平台还是管道？分离 AI 药物发现 M&A 中的价值

1. 定义收购决策

交易问题是目标公司是否拥有可重复的发现能力、治疗资产组合、一组或有合同或三者的组合。每个组成部分都有不同的证据基础、风险模式、资本要求和整合路径。买方应在选择估价方法或谈判对价之前定义它们。

平台声明应该描述一个操作系统，而不是一系列有吸引力的技术。该系统从定义的生物学问题和受控输入开始。它生成假设或分子，选择实验，接收湿实验室或临床反馈，在变更控制下更新模型，并产生推进、重新设计或停止项目的决策。可重复性需要跨项目和随着时间的推移提供可比的证据。

管道资产是特定的治疗权利。它们的价值取决于目标、模式、适应症、差异化、临床前和临床证据、知识产权、监管途径、竞争格局、剩余成本、开发控制和商业权利。即使不证明底层发现平台是可重复的，一个有前途的候选者也可能很有价值。

合作伙伴关系创造了第三个价值范围。预付费用、研究经费、期权付款、开发里程碑、销售里程碑、特许权使用费、共同开发权和成本义务应分开。一个大的披露标题可能代表多个项目和数十年的或有付款。它不应被视为合同收入或企业价值。

收购主题应说明哪些价值是当前的、受保护的、资助的、或有的和特定于买方的。它还应该显示平台和管道交互的位置。平台证据可以影响分配给管道资产的概率、成本和时间安排。管道不得再次获得相同的平台改进。

2. 构建平台-管道-合作架构

买方应创建三个链接的分类账。平台账本记录数据权利、模型系列、科学工作流程、实验室系统、软件、质量控制、人员、生产力证据和外部采用。管道分类账记录每个计划、权利、指示、阶段、证据、成本、时间、概率和价值。合伙企业账本记录执行的合同经济和责任。

这种架构阻止了叙事转移。演示文稿可能会引用临床阶段候选药物作为平台质量的证明，包括该候选药物的风险调整价值，并将相同的证明转化为平台倍数。账本迫使团队识别精确的证据及其允许的估值用途。

该架构还应区分内部资产、合作资产和出售资产。目标公司可以保留一个项目的所有经济利益，保留另一个项目的特许权使用费，保留第三个项目的选择权，并在第四个项目中保留发现移交后的任何权利。因此，程序计数是一个弱值度量。

拟议的交易架构；权利和经济需要合同层面的验证。

3. 定义可重复的发现平台

可重复的平台可以跨独立程序产生证据，而不仅仅是重复使用同一软件。买方应确定每个模型的使用背景：目标识别、结构预测、分子生成、性质预测、毒性、患者分层、试验设计或其他决定。 FDA 用于支持药物开发决策的基于风险的框架 AI 将可信度与特定的使用环境联系起来。^[1] EMA 同样强调预期用途、数据治理、模型性能和生命周期控制。^[2]

重复性需要稳定的测量系统。对于每个程序，目标应记录起始假设、输入数据、模型和版本、候选集、选择规则、实验、失败、设计周期、经过的时间、成本和进展决策。成功后收集的回顾性声明提供的证据比同时期的受监管记录要弱。

比较器很重要。应将平台与针对同一问题的可靠替代方案进行比较。简单的目标、继承的先导序列或异常丰富的数据集可以使工作流程显得高效。比较应控制方式、目标难度、终点、阶段和转移给合作伙伴的工作。

最有力的证据涵盖多个团队、目标、模式和时间段。它还包括终止的计划。故障数据揭示了系统是否认识到不确定性并停止薄弱的工作。一个在不改善选择的情况下产生更多候选人的平台可以将成本转移到下游。

4. 重建设计-制造-测试-学习循环

应追溯从决策到证据的操作循环。设计可以涉及目标假设、分子结构、序列、特性或实验。制作包括合成、表达、测定准备和数据工程。测试涵盖计算和物理实验。学习意味着受治理的结果会改变模型、选择规则或科学决策。

