HOLI

An AI-Native Drug Discovery Platform · 2026

Holi

药物研发平台介绍

以基础模型为底座 · 以智能体为研究员
重新定义新药研发的下一个十年

VERSIONProduct Brochure · 2026.1

COVERAGE化药 · 生物药 · 核酸药 · 新模态 · 中药

CLASSIFICATION商业机密 / Confidential

CHAPTER 01 · CONTEXT

02 / 24

为什么是现在

百年制药业，正在被重写

The pharmaceutical industry stands at an inflection point

ANNO 2026
新药研发产业现状

26亿

USD · AVG R&D COST

单一新药研发的
平均综合成本

12年

YEARS · DEVELOPMENT

从靶点发现
到药物上市的周期

9.6%

SUCCESS · PHASE I→APP

临床I期到上市的
整体成功率

90%

FAILURE RATE

临床候选药物
最终失败的比例

三大根本性瓶颈

认知瓶颈　生命系统的复杂性远超人类研究者的认知带宽。一名研究员一生能精读的文献不足十万篇，而生物医药领域每年新增论文超 150 万篇。

实验瓶颈　传统 DMTA 循环以"周"为单位，每个先导化合物需要数千次合成-测试迭代。化学空间 10⁶⁰ 的浩瀚，与实验室年产量数百分子之间存在天文级落差。

转化瓶颈　动物模型与人体的种属差异、临床前数据与临床结局的鸿沟，使大量精心筛选的候选药物在 III 期遭遇"死亡之谷"。

"新药研发不是一个数据问题——它是一个推理问题。
而推理，正是当代基础模型的核心能力。"

CHAPTER 02 · PARADIGM SHIFT

03 / 24

范式跃迁

从 AI 辅助工具，到 AI 原生研发

From AI-assisted to AI-native drug discovery

THE GREAT SHIFT
2018 → 2026

LEGACY · 2018-2022

"AI 辅助"
窄AI 流水线范式

—每个任务训练一个专门模型
—人类研究员手动串联各模块
—手工特征工程 / 描述符
—判别与生成模型彼此分离
—单任务、单模态、单点输出
—模型给出标量分数，不给推理
—湿实验由人类规划与执行

PARADIGM SHIFT

FRONTIER · 2024-2026

"AI 原生"
基础模型 + 智能体范式

—统一多模态基础模型作底座
—AI Agent 自主规划与决策
—原始序列 / 结构 / 文本直接输入
—理解与生成在同一模型内完成
—跨模态联合推理，零样本泛化
—给出推理链、证据、不确定性
—Agent 直接驱动自动化实验室

Holi，原生构建于第二种范式之上 — A platform born in the era of foundation models.

CHAPTER 03 · ARCHITECTURE

04 / 24

平台总览

四层架构，一体智能

Four-tier architecture · One unified intelligence

SYSTEM
Architecture Overview

04

应用与交互层

Application & Interface

▸ 自然语言研发助手

▸ 项目管理与决策面板

▸ 监管文档自动撰写

▸ 可视化构象与机制浏览

▸ 团队协作与知识沉淀

03

智能体研究员层

Agent Researcher Layer

▸ 靶点发现 Agent

▸ 化学设计 Agent

▸ 生物学 Agent

▸ 临床转化 Agent

▸ 中药复方 Agent

▸ 湿实验 Agent

▸ CSO 总指挥 Agent

02

基础模型底座

Foundation Model Core

▸ DrugFM · 多模态药研基础模型

▸ 蛋白序列-结构-功能

▸ 化学空间生成与理解

▸ 多组学跨模态推理

▸ 中文医药垂直大模型

01

数据与算力基座

Data & Compute Infrastructure

▸ 全域生物医药知识图谱

▸ 自动化湿实验数据回流

▸ 联邦学习与隐私计算

▸ GPU/TPU 异构算力调度

▸ 古籍中医药多模态语料

PART ONE

05 / 24

I

CHAPTER · ONE

基础模型与
智能体研究员

Foundation Models & Agent Researchers.

