（来源：中国医药报）

转自：中国医药报

近年来，人工智能（AI）技术与生命科学的深度融合，为化妆品行业注入了强劲的创新动力。2024年，诺贝尔化学奖授予了利用AI在蛋白质设计和蛋白质结构预测方面作出贡献的科学家。这不仅标志着生命科学应用AI技术的价值得到了全球学术界的广泛认可，也为化妆品研发创新提供了宝贵的借鉴路径和实践经验，预示着AI技术和生命科学双轮驱动将开启化妆品领域的新一轮创新热潮

值得注意的是，在化妆品领域应用AI技术时，会面临该领域独特场景和限制带来的挑战。当前，众多美妆品牌正借助AI技术加速向科技型企业转型，特别是在原料、配方和产品研发环节，AI已成为推动创新的重要动力。我国美妆品牌应精准把握AI技术带来的机遇与挑战，依托科技赋能，实现快速发展与跨越式突破

□ 寿翀

“AI+药物研发”提供了可借鉴经验

相较于化妆品领域，AI技术在药物研发领域的应用更为成熟，发展已有十余年。AI凭借强大的数据分析和训练学习能力，可将高维度特征、规律总结成算法，并通过推理能力将这些算法应用到新药研发的各个环节。这能够大幅降低药物研发成本、缩短研发时间、提高研发效率，尤其在药物发现、临床前研究等方面，相比传统生物实验展现出了明显优势。

目前，AI在疾病相关治疗靶点的发现和确认、先导化合物的发现和优化、药代动力学、毒理安全、剂型开发等方面，均实现了有价值的应用。例如，在药物发现方面，AI能够学习序列、结构、多组学数据、文献专利、临床记录等大规模、异质性、多模态数据，通过信号通路、蛋白质相互作用、知识图谱等找到与疾病相关的候选靶点，再利用虚拟筛选和分子对接技术，从数百万分子库中筛选出高活性、成药性好的先导化合物，并通过分子动力学模拟和强化学习，优化先导化合物的结构，改善结合亲和力、药代动力学性质安全性，最终生成优化分子。整个药物发现过程相比传统方法可节省数年时间。

AI在合成新分子设计方面也开启了新的技术范式，不再局限于从给定的候选分子库中筛选，而是基于生成式AI模型，从零开始生成全新分子结构。具体而言，AI通过学习物理、化学的隐含规律，结合目标靶点的生物结构信息和功能需求，设计出具有特定生物活性和理化性质的创新分子。

总结而言，AI在药物研发中的方法论遵循以下核心逻辑：一是分子特征化，将分子信息转化为特征向量，实现机器可解析；二是高维模式识别，通过统计学分析挖掘隐含规律；三是高质量数据，标准化、多元化的数据（如公开的PubMed、UniProt数据库，以及私有的试验数据）越多，模型的预测效果越理想。

AI在化妆品研发领域的应用，在目标设定、方法论运用和数据需求方面与药物研发领域具有高度相似性。当下，化妆品行业步入“功效”时代，皮肤生理学和生命科学日益成为化妆品研发的基础。核心功效原料不仅要有实际的功效数据作为支撑，还需要从分子生物学通路和靶点、生理学功能等方面证明其作用机制。这与基于生命科学和循证医学的药物研发的科学本质不谋而合。此外，AI所采用的分子特征化、高维模式识别和数据驱动预测算法，AlphaFold2、Rosetta等科学工具，以及人体基因、蛋白质、多组学数据等，均可以直接用于化妆品研发。可以说，药物研发的技术框架为化妆品原料创新提供了可借鉴的范式。

AI辅助化妆品研发具有自身特点

从AI辅助药物研发的成功经验来看，AI在化妆品研发领域应用具有广阔潜力。不过，也需同时关注，AI在化妆品领域应用时，会面临该领域独特场景和限制带来的挑战。

应用AI技术赋能化妆品研发时，要特别注意与药物研发的差异性及化妆品行业内生的独特性挑战。例如，在功效要求方面，化妆品更注重安全性和温和性，其功效要与治疗药物的活性形成差异，在毒理预测时需特别关注皮肤刺激性和过敏性；在数据特性方面，化妆品研发依赖皮肤相关数据和消费者反馈数据，数据维度更侧重于功效和感官体验；在商业化路径方面，化妆品研发注重差异化和市场响应，研发周期较短，且更注重效率和成本控制。

除此之外，AI技术在化妆品研发领域的应用还面临其他挑战。第一，AI模型训练需要依赖海量数据（维权），但核心研发数据涉及商业机密，消费者数据则涉及隐私保护，这使得数据获取与使用受到严格限制。第二，高质量数据集缺乏成为瓶颈，由于历史试验数据沉淀不足、算法性能受限、用户体验不佳等，目前AI技术在化妆品领域难以形成“飞轮效应”。第三，AI在化妆品领域的商业价值尚未完全显现，导致AI领域专业人才稀缺，制约了技术在行业场景中的落地。第四，尽管当前监管法规对AI应用的限制较少，但如何在技术创新与伦理规范之间取得平衡，将AI技术合规高效应用于化妆品研发领域，仍需更多的探索、实践。

基于以上挑战，建议化妆品行业在应用AI技术时，要注重高质量数据的规模化沉淀，以覆盖皮肤特异性数据、感官体验数据（如香味、肤感、情绪反应等）、产品稳定性数据、安全性数据等；同时，构建和优化皮肤感受、功效、稳定性、安全性等重点算法模型，并确保模型符合化妆品法规要求，让AI技术充分适应化妆品研发的独特场景和要求。

