亿至30亿韩元的销售额。 据介绍，净利润率高达30%至40%，且通过政府项目还获得了GPU支持，因此业务基础十分稳固。该公司近期已完成10亿规模的种子轮融资，并计划于下半年启动A轮融资。此后，公司将保持每年3倍的增长势头，力争在2030年实现1000亿的销售额和300亿以上的营业利润。同时，公司还计划于同年实现上市。
金代表表示，最终目标是利用AI实现“大众科学”。为此，公司正致力于提高BioNexus解决方案的可及性，使其从目前主要在研究所使用的状态，转变为个人也能使用的形式。 金代表表示：“如果与AI协作，过去需要一年以上时间完成的论文撰写，现在一周就能完成。”他还指出：“三年内，将迎来一个即使没有攻读硕士或博士学位，任何人都能像研究者一样工作的时代；甚至高中生也能开发新药并撰写论文的时代也将到来。”