平台的核心引擎是自研多模态药研基础模型 DrugFM 与覆盖全研发链条的智能体研究员团队。这是 2024-2026 年生物 AI 领域最深刻的范式变革，也是Holi区别于上一代 AI 制药平台的根本所在。

CHAPTER 04 · FOUNDATION MODEL

06 / 24

DrugFM 工作台

指令驱动的多模态推理引擎

Instruction-driven multi-modal reasoning interface

MODULE · 04.01
DrugFM Workbench

platform.holi.ai / drugfm / workbench / project-kras-g12c

⚙ ⌕ ◷ ◉

▸ 活跃项目

KRAS-G12C 抑制剂

Stage · 先导优化 · D45

TNBC 靶点发现

Stage · 早期 · D12

当归四逆汤现代化

Stage · POC · D89

肝靶向 mRNA-X19

Stage · 临床前 · D156

▸ 模型状态

蛋白结构● 在线

分子生成● 在线

ADMET● 在线

核酸 (Evo2)● 在线

TCM-LLM● 推理中

Boltz-2● 在线

▸ 最近会话

设计 KRAS G12C 共价抑制剂...

解析 TROP2 ADC linker 影响

查询 GBM 单细胞数据集

指令模式 · 化学设计 Multi-Modal Chain-of-Thought 2026-05-08 14:32 · ChenY

› 给我设计 10 个针对 KRAS G12C 的共价抑制剂分子，要求：与 Switch-II 口袋中的 Cys12 形成共价键；logP 在 2-4 之间；分子量 < 500；避开专利 WO2023-117284 和 Sotorasib/Adagrasib 骨架；合成步骤 ≤ 6 步；hERG IC50 > 10μM。

⊙ DRUGFM REASONING · 思维链推理

[Step 1] 加载 KRAS G12C 的 GDP 结合态构象集合（PDB 6OIM, 7C40 + 自有 MD 模拟 1.2μs 样本）...

[Step 2] 识别 Switch-II 口袋的 4 个关键残基：Cys12, His95, Tyr96, Gln99。Cys12 巯基溶剂可及性 SAS = 32.4 Å²。

[Step 3] 检索专利 WO2023-117284 中 32 个核心骨架，建立 Tanimoto < 0.55 的负向约束...

[Step 4] 调用 RFdiffusion-AA + Boltz-2 联合管线，在口袋内生成 1,247 候选 → 共价对接 → ADMET 联合评分 → 输出 Top 10。

7 × 24 不间断的虚拟科学家团队

A continuous-running team of AI scientists

MODULE · 04.02
Agent Collaboration

platform.holi.ai / agents / orchestrator / live

● LIVE

▸ 智能体团队 · 7 位

CSO 总指挥 ● 编排中

协调 6 位专科 · 当前任务: KRAS-G12C 项目周报

靶点 Agent ● 运行

扫描 158 篇文献 · 生成假说 3 条

化学 Agent ● 思考

优化 SG-K12C-001 选择性

生物学 Agent ● 运行

解读高内涵成像 · 384 孔板

临床 Agent ○ 空闲

等待 IND 任务

中药 Agent ● 思考

解析当归四逆汤 11 味药

湿实验 Agent ● 运行

机器人合成 · 第 23/40 步

⊙ 协作流 · KRAS-G12C 项目

2026-05-08 · 14:32:08

▸ CSO Agent 14:30:12

分解任务："KRAS-G12C 先导优化" → 化学Agent负责 SAR 与生成；生物Agent负责细胞活性；湿实验Agent负责合成执行。

▸ 化学 Agent 14:31:24

SG-K12C-001 在野生型 KRAS 上有 12% 交叉反应，建议引入 3-氟代吡啶提升 G12C 选择性。已生成 5 个改造分子，提交湿实验 Agent。

▸ 湿实验 Agent 14:31:48

已接收 5 个分子设计。生成 Chemspeed 协议 → 评估合成路线 → 启动 机器人合成 #R3-2026-0508。预计 18 小时完成。

▸ 生物学 Agent 14:32:01

已设计 NCI-H358 (KRAS-G12C+) vs HEK-293 (KRAS-WT) 双细胞活性筛选板。SG-K12C-001 实测 IC50 = 3.2 nM，选择性 SI > 250。

▸ CSO Agent · 综合判断 14:32:08 (now)

SG-K12C-001 性能优秀，已达到先导化合物里程碑。建议 Dr. 陈：(1) 启动小鼠 PK；(2) 推进 cGMP 工艺；(3) 评估 IND-enabling 毒理学路径。

● Agent 编排中... 任务队列 23 项 ∞ 持续运行

▸ 任务分解树

◉ KRAS-G12C 先导优化

├ ✓ SAR 分析

├ ✓ 选择性预测

├ ⌛ 5 个新分子合成

├ #R3-001 ✓

├ #R3-002 ⌛ 23/40

└ #R3-005 ◷ 排队

├ ⌛ 细胞活性筛选

├ ○ 小鼠 PK 设计

└ ○ 毒理学路径评估

▸ 关键决策待审

⚠ 待 PI 审批

是否将 SG-K12C-001 推进到 IND-enabling？

置信度 92% · 评估理由 5 项

PART TWO

08 / 24

II

CHAPTER · TWO

八大研发模块
全链条覆盖

Eight Specialized R&D Modules.