买方应测量每次转换的周期时间。模型可能在几分钟内生成结构，而合成、分析能力、数据管理或科学审查则需要数月时间。相关吞吐量是每单位经过时间和资本的经过验证的决策。仅计算速度并不能建立企业生产力。

湿实验室集成是一个潜在的差异化因素和成本中心。自动化实验可以创建专有数据并缩短迭代时间。它们的价值取决于测定相关性、重现性、容量利用率、维护、样品质量和转移操作的能力。针对一种模式进行优化的实验室可能不支持买方的目标组合。

学习应该被证明。团队应该测试预测误差、命中率、选择性、可开发性、周期时间或决策质量是否随着受控数据的积累而提高。模型发布和实验谱系应允许重建。如果每个项目都使用定制的方法和科学家，那么企业可能是一个高质量的研究组织，而不是一个可扩展的平台。

5. 测试平台再现性

再现性具有技术、实验和组织层面。技术再现性询问相同的输入、代码、模型制品和环境是否在定义的容差范围内产生相同的输出。实验再现性询问物理结果是否可以在受控方法下重复。组织的可重复性询问另一个合格的团队是否可以操作系统并做出支持的决策。

尽职调查团队应重现从原始受控输入到输出的材料分析样本。它应该选择成功的、失败的和活跃的计划。复制应该使用有记录的基础设施和普通人员，而不是创始人主导的演示。差异应分类并解决。

与重建的历史基准相比，预期的坚持提供了更有力的预测价值证据。公共数据集可以支持比较，但必须评估泄漏和基准熟悉度。如果合法、足够大、注释清楚且具有代表性，专有数据可以提高相关性。仅专有地位并不能确定质量。

科学审计应该挑战决策门槛。模型可以改进一个指标，但无法满足候选药物所需的多参数特征。团队应一起检查效力、选择性、药代动力学、安全性、可制造性和适应症特定要求。

基准建设需要特别小心。训练和测试化合物可以共享支架、目标、分析或实验室历史，从而夸大了明显的概括性。尽职调查团队应该检查时间分裂、支架分裂、前瞻性实验和外部复制。它应该保留显示每个生成、综合、测试和高级候选的分母数据。仅根据选定分子计算的成功率无法建立平台生产力。

不确定性应该影响行动。校准的置信度、适用性域控制和弃权可能比普遍预测更有价值。买方应确定不确定性如何改变实验选择、程序升级和人工审核。一个对不受支持的问题进行限制和处理的平台可以比为每个目标都产生可靠输出的平台更有效地保存资本。

提议的记分卡；科学专家应制定针对具体方案的测试和容差。

6.勤勉数据作为经济资产

数据价值取决于权利、相关性、质量、唯一性、更新和生产性使用。买方应确定数据是否为自有、许可、公开来源、为合作伙伴生成、源自患者材料或受到同意和合同的限制。一项协作的数据使用权可能不允许模型培训、商业重用或控制权变更转让。

出处应将每个材料记录与来源、收集方法、同意或许可、转换、质量检查和删除义务联系起来。生物和化学数据需要单位、测定条件、对照、批次信息和阴性结果。具有异构实验条件的大型语料库可能会产生错误的置信度。

在可行的情况下，应通过消融或比较实验来测试数据护城河。问题是，当差异化数据集被删除、老化或应用于另一个程序时，性能或决策质量会发生多少变化。价值应反映生产贡献，而不是存储量。

数据刷新会产生经常性成本和战略依赖。外部数据库、临床合作伙伴、合同实验室和云提供商可能至关重要。买方应进行型号更新、价格变更、服务连续性、出口权和技术迁移。即使删除原始数据，派生模型也可能仍然受到合同污染。

7.勤奋模型、软件和计算

模型清单应包括基础模型、特定任务模型、基于物理的方法、规则、排名系统和人类决策点。每个项目都需要目的、所有者、训练数据、版本、性能、不确定性、部署用途、依赖性和退役标准。营销标签不应取代技术界限。

