Lanraplenib

“我们不做药物重定向，我们做的是药物复活。” 当Ignota Labs联合创始人Layla Hosseini-Gerami在《自然》杂志上说出这句话时，她不仅定义了这家剑桥AI制药公司的核心理念，更预示着一个新范式的开启。2025年10月，这家仅有14人的小公司宣布收购美国癌症生物技术公司Kronos Bio的全部临床资产——这个曾经在IPO后估值达到35亿美元、最终却因临床失败而停止运营的“失意者”，如今成了Ignota展示其“药物复活”能力的试验场。 在AI赋能药物发现早已不是新鲜事的今天，大多数玩家仍在竞赛谁能更快发现下一个全新分子。Ignota却选择了一条更“险”的路：在失败中寻找机会，用算法给被判“死刑”的药物做“法医鉴定”。当整个行业都在向前冲刺时，这家公司选择转身，审视那些被遗忘在档案库中的实验数据，试图解开一个关键谜题：许多药物并非无效而失败，它们倒下的真正原因究竟是什么？ 看见“失败”中的数据金矿 药物研发的残酷现实构成了Ignota创立的基本逻辑背景。一款新药从立项到上市，平均需要十年以上、超过十亿美元的投入，而最终成功率不足10%。在未能上市的候选药物中，相当一部分不是因为疗效不足，而是倒在了安全性问题上——肝毒性、心脏毒性、脱靶结合、代谢异常。这些药物大多已经完成了动物实验，部分甚至进入过早期人体临床，最终带着海量实验数据被封存。 Ignota的创始团队看到了这其中蕴含的矛盾与机遇。Layla Hosseini-Gerami，这位剑桥大学化学与生物信息学博士，其研究背景正是用计算方法理解药物的作用机制。与她共同创立公司的Jordan Lane曾任职于AI药物发现公司BenevolentAI，在药企和AI生物技术公司拥有十年经验；Sam Windsor则曾为默克和Google DeepMind的AlphaFold团队提供咨询。 2021年成立时，恰逢生物技术融资泡沫破裂，利率上升和风险资本退潮使早期biotech的融资环境骤然收紧。团队不得不反复打磨叙事方式，向既不了解AI也不了解药物的投资人解释清楚公司在做什么。到2025年2月，Ignota完成了690万美元的种子轮融资；同年10月收购了Kronos Bio的临床资产。 传统的“药物重定向”是把同一个分子用于新的适应症，分子本身不做改动，比如阿司匹林从止痛扩展到抗血栓。Ignota走的却是另一条路，更接近“药物复活”：找到失败的根因，对分子结构做定向修改，解决安全性问题后重新推进临床。这个过程会产生新的知识产权，也意味着药物有机会被真正修复，而不只是换个适应症。 这一模式瞄准了一个特定的蓝海市场——那些因特异性毒性问题被搁置、但作用机制仍有潜力的资产。这些药物往往已经完成了80%到90%的开发进程，却在最后的临床验证阶段因安全性问题折戟。它们的实验数据并非废纸，反而记录了每一次试错的方向和边界。问题在于，有多少家公司愿意把这些数据从服务器里拿出来重新审视？ SAFEPATH：AI如何扮演“药物法医” 执行这套“药物复活”流程的核心，是Ignota自研的AI平台SAFEPATH。如果用一个比喻来描述它的角色，那么“药物法医”或许最为贴切——它的任务不是简单筛选，而是系统性“解剖”失败原因。 SAFEPATH平台整合了多种异构数据，包括分子结构、蛋白质结合强度、基因表达谱、动物实验记录、临床不良反应等等，通过多模态建模寻找人类难以发现的跨层级关联。正如Layla Hosseini-Gerami在相关报道中描述的那样，平台能够检测和处理的问题包括：脱靶结合效应（药物绑定了不该绑定的分子）、药物代谢速率异常（药物在体内被清除得太快或太慢）以及分布偏差（比如药物不应进入大脑却进入了）。 这其中的技术壁垒在于“跨层级关联分析”。传统药物研发中，化学结构数据、临床前生物学数据（靶点结合、细胞表型、动物模型毒性）与人类临床数据（不良事件、生物标志物）往往分属不同部门、不同数据库，形成信息孤岛。