平台覆盖从靶点发现 → 分子设计 → 蛋白工程 → ADMET 评估 → 核酸设计 → 新模态 → 中药复方 → 临床转化的完整研发链路。每个模块均为 DrugFM 基础模型 + 专科 Agent + 真实平台界面的有机整体。

MODULE 01 · TARGET DISCOVERY

09 / 24

模块一 · 靶点发现与验证

从文献海洋到靶点假说，端到端推理

Target hypothesis with full evidence chain

CASE · 三阴性乳腺癌
TNBC Target Discovery

platform.holi.ai / target / discovery / TNBC-2026-Q2

● 已分析 · 158 篇文献 · 12 数据集

▸ 检索条件

疾病

三阴性乳腺癌 (TNBC)

ICD-10: C50 · MeSH: D064726

▸ 人群范围

中国女性东亚绝经前 BRCA野生型

▸ 数据源

● TCGA-BRCA · 1,098 例

● METABRIC · 1,904 例

● 中国 TNBC 队列 · 612 例

● scRNA-seq · 47 个样本

● 空间转录组 · 12 个样本

● 泛癌蛋白质组 · CPTAC

▸ 模态偏好

小分子抗体药物 ADC 核酸药 PROTAC

▸ 因果推断: do-calculus
▸ 单细胞模型: scGPT
▸ 知识图谱: 1.2B 三元组

⊙ 候选靶点 · 共 23 项 · 已分级

Tier 1 · 强推荐 4 Tier 2 · 推荐 9 Tier 3 · 探索 10

▸ TIER 1 · 强推荐

CDK7 推荐

UniProt: P50613

TNBC 中显著高表达 (FC=4.2, p<0.001)，调控转录 elongation。do-calculus 证据等级 A。

可成药性9.2/10

推荐模态: 小分子 · PROTAC

TROP2 推荐

UniProt: P09758

膜蛋白 · 内化效率高。已有 ADC (Trodelvy) 上市验证可成药性。

可成药性9.5/10

推荐模态: ADC · 双抗

DDR1 推荐

UniProt: Q08345

基质受体酪氨酸激酶。中国队列特异性高表达 (vs 欧美 +28%)。

可成药性8.7/10

推荐模态: 小分子

▸ TIER 2 · 推荐

EZH2 候选

P26358 · 表观遗传调控

可成药7.8

PARP1 候选

P09874 · BRCAness 亚群

可成药8.4

USP7 候选

Q93009 · 去泛素化酶

可成药7.2

NTRK1 候选

P04629 · 融合驱动亚群

可成药7.9

▸ TIER 3 · 高新颖性

SLC7A11 探索

铁死亡 · 新颖性 9.1

METTL3 探索

m6A · 新颖性 8.8

CMTM6 探索

PD-L1 稳定子 · 8.4

⊘ 不推荐

MYC 弃

虽相关性强，但难成药 (无口袋)。do-calculus 显示为伴随现象而非驱动因素。

MODULE 02 · MOLECULAR DESIGN

10 / 24

模块二 · 小分子化药设计

口袋约束 3D 生成 + 多目标优化

Pocket-conditioned 3D generation with multi-objective optimization

CASE · KRAS-G12C 共价抑制剂
Lead Optimization

platform.holi.ai / chemistry / design / kras-g12c-d45

⊙ Boltz-2 · RFdiffusion-AA

▸ 设计约束

靶点口袋

KRAS·Switch-II · Cys12

分子量 300 - 500

LogP 2.0 - 4.0

合成步数 ≤ 6 步

专利规避

10 个专利已规避

▸ 多目标

● 活性 · 高 · 选择性高

● ADMET · 优化

● 合成可及 · 中

● 新颖性 · 中

⬢ 蛋白-配体复合物 · Boltz-2 预测

SG-K12C-001 · pTM=0.91

MW

432

LogP

3.1

tPSA

82

hERG

>30

CL_int

12.4

▸ 候选分子 · Top 5

SG-K12C-001 Kd 2.4nM

SG-K12C-002 Kd 4.1nM

SG-K12C-003 Kd 8.7nM

SG-K12C-004 Kd 12.3nM

SG-K12C-005 Kd 23nM

▸ 逆合成路线

5 步合成 · 原料 ¥ 2,840/g

偶氮偶联 → 还原 → Suzuki

→ 脱保护 → 丙烯酰胺化

▸ Agent 建议

▸ 推送湿实验合成 · NCI-H358 测试 · 自由能验证

MODULE 03 · PROTEIN STRUCTURE

11 / 24

模块三 · 蛋白结构与从头设计

