YM说多肽：公开蛋白数据库训练 AI 模型生成物知识产权风险何在？

使用公开蛋白质数据库训练的 AI 模型，其输出成果是否受数据库知识产权约束？这一问题直击 AI 制药领域知识产权风险的核心。

简言之，公开蛋白质数据库本身的法律约束与AI 生成多肽的专利性，是两个截然不同层面的问题，其中后者风险更高，更是决定成果归属的核心关键。

两者的核心差异与关联可通过下表清晰区分：

层面	数据库的知识产权约束（输入层面）	AI 生成物的专利风险（输出层面）
约束对象	对数据库本身的访问、使用和分发行为	AI 模型输出的具体多肽序列能否被认定为专利法意义上的 “发明”
主要风险	违反数据库的使用许可协议（如未按要求署名、用于禁止的商业用途等）	专利权根本不被授权，或因 AI 被视为 “发明人” 导致专利被判无效
法律依据	数据库的使用条款、开源许可协议（如 CC 协议）	专利法中关于 “发明人”“创造性” 和 “充分公开” 的要求
现状与趋势	大多数科学数据库鼓励开放共享，但要求合规使用。政策倾向于保障 “输入端” 的数据获取	法律尚不明确，存在重大不确定性，是当前争议和诉讼的焦点

核心问题详解：数据库约束可管理 AI 生成物专利性是关键挑战

PDB、AlphaFold DB 等主流科学数据库，设立初衷便是促进科学共享。它们大多采用开放许可（如 CC-BY 协议），这意味着只要遵守署名等基本要求，即可免费用于商业研发。

例如，欧洲 DSSP 数据库明确声明其数据 “免于所有版权限制”，可自由应用于商业用途。在中国，国家基因库生命大数据平台也作出规定，利用其公开数据产出的成果，知识产权由用户自行约定。

总而言之，只要合规使用，数据库约束本身通常不会成为成果商业化的障碍。其关键在于，使用者需仔细研读每一个数据库的 “使用条款”，确保行为合法合规。

相较于数据库约束，AI 生成多肽的专利性风险才是真正的核心挑战，尤其是在多肽、抗体这类序列明确、合成相对容易的分子领域。具体风险主要体现在三方面：

发明人身份问题：专利法要求有明确的 “人类发明人”。若 AI 仅凭一个提示就生成具有突破性的多肽序列，而人类研究者仅负责执行合成验证，专利局或法院可能认定 AI 才是真正的 “构思者”，进而导致专利无效。
“构思” 与 “付诸实践” 的界限问题：对于合成路径复杂的分子，人类在将数据转化为实物过程中作出的贡献，可能被视为 “构思” 的一部分。但多肽的序列本身就足以构成完整 “构思”，因此这一领域的专利风险更高。
创造性与充分公开问题：AI 生成的多肽可能被质疑不具备 “非显而易见性”，也就是专利法意义上的 “创造性”。同时，若专利申请未能充分揭示 AI 模型的训练和生成逻辑，也可能因 “公开不充分” 被驳回。

面对上述知识产权风险，相关研发团队可采取以下主动措施，提前做好防范：

行动目标	具体措施
合规使用数据库	建立数据库使用台账，记录每个训练数据源的 URL 和许可协议（如 CC-BY 4.0）。在使用成果时，严格履行署名等义务
强化人类贡献	在研发记录中，详细记载人类研究者的关键决策：如定义筛选条件、设计模型架构、对 AI 输出结果进行创造性解释与优化等。证明是 “人主导的 AI 辅助发明”
专利策略前置	在提交专利申请前，与专利律师重点讨论如何撰写以突出人类发明步骤，并评估潜在风险。考虑对 AI 模型本身、新型多肽骨架或特定药物剂型进行并行保护
选择有利法域	关注不同国家 / 地区的司法动态。例如，美国的专利体系相对灵活，可能更早给出判例。同时，中国的司法实践也提出了在数据 “输入端” 构建合理使用制度的思路

总体而言，使用公开数据库训练 AI 模型本身的风险可控，但由此生成的多肽序列能否获得稳定的专利权，是当前最大的法律不确定性所在。

未来在 AI 制药领域的胜出者，必将是那些能巧妙地将人类智慧深度融入 AI 设计循环，并能用法律语言清晰证明这一点的团队。