源代码、权重、功能管道、模拟工具和第三方组件应映射到所有权和许可。开源义务、研究许可和云市场条款可能会限制商业部署。买方应测试关键模型是否可以在预期环境中运行以及所需的数据是否可以合法地随其传输。

计算经济学属于平台模型。训练、模拟、推理、存储和数据移动可能很重要。单位计算成本的下降可以扩大使用范围，同时削弱稀缺性主张。目标应该显示每美元和每个决策的生产率，而不是原始处理器数量。

网络安全和研究诚信是价值控制。模型盗窃、数据中毒、访问泄露和不可复制的笔记本可能会损害管道和合作伙伴关系。身份、环境隔离、日志记录、备份、事件响应和经过验证的发布流程应涵盖研究和生产系统。

供应商集中度应该明确建模。研究工作流程可能依赖于一个云提供商、加速器架构、基础模型、化学包或电子实验室笔记本。买方应确定可移植性、出口成本、许可证连续性、服务水平承诺和出口限制。当重新训练数据、专用内核或工作流程编排无法以合理的条件移动时，技术上可转移的模型可以在经济上保持受控状态。

技术债务应与科学不确定性分开。不支持的库、不一致的环境和未记录的管道可以通过工程来修复。标签薄弱、实验混乱或缺乏负面结果可能需要新的科学。它们的成本、时间安排和对平台索赔的影响不同，应在整合计划中单独显示。

8.勤勉知识产权和经营自由

专利调查应将平台方法、数据生成系统、物质成分、用途、配方和制造分开。与候选治疗药物相关的成分和用途声明通常与计算方法声明具有不同的可执行性和持续时间。如果控制措施能够保密，商业秘密就可以保护数据、参数和实验室专有技术。

发明权和所有权需要进行计划级审查。员工、创始人、大学、医院、顾问、合同研究组织和合作伙伴可能做出了贡献。作业差距或背景知识产权可能会限制使用。 AI辅助发明提出了额外的政策和证据问题，而当前的专利制度通常需要人类发明人。^[29][30]

运营自由应涵盖预期的产品和开发计划。平台专利并不规定开发候选者的自由。相反，候选人的专利权并不能证明买方可以继续使用目标公司的计算和实验室系统。

交易应确定起诉、维持、反对、诉讼、公布和保密期限。集成可以改变谁访问商业秘密以及适用哪些许可证。关闭前可能需要清洁团队和访问控制。

9. 管道资产一一估值

每个治疗项目都应该有一份资产表，涵盖目标、方式、适应症、产品概况、阶段、证据、知识产权、权利、竞争、监管路径、剩余开发、制造和商业假设。当证据和经济学不同时，可以单独对相关指标进行建模。

风险调整净现值应使用相关阶段转换的显式概率。已发布的开发概率可以为挑战提供信息，但不应取代特定资产的评估。^[35][36] 买方应测试目标公司的平台是否改变了特定的转移概率以及证据是否支持其幅度。

剩余成本包括发现、临床前、临床、监管、化学、制造、控制和批准后承诺。时间表应反映入组、终点、监管机构、制造和融资。当临床开发占据时间和资金时，更快的发现过程可能效果有限。

竞争价值应集中在目标产品概况上。一流和一流的声明需要针对当前和预期标准的证据。拥挤的目标、生物标志物的限制、安全性、递送和组合策略可以极大地改变价值。

投资组合相关性应保持可见。多个候选药物可能依赖于相同的目标假设、方式、测定、递送技术或生物标志物。将它们视为独立的选择可能会夸大多元化。买方应绘制常见的科学和运营故障模式，并运行移除整个机制、平台组件或合作伙伴的组合场景。

制造准备情况可以成为控制资产风险。具有计算吸引力的分子或生物制品仍然需要稳健的工艺、分析方法、规格、稳定性和可扩展的供应。开发计划应确定化学、制造和控制工作何时进入关键路径，以及目标是否拥有相关技术或依赖受限供应商。