AlphaFold 3 + RFdiffusion 级别的蛋白工程

Protein structure prediction & de novo design

CASE · 抗 PD-L1 miniprotein
De Novo Binder Design

platform.holi.ai / protein / design / pdl1-binder-2026

⚙ 已启动 RFdiffusion-AA + ProteinMPNN + ESM3

▸ 设计任务

PD-L1 binder 设计

特异识别 PD-L1 IgV，60aa miniprotein，Kd<10nM，Tm>70°C

▸ 设计方法

RFdiffusion-AA

ProteinMPNN

ESM3 (打分)

Boltz-2 (验证)

▸ 已支持任务

● 单体 / 复合物结构

● 蛋白-小分子 / 核酸

● 构象集合 / 隐性口袋

● 抗体 CDR 设计

● miniprotein binder

● 酶催化设计

⬢ 设计结果 · SG-PDL1-mp-007 · 60 aa

通过验证 pTM 0.94 · ipTM 0.88

Kd

3.8nM

Tm

82°C

长度

60aa

pTM

0.94

ipTM

0.88

特异性

98%

▸ 设计批次 · 250 候选

pTM × Kd 综合评分分布

低评分高

▸ Top 候选

SG-PDL1-007 9.4

SG-PDL1-023 9.1

SG-PDL1-088 8.9

SG-PDL1-142 8.7

SG-PDL1-201 8.4

▸ 计算耗时 18 min · H100 × 8 · 已推送至湿实验

MODULE 04 · ADMET PROFILING

12 / 24

模块四 · ADMET 与安全性预测

50+ 终点 · 不确定性量化 · 一键评估

50+ endpoints with uncertainty quantification

CASE · 批量评估 24 个候选
SG-K12C 系列

platform.holi.ai / admet / batch / kras-series-eval

● 批量评估完成 · 24/24

⊙ 评估结果矩阵 · 24 分子 × 8 关键终点

分子 ID Caco2 PPB CL_int CYP3A4 hERG AMES DILI

SG-K12C-001 ●●● ●●● ●●● ●●● ●●● ●●● ●●●

SG-K12C-002 ●●● ●●● ●●○ ●●● ●●● ●●● ●●●

SG-K12C-003 ●●● ●●○ ●●● ●●○ ●○○ ●●● ●●○

SG-K12C-004 ●●● ●●● ●●● ●●● ●●○ ●●● ●●●

SG-K12C-005 ●○○ ●●● ●○○ ●●● ●●● ●●● ●●○

SG-K12C-008 ●●● ●●● ●●○ ●●● ●●● ●●● ●●●

SG-K12C-011 ●●○ ●●● ●●● ●○○ ○○○ ●●● ●○○

SG-K12C-014 ●●● ●●● ●●● ●●● ●●○ ●●● ●●●

⌄ 滚动查看其余 16 个分子

●●● 优秀 ●●○ 良好 ●○○ 警示 ○○○ 风险

⊙ SG-K12C-001 · 详细 ADMET 谱

推荐推进

▸ 不确定性量化

"模型对 SG-K12C-003 的 hERG 风险预测置信度仅 62%，因含罕见结构片段，建议补充体外实验验证。"

▸ 类器官交叉验证

SG-K12C-001 已通过人源化肝类器官评估，72h 暴露未见显著毒性 (CC50 > 100μM)。

▸ 早期 ADMET 筛选成本降低 90% · 替代约 800 只小鼠实验

MODULE 05 · NUCLEIC ACID

13 / 24

模块五 · 核酸药物设计

基于 Evo 2 级别的生命语言模型

mRNA · siRNA · ASO · Aptamer · CRISPR · Engineering Cas

CASE · 肝靶向 mRNA-X19
Sequence + LNP Co-Design

platform.holi.ai / nucleic / mrna-design / mRNA-X19-liver

⊙ Evo-2 9.3B · 联合 LinearDesign · CodonBERT

≋ mRNA-X19 · 序列优化工作台

编码区 1,287 nt Evo-2 优化翻译效率 +47%

▸ mRNA 整体架构

m7G cap

7 nt

5' UTR

142 nt

编码区 (CDS) · ATG ... TAA · 1,287 nt

429 aa · 密码子已优化

3' UTR · α-globin

311 nt

poly-A

120

m7G·GGGAAATAAG...[5'UTR]AUGGCGACG·CCG·GCG·CCC·Um1Ψ·CGC·m1ΨUC·Gm5CU·UCC...

