Von Tsinghua AIR inkubiert, das AI4S-Unternehmen Aifei Intelligent Pharma sicherte sich eine Angel-Finanzierung in Höhe von rund 100 Millionen Yuan | Exklusive Erstveröffentlichung von 36Kr

Text von Hu Xiangyun

Redaktion: Hai Ruojing

36Kr hat erfahren, dass Aifepharm, ein auf KI-native Wirkstoffforschung und -entwicklung ausgerichtetes Unternehmen, kürzlich eine Angel-Finanzierungsrunde im Wert von mehreren hundert Millionen Renminbi abgeschlossen hat. Diese Finanzierungsrunde wurde von Xianghe Capital angeführt, wobei Institutionen wie Xinglian Capital und ein bekannter branchenspezifischer Fonds als Folgeinvestoren teilnahmen.

Den Informationen zufolge werden die aufgenommenen Mittel hauptsächlich für die Forschungs- und Entwicklungsiteration von grundlegenden Arzneimittelmodellen wie DrugCLIP und der intelligenten Agenten-Engine für die KI-gestützte Wirkstoffforschung PharmAgents verwendet, sowie für die fortlaufende Erforschung der nächsten Generation von Technologien für die KI-gestützte Wirkstoffentwicklung und die Förderung eigener oder kooperativer innovativer Wirkstoffpipelines. Derzeit ist die am weitesten fortgeschrittene selbst entwickelte Pipeline des Unternehmens in die Pre-PCC-Phase eingetreten.

Darüber hinaus verfolgt Aifepharm im Hinblick auf die Kommerzialisierung hauptsächlich das Co-Development-Modell (gemeinsame Entwicklung) anstatt reiner KI-Technologiedienstleistungen. Nach Angaben des Unternehmens hat es mit mehr als fünf Pharmazieunternehmen und Biotechs gemeinsame Entwicklungsprojekte für die Entdeckung innovativer Wirkstoffe in Bereichen wie Stoffwechsel, ZNS, Autoimmunerkrankungen und Wirkstoffverabreichung durchgeführt, wobei die Zusammenarbeit verschiedene Arzneimittelmodalitäten wie niedermolekulare Verbindungen und Peptide abdeckt.

Aifepharm wurde im Juli 2026 offiziell gegründet und ist aus der Forschungsgruppe von Professor LAN Yanyan und Akademiker ZHANG Yaqin am Institut für Intelligente Industrie der Tsinghua-Universität (AIR) hervorgegangen. Das Kernmitglied des Teams, Gao Bowen, hat zuvor interdisziplinäre Forschung im Bereich KI und Grundlagenwissenschaften betrieben, arbeitete an Empfehlungsalgorithmen bei ByteDance, kehrte 2022 zum AIR der Tsinghua-Universität zurück, um dort zu promovieren, veröffentlichte zahlreiche Arbeiten auf Top-Konferenzen und war Mit-Erstautor einer Veröffentlichung im Hauptjournal von *Science*.

Laut Gao Bowen ist Aifepharm zwar „sehr KI-geprägt“, aber das Team legt auch großen Wert auf die Integration in reale Szenarien der Wirkstoffforschung und -entwicklung, um zu vermeiden, dass KI-Technologien von der experimentellen Umsetzung abgekoppelt werden. Derzeit verfügt das Team über einen Forschungs- und Entwicklungsleiter mit Hintergrund in medizinischer Chemie und Strukturbiologie, und der Leiter der Geschäftskooperation verfügt über fast 20 Jahre Erfahrung in der pharmazeutischen Industrie und hat die Markteinführung mehrerer Wirkstoffe in die klinischen Phasen II und III vorangetrieben.

„Wir haben diese Teamkonfiguration schon in der frühen Phase aufgebaut, weil wir das traditionelle Staffelmuster aufgeben wollen, bei dem ‚KI die Berechnungen durchführt, sie an die medizinische Chemie weitergibt und diese wiederum an die Biologie weitergibt‘. Stattdessen sollen die Forscher verschiedener Abteilungen vom ersten Tag an in einen geschlossenen Kreislauf der Zusammenarbeit und Entscheidungsfindung eintreten, um ein echtes KI-natives System für die Wirkstoffforschung und -entwicklung aufzubauen, bei dem KI die zentrale Produktivkraft darstellt“, erklärte Gao Bowen.