拟议的结构；所有科学、概率、成本和商业投入都需要特定资产的支持。

10. 将平台证明与管道价值分开

管道事件可以支持候选者和平台，但用途应该是明确的。获得提名的候选人可以表明工作流程完成了一个发现周期。它并不能证明临床成功或可重复性。成功的临床读数主要影响该资产，除非平台对普遍开发决策的因果贡献得到证明。

买方应保留一份证据分配表。每个事件都会收到一个主要估值效应，任何次要平台效应都是有限的。例如，经过验证的结构预测可以增强模型能力，同时分子的商业价值仍保留在资产中。合伙期权行使可以支持外部验证并创建合同现金流；未来的全部里程碑池仍然是偶然的。

在计算出没有增量的管道价值后，可以根据增量项目经济学来估计平台价值。如果支持的证据表明设计周期更少、综合成本更低或候选质量概率更高，则收益应该进入项目假设或单独的平台现金流，而不是两者都进入。

如果证据仍然很少，则该平台可以被视为一种选择或分阶段考虑的支持资产。这保留了上行空间，而无需将未经验证的可重复性转换为收盘值。

11. 重建伙伴关系和应急经济

合作伙伴公告应与签署的合同保持一致。团队应确定项目、目标、排他性、研究期限、资助工作、选择窗口、开发控制、成本分摊、里程碑、特许权使用费、终止、权利恢复、数据所有权和控制权变更条款。

潜在的里程碑并不是合同收入。他们可能需要每个计划来实现每个事件，包括遥远的未来销售阈值并排除工作成本。预期值应使用特定于计划的概率、时间安排、税收、成本和合作伙伴行为。期权可以让合作伙伴只选择最强的资产。

研究经费应与保证金区分开来。它可以补偿科学家、实验和基础设施的有限贡献。预付款可以补偿许可、排他性、研究和过去的工作。收入确认本身并不识别经济价值或现金耐久性。

合作伙伴的集中度很重要。一个拥有多个已宣布合作的平台可能取决于一个制药集团或一小群决策者。买方应审查期权行使、延期、终止、计划转让、现金收取以及为每个合作伙伴保留的内部产能比例。

拟议的合同图；会计、法律和科学审查应当协调一致。

12. 重建软件和研究服务经济学

一些发现公司拥有商业软件业务；其他人提供研究服务或平台访问。买方应将许可、托管软件、专业服务、资助研究、里程碑和药物开发收入分开。它们的毛利率、更新模式和资本需求各不相同。

薛定谔的公开报告将软件和药物发现部分分开，说明了为什么合并收入倍数会掩盖经济学。^[12][13] 买方应按产品和群体核对年度合同价值、已确认收入、发票和现金。托管转换可以在不改变合同经济的情况下改变识别时间。

应衡量客户集中度、续订、席位扩展、使用情况、云成本、支持和科学服务。跨客户项目使用的软件产品可以支持可重复性和市场验证。科学家交付的定制项目的规模可能会有所不同。

内部管道的使用不应创造外部收入。该模型应使用记录的驱动程序在商业客户、合作项目和内部资产之间分配平台运营成本。这使得可以在不隐藏中央研究成本的情况下比较程序经济性和软件利润。

13.设计平台估值测试

平台价值应通过一种或多种可观察的经济渠道来支持。外部软件或服务现金流可以直接估值。内部生产力可以通过支持减少已定义的项目组合的时间、成本或人员流失来评估。合伙企业的发起可以创造契约经济。重置成本可以为谈判提供信息，它反映了合法数据、基础设施、人员、时间和故障风险。

特许权使用费减免需要可靠的特许权使用费基础和费率。它可能适合可授权的技术，但仅在内部使用的平台没有自动版税市场。历史研究支出不是价值；它是投资的证据。在没有数据、工作流程、团队和学习历史的情况下重新创建相同的代码可能是不可能的，而昂贵的工作仍然可能缺乏商业实用性。

增量收入应与衡量的绩效挂钩。如果一个平台将规定的发现周期缩短六个月，则该模型应识别受影响的项目、所需的运营成本、转移概率和经济后果。当技术成为标准或优势被削弱时，优势就应该结束。