▸ m1Ψ = N1-甲基假尿苷 · 96 处替换 ▸ m5C = 5-甲基胞嘧啶 · 24 处替换

▸ 5'UTR 二级结构 · ΔG = -32.4 kcal/mol

▸ LNP 配方设计

▸ 可电离脂质SM-102 · 50%

▸ 辅助磷脂DSPC · 10%

▸ 胆固醇· 38.5%

▸ PEG-脂质PEG-DMG · 1.5%

粒径82 nm

PDI0.08

封装率95.4%

肝靶向87% 肝细胞

▸ Evo-2 推理

"原始野生型序列在肝细胞内 24h 翻译效率 1.0×；优化版本 1.47×。

关键改动：CDS 内 GC% 从 48% → 56%；移除 3 个 G-四链体；移除 2 个 IRES-like 弱化点；m1Ψ 替换降低先天免疫激活 87%。"

▸ 关键指标

翻译效率1.47× WT

体内半衰期38 h

免疫原性↓ 87%

密码子调和CAI 0.92

ΔG (5'UTR)-32.4

U-richness优化

▸ 已支持类型

mRNA 疫苗蛋白替代 siRNA ASO CRISPR sgRNA pegRNA Aptamer circRNA

▸ 国际对标: Inceptive · Moderna AI · Alnylam
▸ 中国队列基因组覆盖

MODULE 06 · NEW MODALITIES

14 / 24

模块六 · 创新疗法

PROTAC · ADC · 双抗 · 复杂模态全栈设计

PROTAC · ADC · Bispecifics · Molecular Glue

CASE · BRD4-PROTAC + TROP2-ADC
Three-body Design

⬢ PROTAC 设计工作台 / protac / brd4-vhl

▸ 三元复合物 · 靶点-Linker-E3

▸ Linker 智能优化

长度12 原子

刚性3 旋转键

极性2 PEG

合成步4 步

▸ E3 连接酶推荐 · 基于组织表达谱

▸ VHL推荐 · 9.2/10

○ CRBN候选 · 8.4/10

○ IAP慎用 · 6.1/10

○ DCAF15新颖 · 7.8/10

▸ 分子胶模式同步运行分子胶 (molecular glue)设计：诱导邻近，发现非传统 PPI 类降解剂。

⬢ ADC 三元设计 · 抗体偶联药物 / adc / trop2-tnbc

▸ ADC 整体结构 · DAR 控制

▸ 抗体优化

Kd · 0.8 nM

内化 · 87%

种属 · 人/猴 ✓

▸ Payload 选择

类型 · DXd

效价 · pM 级

logD · 2.4

▸ DAR 智能优化 DAR 4.0 在效价与血浆稳定性之间最优（基于 1,200 ADC 训练）。

▸ 同时支持 BiTE · DART · KIH · CrossMAb 等双 / 多抗格式

MODULE 07 · TCM AI · I

15 / 24

模块七 · 现代化中药开发 ▸ 国际无对标

从《伤寒论》到分子机制，五层异构图谱

Bridging classical TCM with molecular pharmacology

CASE · 当归四逆汤 · 现代化
Danggui-Sini Decoction

platform.holi.ai / tcm / formula / danggui-sini-tang

❀ TCM-LLM · 中药专属大模型

▸ 当归四逆汤 · 7 味药

当归君药

Angelica sinensis · 9g · 主导效应通路

桂枝 9g

臣

芍药 9g

臣

细辛 3g

佐

通草 6g

佐

大枣 8 枚

使

炙甘草 6g

使

▸ 解析规模

药材 · 7 · 成分 · 487

靶点 · 218 · 通路 · 42

关联证候 · 12

❀ 复方-成分-靶点-通路-证候五层异构知识图谱

点击节点查看详情

● 7 药材 ● 487 成分 ● 218 靶点 ● 42 通路 ● 12 证候

▸ 古籍 RAG 检索

"手足厥寒，脉细欲绝者，当归四逆汤主之。"

