新药研发存在研发周期长、研发成本高、失败率高等三大痛点。AI技术深度学习整合提取多尺度医疗数据库中的有效信息，有望缩短研发周期、降低失败风险。BenevolentAI是专注于药物发现的人工智能的领导者，可以利用其来尝试发现病理生理学中的重要的新途径和机制，同时可以实现AI药物设计和临床开发完美对接。
本方向旨在利用AI技术研究药物多靶点网络和作用机理；解决SA+N药物设计模式中N的筛选；利用AI技术扩展SA+N药物体系再不同神经性退行性疾病中的应用。
1）纳米药物的设计合成与批量化制备技术
纳米药物的结构、手性结构、界面结构、手性及功能配体设计等对其性能有重要影响，直接决定了药效，也影响了相关生理和安全性等问题，因此药物设计是需要考虑的
2）纳米药物的病理生理新效应新机制
纳米药物广泛应用于抑制或逆转各种致病蛋白的错误折叠与异常纤维化，对神经退行性疾病产生良好的治疗作用。采用多种细胞模型和动物模式展开研究，以期发现其在相关病理生理过程中新机制新效应，以及对AD和其他神经退行性疾病的治疗效果。
3）纳米药物的药代动力学药剂学研究、药理药效及安全性评价
研究静脉注射、腹腔注射、口服给药、鼻腔喷雾给药等不同给药方式下药物在动物体内的吸收、分布、代谢及排除规律，重点考察其相关药代动力学、药理药效及安全性评价等研究。
1）纳米药物载体材料的制备与调控
纳米药物传递系统功能的实现，主要取决于药物载体材料的性质和功能、药物的理化性质及载体材料的纳米自组装制备技术及精准调控的实现。纳米药物载体材料和纳米载药系统需要具备相关的条件。纳米药物载体材料在应用过程中可能遇到复杂的生理环境，可以利用存在的生理环境差异设计制备相应的纳米药物传递系统。
2）纳米药物传递生物学评价
纳米颗粒的粒径大小、表面电荷和表面性质是影响纳米颗粒体内药代动力学的主要因素。纳米药物以不同方式给药时会出现不同的的副作用，因此需要在药代动力学的基础上对其安全性能进行研究。
1）重大神经系统疾病多靶点动物模型构建及药物筛选
合适的动物模型在揭示疾病发生机理、药物筛选、药效及安全性评价有关键性作用。不同疾病具有不同的模型，但是目前商品化的动物模型适用范围仅针对疾病的特殊亚型，为单靶点，实际使用价值有限。通过相关技术研究神经网络调控机制，揭示纳米药物的多靶点效应，在此基础上，构建有效、接近人体真实疾病状态的虚拟动物模型。
2）人源诱导干细胞疾病模型的构建及药物筛选
啮齿类和灵长类种属差异，常导致临床前研究和临床试验出现“脱节”，其可能是AD药物研发失败的一个因素。对此，拟采用SynFire®iNs体系，收集各种神经系统疾病患者的皮肤活检或血液样品建立iPSC细胞株（库），用于不同转录因子组合诱导干细胞重新编程产生不同神经元，并与人源形胶质细胞共培养。构建疾病发生的不同层次合体，用于有关实验。
3）基于神经网络调控的神经药理基础
AD神经元退行性变一般从内嗅皮层开始，逐渐至海马或皮层，最终导致整个大脑萎缩死亡。根据上述疾病发展过程，结合光遗传学或药物诱导技术，研究手性纳米多靶点药物对神经元的相关影响，探讨其在神经网络调控的作用机制。
4）靶向神经免疫系统的神经保护剂机制研究
血脑屏障（BBB）隔离中枢神经和外周免疫系统，外伤、中风、脑炎等多种诱因可破坏BBB功能，进而诱发相关疾病。对此，本研究在整体、组织和细胞水平上明确手性纳米材料是否靶向单一或多种免疫炎性因子通路，以及在保护BBB功能、抑制炎性因子释放、阻断下游信号通路过度应答和保护受损脑区神经元作用与机制。
