当大多数AI药物发现工具仍被限制在付费墙内，向使用者收取高昂费用时，一家小型跨国生物科技公司选择了一条截然不同的道路。

这家总部位于美国加州拉古纳希尔斯以及中国上海的企业Aureka，正式推出了其开源基础模型“Open Drug Discovery Engine”（OpenDDE）。根据官方说明，该模型旨在成为“下一代药物发现系统的结构推理核心”。

这一概念听起来或许有些抽象，但实际目标十分清晰：让生物分子共折叠研究不再只属于大型实验室与制药巨头。具体而言，OpenDDE致力于降低蛋白质、核酸、小分子配体及其他分子间相互作用建模的门槛，使更多研究者能够参与其中。Aureka方面表示，希望将这项技术“向研究人员、初创企业、学术实验室和跨国公司广泛开放”。

从行业现状来看，目前广泛用于药物发现的AI系统大多为闭源，以专有方式运营并持续收取使用费。典型代表包括Insilico Medicine的Pharma.AI、Isomorphic Labs旗下的AlphaFold后继产品IsoDDE，以及Recursion的Boltz-2.1。相比之下，OpenDDE的开源策略无疑是一股清流。

技术层面还有一个关键细节：Aureka的AI被定位为“全原子”平台。这意味着它会对生物系统中的每一个独立原子进行模拟，而非采用简化表征方式。在药物发现这门精细活里，这种更精细的建模方法能够捕捉到那些被简化模型遗漏的关键信息。

目前，OpenDDE已覆盖结构预测、抗体-抗原建模和药物发现研究等功能。但这只是起点，Aureka计划进一步扩展其能力，未来将纳入药物分子的从头设计等功能。换言之，让AI不仅学会分析，还能直接生成设计方案。

再介绍几个规划中的扩展功能：对候选药物与靶标之间结合强度的估算，以及构象系综建模。后者听起来较为专业，实际上用于模拟蛋白质动态变化的三维结构——与传统的“锁钥模型”不同，这种方法有时能揭示出隐藏的结合位点，而这恰恰是许多药物研发的瓶颈所在。其他功能还包括结构条件优化，即利用生成式AI设计出与靶标精确契合的候选分子，以及建立实验反馈回路。

Aureka人工智能研究负责人Will Hua在社交平台上透露，此次共折叠模块的发布，是Aureka迈向“真正的药物发现引擎”的“第一小步”。而当下正是生物分子基础模型进入“规模化时代”的关键节点——时间点把握得恰到好处。

值得一提的是，Aureka并不仅仅专注于软件开发。该公司正将其AI与高通量自动化湿实验室平台相结合，构建一个干湿闭环的发现系统。与此同时，他们也在开发自有的治疗候选管线。这种“两条腿走路”的策略，在一些AI制药公司中被证明行之有效。

Will Hua补充道：“对于Aureka而言，OpenDDE是更大范围的AI原生药物发现基础设施的组成部分，该基础设施涵盖基础模型、算力、分子设计、高通量功能验证、闭环优化以及资产数据室生成。”他也坦承：“OpenDDE目前还不是一个完整的药物发现引擎，存在一定不足，但它构成了底层基础。通过将生物分子建模与物理湿实验室验证相连接，我们希望使治疗发现变得更具可扩展性、可重复性和可及性。”

针对OpenDDE，有几个核心问题值得厘清。

OpenDDE到底是什么？它能做什么？

OpenDDE全称Open Drug Discovery Engine，是Aureka发布的开源基础AI模型。它被定位为下一代药物发现系统的结构推理核心。目前已覆盖结构预测、抗体-抗原建模和药物发现研究等功能。未来还有更多能力等待上线：药物分子从头设计、结合强度估算、构象系综建模以及生成式AI结构优化等。

它和目前市场上那些药物发现AI相比，优势在哪里？

最大的区别在于模式。与Insilico Medicine的Pharma.AI、Isomorphic Labs的IsoDDE、Recursion的Boltz-2.1等闭源收费系统不同，OpenDDE采用开源模式，对研究人员、初创企业、学术实验室和企业均免费开放。此外，技术上它采用“全原子”模拟方式，对生物系统中每一个原子进行建模，相比简化表征方式更为精细——这在处理复杂的生物分子间相互作用时，往往能产生更可靠的结果。

Aureka打算怎么把OpenDDE用到实际药物研发中去？

Aureka的做法是将OpenDDE与高通量自动化湿实验室平台结合，构建干湿闭环发现系统，并在此基础上开发自有治疗候选管线。按照Aureka的规划，OpenDDE是其AI原生药物发现基础设施的一部分，整体布局涵盖基础模型、算力、分子设计、高通量功能验证及闭环优化等多个环节。

说到底，OpenDDE目前的版本还只是一个开始。但它的开源策略和“全原子”技术路线，正在为AI制药行业提供一种有别于传统巨头的可能性。接下来值得关注的是，这个“第一小步”能否真正跑通整个药物发现流程。