In der traditionellen Pharmazeutischen Entwicklung wird KI hauptsächlich als Werkzeug-Plugin in die Kette der Forschungs- und Entwicklungsabläufe eingebunden. Dies liegt daran, dass Unternehmen ihre Geschäftsbereiche in der Regel auf organisatorischer Ebene nach molekularen Modalitäten und Krankheitsbereichen aufteilen. Bei Bedarf baut jeder Geschäftsbereich unabhängig seine eigenen KI-Fähigkeiten auf. Wenn beispielsweise Probleme bei der Molekülkonstruktion auftreten, wird ein Modell zur Molekülgenerierung entwickelt, wenn die Arzneimitteleigenschaften vorhergesagt werden sollen, wird ein entsprechendes Vorhersagemodell entwickelt usw. Die KI-Technologien verschiedener Geschäftsbereiche lassen sich kaum austauschen.

„Die Logik von KI-Native ist jedoch umgekehrt“. Gao Bowen ist der Ansicht, dass um KI wirklich zu einer grundlegenden Kernkompetenz des Unternehmens zu machen, „alle Geschäftsbereiche sich von KI aus nach außen ausbreiten“ müssen. Die Organisationsstruktur, die Forschungs- und Entwicklungsabläufe sowie das Muster der Mensch-Maschine-Kooperation müssen neu gestaltet werden, wobei KI an der Beantwortung grundlegender Fragen beteiligt ist, welche Experimente durchgeführt werden, welche experimentellen Daten erzeugt werden und wie Berechnungen und Nasslabore miteinander verbunden werden können.

Bei Aifepharm läuft dieses System auf drei Ebenen von KI-Fähigkeiten: „Erkundung“, „Entscheidungsfindung“ und „Lernen und Weiterentwicklung“:

Zuerst die Erkundungsebene: Hier soll KI die bestehenden kognitiven und rechnerischen Grenzen des Menschen durchbrechen und den riesigen Raum der Wirkstoffforschung erschließen, der mit herkömmlichen Mitteln kaum erreichbar ist. Auf der Entscheidungsebene muss KI angesichts der großen Unsicherheiten in der Wirkstoffforschung fortlaufend die nächsten Schritte beurteilen und die Experimente auswählen, die umgesetzt werden sollen, sowie die Daten, die erzeugt werden müssen. Auf der Ebene des Lernens und der Weiterentwicklung müssen fortlaufend Rückmeldungen aus echten Nasslaborversuchen und von Experten aufgenommen werden, um das gesamte System kontinuierlich zu optimieren. Die drei Ebenen sind eng miteinander verknüpft, damit KI aus der Rolle des reinen Werkzeugs heraustritt und den gesamten Prozess der Entdeckung neuer Wirkstoffe tiefgreifend begleitet.

Auf der Grundlage dieses Systems hat das Team von Aifepharm zunächst mehrere grundlegende Modelle, repräsentiert durch das Hochdurchsatz-Virtual-Screening-Modell DrugCLIP, als technische Basis entwickelt, um die Fähigkeiten des Teams auf der Ebene der „Erkundung“ zu unterstützen.

Laut Gao Bowen besteht der Kern von DrugCLIP darin, mit KI einen hochdimensionalen Repräsentationsraum zu konstruieren, in dem Proteine und Moleküle koexistieren – ähnlich einem „chemischen Universum“. Beim herkömmlichen virtuellen Screening müssen Proteine und Kandidatenmoleküle nacheinander ausgerichtet und berechnet werden. Bei Verbindungskatalogen im Umfang von zehn Milliarden oder Billionen von Molekülen steigen die Rechenkosten sprunghaft an. Daher geht DrugCLIP diesen Weg nicht, sondern verwendet eine Dual-Turm-Architektur für kontrastives Lernen, um Proteintaschen und niedermolekulare Verbindungen in diesen hochdimensionalen Repräsentationsraum abzubilden. Auf diese Weise müssen Wissenschaftler bei neuen Zielstrukturen nur die Koordinaten der Proteintasche im Raum ausgeben und Moleküle abfragen, die in der räumlichen Nähe liegen, um das Screening abzuschließen – ohne dass Millionen von Molekülen einzeln berechnet werden müssen.

„Auf der Grundlage dieses Modells können wir ein virtuelles Screening im Umfang des menschlichen Genoms durchführen. Ein einziger Server kann an einem Tag 10 Billionen Berechnungen von Protein-Molekül-Paaren durchführen und unterstützt das Abfragen von Verbindungskatalogen im Umfang von Billionen von Molekülen innerhalb von Sekunden. Nach unseren praktischen Erfahrungen liegt die Trefferquote bei einigen optimierten Zielstrukturen bei 60 % bis 80 %, sodass ohne nachfolgende Modifikation direkt hochaktive Moleküle im nanomolaren oder sogar picomolaren Bereich aus dem Screening ermittelt werden können.“

Aufbauend auf den Fähigkeiten von DrugCLIP zur Erkundung des Raums hat das Team von Aifepharm die intelligente Agenten-Engine für die Wirkstoffentdeckung PharmAgents weiterentwickelt, um die Fähigkeiten auf der Ebene der „Entscheidungsfindung“ zu ergänzen.

