AIDDISON 是默克（Merck KGaA）推出的 AI 药物发现 SaaS 平台，把生成式设计、虚拟筛选、ADMET 预测与合成可行性评估整合在一起。它的特别之处在于出身：做这个平台的公司同时是全球主要的化学试剂与砌块供应商，这让它在「设计出来的分子能不能做出来」这一环上有天然优势。
把合成放进设计闭环
生成式分子设计最常被诟病的问题是：产出的分子看起来合理，但合成化学家看一眼就说「这做不出来」。AIDDISON 的思路是把合成可行性提前：
- 逆合成分析（基于 Synthia，默克收购的逆合成工具）评估路线可行性；
- 砌块可得性：路线中的起始原料是否在自家目录中现货可得；
- 把这些作为生成阶段的打分项，而不是事后过滤。
「设计-合成」的耦合是当前 AI 制药最实际的瓶颈之一。一个能被真正合成出来的中等分子，价值远高于十个漂亮但做不出来的分子。
SaaS 模式的取舍
| 优势 | 代价 |
|---|---|
| 无需本地部署与运维 | 数据需上传到第三方 |
| 无需自建 GPU 集群 | 持续订阅费用 |
| 模型持续更新 | 结果可复现性受版本影响 |
| 小团队也能用上完整流程 | 定制能力受限 |
| 与砌块供应链打通 | 可能倾向自家产品目录 |
数据保密是采购这类 SaaS 时的首要问题：靶点信息、专有化合物结构上传到外部平台，涉及知识产权风险。必须确认数据存储位置、加密方式、平台方访问权限、以及合同中的保密与数据删除条款。这一条应该在评估技术能力之前先解决。
「化学公司做 AI 平台」的一般特点
近年多家传统化学与制药公司推出 AI 平台，它们相比纯 AI 公司通常有这些特点：
- 更贴近实际化学约束：合成可行性、试剂可得性、工艺放大等考虑更充分；
- 更保守的产出：倾向给出可实现的分子而非最惊艳的分子；
- 供应链整合：设计完可以直接下单砌块，缩短周期；
- 算法可能不是最前沿：与专注 AI 的团队相比，模型迭代速度可能较慢；
- 潜在的目录偏向：评估时应确认合成路线推荐是否会系统性偏向自家产品。
评估这类平台的方法
- 用已知项目回测：给它一个你已经完成的项目（隐去答案），看能否重新发现已知的活性分子或合理骨架。
- 让合成化学家评审产出：随机抽 30 个产出分子，请合成同事评估路线可行性与预估成本。这是最能区分平台优劣的测试。
- 核对合成路线的真实性：逆合成给出的路线在文献中有先例吗？关键步骤的产率预期如何？
- 测试边界情况：给它一个困难靶点或非常规化学需求，看它的产出是否退化。
- 算总账：订阅费 + 合成验证成本 + 内部人力，对比自建开源方案的三年投入。
提示
商业平台的功能、定价与所属关系变动较快，本文为方向性介绍。采购前请核对官方最新信息；使用 SaaS 平台前，务必先解决数据保密与合规问题。
延伸资源
- 逆合成工具：286《Iktos Spaya》、395《共晶 Cocrystal》；开源生成：221《REINVENT4》；
- 合成可及性与逆合成见「合成与工艺」模块。