SandboxAQ 推出 AQPotency，用于在缺乏已解析蛋白质结构的情况下筛选药物

Why it matters

AQPotency targets a costly early-stage bottleneck by screening compounds without a solved protein structure. SandboxAQ still needs public benchmarks showing that its speed and price produce better experimental hits.

SandboxAQ 在 8 月 19 日 宣布了 AQPotency，推出了一个虚拟筛选模型，该模型可以对潜在药物化合物进行排名，而无需目标蛋白的已解析三维结构。

这一面向普遍可用的发布在 SandboxAQ 的公告 中有详细说明，该公司通过 Anthropic 的 Model Context Protocol（或称 MCP）将该模型置入 Claude。研究人员也可以通过 SandboxAQ 的网站访问 AQPotency，并计划随后在 Google Cloud Marketplace 上发布。

Jack Hidary 在 Google 任职期间负责 AI 与量子技术团队达六年，并在此期间创立了 SandboxAQ。他的科学背景早于两家公司：他在 Columbia University 学习神经科学，后来作为 Stanley Fellow 在 National Institutes of Health 从事功能性脑成像和人工神经网络方面的工作。SandboxAQ 在 2022 年从 Alphabet 分拆出来，基于 Hidary 的论点：将 AI 与物理学、化学和科学数据结合，能够为那些语言叙述不足以说明问题的行业提供有用的数值答案。

AQPotency 是对该论点的直接检验。Hidary 也在测试是否可以让一个对话模型成为专业科学软件的前端，让 Claude 解读研究人员的请求，而由 SandboxAQ 在底层执行定量工作。

Screening without a crystal structure

AQPotency 估计某分子对生物靶点的效力，SandboxAQ 将其表示为预测的 pIC50 值。该测量帮助研究人员优先选择哪些化合物应进入实验室测试，但并不证明某化合物将成为一种有效或安全的药物。

许多成熟的虚拟筛选工作流程依赖于蛋白质三维结构的详细表示。这些结构可以来自实验方法或计算预测，但对某些靶点而言，可用模型不可得或不可靠。SandboxAQ 表示，AQPotency 可以在没有该结构输入的情况下，仅根据分子与靶点进行工作，从而使研究人员能够为无法以传统对接开始的项目对候选物进行排序。

SandboxAQ 表示该模型可在普通计算硬件上运行，能在数秒内返回结果，并且成本低至 $1 per 1,000 molecule-target comparisons。每个结果都包含置信度估计以及靶点是否类似于 AQPotency 在其数据范围内表现可靠的指示。这些不确定性度量可以帮助研究人员区分可用的排序与需要更谨慎对待的外推结果。

该模型还可以反向搜索。研究人员可以从一个分子开始，要求 AQPotency 对该分子可能影响的蛋白质进行排名。该工作流程可以支持离靶筛选，或帮助调查通过不确定机制产生观测到生物学效应的化合物。

根据其 drug-discovery materials，SandboxAQ 的药物发现业务包括 70 多名专职人员，其中包括 48 名以上的领域博士。该团队覆盖计算与药物化学、生物学、生物信息学、AI 与云规模分子模拟等领域。

Claude becomes the distribution layer

SandboxAQ 在 5 月首次概述了其 Claude 集成，当时 AQPotency 仍在候补名单上。彼时，用于催化剂发现的模型 AQCat Adsorption Spin 是首个可通过 Claude 访问的 SandboxAQ LQM。AQPotency 的发布将该路线图中的药物发现部分变成了可用产品。

MCP 降低了从对话界面调用 SandboxAQ 模型所需的定制集成工作量。科学家可以用自然语言描述筛选任务，而不必围绕推理端点构建基础设施。该界面降低了部署摩擦。但科学价值仍取决于底层模型、其训练数据以及用于验证其预测的实验工作质量。

相同的分发计划也延伸到 Google Cloud Marketplace。SandboxAQ 在 6 月宣布 AQPotency 将跟随其催化剂模型进入 Google 的市场。通过 Claude 和云市场出售使 SandboxAQ 能够接触到已在使用的软件环境内的研究团队，这是科学模型供应商寻求企业采用的务实途径。

Experimental evidence remains the test

SandboxAQ 表示 AQPotency 在八个客户项目中产生了 "experimentally validated impact"。SandboxAQ 尚未披露这八个项目的具体身份，也未发布涵盖准确性、校准、误报率或前瞻性命中率的模型范围基准结果。

此次发布包括来自帕金森病研究的示例。Dario R. Alessi，University of Dundee 的 MRC Protein Phosphorylation Unit 的主任，表示 SandboxAQ 的模型帮助研究人员在探索更大生化空间的同时改善了活性和选择性。Columbia University 的 Mailman School of Public Health 的 Gary W. Miller 表示，与 SandboxAQ 的合作从一个商业分子库中识别出了对与多巴胺信号相关的膜蛋白 SV2C 有选择性结合的分子。

这些合作提供了模型已进入真实研究工作流程的证据，但并未提供足够的公开数据来将 AQPotency 的整体表现与其他筛选系统进行比较。

在实验室测试难以存活的计算学预测充斥的领域中，这一区别很重要。一篇 2025 年关于虚拟筛选的综述 发现，预测命中数量与实验验证之间存在持续差距，且缺乏标准化的评估标准。

AQPotency 还进入了一个竞争对手从不同方向攻克相同成本与结构瓶颈的市场。Schrodinger's Virtual Screening Web Service 使用三维对接和机器学习筛选超过十亿化合物的库，Schrodinger 宣称大约一周内能给出结果。Isomorphic Labs 表示其 IsoDDE 系统可以从氨基酸序列预测结合亲和力并识别潜在结合口袋，使其更接近 SandboxAQ 所声称的无结构方案。

Hidary's broader quantitative AI bet

AQPotency 的发布发生在 SandboxAQ 在 2025 年 4 月完成的 E 轮融资 中筹集超过 4.5 亿美元之后，使自从从 Alphabet 分拆以来公开披露的融资总额超过 9.5 亿美元。该轮投资者包括 Google、NVIDIA、BNP Paribas、Ray Dalio 和 Horizon Kinetics，加入了包括 Eric Schmidt、Breyer Capital、T. Rowe Price、Paladin Capital 和 S32 在内的早期支持者。

SandboxAQ 也更深入地进入了政府支持的工业研究。6 月，RuntimeWire 报道 SandboxAQ 获得了一项价值 5 亿美元的 CHIPS 研发奖项，用于半导体材料方面的工作，根据该协议，美国政府获得了少数股权。

此次药物发布展示了同一战略的商业一面。Hidary 已组建了专门的科学团队，并筹集了足够的资金以在多个行业构建专有的定量模型。Claude 和 Google Cloud 提供了分发渠道，无需 SandboxAQ 取代研究人员已熟悉的软件环境。

AQPotency 低宣称的推断成本和无结构依赖的设计可能会扩大较小研究团队能够检查的靶点和分子库数量。是否被采纳将取决于能否在湿实验中经受住考验的结果。在药物发现中，廉价的预测只有在能帮助科学家减少购买化合物、减少实验测定次数并找到更好的起点时才具有价值。