Insilico Medicine kündigt Partnerschaft zu KI-Grundlagenmodell sowie Wirkstoffentwicklungsdeal in China an

Insilico Medicine und Liquid AI gaben eine Partnerschaft bekannt, aus der LFM2-2.6B-MMAI (v0.2.1) hervorgegangen ist, ein leichtgewichtiges wissenschaftliches Grundlagenmodell (foundation model) für die pharmazeutische Forschung. Das einzelne Modell mit 2,6 Milliarden Parametern erzielt in mehreren Teilbereichen der Wirkstoffforschung („drug discovery“) Spitzenleistungen (state of the art), während es vollständig auf privater pharmazeutischer Infrastruktur läuft.

Das Modell deckt den gesamten Discovery-Loop ab – von Eigenschaftsvorhersagen und ADMET-Endpunkten über die multiparametrische Moleküloptimierung, target-aware Scoring mit Protein-Pocket-Conditioning, funktionelles-Gruppen-Reasoning bis hin zur Retrosynthese-Planung. Das Training umfasste rund 120 Milliarden Tokens an pharmazeutischen Daten über mehr als zweihundert verschiedene Aufgaben.

Mit lediglich 2.6B Parametern erreichte das Modell eine Performance auf Cloud-Niveau, obwohl es vollständig auf privater Infrastruktur betrieben wird. Bei der Eigenschaftsvorhersage übertraf es TxGemma-27B, ein Modell, das mehr als 10-mal größer ist, in 13 von 22 Aufgaben zu Pharmakokinetik und Toxikologie und erzielte bei drei dieser Aufgaben im Vergleich zu Spezialmodellen, die für einzelne Aufgaben entwickelt wurden, state-of-the-art Ergebnisse. Auf branchenüblichen Benchmarks zur multiparametrischen Optimierung (MuMO-Instruct) erreichte das Modell Erfolgsraten von bis zu 98,8%.

Auf Insilicos internem Benchmark zur Affinitätsvorhersage, der 2,5 Millionen experimentelle Messungen über 689 Protein-Targets umfasst, erzielte das Modell bessere Korrelationswerte als Frontier-Modelle, darunter GPT-5.1, Claude Opus 4.5 und Grok-4.1. Das Modell zeigte zudem starke Fähigkeiten beim Reasoning zu funktionellen Gruppen (FGBench) sowie qualitativ hochwertige Vorschläge zur einstufigen Retrosynthese (ChemCensor-Metrik).

Die Partnerschaft kombiniert die effiziente LFM-Architektur von Liquid AI mit Insilicos MMAI Gym, einer umfassenden Trainingsplattform mit über 1.000 pharmazeutischen Benchmarks. MMAI Gym for Science ist eine domänenspezifische Trainingsumgebung, die darauf ausgelegt ist, Allzweck- und Frontier Large Language Models zu Engines in Pharma-Qualität für Wirkstoffforschung und -entwicklung weiterzuentwickeln. Das Gym nutzt spezialisierte Tracks für Chemical Superintelligence (CSI) und Biology/Clinical Superintelligence (BSI), um Modellen domänenspezifisches Reasoning in der medizinischen Chemie, Biologie und klinischen Planung zu vermitteln.

Unabhängig davon ging Insilico Medicine eine Partnerschaft zur Wirkstoffentwicklung mit China Medical System Holdings ein, die sich auf Erkrankungen des zentralen Nervensystems und Autoimmunerkrankungen konzentriert. Die Vereinbarung umfasst die gemeinsame Entwicklung von mindestens zwei Programmen, mit F&E-Finanzierung (R&D) von bis zu mehreren zehn Millionen HK$ pro Programm.

Das Unternehmen wählte ISM5059 als neuen, durch KI entdeckten präklinischen Kandidaten aus und ergänzte damit seine Pipeline um einen weiteren Wirkstoffkandidaten. Insilico erhielt zudem eine Meilensteinzahlung in Höhe von 5 Millionen US-Dollar, nachdem der onkologische Wirkstoff MEN2501 in Phase-1-Studien überging.

Insilico Medicine ist ein Biotechnologieunternehmen im klinischen Stadium, das KI für die Wirkstoffentwicklung in den Bereichen Krebs, Fibrose, Immunologie, Erkrankungen des zentralen Nervensystems und altersbedingte Erkrankungen einsetzt. Die KI-Plattform des Unternehmens deckt Target-Discovery, Moleküldesign und klinische Entwicklung ab. Liquid AI entwickelt Liquid Foundation Models auf Basis dynamischer Systeme und Signalverarbeitung und konzentriert sich auf KI-Modelle, die effizient sind und on-premise oder in ressourcenbeschränkten Umgebungen bereitgestellt werden können.