10月1日，BioNTech携手全资子公司InstaDeep举行了第一个AI日，全面介绍了公司布局AI辅助研发免疫疗法所取得的成果。
早在2011年，BioNTech就利用计算机设计个性化mRNA肿瘤疫苗，并在2014年实现首次人体试验。2017年又将计算机应用到新生抗原筛选过程中。
正是看到计算机在处理海量高维数据中的价值，BioNTech开启与英国AI公司InstaDeep的项目合作。InstaDeep在多个行业为客户提供专业AI服务，包括科技、运输、工业和财务等领域。BioNTech先前自行研发的个性化mRNA肿瘤疫苗和新生抗原计算平台，在InstaDeep的帮助下得以加强。
双方于2020年11月建立AI创新联合实验室，给与专款和专用设施。2022年1月，双方合作开发的新冠病毒早期预警系统，利用新冠病毒S蛋白结构模型，成功预测90%以上高危新冠变异体，比WHO正式命名的时间提前两个月。紧接着，BioNTech参与了InstaDeep总额1亿美元的B轮融资。从此开启了双方手牵手，将AI全面植入BioNTech各个技术平台和职能部门。
2023年1月，BioNTech宣布以3.62亿英镑现金加股票的形式收购InstaDeep的其余股份，InstaDeep的股东还有权根据业绩表现获得价值2亿英镑的里程碑款项。这次收购在2023年7月正式完成，InstaDeep自此成为BioNTech的全资子公司。而对于BioNTech来说一举收获240位高技能专业人才，涉及人工智能、机器学习、生物工程、数据科学和软件开发，以及InstaDeep在AI领域所构建的上下游生态圈。
在此次AI日上，InstaDeep展示了足以震撼行业的庞大计算资源：配备了224个Nvidia H100 GPUs，位列全球Top 10；拥有1.7PB永久存储空间，接近亿亿级的超级计算集群算力。加上先进的软件栈，可以帮助触达以前无法企及的科学突破，开发出革命性服务和产品。
InstaDeep所研发的全新AI贝叶斯流网络模型（ProtBFN），可生成更天然的，更多样化的和更具创新性的蛋白质序列，并基于此预测天然的，全局相关且功能多样化的蛋白质折叠结构。
基于序列、基因和生物物理的36种不同性质联合建模所开发的AI加强抗体设计工作流（AbBFN-X），可以进行抗体库设计和重链配对等工作。
此外，InstaDeep还在研发蛋白质组学的下一代生成式AI模型。还有一款称为Laila的会话软件，融合了生物学专家知识，可以通过多次反馈进行学习，具备推理和决策能力。
在此次活动上，公司重点展示了打造AI为先的免疫疗法平台及研发管线的目标，具体涵盖免疫组化、DNA/RNA测序、蛋白质组学、蛋白质设计以及实验室自动化功能验证。整套流程可以高效准确地发现新靶点、设计相应的新蛋白，并实现实验室快速验证。
首先是利用AI计算视觉信息改善组织标记的速度和准确性。随着肿瘤和组织精准分析的要求越来越高，病理学家需要面对的工作负荷也日益加重。公司开发的病理组织注释工具和针对病理学图像训练的视觉基础模型，相比于全人工注释，不仅可以提高精准度，还可以将处理效率提高100倍。
接下来是公司基于基因组自监督学习所开发的核苷酸转化模型（Nucleotide Transformer，NT），在预训练过程中获得基因组知识。又从计算机视觉分割模型得到启发，开发出SegmentNT可以在核苷酸分辨率层面对基因组进行注释，在不到一秒钟内对超过全长50kbp进行70万次准确预测。
AI加持下的蛋白质组学研究进行靶点发现工作，已经成为科研主流。AI可以帮助科学家对数据进行深度挖掘发现全新治疗靶点，然后经高精度质谱分析验证。
2024年7月，Ipsen以10亿美元从昱言科技引进ADC新药FS001，其创新靶点是在昱言科技的高通量整合性转化蛋白组学平台上确认，昱言科技也开发了相应的抗体部分。
【扩展阅读】放弃思密达，法国药厂主攻医美、肿瘤和罕见病
得益于DeepChainTM 平台以及计算机和体外实验反馈循环，公司成功解决了多目标组合优化问题，发现最佳正交突变，有效实现轻重链正确配对。
如今，科研领域的变化越来越快，也越来越复杂。在AI的帮助下，可以解锁实验室自动化的潜力，包括信息更加透明、方案开发更加快速、团队交流更加顺畅、及时发现机器故障等等，从而实现加速科学发现。
利用新冠疫苗赚得盆满钵满的BioNTech，不仅在全球范围内大肆挥霍购买新药资产，也毫不吝惜加强技术平台建设，这次所展示的AI实力就是其中之一。如今，全球各大药厂都在全面拥抱AI，即便AI在生物医药领域所能发挥的作用还存在一定争议，但大势所趋是毋庸置疑的。
【扩展阅读】BioNTech 2024Q1：在手现金169亿欧元，押宝映恩ADC开启两项3期临床
反观国内，随着资本市场冷却，早研投入极具萎缩，之前深受追捧的AIDD没能及时证明自己，目前也经历着下行期。原先致力于抗体发现的AI公司，也转向工程菌和工业酶的改造优化，与当下热门的合成生物学结合，倒是一条不错的出路，至少可以在较短时间内有所产出，风险相比药物研发就低不少了。而实验室自动化设备研发在眼下也处于艰难前行，努力打磨产品，期待有朝一日可以厚积薄发。
【扩展阅读】概览 | 布局合成生物学的CDMO
