一燊
一、技术原理
定义与核心机制：
Atomic AI 的核心逻辑是：RNA 的三维结构决定功能。
如果 AI 能理解 RNA 如何折叠、如何与小分子结合，就能预测药物如何“精确地进入分子沟槽”，并提前知道疗效与副作用。
他们构建了世界首个 RNA 三维结构大模型 ATOM-1，
输入一段 RNA 序列，模型可预测其三维折叠方式、稳定性及潜在结合位点，
再通过 AI-guided docking 系统生成匹配的小分子药物。
这意味着——AI 不再只是“画出药”，而是“看懂生命几何”。
形象化比喻：
如果 DNA 是平面文字，RNA 就是一首立体的乐谱。
Atomic AI 让机器第一次听懂了这首乐曲的旋律，也能谱出和谐的“配乐”——药物分子。
一句话本质：
从“药物空间”到“结构空间”的迁移革命。
二、美国谁在做
代表企业：Atomic AI
成立时间： 2021 年，总部旧金山湾区。
创始人： Raphael Townshend（前 Stanford / DeepMind 研究员）。
核心产品：
ATOM-1 模型： RNA 三维结构预测 + 功能位点识别。
Structure-Guided Discovery 平台： 基于结构-功能映射的药物设计系统。
融资情况：
2022 年获 Playground Global、8VC 等基金投资 3700 万美元。
2024 年与 Amgen、Gilead 达成 RNA 小分子药物合作。
技术亮点：
自建 RNA 结构数据库（AtomDB），训练了超 10 亿级 RNA 三维样本。
能将传统 docking 时间从数周缩短到数小时。
象征意义：
Atomic AI 是“AI 制药向 RNA 几何空间拓展”的开路者，标志着结构生物学被纳入生成式智能的新领域。
三、做到哪期
阶段： 临床前阶段，已生成多款 RNA 结构驱动的小分子候选药物。
关键节点：
2023 年：发布 ATOM-1 模型并验证 RNA-ligand 结合预测。
2024 年：与药企合作进入动物实验阶段。
预计 2026 年前进入首个 IND 申请。
阶段意义：
从“AI 猜药”到“AI 看懂药-靶结合”的关键跨越。
四、为什么中国这里没做到
技术侧： 国内 RNA 结构数据库几乎空白，大多研究停留在核糖体、mRNA等宏观层面。
实验设施： Cryo-EM（冷冻电镜）+ RNA 结构解析能力不足，难以形成高质量训练数据。
跨界壁垒： AI 研究者与结构生物学家合作极少，科研组织机制不匹配。
资本文化： 投资人更偏好“mRNA 疫苗”或“基因编辑”应用层，不理解结构AI的战略价值。
政策与生态： 缺少面向 RNA 结构研究的国家级开放数据平台。
五、中国可以怎么补位 / 投资 / 合作
技术补位： 联合高校与生物所建立“中国RNA结构开放计划”，积累冷冻电镜与核磁共振数据。
临床补位： 选择肿瘤、代谢类靶点进行 RNA-小分子结合验证项目。
合作方向： 与 Atomic AI、Gilead 等公司建立结构预测模型合作，做中国药物靶点本地化。
政策建议： 将 RNA 结构 AI 纳入“人工智能赋能生命科学”专项，建立国家算力支持。
资本策略： 重点投资做“结构预测+药物Docking一体化”平台型公司，形成结构AI生态。
长线价值：
结构层面的智能革命，是药物发现最深的护城河。谁先建立 RNA 结构智能系统，谁就拥有未来 20 年新药设计的坐标系。
S.L