AI 降低药物发现成本，或将 DeSci 从边缘推向主流。

撰文：David Christopher

编译：AididiaoJP，Foreight News

上周，DeSci 资助平台 Bio Protocol 的 CEO 宣布，他们的团队使用 AI 在大约 24 小时内设计出了一种针对 ADHD（注意力缺陷多动障碍）的新型药物候选物。

团队的 AI 科学家 PeptAI 将该候选物通过模拟测试管道运行，诚实地指出了真实问题，并将首次实体实验室测试的成本定在 500 至 600 美元。完整验证可能只需 1000 至 1500 美元。而传统制药公司要达到类似的决策点，通常需要花费数百万美元并耗时数年。

未来或将属于 AI 赋能的 DeSci 。

这种复杂性崩塌改变了谁有权决定哪些疾病值得研究，以及哪些问题应该首先被提出。药物开发一直以来在最早阶段就被资本而非科学所把关。研究只有在符合商业优先级或「热门」话题时才会获得资助，导致大量有价值的领域无人问津。DeSci 多年来一直在努力填补这一资金缺口，但整个雄心一直被药物发现本身的成本所严重限制。

人工智能改变了数学运算，放大了 DeSci 社区规模资助的潜在投资回报率。

换句话说，随着研发成本的急剧下降，DAO（去中心化应用组织）的资金现在可以全程资助候选药物的研发，直至获得真正的实验室数据。这使得制药公司以前从未涉足的整个研究领域都触手可及。ADHD（注意力缺陷多动障碍）的食欲素系统背后的生物学机制已被研究多年。然而没有任何一家拥有足够资金开发相关药物的机构选择这样做，PeptAI 却选择了尝试。

Bio Protocol 的交汇点

对于「社区资助 + 智能体科学」这一组合，Bio Protocol 已成为核心节点。

它是一个由代币治理的平台，通过社区治理将资本路由到专业研究 DAO。在过去几个月里，它在智能体科学领域也同样发力。PeptAI 在 OX2R-004 上的成功是最新例证，但并非唯一。在 1 月，团队发布了 BIOS，这是一个协调专业智能体进行文献搜索和计算分析的 AI 科学家。

关键在于 Bio Protocol 同时运行着两个引擎：社区募资和智能体科学。这两者高度协同：如果 AI 能以足够低的成本设计候选物，让社区可以直接资助它们，那么药物发现的最早期阶段就不再依赖机构把关。

双引擎论点无法单独跨越的障碍

Bio Protocol 坦诚表示，AI 和社区募资相结合仍面临三个结构性问题。在最近的一篇帖子中，团队明确指出了这些问题，它们大致对应从候选物到获批药物的路径。

第一个是数据不可及性。AI 可靠建模药物在体内行为的训练数据，锁在花费数十年收集这些数据的制药公司手中，并将其视为竞争武器。

与 Bio Protocol 紧密交织的另一个 DeSci 协议 Molecule，正在构建 DeSci 生态系统中的开放层。除了最初作为 IP 货币化层的功能外，该公司在 2 月发布了新的核心原语 —— Molecule 「Lab」：一个链上容器，将项目的研究数据、IP 和资金库整合在一起。

因此，研究里程碑、成功案例和失败实验都将永久记录在案，而不是在公司倒闭或资助到期时消失。这样，未来的研究者和 AI 智能体就能在此基础上继续工作，而无需重复劳动。

为了进一步播种这一层，Labs 将接入 Science Beach —— Molecule 和 Bio Protocol 正在共同构建的一个公共空间，AI 智能体和人类在这里公开发布假设、相互批评，并从有前景的方向分支。

第二个是实验室环境：进行化合物测试的物理环境。即使是一个特性明确的候选物，仍然需要在生物材料上进行物理验证，这需要数周的合同和协调工作。任何 AI 都无法消除这一物理步骤。

第三个，也是我想补充的，是临床试验。这是候选物在人体上测试的阶段，它仍然运行在旧的资本结构上。目前 DeSci 栈中还没有任何东西能触及这一阶段。

这开启了什么

药物开发历史上最早期、也最任意的阶段——决定一个问题是否值得提出的阶段——不再被机构资本所把关。

一种传统制药预算委员会永远不会通过的 ADHD 新型候选物，现在有了一条清晰路径，只需历史成本的一小部分就能获得真实实验室数据。将这一逻辑扩展到制药公司因罕见、无利可图或科学上非传统而忽视的疾病，整个被研究领域的规模都将改变。

然而，通往获批药物的标准路径在这一阶段之后依然漫长。实验室验证之后是临床前安全性测试，大约需要 50 万至 200 万美元。然后是向 FDA 提交 Investigational New Drug（IND）申请。随后是三个阶段的临床试验，总成本从数千万到数亿美元不等。

DeSci 能让候选物带着真实的东西走到这条路径的起点——一个有发表结合数据和每一步决策永久记录的特性明确的化合物。这与仅有一个假设和融资提案的起点完全不同。临床阶段是下一个前沿，DeSci 也清楚这一差距。

一种文化转变正在发生，它与 DeSci 正在构建的东西自然契合。肽类文化兴起，以及 GitLab 联合创始人 Sid Sijbrandij 使用 AI 对抗自己癌症、澳大利亚科技创业者 Paul Conyngham 用 ChatGPT 帮助治疗爱犬 Rosie 癌症等故事，指向一个越来越由个人利害关系而非商业动机驱动的群体。

临床验证仍然重要，医生仍然重要。改变的是，那些有动力提出新问题的人，现在拥有了能将这些问题带到真实科学答案的工具。到达终点线的障碍依然存在，但侵蚀这些障碍的潜流已经可以感受到，而且只会从此变得更强。