AI应用于化妆品研发正初步实践

当前，化妆品行业正在积极拥抱AI技术，将其逐步渗透到化妆品研发的各个环节。这不仅带来了研发效率的提升，还有望借助生成式AI的创造性能力，实现研发方法、研发流程的颠覆式创新。

在活性功效原料发现领域，AI显著缩短了创新原料的发现周期。AI通过构建高维特征空间，整合多源数据（如肽序列、原料库、组学数据、文献等），运用机器学习算法筛选潜在活性物质，并预测相关概率，进而得到候选创新原料的排序。与传统高通量“湿实验”筛选相比，AI“干实验”不仅避免了构建实体原料库的长周期和高成本，还将验证规模压缩至千分之一，极大地降低了成本，缩短了研发周期。例如，美国Nuritas的AI技术平台利用卷积神经网络分析数百万植物源肽，生成包含数百万个肽的数据库，并通过NLP从文献提取活性数据，发现PeptiYouth和PeptiStrong两种新成分；清华长三角研究院的KEPLER 90i平台从人体自我修护功能的细胞中挖掘到一个全新的抗衰小肽，并成功获得了立体肽EQ9的创新原料；瑞德林生物的创新原料胶原三肽则是通过自建虚拟肽库，锁定与胶原蛋白高度相关的肽段。

在功效靶点发现领域，AI不仅可以通过生物网络和信号通路挖掘新靶点，也可以基于现有靶点库分析和锁定功效原料的作用机制。在新靶点发现方面，AI能利用图神经网络（GNN）分析蛋白质相互作用网络、关键信号通路以及调控相关的多组学数据（转录组、蛋白质组）等，以识别与皮肤功效相关的潜在靶点。南昌大学的研究人员通过与皮肤衰老相关的GO注释和KEGG通路的富集研究，发现脂肪酸代谢、能量生成、炎症调控相关基因的高度相关性；未名拾光构建的百亿级生物多肽数据库，结合Transformer模型和NLP技术，能快速查询活性物基因编码，挖掘光老化相关通路靶点，提升靶点发现效率。

在配方设计领域，化妆品企业正在尝试使用AI技术优化产品体验，缩短产品配方和产品原型研发周期。AI可以将配方数据向量化，通过深度学习算法预测成分协同效应；同时，AI可快速分析社交媒体中的消费者情绪数据，进而预测创新配方在稳定性、安全性、功效性及用户感受等方面的表现。例如，美国的Potion AI不仅可以搜索和管理原料及供应商，还可以通过AI分析功效化妆品的配方成分并预测其含量，生成创新配方，再结合全球各地的监管标准，提升配方的合规性。

在化妆品研发的其他领域，如稳定性评估、安全与毒理预测、包材相容性评估、合规性评估等方面，也已开始探索AI应用的可能性。事实上，AI在药物研发中的毒性预测方面表现出色，某些模型在特定任务中的预测准确率很高，显示出与传统实验方法相当的可靠性。美国食品药品管理局（FDA）近期也表示将在单克隆抗体等药物开发中逐步减少、优化或替代现有的动物试验要求，并称目前有更有效且与人类相关的药物测试方法，其中包括AI计算模型。可以预见，在不久的将来，AI将在化妆品研发的各个领域得到更深入的应用，涌现出更多成功的创新案例。

AI为我国化妆品行业发展提供机遇

AI在化妆品研发领域的应用在全球范围内尚处于早期探索阶段。这为我国化妆品企业提供了历史性机遇，使其有望通过率先应用AI技术实现快速发展，进而赶超国际头部品牌。

传统化妆品创新研发周期长、投入大，需要从原料到配方、产品的全链条研发和验证能力，只有少数企业和研究机构才具备这样的能力。而随着算法不断迭代、算力持续提升以及数据加速积累，AI技术有望助力构建起更契合现代消费需求节奏的新型研发模式。在这一模式下，能够实现从消费者需求洞察到研发创新，再到产品落地这一过程的创新周期大幅缩短，进而形成“飞轮效应”，推动化妆品创新。

我国化妆品品牌在AI应用方面具备独特优势。

首先，我国拥有庞大的消费者市场和丰富的用户数据资源，为AI模型训练提供了得天独厚的条件。通过对这些数据的深度挖掘和分析，AI模型能够更准确地了解消费者偏好，从而为企业研发出更符合市场需求的产品提供有力支持。

其次，我国化妆品企业在皮肤多组学研究和功效原料创新方面已积累一定的AI技术应用能力，展现出了在全球化妆品行业的竞争力。例如，在皮肤多组学研究中，AI技术可以帮助科研人员更高效地分析皮肤基因、蛋白质等生物信息，揭示皮肤问题的本质和发生机制；在功效原料创新方面，AI能够通过对大量化合物数据的筛选和分析，快速找到具有潜在功效的原料，并进行优化组合。

最后，国家政策对科技创新支持力度不断加大，完善的产业集群效应加快形成，化妆品企业与科研机构、高校等紧密合作，形成了“产-学-研”一体化创新良好格局，为AI技术应用落地提供了良好的环境，加速了AI技术在化妆品行业的推广和应用。

面对技术发展与全球市场的双重机遇，我国化妆品企业和从业者需加快拥抱AI，推动其与生命科学、皮肤科学、生物合成、材料科学等技术领域紧密融合，构建高质量专业大数据库，突破化妆品领域行业专业AI算法，深入探索科技美容的新蓝海，引领全球行业发展的新方向。

（作者单位：深圳瑞德林生物技术有限公司）