AI 制药涉及大量第三方数据与模型，它们各自带有不同的许可条款。这些条款在学术研究中常被忽略，但在商业环境中可能造成实质性的法律风险。
常用数据源的许可
| 数据源 | 许可 | 商业使用 |
|---|---|---|
| ChEMBL（见 226《ChEMBL》） | CC BY-SA | 可以（需署名 + 相同方式共享） |
| PubChem（见 227《PubChem》） | 公共领域为主 | 可以 |
| PDB（见 236《PDB》） | CC0 | 可以 |
| DrugBank（见 229《DrugBank》） | 学术免费 | 需付费许可 |
| KEGG（见 261《KEGG》） | 学术查询免费 | 需付费许可 |
| Reactome（见 260《Reactome》） | CC BY 4.0 | 可以 |
| DisGeNET（见 251《DisGeNET》） | 视版本 | 需核对 |
| Reaxys / SciFinder | 商业订阅 | 受订阅协议约束 |
| USPTO 反应数据 | 公开 | 可以 |
「CC BY-SA」的传染性需要注意：ChEMBL 采用相同方式共享条款，基于它衍生的数据库可能需要以同样许可发布。用它训练模型是否构成「衍生作品」，在法律上并非完全清晰——涉及商业产品时应咨询法务。
模型权重的许可
| 模型 | 许可 | 商业使用 |
|---|---|---|
| Boltz（见 192《Boltz》） | MIT | 无限制 |
| RDKit | BSD | 无限制 |
| OpenMM、Chemprop、REINVENT4 | 宽松开源 | 可以（核对具体条款） |
| AlphaFold2/3 官方权重 | 非商业 | 受限 |
| OpenFold（见 191《OpenFold》） | Apache 2.0（代码） | 自训权重许可更宽松 |
| Chai-1（见 193《Chai-1》） | 特定条款 | 商业需核对 |
| HelixFold3（见 190《HelixFold3》） | 常为非商业 | 受限 |
| ESM（见 194《ESM》） | 视版本 | 需核对 |
| Rosetta / PyRosetta（见 198《Rosetta》） | 学术免费 | 商业需付费 |
「能 pip install」不等于「能商用」——这是最常见的误解。凡是用于药物研发项目（即使是内部研究），在营利性机构中都属于商业使用。建立一个内部的许可清单，在引入新工具时逐一核对。
训练数据与模型输出的知识产权
- 用第三方数据训练的模型，其输出归谁？这是一个法律上尚不完全明确的领域，不同司法辖区的判断可能不同；
- 实务建议：
- 优先使用许可明确宽松的数据（PubChem、PDB）训练用于商业目的的模型；
- 使用受限数据时，明确其在流程中的作用（是训练数据还是仅用于验证）；
- 保留完整的数据来源记录；
- 涉及产品化时咨询知识产权律师。
- AI 生成分子的可专利性：目前多数司法辖区要求发明人为自然人。AI 辅助生成的分子，发明人应为使用 AI 并做出创造性判断的研究人员。这个领域的法律实践仍在演进。
合作中的数据条款
# 与 CRO、平台公司、学术机构合作时必须明确的条款
DATA_TERMS_CHECKLIST = [
"合作产生的实验数据归谁所有？",
"对方能否用这些数据训练自己的模型？",
"对方能否将模型/知识用于服务其它客户？",
"我们提供的化合物结构如何保密？保密期多久？",
"对方的员工流动如何影响保密义务？",
"产生的知识产权（分子、方法）归属如何？",
"里程碑与分成安排？",
"合作终止后数据如何处理？",
"数据存储在哪个司法辖区？跨境传输合规吗？",
"是否允许对方在论文/宣传中提及？",
]
# 最容易被忽略但影响最大的：
# 「对方能否用合作数据训练自己的模型」
# → 如果可以，你的专有数据实际上在增强对方的能力
# → 这在与 AI 平台公司合作时尤其重要使用第三方 SaaS / 在线服务
- 结构信息会离开本地：任何在线服务（结构预测、逆合成、对接）都涉及数据外传；
- 核心风险：未公开的靶点序列、专有化合物结构一旦外传，可能影响专利新颖性或泄露研发方向；
- 务实原则：正式项目的分子与靶点不应提交在线服务；在线服务用于方法评估、教学、处理已公开的分子；
- 核对服务条款：数据是否被存储？是否用于改进服务（即训练模型）？保留多久？能否要求删除？
- 注意「本地部署也可能外传」：如 Boltz 的
--use_msa_server会把序列发到远程 MSA 服务（见 292《Chai Discovery Platform》）。
专利检索的合规使用
- SureChEMBL（见 234《SureChEMBL》）等工具可用于化学空间分析，但不能替代专业的专利检索；
- 自由实施（FTO）判断必须由专利律师完成：涉及马库什通式的覆盖范围、权利要求的法律解释、同族专利、法律状态——这些计算工具都不处理；
- 「搜不到」不等于「没被覆盖」：自动抽取有遗漏，且通式覆盖的具体化合物可能从未被例示；
- 时机：在候选提名前必须完成正式的 FTO 分析。
建立内部合规实践
# 建议的做法
# 1) 维护许可清单
# 每个使用的数据源与工具，记录：
# 名称、版本、许可类型、商业使用是否允许、
# 核对日期、核对人
# 2) 引入新工具的检查流程
# 在集成任何新的数据源或模型前，
# 先完成许可核对并记录
# 3) 数据分级
# 对内部数据分级（公开/内部/机密/高度机密），
# 明确每级可以用什么工具处理
# 4) 定期复核
# 许可条款会变更，定期（如每年）复核
# 5) 与法务建立常规沟通
# 不要等到出问题才找法务提示
本文为方向性介绍，不构成法律意见。数据与模型的许可条款会变更，且不同司法辖区的法律要求不同。具体的合规问题，包括商业使用许可、知识产权归属与自由实施判断，应咨询法务与知识产权专业人士。
延伸资源
- 数据源许可：226《ChEMBL》、229《DrugBank》、261《KEGG》；
- 模型许可：192《Boltz》、193《Chai-1》、290《AlphaFold Server》；专利数据：234《SureChEMBL》。