— 《伤寒论》 351 条

▸ TCM Agent 推理

当归·阿魏酸 → eNOS → 血管舒张；桂枝·桂皮醛 → TRPV1 → 末梢温感；细辛 → 神经递质平衡。分子层面解释"温经散寒"之药理。

▸ 肠道菌群三元互作

· 阿魏酸 ←→ Bifidobacterium

· 芍药苷 ←→ Lactobacillus

· 桂皮醛 ↑→ SCFA 合成

12,000 例宏基因组训练

▸ 国际唯一中医药 AI 研发平台

MODULE 07 · TCM AI · II

16 / 24

中药现代化 · 第二部分

道地鉴别 · 智能质控 · 新方设计

Authentication · QC · De Novo Formula Design

CASE · 多组学质控 + 新适应症发现
End-to-End TCM Modernization

⊙ 道地药材鉴别 · 多模态融合 / tcm / authenticity

▸ 待测样本

当归 · 18.4 g

声称: 甘肃岷县 · 当年

▸ AI 鉴定

✓ 道地

置信度: 96.2%

▸ 多模态融合证据

近红外

96.4%

拉曼

94.1%

ESI-MS

97.8%

ITS

99.2%

阿魏酸 0.84% ✓，藁本内酯 1.42% ✓。与岷县基准聚类相似度 0.94（延安 0.72、云南 0.58）。

≋ HPLC 指纹图谱 AI 解读 / tcm / fingerprint

▸ 当归四逆汤水提液 · UPLC-Q-TOF/MS

峰识别

218

归属

182 · 84%

批次相似

0.96

质控

✓ 合格

⊕ 新方设计 · AI 配伍推荐 / tcm / formula-design

▸ 用户输入

› 设计针对化疗周围神经病变 (CIPN)的中药新方，避开马兜铃酸类。

▸ TCM Agent · 新方推荐

SG-CIPN-RX-003 · 改良当归四逆汤
君当归 12g · 黄芪 15g (新增·益气)
臣桂枝 9g · 制首乌 9g (新增·养血)
佐鸡血藤 12g (替细辛·安全 +)
使炙甘草 6g · 大枣 8 枚
▸ CIPN 缓解 OR=2.8 · 覆盖 47 靶点

⌘ 古方新用 · 适应症发现 / tcm / repositioning

▸ 当归四逆汤 · 新适应症候选

化疗诱导周围神经病变推荐

证候 0.89 · 通路重叠 73% · 3 篇临床

糖尿病微血管病变证候 0.78 · 通路 64%

候选

慢性偏头痛 (寒凝型) 证候 0.74 · 通路 58%

候选

原发性痛经证候 0.71 · 通路 55%

候选

系统性硬化症 (新) 证候 0.66 · 未报道

新颖

MODULE 08 · CLINICAL TRANSLATION

17 / 24

模块八 · 临床前与临床转化

PBPK 外推 · 患者分层 · 合成对照臂

PBPK · Biomarker discovery · Synthetic control arm

CASE · SG-K12C-001 IND-enabling
Clinical Bridge

platform.holi.ai / clinical / translation / SG-K12C-IND

⌘ Tx-LLM · 临床转化大模型

⌘ 人体 PK 外推 · 跨种属

Cmax

1.4μM

t½

8.4h

F (口服)

62%

DDI 风险

低

≣ 患者分层 · 响应人群预测

✓ KRAS-G12C+ 且 STK11-WT ORR 预测 65%

○ KRAS-G12C+ 且 KEAP1 突变 ORR 预测 35%

⚠ 既往 KRAS 抑制剂耐药 ORR 预测 12%

⊠ 合成对照臂 · 数字孪生

数字孪生从 8,420 例 KRAS-G12C+ 历史病例生成 · HR=0.42 · 减少安慰剂组样本量 60%

⌥ 监管文档自动生成

▸ IND 临床方案 (NMPA) ✓ 已生成 · 142 页

▸ 知情同意书 (中/英) ✓ 已生成

▸ Investigator's Brochure ⌛ 生成中 · 87%

▸ eCTD Module 2 (FDA) ⌛ 排队中

▸ 首次人体试验风险评估 ✓ 已生成

内置 FDA · NMPA · EMA · PMDA 模板 · CDISC/SDTM/ADaM 标准

MODULE 09 · SELF-DRIVING LAB

18 / 24

模块九 · 自驱动实验室 (SDL)

