Variational AI

概述

Variational AI 以生成式人工智能为核心，致力于改变早期小分子药物发现的经济学与速度。其旗舰模型 Enki™ 可以根据研究团队提供的**目标产品配置（TPP）**生成新颖且可合成的分子结构，旨在替代传统的库筛选策略，加速从设计到合成的闭环流程。公司强调跨学科合作，汇聚机器学习研究员、化学家与生物医药专家，共同推进以 AI 为驱动的发现平台在肿瘤学等治疗领域的应用。

核心能力

1. 生成新分子（De novo design）: Enki™ 能从零开始生成结构多样且新颖的化合物，而不依赖已有的实验或虚拟化合物库。

2. 多目标优化: 同时优化超过 50 项物化与药效学相关属性，包括效力、选择性、毒性、药代（PK/ADME）与可合成性，以满足预设的 TPP 要求。

3. 快速迭代工作流: 从定义靶点与理化属性到得到合成就绪的候选物，流程可在数周内完成，适配现有的药物发现管线。

4. 受约束的先导优化: 在指定的骨架或化学空间内进行高效的引导式优化，便于保留已知片断同时提升性质。

5. 可落地的产业合作: 已与多家制药与生物技术公司（例如 Merck、合作研究机构）开展项目验证，支持实际项目交付与成果跟踪。

工作流程（简要）

用户先定义 TPP（如 On/Off 目标、理化范围），Enki™ 生成大量候选结构并基于多目标评估筛选，研究团队从中挑选合成与生物测试的分子，迭代循环直至获得满意的先导化合物。

推荐原因

Variational AI 的优势在于将生成式模型与药物化学专业知识结合，既能探索传统筛选难以触及的化学空间，又重视分子的可合成性与临床前可行性。对于希望缩短早期发现周期、提升先导质量并在有限资源下扩大探索范围的研发团队，Enki™ 提供了一条可操作且高效的替代路径。