SAFEPATH的核心能力正是打破这些孤岛，在跨层级数据中建立人类难以直观发现的复杂关联网络。 具体而言，平台可能将特定的化学子结构与临床上出现的特定器官毒性精确关联。例如，某个苯环上的特定取代基团，可能与患者临床试验中出现的肝功能指标异常存在统计学上的强关联。这种关联可能传统毒理学家需要数月甚至数年才能通过反复实验验证，而AI算法则能在数据层面上快速识别模式。 诊断完成后，SAFEPATH会生成具体的分子改造方案。候选分子经虚拟筛选和实验验证后进入迭代优化。这个过程强调“最小化学改动”策略——通过最精准的结构优化（如替换特定基团、调整空间构象）来切断毒性通路，而非推倒重来。这既保留了原药物已经验证的有效性基础，又解决了导致失败的关键安全性问题。 SAFEPATH的技术路径体现了对早期AI药物发现公司局限性的反思。联合创始人Jordan Lane曾指出，早期的AI公司往往只专注于化学或生物学中的一方面，而Ignota认为“两种技术的交叉将揭示药物失败的真实原因”。他们的平台构建了涵盖超过15000个蛋白质组的机器学习模型，用于预测药物与蛋白质的结合情况——既包括靶标结合，也包括脱靶效应。 Kronos管线“复活”实战图 从Kronos Bio收购的管线目前是Ignota最核心的资产，包括CDK9抑制剂istisociclib以及两种SYK抑制剂entospletinib与lanraplenib。这些药物的失败故事颇具代表性，也最能体现“药物复活”模式的价值所在。 Kronos Bio曾是备受关注的明星biotech公司，IPO后估值达到35亿美元。然而，因多条管线未能通过二期临床试验，加上安全性和临床定位问题，公司最终停止运营，以每股0.57美元的价格被Concentra Biosciences收购。Ignota Labs正是从Concentra手中接过了这些资产。 SYK是免疫细胞信号传导中经过充分验证的靶点，在血液肿瘤和自身免疫疾病中具有重要治疗价值。Ignota将SYK抑制剂聚焦于两个适应症：免疫性血小板减少症（ITP，全球市场规模约15亿美元）和慢性淋巴细胞白血病（CLL，全球市场规模约80亿美元）。 Kronos的SYK抑制剂并非机制本身有问题。资料显示，entospletinib曾因NPM1突变急性髓系白血病患者招募困难、新冠大流行影响以及在俄罗斯和乌克兰的临床试验无法按计划启动等原因，终止了Ⅲ期临床试验。而lanraplenib在审查了联合吉瑞替尼治疗FLT3突变复发/难治性急性髓系白血病的1b/2期试验数据后，公司决定不进行Ⅱ期临床试验。 Ignota为这些药物规划的“复活”路径包括三个关键步骤。 第一步是毒性根因分析。基于SAFEPATH平台，对现有化学系列和临床数据进行深度“法医鉴定”。需要锁定究竟是哪个具体的化学结构要素引发了临床观察到的毒性反应。这个分析过程可能涉及将患者临床试验中的不良事件数据，与分子的具体化学特征进行关联建模。 第二步是合理化设计。提出“最小化学改动”策略，旨在通过最精准的结构优化来切断毒性通路。这可能意味着替换某个特定的功能基团，调整分子的空间构象，或者引入新的官能团以改变代谢路径。关键是在保留原药物有效性的前提下，消除或规避已识别的安全性问题。 第三步是目标验证与价值主张的重新定位。在ITP方向，Ignota的目标是在获得更好疗效的同时规避现有获批疗法已知的毒性问题；在CLL方向，则瞄准对标准治疗已产生耐药的患者群体。优化后的分子有望为这些未满足临床需求的患者提供更安全、更有效的治疗选择。 行业激荡：模式意义与深层挑战 Ignota的“药物复活”模式若能成功，将对药物研发经济学产生深远影响。首先，它可能显著降低整体研发成本——重新开发一个已经完成大部分临床前工作的分子，理论上比从零开始发现全新分子成本更低、时间更短。其次，这能提升资产利用效率，改变生物技术公司对失败资产的处理策略。