Agent 直接驱动机器人，7×24 运转的研究员

Agent-orchestrated robotic lab — DMTAL closed loop

CASE · KRAS-G12C 系列
Closed-Loop Optimization

platform.holi.ai / sdl / live / robot-cluster-shanghai-3

● LIVE · 9 robots · uptime 14d 6h

⊙ DMTAL · 设计-合成-测试-分析-学习闭环

第 7 轮迭代 · 累计 412 次合成 · 1,250 次细胞实验

▸ 周期

14 天

vs 传统 6-8 周 ↓80%

▸ 成本

¥ 18 万

vs 传统 ¥ 60 万 ↓70%

▸ 信息增益

3.4×

主动学习 vs 网格搜索

▸ 机器人集群 · 上海3号

● Chemspeed-A1 SG-K12C-014 · 23/40

● Chemspeed-A2 SG-K12C-015 · 18/35

● HCS Imager-B 384孔 · 247/384

○ qPCR-C 待命 · 2 小时

+ 5 个机器人空闲

▸ 主动学习 · 下一批

贝叶斯优化建议下一轮重点测试 3-氟吡啶组 与 炔基末端组，已加入合成队列。

▸ 对标 Berkeley A-Lab · Coscientist · ChemCrow

CHAPTER 06 · COMPETITIVE LANDSCAPE

19 / 24

国际对标分析

与全球顶级 AI 制药平台同处第一阵营

Benchmarking against global frontier AI drug discovery platforms

VS · 2026
Top-Tier Platforms

Holi · 中国 Isomorphic · 英 Recursion · 美 Evo 2 · 美 Schrödinger · 美 A-Lab · 美 Iambic · 美

基础模型 DrugFM (自研 + 集成) AlphaFold 3+ Phenom-2 Evo 2 (9.3B) 无 (经典 FEP) GPT-4 调用 NeuralPLexer