平台终端价值需要持久的权利、人才、数据生成、客户或合作伙伴采用以及模型维护。即使软件仍然可以运行，快速的技术变革也会缩短使用寿命。买方应避免将永久软件倍数应用于研究能力，其优势取决于持续的科学投资。

估值日期纪律至关重要。临床、专利、竞争、监管和合作伙伴信息可能会快速变化。该模型应将签名时已知的信息与后续事件区分开来，并指定关闭前的更新过程。后来的程序失败不应该隐藏在一般平台折扣中；受影响的资产和任何真正的可重复性阅读都应单独重新评估。

会计确认和交易定价回答不同的问题。购买价格分配可以在商业谈判达成后确定技术、合同、正在进行的研究和开发、客户关系或商誉。这些类别可以为使用寿命和减值分析提供信息，但它们并不能确定买方应支付的金额或消除测试价值组成部分之间重叠的需要。

14. 建立综合估值

组合模型应从独立软件和服务现金流开始。它应该按资产添加管道风险调整后的价值资产，按合同添加合伙现金流，以及尚未嵌入的平台增量经济。非经营资产、债务、优先权和交易义务构成了通往股权收益的桥梁。

整个假设案例包含 USD 22 million 软件和研究收入，其中 USD 9 million 是经常性许可收入。它有六个内部项目，其中两个是候选开发项目，还有四个合作项目。在扣除交付、计算、实验室和支持成本后，商业活动在中央研究、税收和资本之前贡献 USD 5 million。

中心案例将 USD 42 million 分配给受支持的商业现金流，USD 74 million 分配给内部管道资产，USD 28 million 分配给预期的合作伙伴经济性，USD 24 million 分配给未嵌入这些组件中的平台生产力。净现金增加USD 31 million。集成成本和重复的基础设施降低了 USD 16 million 的价值。示例性股权价值为 USD 183 million。

每个金额都是假设的。该示例旨在揭示假设和重复计算。它不是市场基准、预测或估值意见。

15. 测试灵敏度而不隐藏相关性

平台和管道风险是相关的。数据来源薄弱可能会影响多个项目。失去科学团队可能会减缓内部资产和合作伙伴的工作。模型失败可能会损害未来的起源。因此，敏感性应包括共同的不利情况，而不是独立地改变每个程序。

关键平台变量包括再现性、传输速率、程序吞吐量、运营成本和使用寿命。管道变量包括转变概率、时机、开发成本、产品差异化和市场持续时间。合作伙伴关系变量包括期权行使、里程碑时间、合作伙伴终止和交付成本。

假设的敏感性随内部管道价值和支持的平台增量而变化。它保持商业现金流、合作经济、净现金和整合成本不变。这些单元格是算术场景，没有市场影响。

完全假设 USD 数百万；没有任何单元格是预测或市场基准。

下行案例还应显示出流动性和融资情况。延迟的计划可能需要在资产活动之前进行新一轮。优先权和反稀释可能会影响卖方收益。收购模式应披露哪一方为每个开发计划提供资金。

16.选择证据之后的考虑因素

成交价应反映签署时支持的价值。或有考虑可以解决管道事件、合作伙伴选择、平台转让或商业保留等问题。每个里程碑都需要明确的资产、证据包、决策权限、观察期和争议流程。

监管备案是一项活动；接受、批准或批准是更强有力的事件。候选人提名可以通过产品简介和可重复的包来定义。平台里程碑可能需要独立的程序复制、经过验证的周期改进或合作伙伴更新。当利润很重要时，收入里程碑应使用收集的现金和商定的成本分配。

或有价值不应奖励不安全的加速或投资不足。运营契约应保留适当的科学、临床、质量和监管决策。卖方保护可以定义最低资源和咨询，同时保留买方因有记录的原因而停止计划的权力。

股权对价可以调整长期价值，但可以转移市场和整合风险。托管可以解决所有权、权利、数据来源或已知的合同风险。当平台的可重复性仍未得到证实时，许可证、期权或分阶段收购可能是合适的。

