[站上AI试验台的K-生物]②从数据分析走向蛋白质“创造”的Galax
构建“生成型AI”平台
加快推进全球合作与技术转让
国内人工智能（AI）新药开发竞争的轴心大致分为“数据观测”和“蛋白质设计”两大方向。三星—Protena阵营通过大规模积累实验数据来寻找抗体规律，选择以“分析型AI”为中心的战略；与Celltrion合作的Galux则高举“生成型AI”旗帜，主打直接设计自然界中不存在的蛋白质结构。这些企业所处的位置，几乎就是全球AI新药战场的最前线。在这场惊心动魄的竞争中央，我们先后走访了正在重绘国内AI新药产业新版图的两家企业。
<1>通过直接设计蛋白质结构重排棋局的Galux
Galux副社长Park Taeyong本月5日在首尔冠岳区总部接受本报记者采访时表示：“从零开始直接设计疾病治疗所需蛋白质结构的De novo（从头）竞争，将成为AI新药开发的核心竞争点”，“Galux已经在这一全球竞争中占据领先位置”，言语间流露出十足自信。Galux正在开发一种基于与蛋白质结构相互作用来设计新药候选物质的AI平台。制药企业提出所需功能后，AI以此为依据设计出能够执行该功能的蛋白质结构。
De novo抗体设计是一项与在自然界中搜寻蛋白质的方式完全不同的技术，它从一开始就按照治疗目的设计蛋白质结构。目前，被评价为已经实现这一技术的企业在全球范围内包括Galux在内仅约6家左右。Galux曾在2024年通过自有AI平台“GaluxDesign（GaluxDesign）”公布了多个治疗靶点的De novo抗体设计成果。公司在包括无结构信息蛋白在内的6个靶点上成功完成抗体设计，证明了该平台的适用可能性。
Park副社长表示：“De novo抗体设计是抗体新药开发中难度最高的领域之一”，“即便只设计出少量候选物质，也能获得目标抗体的话，就能够反证平台的高精度”。
不是单纯依赖计算，而是采取物理·化学路径的Galux
Park副社长将Galux的核心竞争力归结为“基于物理化学的路径”。与许多专注于计算机科学中心建模的AI新药开发企业不同，Galux从电荷分布、立体结构、分子间相互作用等物理力的角度来解析蛋白质结合，并将这些因素反映到AI学习中。他表示：“蛋白质结合归根结底是由物理相互作用决定的”，“能否准确理解这些物理化学原理并将其反映到模型中，将决定设计的精度”。
“基于生成型AI的新药设计”同样存在技术门槛，其中代表性的难题就是蛋白质结构的“柔性”。蛋白质并非单一固定形态，而是具备在多种构象（conformation）之间转换的特性，这给抗体设计带来了巨大困难。业内公认的高难度靶点包括G蛋白偶联受体（GPCR）和离子通道蛋白。这两类蛋白是位于细胞膜上的膜蛋白，结构稳定性低，实验用蛋白也不易纯化，因此被认为难以通过传统抗体发掘方式加以攻克。
基于AI的蛋白质设计，则是另一番景象。即便无法获得真实的蛋白质样本，也可以通过基于结构的计算来预测结合可能性并设计抗体结构。尤其是，对于在多种构象之间转换的蛋白质，AI可以同时搜索各构象中可结合的结构，因此有望攻克传统方法难以触及的靶点。正因如此，业界评价认为，基于生成型AI的蛋白质设计，能够在既有实验中心的抗体发掘方式难以企及的靶点上展现竞争力。
Galax 副社长 Park Taeyong 在首尔冠岳区 Galax 总部接受《亚洲经济》采访时摆出拍照姿势。2026年3月5日 记者 Kim Hyeonmin
View original image实际上，GPCR和离子通道虽被视为新药开发中的重要治疗靶点，但被成功开发为抗体治疗药物的案例并不多。Galux同样将这些高难度蛋白视为主要攻克对象。Park副社长解释称：“像GPCR或离子通道这类结构柔性大、在多种状态间转换的蛋白质，很难通过传统方式发掘抗体，但如果利用基于AI的设计，即使不真正纯化蛋白质，也能基于结构信息设计出具有结合可能性的抗体。”
Galux近期正在加快获取业务成果。公司一方面将与全球制药企业的共同研究和候选物质技术转让作为核心战略，另一方面以明年首次公开发行股票（首次公开募股）为目标推进商业化。Galux认为，仅凭技术愿景难以打动市场，因为此前相当多AI新药开发企业被指仅停留在强调技术可能性层面。
Park副社长表示：“在AI新药开发企业中，仅强调技术愿景的情况也很多，但现在必须展示是否真正产出候选物质，并能否转化为实际业务成果”，“我们将通过签署合作伙伴关系协议和推进候选物质技术转让，逐步证明基于生成型AI的新药设计的价值”。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
