当分子越来越难“读懂”,为何药明康德还能让关键一步提速30%?

2026-10-29 07:38:07
作者:药明康德
分享
文章提及标的
药明康德--
海量数据--
软件开发--
周期--
化工--
查看股票机会下载客户端

不久前,一家全球药企通过药明康德(603259)一体化平台开展了一系列多肽化合物相关项目。随着研发不断推进,一个现实问题摆在项目团队面前:面对结构日益复杂的多肽分子,如何更快、更准确地完成代谢产物的鉴定?

这并非简单的“加快实验进度”问题。

在部分复杂多肽项目中,传统数据处理和结构解析方式不仅耗时较长,且高度依赖研究人员的专业经验。当分子涉及环化、特殊修饰等复杂结构时,现有通用工具的适用范围也可能受到限制。

最终,药明康德(603259)药物代谢与动力学(DMPK)团队介入,借助自主开发的TidesID 一站式化合物鉴定平台,完成了相关复杂结构的解析,并在9个工作日交付项目结果。此后,该合作伙伴陆续将更多相关项目交由药明康德(603259)开展。

对DMPK团队而言,这个案例的意义远不止于“9个工作日”。它折射出新分子研发浪潮下日益突出的共性课题:当药物分子不断变化,与之配套的研究工具和工作模式,是否也需要同步革新?

新分子正在改变代谢产物鉴定的“题目”

代谢产物鉴定(Metabolite Identification,MetID)是药物研发过程中的关键环节。

简单来说,研究人员需要从复杂的分析数据中寻找药物进入生物体系后的代谢产物,进一步解析其结构,并梳理药物可能的代谢途径。这些信息为早期分子结构优化、种属差异评估以及后续分析物选择等研发决策提供支撑。

在传统小分子领域,行业已经积累了相对成熟的研究方法和分析工具。然而,多肽、寡核苷酸等新分子的快速发展,正在改写这道“题目”。

与传统小分子相比,这些分子通常分子量更大、结构更复杂。一个分子可能包含不同的环化方式、骨架设计和化学修饰;随着组成单元增加,潜在代谢产物数量亦显著上升。分析仪器可以产生海量数据(603138),但关键挑战在于如何从中提取有意义的信息。

传统模式下,这项工作很大程度上依赖研究人员逐一解析谱图,并结合专业经验进行判断。面对复杂分子,数据处理和结构解析时间随之延长。更重要的是,不同类型的新分子具备独特的结构特点,难以用一套固定流程解决所有问题。

商业化软件同样面临适配难题——一些高度复杂的分子结构甚至无法直接输入现有系统;而创新分子的设计正在快速变化,通用软件的功能迭代也未必能够及时覆盖新的项目需求。

这给DMPK团队带来现实挑战:随着复杂项目不断增加,仅靠扩充人力并非长久之策。

从几个小程序开始

TidesID 的起点,并非一项预先规划的大型软件开发(881272)项目。

最初,DMPK团队的一位科学家结合自身代码编写经验,以及对多肽代谢特点的理解,尝试开发了几个用于辅助数据处理的小程序。

出发点很简单:能否将那些重复、繁琐且遵循一定分析逻辑的工作交给程序处理?

实际项目验证后,这些小程序逐渐显现出价值。但随着项目数量增加,新需求不断涌现——多肽分子结构日趋复杂,寡核苷酸项目也快速增长。起初用于解决特定问题的小程序,开始面对越来越多不同的分子架构和分析场景。

DMPK团队由此开始与药明康德(603259)内部自动化技术团队协同,对原有工具进行系统性升级。

这是一个典型的跨学科合作过程。

DMPK科学家熟悉真实项目场景,他们清楚研究中可能遇到的特殊结构、最难处理的数据,以及分析流程中真正影响效率的环节。

自动化技术团队则汇集了结构解析、化学计量学、算法开发和软件工程等不同领域的专业人才,任务是将科学家长期积累的研究思路逐步转化为计算机可识别、计算和执行的分析逻辑。

以结构识别为例——看似只是软件流程的第一步,却直接关系到系统能否正确“理解”复杂分子结构并开展后续分析。

DMPK团队基于长期项目经验,梳理不同修饰方式和骨架设计所对应的结构类型;结构解析和化学计量学专家进一步建立计算逻辑;软件工程人员设计信息输入方式和系统架构,将不同模块整合进完整流程。

科学研究经验与数字化能力由此逐渐融合。

最初的几个“小程序”,逐步演变为TidesID 一站式化合物鉴定平台。目前,TidesID 已迭代至2.0版本,进一步拓展了多肽和寡核苷酸等复杂分子的代谢产物解析需求。

让复杂问题变得更可计算、更可复制

TidesID 试图解决的,不只是“让计算机跑得更快”。

传统模式下,复杂新分子的解谱高度依赖研究人员的专业积累。面对同一组数据,资深科学家与新进研究人员的处理效率和判断速度可能存在显著差异——这也是许多高度专业化领域共同面临的难题:如何让长期积累的专家经验得到更稳定的传承和应用?

