上海人工智能实验室上线书生・天枢,这是面向核酸药物赛道的 AI 工具,核心作用是利用大模型与生物计算能力,缩短核酸药物从序列设计、结构预测到效果评估的研发周期,降低传统实验试错成本。核酸药物研发本身难点很多,核酸序列组合空间巨大,二级、三级结构变化复杂,传统依靠湿实验筛选的方式周期长、成本高,很多候选序列需要反复合成、测试,筛选效率很低。书生・天枢就是针对这个痛点打造,落地使用时,先输入靶点需求,由模型完成核酸序列生成、结构预测、稳定性、免疫原性等多维度指标评估,输出一批候选序列,再交由科研人员开展湿实验验证,迭代优化候选分子。书生・天枢属于书生系列在生物医药方向的落地,把 AI 能力和核酸药物的生物约束结合,辅助科研人员缩小候选分子范围,提升研发效率。
书生・天枢核酸药物研发核心能力
- 核酸序列生成:根据靶点目标自动生成适配的 mRNA、siRNA 等候选核酸序列
- 分子结构预测:预测核酸二级、三级结构,判断折叠形态是否符合预期
- 多属性评估:评估稳定性、脱靶风险、免疫原性、翻译效率等关键指标
- 候选排序:对大量候选序列打分排序,优先推荐综合表现更好的分子
- 实验辅助:输出序列信息,支撑后续湿实验合成与验证
AI 辅助核酸药物研发新旧模式对比表
| 对比项 | 传统湿实验筛选模式 | 书生・天枢 AI 辅助模式 |
|---|---|---|
| 候选来源 | 人工设计、有限经验库 | AI 批量生成海量候选序列 |
| 筛选逻辑 | 合成后做实验,周期长 | 先虚拟评估筛选,再少量合成验证 |
| 周期特点 | 单轮迭代慢,试错成本高 | 虚拟预筛压缩候选池,减少无效实验 |
| 适合规模 | 小批量候选测试 | 大规模序列空间快速探索 |
| 最终验证方式 | 全部依赖湿实验 | AI 预筛 + 湿实验最终确认 |
书生・天枢研发使用流程清单
- 输入任务需求:明确靶点类型、核酸类型、预期指标约束
- AI 批量生成候选序列,开展结构与属性预测
- 多维度打分过滤,剔除高风险、低稳定性候选
- 输出精简候选分子清单给到研发团队
- 科研人员开展湿实验验证,反馈数据持续迭代模型
【常见问题】
问题 1:书生・天枢加速核酸药物研发,是不是可以直接替代湿实验?
回答 1:不能,书生・天枢加速核酸药物研发的价值是虚拟预筛选、缩小候选范围,核酸分子最终的药效、安全性依然必须依靠湿实验验证,AI 只是前置辅助工具。
问题 2:书生・天枢面向核酸药物研发,主要支持哪些类型的核酸分子?
回答 2:书生・天枢面向核酸药物研发,重点覆盖 mRNA、siRNA 等主流核酸药物类型,针对这类分子的序列设计、结构预测、风险评估做专项优化。
问题 3:上海人工智能实验室的书生・天枢,和书生通用大模型是什么关系?
回答 3:书生・天枢是书生大模型体系下面向生物医药垂直场景的专项工具,继承书生基座的能力,额外加入核酸生物数据、生化约束,专门服务核酸药物研发任务。
【数据来源】
[2026-05-28](上海人工智能实验室发布书生・天枢,赋能核酸药物智能研发)上海人工智能实验室官网
[2026-05-28](书生・天枢:AI 驱动核酸药物序列设计技术解读)澎湃新闻
[2026-05-29](AI 核酸药物计算平台发展综述)生物谷
【免责声明】
本文仅为书生・天枢平台上线信息科普整理;书生・天枢为研发辅助工具,不直接产出可上市药物,核酸药物研发涉及严格的药学、药理、临床验证流程,AI 预测结果不能等同于实验结论和临床效果,相关药物研发风险由研发主体自行承担。