过去，临床失败往往意味着数亿美元投资的彻底沉没；未来，这些资产可能成为可交易、可修复的“困境资产”。 对AI制药领域而言，这一模式标志着AI角色的重要演进。早期AI药物发现主要扮演“海量筛选加速器”的角色，通过生成化学、虚拟筛选等技术加快分子发现速度。Ignota的模式则展示了AI作为深度“因果分析与问题解决者”的潜力——不仅加速过程，更深入理解失败原因，并提出具体修复方案。这拓宽了AI在药物研发中的应用边界。 然而，该模式面临的现实挑战同样不容忽视。 首要挑战是对高质量失败数据的高度依赖。制药行业几十年积累的失败数据，大部分至今仍锁在各家公司的内部服务器中。失败意味着暴露弱点，科学界长期以来几乎只讨论成功案例，失败实验很少被发表，失败原因更少被公开复盘。Layla Hosseini-Gerami曾指出，只有当企业看到共享数据的实际好处，比如行业整体成功率提升带来的市场扩容，或以数据交换数据的互利机制，分享才可能真正发生。 监管挑战同样严峻。监管机构对于基于AI“改造”失败药物后再开发的路径持审慎态度。药物原本因安全性问题失败，经过AI算法的结构修改后重新进入临床，需要全新的安全性验证框架。监管部门需要评估AI提出的结构修改方案是否真正解决了原有毒性问题，以及是否会引入新的未知风险。目前全球尚未有AI设计的药物获得监管批准，这种全新的开发模式将面临更严格的审查。 科学复杂性是另一个关键障碍。药物毒性往往是多因素、多机制共同作用的结果。AI算法识别出的化学结构与毒性关联可能只是表象，背后可能涉及复杂的代谢途径、蛋白质相互作用网络或细胞信号通路扰动。对分子做“最小化学改动”可能切断了一个毒性通路，却可能意外激活另一个未被察觉的风险机制。 从行业发展前景看，“专业AI复活公司”是否会成为一个新的细分赛道，取决于首个成功案例的出现。如果Ignota能够成功将Kronos的管线重新推进临床并最终获批，可能会吸引更多资本和人才进入这一领域。大型药企也可能与这类公司形成新的合作模式——将内部因安全性问题搁置的资产授权给专业AI复活公司进行修复开发，成功后分享收益。 角色之思：探索者与修复者的辩证 回顾Ignota的案例，我们看到AI在药物研发中正承担起更主动、更具修复性的角色。它不再仅仅是加速工具，而是成为能够诊断问题、提出解决方案的“药物法医”。 这引出了一个更深层的问题：在充满未知的医药探索中，AI更应该扮演开拓新疆土的“探索者”，还是优化既有资源的“修复者”？ 早期的AI药物发现公司多将自己定位为“探索者”——利用算法探索广阔的化学空间，发现人类未曾想到的全新分子。这体现了AI作为创新引擎的潜力，但也面临从“概念验证”到“规模兑现”的漫长路径。而Ignota代表的“修复者”模式，则将AI应用于已有积累的领域，试图解决已知但未解的问题。 两种角色或许本就是一体的两面。没有探索者的突破性发现，修复者将无物可修；没有修复者的优化能力，探索者的发现可能因各种问题无法走向临床应用。AI的真正价值可能在于它能够同时胜任这两种角色——既能探索未知，也能优化已知。 “药物法医”这个比喻是否真正贴切？当AI算法开始为失败药物“验尸”、寻找“死因”、提出“治疗方案”时，我们看到的不仅是技术的进步，更是对药物研发本质的重新思考。药物研发从来不是线性过程，失败不是终点，而是知识积累的必要环节。AI的价值或许不在于消除失败，而在于让每一次失败都产生最大化的学习价值。 在这个意义上，Ignota的尝试不仅关乎几款具体药物的命运，更关乎整个行业如何更智慧地对待失败。当AI开始学会从失败中学习时，人类或许也能从中获得新的启示。 AI究竟应该是药物研发中的探索者还是修复者？或者，更好的问题或许是：我们能否构建一个让AI既能探索又能修复的生态系统，让每一次尝试——无论成功还是失败——都能为下一次突破积累智慧？