17. 将尽职调查转化为交易保护

陈述应涵盖公司权力、知识产权、发明权、数据权、隐私、开源、科学记录、监管状况、临床工作、合作伙伴关系、拨款、网络安全、出口管制和财务指标。时间表应该确定程序和模型版本，而不是依赖于广泛的知识限定。

条件可能包括基本权利的转让、合作伙伴或许可方的同意、模型制品的交付、材料来源差距的缩小、定义分析的可重复性以及关键人员的保留。条件应重点关注合法所有权或可行经营所需的事项。

临时契约应控制材料模型发布、出版、专利诉讼、计划终止、新的负担、合作伙伴修改、异常数据访问和关键基础设施的丢失。普通的科学工作应在商定的变革框架下继续进行。

赔偿和保险应反映可恢复性和期限。已知管道风险属于价格或或有对价。所有权、故意不当行为和指定数据或专利曝光可能需要单独处理。委员会应将每一个实质性差距映射到一个主要回应，以便同一问题不会在没有解释的情况下被扣除、托管和排除在价值之外。

提议的矩阵；法律起草和补救措施仍然针对特定交易。

18.围绕科学连续性进行设计整合

集成可能会通过改变数据访问、模型环境、实验室方法、科学团队或项目优先级来破坏证据基础。第一天的设计应保留关键系统和决策记录。经验证的替代后应产生成本协同效应。

目标架构应将功能分类为保留、连接、迁移或退役。 Preserve 适用于平台和质量控制保持高效的地方。 Connect 使用受管理的接口和共享决策权。匹配测试后迁移模型、数据或实验。确认义务、出处和科学记录仍然可访问后即可退休。

数据迁移应保留标识符、单位、测定条件、沿袭、权限、删除状态和阴性结果。模型迁移应保留代码、权重、依赖项、种子、硬件假设和性能。实验室迁移应比较方案、设备、控制和输出。

计划治理应保持针对特定资产。联合投资组合委员会可以优先考虑资本，但应记录停止决定是否反映了科学弱点、战略重叠、融资或能力。这种区别对于平台学习和或有支付很重要。

面向合作伙伴的集成需要单独的工作流。制药合作伙伴可能拥有审计权、安全权、关键人物权、分包权、出版权和控制权变更权。买方应提出连续性计划，保留商定的团队并在移动数据或工作之前获得同意。导致程序终止的集成保存所破坏的价值可能比它释放的价值还要多。

研究记录应随时可供检查。电子笔记本、实验标识符、样本、模型制品、决策、偏差和批准应通过审计跟踪在迁移中幸存下来。合并后的组织应在宣布记录传输完成之前测试一项活动项目、一项已完成项目和一项终止项目的检索。

19.保留科学的操作系统

平台价值取决于将生物学、化学、计算、实验和开发联系起来的科学家。买方应该绘制关键决策、关系和隐性知识的地图。职位名称和出版物数量不足。

保留应该与转移配对。该计划应记录模型设计、数据决策、分析历史、失败的假设、合作伙伴承诺、项目原理和监管互动。授权、访问和签名权应在受控程序下进行。

创始人可以体现外部信誉和内部仲裁。买家应该测试科学治理在没有他们干预的情况下是否有效。独立审查、可重复的记录和明确的决策权降​​低了集中度。

激励措施应保持严格的停止和进展。仅因候选人提名而获得奖励的团队可能会增加低质量的吞吐量。平衡的衡量标准可以包括可重复性、周期改进、项目质量、合作伙伴交付、文档和资本纪律。

20. 分配与证据的协同作用

买方特定的协同效应可以来自目标、数据、实验室、临床开发、分销、制造和资本。每个协同效应都需要一个指定的所有者，以支持投资、证据、时机和风险。获得大型投资组合并不能证明目标平台可以为其提供服务。

