Computergestützte Modelle beschleunigen Teile der frühen Arzneimittelsuche. Sie sagen Proteinstrukturen voraus, schlagen Bindungspartner vor und sortieren Moleküle. Zugelassene Therapien entstehen daraus erst nach präklinischer und klinischer Prüfung. Chinas Pharma-Fünfjahresplan 2026 bis 2030 nennt Künstliche Intelligenz (KI), Supercomputing, Quantencomputing und Rechenmedizin als Hebel. Konkrete Produktnamen enthält der Plan nicht.
Was die Modelle tun
Wirkstoffforschung zerfällt in Zielwahl, Treffersuche, Optimierung, Herstellung und Prüfung am Menschen. KI greift vor allem in den ersten Schritten. Aus Aminosäurefolgen werden Faltungen geschätzt. Aus Strukturen werden kleine Moleküle oder Proteinbinder entworfen. Eigenschaften wie Löslichkeit oder mögliche Off-Target-Bindung werden vorhergesagt. Retrosynthese schlägt chemische Wege vor. Kein öffentlich etabliertes System ersetzt Toxikologie, Pharmakokinetik oder Phase-3-Studien.
Strukturvorhersage
AlphaFold 3 von Google DeepMind und Isomorphic Labs modelliert Komplexe aus Protein, Ligand, Nukleinsäure und Ion. OpenFold 3 bildet das Prinzip offen nach. Konsortien von Pharmafirmen trainieren solche Architekturen mit internen Kristallstrukturen, weil öffentliche Datenbanken für arzneimittelrelevante Komplexe dünn sind. Modelle der Reihe Evolutionary Scale Modeling (ESM) lernen aus Evolutionssequenzen. Biohub hat davon abgeleitete offene Varianten für Proteindesign beschrieben. RoseTTAFold gehört zur gleichen Aufgabenklasse.
Physik plus Lernen
Schrödinger koppelt klassische Simulation mit maschinellem Lernen. Freie-Energie-Rechnungen und Andocken bleiben Kern. Atomwise und Iktos stehen für virtuelles Screening und generative Chemie. NVIDIA BioNeMo liefert Modelle und Rechenumgebung für Biopharma. Der Nutzen liegt in der Vorauswahl, nicht in der Zulassung.
Integrierte Plattformen
Insilico Medicine bündelt Zielsuche, Design und frühe Entwicklung unter der Bezeichnung Pharma.AI. Das Programm Rentosertib (ISM001-055) gegen idiopathische Lungenfibrose gilt als oft zitiertes Beispiel eines KI-gestützten Kandidaten in fortgeschrittener klinischer Prüfung. Eine explorative Auswertung zu Alterungsmarkern ist kein Nachweis einer Anti-Aging-Wirkung. Recursion, nach dem Zusammenschluss mit Exscientia, verbindet hochdurchsatzige Zellbilder mit generativen Modellen. BenevolentAI nutzt Wissensgraphen für Zielhypothesen. Solche Firmenplattformen sind geschlossen. Unabhängige Nachrechnung der internen Trefferquoten ist begrenzt.
Agenten und Bewertung
An der Stanford University erproben Gruppen KI-Agenten, die unter Aufsicht Hypothesen formulieren und rechnerische Versuche steuern. Berichte in Science beschreiben große Agentenschwärme bei der Bewertung von Angriffspunkten, unter anderem an einem Lungenkrebsprotein. Das bleibt Forschung. Insilico bietet Benchmark-Dienste an, mit denen Modelle an standardisierten Entdeckungsaufgaben gemessen werden.
China und der Plan
Peking will First-in-Class-Anteil, Forschungquote und Industrieumsatz bis 2030 steigern. KI steht dort neben Geneditierung und Zelltherapie als Leittechnik. Am Markt sichtbar sind unter anderem Insilico mit starkem China-Bezug und Mindrank mit einem oralen Glucagon-like-Peptide-1-Kandidaten (GLP-1) in fortgeschrittener Prüfung. Weitere inländische Plattformen existieren. Welche davon die Planziele tragen, ist offen.
Grenzen
Viele rechnerisch überzeugende Moleküle scheitern später. Gründe sind mangelnde Wirksamkeit, Sicherheit, Formulierung oder Herstellbarkeit. Passive Meldesysteme und Disproportionalität, wie bei Impfstoffen diskutiert, sind ein anderes Feld als das Design neuer Stoffe. Wer KI-Tools auflistet, listet Infrastruktur der frühen Pipeline. Der Flaschenhals bleibt die Klinik. Planvorgaben ersetzen weder Patentlage noch Zulassung in Europa oder den Vereinigten Staaten.