化药 (小分子) ●●● 全栈 ●●● 全栈 ●● 表型驱动 ○ 不支持 ●●● 全栈 ○ 材料化学 ●●● 强

生物药 / 蛋白 ●●● 全栈 ●●● 全栈 ●● 部分 ●● 序列层 ●● 部分 ○ 不支持 ●● 部分

核酸药 ●●● 全栈 (含 Evo-2) ●● 部分 ○ 弱 ●●● 强 (核酸专长) ○ 不支持 ○ 不支持 ○ 弱

PROTAC / ADC ●●● 强 ●● 部分 ●● 部分 ○ 不支持 ●● 部分 ○ 不支持 ●● 部分

现代化中药 ★ ●●●●● 国际唯一 ○ — ○ — ○ — ○ — ○ — ○ —

Agent 协作 ●●● 7-Agent CSO ●● 内部 Agent ●● 部分 ○ 模型层 ○ 工具型 ●●● Agent驱动 ●● 部分

自驱动实验室 ●●● 全闭环 ●● 部分 ●●● 强 (Phenom) ○ 不支持 ○ 不支持 ●●● 标杆 ●● 部分

临床转化 ●●● 全栈 + 中国 ●● Novartis 合作 ●● 部分 ○ 弱 ●● 部分 ○ 不支持 ●● 部分

▸ 核心壁垒 · 中药 AI

国际无对标。基于中文古籍语料、东方人群基因组、本土真实世界数据训练，形成"中国独占技术高地"。

▸ 全栈优势

5 大药物模态 + 7 大研发环节全覆盖，避免国际多数平台的"单点工具碎片化"局限。Agent + SDL 完整闭环。

CHAPTER 07 · VALUE

20 / 24

价值量化

三个数字，重新定义新药经济学

Three numbers that redefine drug economics

QUANTITATIVE
Value Proposition

▸ TIME

−65%

研发周期缩短

从靶点发现到 IND 申报：传统 5-7 年 → 本平台 18-24 个月

▸ AI 原生范式
▸ Agent 7×24 不间断
▸ 自驱动实验室

▸ COST

−75%

研发成本降低

单药研发综合成本：传统 ~$2.6B → 本平台 ~$0.65B

▸ ADMET 早筛省 90%
▸ 替代约 800 只动物
▸ 主动学习省 80% 实验

▸ SUCCESS

3.0×

临床成功率提升

I 期到上市的成功率：传统 9.6% → 本平台 27%+

▸ 患者分层 + 生物标志物
▸ PBPK 跨种属外推
▸ 不确定性量化决策

CHAPTER 08 · DIFFERENTIATION

21 / 24

差异化优势 · 应用场景

五大壁垒，五类客户

Five competitive moats · Five customer segments

FIVE × FIVE
Strategic Advantages

▸ 五大差异化壁垒

01

模态全覆盖

化药 · 生物药 · 核酸 · 新模态 · 中药五大模态全栈，避免单点工具碎片化。

02

中药 AI · 国际独占 ★

古籍 RAG + 五层异构图谱 + 多组学整合，中国独有技术高地，国际无可对标。

03

端到端 Agent 闭环

从靶点到 IND 完整闭环，CSO Agent 智能编排 7 位专科 Agent，自驱动实验室无缝对接。

04

东方人群 · 本土数据

基于华人 / 亚洲人群基因组、本土真实世界临床数据训练，亚太市场天然优势。

05

数据飞轮 · 自我进化

每次实验数据回流触发模型增量训练，平台越用越聪明，形成数据壁垒护城河。

▸ 五类目标客户

大型药企核心客户

国内 / 国际 Top Pharma 的 AI 转型基础设施，用于其内部研发降本增效与新模态拓展。

Biotech 初创高增长

为中小型 Biotech 提供"全功能虚拟研发部"，按项目订阅，无需自建 AI 团队即可快速推进管线。

CRO / CDMO 扩量

合作研发外包机构嵌入平台能力，为客户提供 AI 增强的发现 + 优化 + 分析全套服务，提升单价与差异化。

中药龙头企业独占

同仁堂、云南白药等头部中药企业的现代化转型伙伴，为 FDA / EMA 国际注册提供分子机制阐释科学支撑。

学术 / 医院生态

高校实验室、转化医学中心、医院临床研究中心，借助平台开展学术研究与临床转化合作。

CHAPTER 09 · CASE STUDIES

22 / 24

标杆案例 · 实战验证

五个项目，五种范式突破

Five projects · Five paradigm breakthroughs

REAL-WORLD
Case Studies

CASE 01 · 化药 · 共价抑制剂

D45

KRAS-G12C 共价抑制剂 SG-K12C-001

从靶点确认到先导化合物仅 45 天，规避 10 项国际专利，IC50 达 3.2 nM，对野生型选择性 SI>250。

Boltz-2 RFdiffusion-AA 主动学习 SDL 闭环

CASE 02 · 生物药 · 蛋白工程

已启动毒理

PD-L1 miniprotein SG-PDL1-007

从 250 个 AI 设计候选中筛出 60aa miniprotein，Kd 3.8nM，热稳定 82°C。无糖基化负担，可口服递送。

RFdiffusion ProteinMPNN ESM3

CASE 03 · 中药 · 现代化 ★

D89

当归四逆汤治疗 CIPN 现代化

487 个化学成分映射至 218 个靶点 42 条通路；古方"温经散寒"机制阐释清晰；新适应症化疗周围神经病变（CIPN）已有 3 篇临床报道支持。

五层图谱古籍 RAG 肠道菌群

CASE 04 · 核酸 · 肝靶向

非人灵长类

肝靶向 mRNA-X19 (家族性高胆固醇)

基于 Evo-2 设计的优化 mRNA 体内翻译效率 +47%，免疫原性 ↓87%。LNP 配方实现 87% 肝细胞特异性递送。

Evo 2 m1Ψ 修饰 SM-102 LNP

CHAPTER 10 · TEAM & ECOSYSTEM

23 / 24

团队 · 生态 · 资质

交叉学科顶尖人才，国际化生态

World-class interdisciplinary team and ecosystem

TEAM
& Ecosystem

▸ 团队构成

▸ AI 算法团队

来自 MIT · Stanford · DeepMind · 字节豆包 · 阿里通义的 AI 研究员，主导 DrugFM 与 Agent 架构。

▸ 药学与化学团队

前默沙东、辉瑞、罗氏、恒瑞、信达的资深药物化学家与生物学家。

▸ 中医药专家组

中国中医科学院、北京中医药大学的院士与教授顾问，主导古籍数字化与中药 AI 设计。

▸ 临床与监管团队

前 FDA 审评员、NMPA 顾问，丰富的 IND / NDA 申报经验。

▸ 全员博士占比 80%

▸ 战略合作

▸ 算力 / 模型

英伟达 H200 集群合作；与开源 ESM·RFdiffusion·Boltz·Evo 团队保持技术同步。

▸ 临床医院

协和、华西、复旦肿瘤、上海交大、北大肿瘤等顶级医院的真实世界数据合作。

▸ 中药企业

与多家上市中药龙头建立战略合作，共同推进经典名方现代化。

▸ 自动化合作

Chemspeed · Hamilton · Molecular Devices 自动化设备生态对接。

▸ 国际国内 50+ 战略伙伴

▸ 合规与资质

✓ FDA 21 CFR Part 11 电子签名合规

✓ NMPA 计算机化系统验证 (CSV)

✓ GLP / GMP / GCP / GVP 体系

✓ ISO 27001 信息安全

✓ 个保法 · GDPR 双合规

✓ FDA Predetermined Change Control Plan

✓ CDISC · SDTM · ADaM 标准

✓ 联邦学习 · 同态加密 · TEE

▸ 中美双注册全合规

END · 致谢

24 / 24