程序加速应确定已消除的确切瓶颈。买家的检测、分子库或疾病专业知识可以改进指定的步骤。该模型应避免在没有单独证据的情况下声称更快的发展和更高的概率。

数据组合需要权限和兼容性。更大的数据可以改善学习、暴露异质性或造成集成负担。在利用广泛的数据网络效应之前，团队应该试点有限的用例并衡量决策改进。

成本协同应将重复的企业成本与生产平台能力区分开来。取消实验室、工程或科学角色会减少吞吐量和合作伙伴交付。协同分类账应显示替代每个已删除活动的控制或流程。

21. 管理监管和模型生命周期风险

用于支持监管决策的AI应根据其使用环境和风险进行管理。 FDA 的指南草案提出了可信度框架，FDA-EMA 原则强调以人为本的设计、清晰的背景、数据治理、绩效评估和生命周期管理。^[1][3] 买方应明确哪些模型生成提交中使用的证据以及如何控制变更。

仅用于探索性研究的模型仍然会影响候选人的选择和资本分配。治理应该是相称的，并且应该保留数据沿袭、版本控制、性能、不确定性、人工审查和决策记录。研究标签不应成为不可重复性的借口。

生成性输出需要科学验证。应筛选分子或假设的可行性、新颖性、安全性和可制造性。系统应记录拒绝的输出和原因。这可以保护学习并有助于区分平台生产力和选择性演示。

组合后治理应为每个材料模型、数据集、程序和合作伙伴可交付成果建立所有者。变更控制应确定验证、监管、专利、合同和评估后果。平台通过受控进化而不是冻结技术来保持价值。

22. 执行有证据支持的 180 天计划

第一到三十天应该保存数据、模型、实验室操作、合作伙伴交付、项目决策、专利期限和网络安全。应建立治理、访问、变更限制和关键人员覆盖范围。现金、合同和项目权利应该协调一致。

第三十到七十天应该重现选定的分析和实验，完成平台和管道分类账，验证权利，重建合伙经济并确认资产级开发计划。团队应确定估值在哪些方面依赖于共享证据。

第七十到一百二十天应该测试有界集成：一项数据连接、一项模型环境、一项实验室转移和一项联合项目决策。应在广泛迁移之前解决缺陷。应审查商业和研究服务群体的交付成本和更新。

第 120 天到第 180 天应该调整转移的工作流程、确认合作伙伴绩效、更新项目概率、验证协同作用并仅在商定的证据通过时释放或有价值。董事会应收到经过调整的价值桥梁和资本计划。

提议的治理顺序；应记录具体交易的责任。

23. 决定和结论

AI 药物发现收购需要严格分离能力、资产和合同。当一个平台反复将受控的生物学问题转化为跨独立项目的更有效的决策时，它就很有价值。当候选人的权利、证据、差异化、发展计划和经济支持风险调整后的现金流时，该候选人就有价值。如果可执行条款能够创造资助工作、期权付款、里程碑、特许权使用费或战略权利，那么合作伙伴关系就很有价值。

买方应重建设计-制造-测试-学习循环，重现选定的工作，验证数据和知识产权，并衡量整个周期的生产率。它应该单独评估每个治疗项目，并协调从合同到收取现金的每个合作伙伴关系。平台效益应进入模型一次。

期末价值可以包括支持的商业现金流、管道风险调整价值、预期的合作伙伴经济性和有限的平台增量。未经证实的可重复性、未来迹象和广泛的网络效应可以通过里程碑、期权或分阶段所有权来保留。

集成应该在追求节约成本之前保护科学的操作系统。数据、模型、实验室方法、人员、决策历史和合作伙伴义务需要受控传输。计划停止应保持科学和合同可追溯性。

决定性的问题不在于人工智能是否有助于分子的成功。这是在扣除数据、计算、实验、人员、治理和资本成本之后，所收购的系统是否能够合法且可重复地为买方的未来投资组合做出更好的决策。这些证据决定了买家是在收购一个平台、一条管道，还是将两者连接起来的昂贵叙述。