在开发TidesID 过程中,DMPK团队逐步拆解长期项目实践中积累的分析思路,将复杂化合物鉴定问题转化为可计算、可执行的标准化分析流程。

系统首先识别分子结构,再根据结构特征建立相应分析逻辑,辅助研究人员开展数据解析。过去需要大量人工逐步排查的信息,可通过系统进行更有条理、更系统的处理。

人的作用并没有因此消失。

恰恰相反,研究人员可以将更多时间投入科学判断和复杂问题分析,而将部分重复性的数据处理工作交由自动化工(850102)具完成。

这种变化也使项目执行更加稳定和可控。

根据DMPK团队项目实践,应用TidesID 后,整体MetID项目周转时间可缩短约30%。对于结构更复杂、传统人工处理耗时更长的分子,自动化数据处理带来的效率提升尤为明显。在实际多肽项目中,复杂分子的解析周期(883436)已接近常规小分子项目的周转时间。文章开头提到的9个工作日交付案例,正是在这一背景下实现。

但效率并不是TidesID 的唯一目标。

对于代谢产物鉴定而言,数据完整性同样至关重要。TidesID 可覆盖不同类型的多肽结构,帮助研究人员更系统地识别潜在代谢产物,降低关键信息遗漏风险,使项目分析过程更加稳定、可控。

因此,对DMPK团队而言,开发TidesID 始终围绕一个核心目标:通过更系统的数据处理方式,为科学家提供更完整、更稳定的信息基础,从而更好地支持后续研发判断。

TidesID 背后:一场持续多年的自动化探索

如果只把TidesID 视为一款软件,或许难以完整理解其出现的背景。

药物研发中的自动化,并非简单地用机器取代人工操作。真正的难点在于:先理解一项科学流程为何如此运行,再判断哪些环节可标准化、哪些信息可数字化,以及如何将实验、数据与最终输出更顺畅地连接。

药明康德(603259)DMPK团队对自动化的探索已经持续多年——从早期引入自动化液体处理设备,到逐步推动独立实验环节的仪器化,再到进一步打通样品处理流程,自动化的边界持续向前延伸。

如今,在部分工作流程中,样品处理完成后可通过自动化物流系统进入分析环节;仪器完成数据采集后,系统进一步开展数据处理,并结合机器人流程自动化(RPA)支持后续报告流程。

团队正尝试将这些过去相对独立的环节逐步连接。

然而,在复杂新分子的代谢产物鉴定中,自动化所面对的问题有所不同。

硬件可以移动样品、完成操作,但真正决定解谱效率的,往往是数据背后的分析逻辑。

从这一角度看,TidesID 可理解为整个自动化体系中的“分析大脑”——它所承载的,是DMPK科学家在长期项目实践中积累的分析思路,以及对复杂分子结构和代谢行为的理解。

这也解释了为什么TidesID 需要由DMPK科学家与自动化专家共同开发。

缺少真实项目经验,算法难以准确理解待解决的问题;而没有软件与算法能力,科学家的专业经验也难以转化为可复制、可规模化应用的工具。

TidesID 的出现,正是长期科学积累与自动化能力不断融合的结果。

当分子不断变化,研究体系也需要持续进化

新分子研发仍在不断拓展药物创新的边界。新的结构、新的作用机制持续涌现,也不断提出过去未曾面对的研究问题,很难期待一套固定方法能回答所有问题。

这也是药明康德(603259)DMPK团队在新分子研究中长期坚持的思路:不存在适用于所有分子的“一刀切”方案。研究体系既需要理解不同分子的结构特点,也需要随着真实项目实践不断迭代。

从人工解谱,到商业化软件辅助,再到自主开发小程序和TidesID 自动化平台,这一过程并非源于对某项技术趋势的简单追逐。

很多时候,创新仅始于一个非常具体的问题:为什么一个项目耗时如此长?流程中的哪一步最依赖个人经验?哪些重复性工作可以交给计算机?当现有工具无法处理新的分子结构时,是否有其他解决路径?

不断提出问题,再从实际项目中寻找答案,最终推动了一套新的工作方式逐渐形成。

而TidesID 仍在继续迭代。未来,团队计划进一步探索将报告撰写、质量控制等后续环节纳入更完整的数字化工(850102)作流程,使数据从产生、分析到输出的连接更加顺畅。

CRDMO平台创新的缩影

对于药明康德(603259)而言,TidesID 也是一体化CRDMO平台持续支持新分子研发的缩影。

在CRDMO平台下,问题首先来自项目实践。科学家识别出共性挑战后,不同专业背景的团队可围绕同一个科学问题展开协作,将研究经验逐步转化为新方法、流程或工具;这些解决方案又在后续项目中持续验证和迭代,并进一步沉淀为平台能力。

TidesID 的发展正体现了这一过程。从DMPK科学家在复杂新分子项目中发现解谱效率和数据处理的挑战,到自动化、结构解析、算法和软件工程等专业能力参与其中,再到工具在真实项目中持续升级——其背后并非孤立的软件开发(881272)工作,而是一套由真实研发需求推动的能力迭代机制。

因此,TidesID 的意义并不仅限于缩短一次代谢产物鉴定的周期(883436)。它所体现的,是药明康德(603259)如何从真实研发场景中识别问题,依托跨学科协同形成解决方案,再通过持续的项目实践,将经验逐步沉淀为能够支持更多创新项目的平台能力。

而所有效率提升的最终意义,仍然指向同一个目标——让科学家能够更快获得可靠的信息,更有信心地做出下一步研发决策,帮助有潜力的创新分子更加稳步地向临床和患者迈进。

免责声明:风险提示:本文内容仅供参考,不代表同花顺观点。同花顺各类信息服务基于人工智能算法,如有出入请以证监会指定上市公司信息披露平台为准。如有投资者据此操作,风险自担,同花顺对此不承担任何责任。
homeBack返回首页
不良信息举报与个人信息保护咨询专线:10100571违法和不良信息涉企侵权举报涉算法推荐举报专区涉青少年不良信息举报专区

浙江同花顺互联信息技术有限公司版权所有

网站备案号:浙ICP备18032105号
证券投资咨询服务提供:浙江同花顺云软件有限公司 (中国证监会核发证书编号:ZX0050)
AIME