技术方向
以 AI 发现新分子，以循证优化现有方案
我们以两条相互支撑的路线推进抗感染药物研发：以人工智能加速新型候选分子的发现；以循证的联合用药与给药方案优化，更快地把临床价值带到床旁。
方向一
AI 抗感染药物研发平台
把数据、算法与实验连接成一个持续加速的闭环，用于发现和优化针对耐药细菌与真菌的新型抗感染候选分子。
- 01
数据整合
汇集公开与自有的抗感染活性、毒性与结构数据，经清洗与标准化后形成可供模型学习的高质量数据集。
- 02
计算设计与筛选
以生成式与预测模型设计候选分子，并在活性、选择性、稳定性与安全性等多个维度上进行计算评估与排序。
- 03
实验验证
对候选分子进行体外活性、对耐药菌与生物被膜的作用、细胞选择性与稳定性等实验测试，必要时推进至体内模型。
- 04
候选优化与回流
围绕成药性进行结构优化，并把每一轮实验结果回流到数据集与模型中，使设计—验证的循环持续加速。
我们在设计中关注什么
- 新的作用方式：优先探索与现有药物不同的作用机制，以应对已有耐药机制。
- 对耐药菌与生物被膜的活性：以临床分离的耐药菌株和生物被膜模型作为重要的评价标尺。
- 安全窗：在设计早期即纳入选择性与毒性预测，尽早排除高风险分子。
- 可生产性：兼顾合成或表达的可行性与成本，使候选分子具备向产品转化的基础。
方向二
老药联用与给药方案优化
在已上市药物明确的安全性基础上，基于协同机制与药动学/药效学证据，优化联合用药方案、剂型与给药策略，让有价值的方案更快、更规范地服务临床。
提高疗效
利用作用机制互补的协同效应，更快地降低病原负荷，提升难治性感染的治疗应答。
降低毒性
通过联合用药减少单药所需剂量或暴露，降低肝肾毒性与不良反应风险。
延缓耐药
多靶点协同降低病原体在单一靶点上发生逃逸突变的选择压力。
改善依从性
简化给药方案与剂型，减少用药差错，便于规范化推广与真实世界证据积累。
为什么选择这条路线
临床实践中早已存在大量经验性的联合用药，但缺乏系统的机制研究、剂量优化与标准化方案。已上市药物拥有明确的安全性与药代动力学数据，使联合方案的验证路径更短、更可预期，也更容易转化为指南可推荐、医保可评估的规范化治疗。
工作方式
我们如何推进研发
临床驱动
与感染、重症、血液、移植等一线临床团队共同定义问题，以真实的治疗困境作为研发目标的起点。
循证推进
遵循体外—体内—临床的证据阶梯，分阶段设定明确的决策节点，用数据决定项目是否继续。
合规与伦理
严格遵守药品监管法规、GLP/GCP 规范与伦理要求，保护研究参与者与数据安全。
开放合作
以轻资产模式与科研机构、研发服务机构和产业伙伴协作，欢迎联合研究、联合开发与授权合作。