来源

1. 美国食品和药物管理局，使用人工智能支持药品和生物制品监管决策的考虑因素 阅读主要来源
2. 欧洲药品管理局，关于在医药产品生命周期中使用人工智能的反思论文 阅读主要来源
3. 美国食品和药物管理局，药物开发良好实践指导原则 AI 阅读主要来源
4. 欧洲药品管理局、EMA 和 FDA 为药物开发 AI 制定共同原则 阅读主要来源
5. 美国食品和药物管理局，利用人工智能和机器学习开发药物和生物制品 阅读主要来源
6. 国际协调委员会，E6 良好临床实践 阅读主要来源
7. 国际协调委员会，E8 临床研究的一般考虑因素 阅读主要来源
8. 国际协调委员会，E9 临床试验统计原则 阅读主要来源
9. 美国证券交易委员会，Recursion Pharmaceuticals 2024 表格 10-K 阅读主要来源
10. 美国证券交易委员会，Recursion 与 Exscientia 组合完成展览 阅读主要来源
11. 美国证券交易委员会，Recursion 和 Exscientia 交易演示 阅读主要来源
12. 美国证券交易委员会，薛定谔 2025 表格 10-K 阅读主要来源
13. 薛定谔2025年全年财务业绩 阅读主要来源
14. 美国证券交易委员会、Absci 年度报告和综合药物创造平台披露 阅读主要来源
15. 美国证券交易委员会，Absci 公开招股说明书 阅读主要来源
16. Isomorphic Labs 与诺华进行战略研究合作 阅读主要来源
17. Isomorphic Labs 与礼来公司进行战略研究合作 阅读主要来源
18. 谷歌 DeepMind、AlphaFold 阅读主要来源
19. 美国国立卫生研究院，PubChem 阅读主要来源
20. 欧洲生物信息学研究所，ChEMBL 阅读主要来源
21. RCSB 蛋白质数据库 阅读主要来源
22. 美国食品和药物管理局，药物开发和审查定义 阅读主要来源
23. 美国食品和药物管理局，研究性新药申请 阅读主要来源
24. 欧洲药品管理局，科学建议和方案援助 阅读主要来源
25. ClinicalTrials.gov，研究登记处 阅读主要来源
26. 世界卫生组织国际临床试验注册平台 阅读主要来源
27. 世界知识产权组织，人工智能与知识产权 阅读主要来源
28. 世界知识产权组织，PATENTSCOPE 阅读主要来源
29. 美国专利商标局，AI 辅助发明的发明权指南 阅读主要来源
30. 欧洲专利局，人工智能和机器学习 阅读主要来源
31. 美国联邦贸易委员会和司法部，2023 年合并指南 阅读主要来源
32. 欧盟委员会，横向合并评估指南 阅读主要来源
33. 英国竞争与市场管理局，合并评估指南 阅读主要来源
34. 美国联邦贸易委员会，合并前通知计划 阅读主要来源
35. Wong、Siah 和 Lo，临床试验成功率和相关参数的估计，生物统计学 阅读主要来源
36. 生物技术创新组织、临床开发成功率及影响因素 阅读主要来源
37. 美国食品和药物管理局，Optimus 项目 阅读主要来源
38. 美国食品和药物管理局，模型知情药物开发配对会议计划 阅读主要来源
39. 美国国家标准技术研究院，AI风险管理框架 阅读主要来源
40. 国际标准化组织，ISO IEC 42001 人工智能管理系统 阅读主要来源
41. 国际标准化组织，ISO 27001 信息安全管理体系 阅读主要来源
42. IFRS 基金会、IFRS 3 企业合并 阅读主要来源
43. IFRS 基金会、IAS 38 无形资产 阅读主要来源
44. IFRS 基金会、IFRS 13 公允价值计量 阅读主要来源
45. 财务会计准则委员会，企业合并主题 805 阅读主要来源
46. 国际评估标准理事会，国际评估标准 阅读主要来源
47. 经合组织，人工智能理事会的建议 阅读主要来源
48. 经合组织，健康数据治理建议 阅读主要来源
49. 欧盟，人工智能法案 阅读主要来源
50. 欧盟，通用数据保护条例 阅读主要来源