2025年10月，英国剑桥的一家仅有14名员工的小公司IgnotaLabs宣布了一项令人瞩目的收购：他们将接手美国癌症生物技术公司KronosBio的所有临床资产。这一举动不仅标志着一次商业上的大胆尝试，更预示着一场可能彻底改变医药行业的革命。 KronosBio曾是生物科技界的明星企业，在首次公开募股（IPO）后估值一度飙升至35亿美元。然而，由于多条研发管线未能通过二期临床试验，加上安全性和临床定位问题，这家公司最终以每股0.57美元的价格被ConcentraBiosciences收购。现在，这些曾经被认为“失败”的资产落入了IgnotaLabs的手中，而后者计划用一种前所未有的方法——人工智能（AI），来诊断并解决这些问题。 新药开发是一场漫长且充满不确定性的旅程，平均需要十年以上的时间和超过十亿美元的资金投入，但成功率却不到10%。许多候选药物在临床上失败，并非因为缺乏疗效，而是安全性问题，比如肝毒性、心脏毒性、脱靶结合或代谢异常等。这些药物往往已经完成了动物实验，甚至进入了早期人体临床试验阶段，积累了大量的实验数据。然而，一旦被判定为失败，它们就会被封存进档案库，从此不见天日。 IgnotaLabs的做法与传统的药物重定向不同。传统意义上的重定向是指将同一种分子用于新的适应症，而分子本身不做任何改动。例如，阿司匹林最初作为止痛药使用，后来又被发现具有抗血栓的作用。相比之下，IgnotaLabs采取的是“药物复活”策略：首先找出导致失败的根本原因，然后对分子结构进行精确修改，从而解决安全性问题，使药物得以重新进入临床试验阶段。这种方法不仅能够产生新的知识产权，更重要的是它给了那些原本被判死刑的药物第二次生命。 执行这套流程的核心工具是Ignota自主研发的人工智能平台SAFEPATH。该平台整合了多种异构数据源，包括分子结构、蛋白质结合强度、基因表达谱、动物实验记录以及临床不良反应报告等信息，通过多模态建模寻找人类难以察觉的跨层级关联。据Ignota联合创始人兼首席数据科学官Layla Hosseini-Gerami介绍，SAFEPATH可以检测并处理以下几类常见问题：脱靶结合效应（即药物意外地与不应结合的目标分子发生了相互作用）、药物代谢速率异常（如药物在体内被清除得太快或太慢）以及分布偏差（例如药物不应该进入大脑却意外进入了）。 从KronosBio收购的管线构成了目前Ignota最核心的资产组合，其中包括CDK9抑制剂istisociclib以及两种SYK抑制剂entospletinib与lanraplenib。SYK是一个经过充分验证的免疫细胞信号传导靶点，Ignota决定将其应用于两个特定领域：免疫性血小板减少症（ITP）和慢性淋巴细胞白血病（CLL）。对于前者，目标是在提高疗效的同时避免现有疗法已知的副作用；而对于后者，则专注于那些对标准治疗方案产生耐药性的患者群体。 值得注意的是，这些药物之前之所以未能成功上市，并不是因为其作用机制存在根本缺陷，而是受到了安全性和临床定位方面的问题所拖累。因此，借助于SAFEPATH平台，Ignota有信心能够让它们焕发新生。 尽管前景光明，但这条路并不平坦。Hosseini-Gerami指出，制药行业数十年间积累下来的失败案例数据大多仍然被锁在各大公司的内部服务器里。毕竟，没有人愿意主动暴露自己的弱点。然而，她坚信只有当企业开始意识到共享数据所带来的实际好处时——比如整体成功率提升带来的市场扩容效应或者以数据交换数据的互利机制——这种开放合作的文化才会逐渐形成。每年全球范围内都有大量候选药物因各种原因在临床阶段被放弃，其中一部分针对的是至今仍无有效治疗方法的疾病领域。如果能够充分利用这些宝贵的实验数据，无疑将极大加速新药的研发进程。 总之，随着AI技术的发展及其在生物医药领域的应用日益广泛，我们有理由相信未来会有越来越多像IgnotaLabs这样的创新型企业涌现出来，为我们带来更加安全有效的治疗手段。返回搜狐，查看更多