技術簡介
獨創 SEAL x CTag 雙核心系統結合 Agentic AI 自動彙整計算結果並生成藥物開發策略指引。
本技術建構以 Agentic AI 為核心之智慧藥物研發平台，整合機器學習（ML）、圖神經網路（GNN）、大型語言模型（LLM）與強化學習（RL）等技術，打造涵蓋「標靶判定 × 分子生成設計」之一站式藥物研發流程。平台包含兩大核心模組：SEAL藥物標靶預測系統與CTag藥物設計平台。SEAL可整合超過 5,000 萬筆基因、藥物與疾病關聯資料，透過多維度關聯分析提升疾病標靶可成藥性評估與優先排序能力；CTag 則進一步整合目標蛋白三維結構、活性位點及分子特徵資訊，透過強化學習閉環優化機制，自動生成並持續優化候選分子。本平台可於單一流程中同步評估藥效活性、選擇性、可合成性及ADMET等關鍵成藥性指標，並透過迴圈式設計與即時回饋機制快速優化候選藥物。相較於傳統仰賴反覆試錯之藥物開發模式，可有效降低實驗成本與研發風險，大幅縮短從標靶確認到候選藥物產生之開發週期，提升新藥研發效率與成功率，具備高度產業落地與商業化應用潛力。
特色與創新
技術特色
- 以關聯網路與 AI 模型提升標靶可成藥性判定精準度
本技術整合機器學習、GNN、LLM 與 Agentic AI，串聯藥物、基因、疾病及生物機制等大規模異質資料，建立高精度關聯網路分析架構，可於研發早期評估疾病標靶關聯性與可成藥性，降低因標靶選擇不當造成之後期失敗風險。
- 導入即時回饋的強化學習閉環，降低試錯成本並加速設計流程
平台可結合目標蛋白三維結構、活性位點與分子特徵萃取，透過強化學習與即時回饋機制自動生成並優化候選分子，並於單一流程中同步評估藥效活性、選擇性、可合成性與 ADMET 等關鍵指標，降低傳統藥物設計反覆試錯與實驗驗證成本。
- 整合多尺度與異質資料，提供單一決策平台
整合結構、生物、化學與疾病層級等多源異質資料，並透過 AI 與即時回饋機制進行整體分析與決策指引，解決現行研發流程中資料分散、工具割裂的問題，促進 AI 技術於實際新藥研發場域之落地應用。
技術優勢
- 雙核心系統架構，兼顧標靶判定與藥物設計
- 大規模知識整合，提升有效標靶判定成功率
- 標靶至分子一站式研發流程
- 多目標同步優化，降低後期開發風險
- 強化學習閉環優化機制大幅縮短藥物研發週期
- 支援多適應症與老藥新用開發
應用與效益
本技術可應用於新藥開發、藥物再設計、老藥新用及前臨床候選藥物篩選等場域，補足國內藥物研發產業在 AI 分子設計、標靶判定、前臨床決策輔助與研發去風險化工具之關鍵技術缺口。平台結合 AI 標靶分析、條件式多模態分子生成架構與強化學習策略，可依據疾病、標靶、蛋白結構與分子特性等條件自動生成候選小分子，並即時評估藥效活性、選擇性、可合成性與 ADMET 等多重指標，透過高分候選分子反覆回饋優化模型，形成由生成、評估、優化之自我強化設計閉環。相較於傳統仰賴反覆試錯之藥物設計流程，本技術可大幅縮短從標靶確認到候選分子產生之研發週期，降低實驗驗證成本與後期開發失敗風險，提升候選藥物品質與研發成功率，具備明確技術差異性、模組化擴充能力與專利布局潛力，可作為智慧藥物研發平台、產業技術服務及 AI 新藥開發之核心關鍵技術。
工研院生醫領域一站式服務
- 法規輔導：FDA／TFDA／CE申請、醫材產品驗證／出口、查驗登記、IRB 文件整理與臨床試驗申請等。
- 技術移轉：生醫資電技術、精準醫療指引診斷技術、再生醫學技術、天然醫藥與保健技術、標靶藥物與傳輸技術。
- 雛型轉譯：介接國內供應鏈、醫材設計管制、市場分析、產品上市法規策略分析等。
- 臨床前驗證／臨床試驗：功能性安全評估、檢測機構鏈結、臨床評估與分析、臨床試驗規劃、試驗結果分析與報告。
- 其他服務：品質系統建立輔導、商品化輔導、智慧醫療解決方案、軟體確效、醫材風險管理、資安風險評估、技術文件整備、鏈結產業生態系等。