计算生物来到商业化前夜，一文搞懂产业链全貌(2)

由于计算生物学本身属于工具型学科，我们采用 「底层支撑+上层相关从业公司」 的思路对其产业链进行拆分。 在底层支撑中，生物数据及算法框架成为两大关键。 数据方面，短期来看，高质量标注数据不足为第三方生物数据库提供了市场空间。长期来看，智能实验室的构建、高通量的生物实验能力、乃至于自研的样本提取处理方法等，对于自有数据至关重要。 而现有计算生物学从业公司可大致分为两类方向：一类是以落地场景为 核心主营业务 ，另一类则是 以计算生物学能力作为核心业务 的拓展。

6、行业的驱动因素和发展瓶颈都包括什么？

关键驱动因素包括三方面：

宏观人工智能带来的更强的计算能力；

微阵列、生物芯片、高通量测序、细胞实验平台、新型蛋白质质谱等生物数据相关技术的发展；

生物医疗领域空白和个性化医疗的需求

行业的关键瓶颈则涉及更多，具体包括底层生物机制及相关生物细节的有机引入、统一的计算生物学软件及数据框架、消费级的数据获取、具体的工程能力、行业信任与模型可解释性问题、以及数据隐私问题。

7、国内外产业化差距有多大？

我国企业在数量、发展程度、性质、布局场景上差异明显，中外差距约在5年左右。 一方面，国内的商业化场景在数量上和国外有较大差距。 目前，国内以AI制药为核心场景，生物模拟、疾病建模等场景尚未有明显起色。而在国外，各初创公司已广泛涵盖各类场景，在公司融资规模、产品化程度、落地推广程度上也已跨过了从0到1阶段。 在 软件相关场景 上差异更为明显。 量子位智库认为，能够提供特定建模的计算生物学软件将成为短期内商业化的重要发力点。国外大量公司已进入这一领域并对外商用，而我国大多有能力的从业公司选择内部应用，大多已开源平台尚未达到可收费水平。