Nicht nur das anfängliche Molekül-Screening, sondern der gesamte Prozess der Wirkstoffentwicklung ist mit zahlreichen komplexen Entscheidungen verbunden: Beispielsweise welche Moleküle nach dem Screening zuerst validiert werden sollen? Welche Beweise werden herangezogen, wenn die experimentellen Ergebnisse von den Erwartungen abweichen? Wie werden Aktivität, Selektivität und Pharmakokinetik gegeneinander abgewogen … Diese Entscheidungsprozesse erfordern die Integration von Informationen aus mehreren Quellen wie Literatur, Patenten, Modellausgaben, experimentellen Daten und Expertenwissen – wobei diese Informationen oft unvollständig oder sogar widersprüchlich sind.

Im Unterschied zu einigen Agenten auf dem Markt, die nur den menschlichen Forschungsprozess nachahmen können, besteht die Kernfähigkeit von PharmAgents darin, widersprüchliche und unvollständige Beweise aus mehreren Quellen umfassend zu verarbeiten, dann selbstständig verschiedene professionelle Werkzeuge aufzurufen, um wissenschaftliche Hypothesen aufzustellen, und den Forschungs- und Entwicklungsplan zu aktualisieren, sobald neue Informationen vorliegen.

„Wir streben nicht danach, dass Agenten menschliche Experten vollständig ersetzen, sondern dass beide zusammenarbeiten. Denn die Erfahrung menschlicher Experten ist selbst eine wichtige Informationsquelle im Entscheidungsprozess. Die von Agenten ausgegebenen Entscheidungen werden von menschlichen Experten bewertet und korrigiert, und diese Rückmeldungen helfen Agenten, kontinuierlich zu lernen und sich weiterzuentwickeln. Mit anderen Worten: Die Fähigkeit unserer Ebene ‚Lernen und Weiterentwicklung‘ zeigt sich in der fortlaufenden Iteration des gesamten Systems. Erfolg und Misserfolg bei der Umsetzung werden zu Systemwissen, sodass das System mit zunehmender Nutzung immer leistungsfähiger wird“, erklärte Gao Bowen.

Dieses System wurde bereits in realen Szenarien der Wirkstoffforschung und -entwicklung umgesetzt. Derzeit konzentriert sich die am weitesten fortgeschrittene selbst entwickelte Pipeline von Aifepharm auf ADHS (Aufmerksamkeitsdefizit-Hyperaktivitätsstörung), wobei durch eine neu entdeckte allosterische Tasche neue Wirkmechanismen mit differenzierten Potenzialen erforscht werden. Gleichzeitig arbeitet das Unternehmen mit verschiedenen Forschungseinrichtungen wie der Fakultät für Lebenswissenschaften und der Fakultät für Pharmazie der Tsinghua-Universität, der Chinesischen Akademie der Agrarwissenschaften und dem Institut für translationale Medizin der Shanghai Jiao Tong-Universität zusammen, um umfassende experimentelle Validierungen durchzuführen.

In diesem Jahr ist die Beliebtheit des Sektors AI4S stetig gestiegen, und es sind zahlreiche Startups entstanden, die sich auf die Pharmazieentwicklung spezialisiert haben. Die Bewertungsmaßstäbe der Branche werden zunehmend pragmatisch: Neben wissenschaftlichen Arbeiten und Demonstrations-Demos ist die real reproduzierbare experimentelle Validierung zu einem der harten Kriterien für die Prüfung des technischen Werts geworden.

Gao Bowen ist der Ansicht, dass die inländischen Unternehmen für KI-gestützte Pharmazieentwicklung bereits zwei Entwicklungsgenerationen durchlaufen haben: Unternehmen der ersten Generation nutzten KI hauptsächlich, um einzelne Aufgaben in der Wirkstoffforschung zu lösen. Danach begann die Branche, die gesamte Kette der Forschungs- und Entwicklungsabläufe mit KI zu unterstützen und automatisierte Labore aufzubauen. „Heute besteht die Kernarbeit neuerer KI-nativer Pharmaunternehmen wie Aifepharm darin, KI die Verantwortung für forschungsbezogene Entscheidungen zu übertragen. Traditionelle Pharmaunternehmen tragen die Lasten historischer Geschäftsabläufe und können ihre Organisation und Prozesse kaum vollständig neu gestalten. Wir bauen unser System von Grund auf neu auf und sind in dieser Hinsicht flexibler.“