AIMI · TCM Intelligence
天然产物数据库全景
AI + TCM
数据库全景
自研私域 TCM 知识库 × 合作云南天然产物库
从数据到决策，重新定义中药活性成分发现
AIMI Lab
2026
内部汇报
大家好，今天给大家汇报我们在中药天然产物数据库方面的最新进展。
我们有两块核心资产：一是自研的 AIMI TCM 私域数据库，二是与云南合作的特色中草药活性小分子数据库。
这两套数据构成了我们 AI 驱动活性成分发现的基础设施。
AIMI TCM
自研私域 中药数据库
覆盖方剂、成分、靶点、活性数据的全链路知识库，
为 AI 筛选提供高质量结构化数据基底。
专有数据 · 不可公开
全量结构化
持续更新
首先看我们的自研数据库。AIMI TCM 是私域的中药数据库，包含 22 万以上 TCM 成分、
7 千多条方剂、8 千七百个靶点，以及 110 万条成分与靶点之间的活性数据。
这些数据包含了本地实测数据和互联网公开数据，是我们做 AI 预测的核心资产。
云南特色
中草药活性小分子数据库
聚焦云南特色民族药资源，构建全球最大的
区域天然产物—活性—靶点知识图谱。
云南特色民族药
多民族复方
5800 种本地药材
第二个是我们的合作数据库——云南中草药活性小分子数据库。包含约 20 万条天然产物、
4 万 9 千条生物资源（药材）、8 千 7 百个靶点和 110 万条天然产物与靶点的活性数据。
特别值得注意的是，其中包含了 5800 多种云南本地特色药材和 3000 多条多民族复方及单验方。
这些数据既有本地实测，也有互联网公开数据。
Our Edge
从知识检索到
科学预测的本质跃升
传统网络药理学
- 在已知的地图上导航
- 依赖已有文献和数据库注释
- 知识边界受限，无法发现新连接
- 人工筛选，效率低、主观性强
- 难以处理大规模成分—靶点矩阵
→
AI 驱动 · 我们的方案
- AI 绘制化学—活性空间新地图
- 以实测数据为锚点，22 万+ 成分全量打分
- 多智能体自动化 harness 驱动筛选
- 输出可直接用于化妆品研发决策的定量候选列表
- 突破知识边界，发现全新活性关联
一句话总结
传统方法是在已知地图上导航，而我们的 AI 引擎绘制全新的化学—活性空间地图，
以实测数据为锚点，将 22 万+ TCM 成分全量评分，最终输出可直接用于研发决策的定量候选列表。
这一页是我们最核心的特色。传统网络药理学本质上是在已知的地图上导航——依赖已有文献和数据库注释。
而我们的方案是用 AI 来绘制全新的化学—活性空间地图。
以实测数据为锚点，把 22 万以上的 TCM 成分做全量打分，通过多智能体自动化 harness 来驱动筛选流程，
最终输出可以直接用于化妆品研发决策的定量候选列表。
这是从"知识检索"到"科学预测"的本质跃升。
Multi-Target · 概念篇
多成分 — 多靶点 协同调控
中药天然产物的核心优势在于「多靶点网络调控」——不依赖单一通路，而是系统性调节生物网络。
传统药物研发范式
1 药物
→
1 靶点
→
1 疾病
「锁钥模型」——单一成分作用于单一靶点，
往往导致疗效有限、副作用明显、耐药性易发。
TCM 多靶点范式
多成分
→
多靶点
→
网络调控
天然产物 cocktail 效应——多个成分协同作用于
多个靶点，产生「1+1 > 2」的系统性治疗效果。
🌿
协同作用
多成分在多个靶点上产生叠加或协同效应，整体疗效优于单一成分
🔗
网络调控
通过调控整个生物网络而非单一通路，实现更平衡、更持久的干预效果
⚖️
降低副作用
多靶点弱抑制的组合策略可在保持疗效的同时显著降低单一靶点强抑制的毒副作用
这一页我们来看多靶点效应的核心概念。传统药物研发遵循的是锁钥模型——一个药物作用于一个靶点、
治疗一种疾病。这种方法局限性越来越明显：疗效有限、副作用大、容易产生耐药性。
而中药天然产物的核心优势就在于多成分、多靶点的协同调控机制。
多个成分同时作用于多个靶点，产生所谓 cocktail 效应，实现 1+1 大于 2 的系统性治疗效果。
我们总结为三个关键词：协同作用、网络调控、降低副作用。
Multi-Target · 应用篇
AI 赋能 多靶点发现与决策
将 AI 全量打分系统与多靶点网络药理学结合，实现从「成分库」到「功效候选」的端到端智能化。
AI 全成分—全靶点打分矩阵
- ◆ 22 万+ 成分 × 8.7K 靶点的全量打分
- ◆ 多智能体自动化筛选 pipeline
- ◆ 网络药理学 + 图神经网络联合建模
- ◆ 多靶点协同指数自动计算与排序
化妆品研发应用场景
- ✦ 美白多通路协同：酪氨酸酶 + MITF + 黑色素转运
- ✦ 抗炎—抗氧化—修复通路的联动调控
- ✦ 抗衰：胶原合成 + ECM 保护 + 自噬激活
- ✦ 从「单一功效」到「整体皮肤生态调节」
多靶点决策流程
成分库
→
AI 全量打分
→
多靶点排序
→
候选列表
→
研发决策
核心价值：
传统方法一次只能评估 1 个成分对 1 个靶点的作用；AI 多靶点引擎可同时评估 22 万+ 成分对 8,700+ 靶点的全量活性矩阵，
自动识别最优多靶点协同组合，将候选发现周期从数月缩短至数天。
这一页我们来看多靶点效应的实际应用。左侧是 AI 全成分全靶点打分矩阵——这是我们的核心技术引擎，
对 22 万以上的成分和 8 千 7 百个靶点做全量交叉打分。右侧是化妆品研发中的具体应用场景。
最下面是我们的端到端决策流程：从成分库到 AI 全量打分，再到多靶点排序，最终输出可直接用于研发决策的候选列表。
传统方法一次只能评估一个成分对一个靶点，而我们的 AI 引擎可以同时评估全量矩阵，把候选发现周期从数月缩短到数天。
AIMI Lab
Thanks
AI + TCM · 从数据到决策
22 万+ 成分
8,700 靶点
AI 全量打分
以上就是我们 AI + TCM 数据库全景的全部内容。总结一下：
我们拥有自研私域 TCM 数据库和云南合作天然产物库两大核心数据资产，
以 AI 全量打分引擎为核心特色，实现了从知识检索到科学预测的本质跃升。
多靶点效应发现能力让我们在化妆品活性成分研发领域具备独特优势。
谢谢大家！