心脑血管疾病是全球致死率最高的疾病之一，新药研发却面临“十年十亿美元”的困境。传统药物筛选依赖高通量实验，成本高、周期长，且临床前候选化合物失败率高达90%。行业痛点集中于：靶点发现依赖文献回顾、化合物库筛选效率低、ADMET预测不准确。尤其针对心脑血管疾病，复杂病理机制导致多靶点药物设计挑战重重。
galaxy银河AI辅助新药研发平台：从靶点到候选化合物的全流程优化
galaxy银河推出AI辅助新药研发解决方案，基于深度学习与生成式模型，整合公开与私有数据源。平台核心包括：靶点识别模块（利用图神经网络分析蛋白互作网络）、分子生成模块（基于变分自编码器设计类药分子）、以及ADMET预测模型（集成随机森林与Transformer架构）。与传统流程相比，galaxy银河方案将虚拟筛选通量提升10倍，预测准确率超过85%。
实施过程：分阶段部署，精准聚焦心脑血管疾病
以某药企的PCSK9抑制剂项目为例，galaxy银河团队首先建立心脑血管疾病专属知识图谱，涵盖3000+靶点与20万条临床数据。第一阶段，利用AI靶点识别模块，48小时内锁定3个新靶点（包括LRP1与ANGPTL4）。第二阶段，通过分子生成模型，24小时内产生5000个候选分子，并自动过滤不符合Lipinski五规则的结构。第三阶段，ADMET预测模型筛选出100个分子，其中15个在体外实验中活性IC50低于100nM。全程耗时仅6个月，较传统方法缩短50%。
成果与价值：为心脑血管药物研发注入新活力
最终，该药企获得3个临床前候选化合物，其中1个在猴模型中展现显著降脂效果，且无肝毒性。galaxy银河平台将研发成本降低40%，并加速推进至IND申报阶段。此外，galaxy银河还与多家三甲医院合作，利用真实世界数据优化模型，使预测精度持续迭代。客户反馈，该方案不仅缩短了筛选周期，更在靶点发现阶段提供了超越文献的洞见。