9月17日,Nature News 报道,斯坦福大学 James Zou 团队在《Science》发表一项“虚拟生科公司”(Virtual Biotech)研究:用最多3.7万个AI代理自主分析逾5.5万项临床试验,并提出一条以 CD276 为靶点的肺癌抗体偶联药思路。这把“AI 自动化药物发现”从概念推到了具体靶点的台前。
发生了什么
这项名为 Virtual Biotech 的工作(Science,DOI 10.1126/science.aeg6779;作者 Zhang H.G.、Eckmann P.、Miao J.、Mahon A.B.、Zou J.)把一个“药物研发公司”映射成一批AI代理:一名首席科学官(CSO)代理统筹,下辖靶点发现、安全性评估、modality 选择、临床开发等“部门”,底层调用 Anthropic 的 Claude 等大语言模型。
研究展示了三个决策点的能力。其一,37,075 个代理分别标注了 55,984 项临床试验的结局,发现“靶向细胞类型特异性基因”的药物比同类药物上市概率高约 48%,严重不良事件少约 32%。其二,在肺癌场景下,系统被要求评估 CD276 是否值得作为治疗靶点——CD276 可抑制免疫应答、在肺肿瘤中高表达;系统用既有数据确认其为候选,并提出“识别 CD276 的抗体连接抗癌药”的抗体偶联药(ADC)策略,经外部评审被认为“有前景”。但 Nature 也援引其他科学家的意见:这套系统尚未在真实药物发现的“熔炉”中检验,其预测既未经过实验验证,更谈不上临床试验。
为什么值得关注
这里最容易被误读的是“新靶点”三个字。CD276 即 B7-H3,是 2001 年就被发现的免疫检查点分子,在小细胞/非小细胞肺癌、前列腺癌、食管癌等实体瘤中高表达、在正常组织低表达。它长期卡在单抗、双抗等传统路径上——受体网络复杂、机制争议多,临床屡战屡败;直到 ADC(抗体偶联药物)技术成熟,才把它的“肿瘤高表达”变成可被精准投送细胞毒载荷的优势。
也就是说,AI 没有“发现”一个全新靶点,而是用自主多智能体流程,重新收敛到一个已被产业验证的热点。这恰恰提升了故事的可信度:方法若真有效,本就该指向行业已经在押的靶。更具普遍意义的是那个 48% 的信号——如果“细胞类型特异性表达”能成为靶点评选的先验,它可能为立项提供一条可量化的经验法则(当然,前提是它能被独立队列复现)。值得一提的是,Zou 在 2026 年 VB Transform 会议上称,该设计数月后被 Merck 独立提出、并获 FDA 突破性疗法认定;但这只是团队单方表述,会议报道中未见 Merck 的独立确认,须谨慎看待。
对生物医药研究意味着什么
对做发现的人:多智能体“组织化”协作(分工、互相辩论、纠错)可能比单一超大模型更擅长整合跨尺度、跨模态证据;真正的瓶颈或许不在模型能力,而在数据与工具是否被“AI 原生”地组织好。
对关注 ADC 与肺癌的人:B7-H3(CD276) 已是下一代 ADC 中最拥挤的靶点之一,全球约 5 款进入 III 期,其中约 80% 的临床阶段管线由中国企业主导(如翰森/GSK 的 HS-20093、宜联/安进的 YL201、迈威的 7MW3711 等);第一三共/默沙东的 I-DXd 小细胞肺癌 BLA 已获 FDA 优先审评。竞争差异来自连接子、载荷比与患者选择,而非靶点本身。
接下来观察什么
第一,AI 提出的 CD276 ADC 设计,与已进入临床的分子(I-DXd、HS-20093 等)是否实质相同;第二,Merck 验证与 FDA 突破性疗法说法能否被独立证实;第三,48% 的“市场成功率”信号能否在独立数据上复现;第四,Virtual Biotech 能否产出经湿实验或临床试验验证的候选。目前它仍是计算推论与历史数据的整合,距离真正“发现新药”还隔着实验与临床两道鸿沟。
主要新闻:https://www.nature.com/articles/d41586-026-02954-y
关键论文:Zhang H.G. et al., Science (2026), DOI 10.1126/science.aeg6779
预印本:bioRxiv (2026), DOI 10.64898/2026.04.20.719538
【声明】本文根据公开新闻报道及相关原始资料整理,仅用于学术信息交流,不构成医疗建议或用药指导。新闻与论文版权归原作者及发布机构所有,如有侵权,请联系删除。
如果您觉得有用,欢迎关注,点赞,转发!