100 项与 ABS-101 (Absci) 相关的临床结果
100 项与 ABS-101 (Absci) 相关的转化医学
100 项与 ABS-101 (Absci) 相关的专利(医药)
10
项与 ABS-101 (Absci) 相关的新闻(医药)今日,知名商业媒体《快公司》(Fast Company)揭晓了“2026年最具创新力的生物技术公司”(The Most Innovative Biotech Companies of 2026)榜单。从跨物种器官移植到人工智能辅助药物研发,从多癌种早筛到多组学技术平台建设,今年入选企业呈现出多个技术方向的持续推进:一方面,部分企业将创新疗法推进至临床阶段,并取得初步进展;另一方面,新型检测工具和研究平台也逐步进入实际应用场景,为后续研发提供支持。在此背景下,生物技术正持续向临床转化与产业化深化发展,逐步成为推动医疗创新的重要力量。欲了解该榜单更多内容,可点击文末“阅读原文/Read more”前往《快公司》官网。
图片来源:123RF
eGenesis:推动异种器官移植向临床验证迈进
终末期器官衰竭患者长期面临供体短缺的问题,肾脏等关键器官的等待名单持续增长。传统器官移植受限于供体来源与免疫排斥风险,如何通过替代性来源扩大可用器官供给,一直是移植医学的重要探索方向。
eGenesis是一家专注于基因编辑与异种器官移植的生物技术公司,致力于通过对供体动物进行多基因改造,降低免疫排斥并提升器官相容性。公司近年来将基因修饰猪器官推进至临床研究阶段,并取得了阶段性进展。根据公开信息,其移植的基因改造猪肾在一名患者体内维持功能达271天,期间无需透析,为该领域提供了具有参考价值的数据;另一例患者在2025年6月接受移植后,目前仍维持无透析状态。此外,公司已获得美国FDA批准开展扩大规模的临床试验,进一步评估该技术的安全性与有效性。
Exact Sciences:推动多癌种早筛技术走向更广泛人群
癌症早期筛查对于提高患者生存率具有重要意义,但传统筛查方式往往局限于单一癌种,且依赖侵入性检测或复杂流程,影响了普及程度。如何通过更便捷、覆盖更广的检测手段提升早筛可及性,成为近年来精准诊断领域的重要发展方向。
Exact Sciences是一家专注于无创癌症筛查与早期检测技术开发的分子诊断公司。公司推出的结直肠癌居家筛查产品Cologuard自2014年上市以来,已完成超过1600万例检测。2025年11月,公司发布了其自主开发的多癌种早筛血液检测产品Cancerguard。该检测以实验室开发检测(LDT)形式推出,通过分析与癌症相关的蛋白质及基因表达变化,可在一次采血中识别超过50种癌症类型及其亚型,包括部分通常在晚期才被发现的癌症。为提升检测的可及性,Exact Sciences与Quest Diagnostics合作,设置超过7000个采血点提供相关服务,并支持移动采血模式。去年11月,公司宣布将被雅培(Abbott)收购,显示出业界对其技术平台及商业化能力的认可。
英矽智能(Insilico Medicine):将人工智能应用于小分子药物设计的临床验证
Insilico Medicine成立于2014年,是一家致力于利用人工智能进行小分子药物发现与设计的生物技术公司。2025年,公司公布了其核心在研药物rentosertib的2a期临床试验结果。研究结果显示,在特发性肺纤维化(IPF)患者中,接受rentosertib治疗(尤其是较高剂量)的患者总体上表现为肺功能稳定或轻度改善,而非通常观察到的功能下降,同时具有良好的安全性特征。同年,公司另一款AI设计的炎症性肠病候选药物ISM5411在两项1期临床试验中取得积极的初步结果。此外,针对间皮瘤及其他实体瘤,以及针对MTAP缺失型晚期实体瘤的两款候选药物也已在1期临床中完成首例患者给药,显示出其管线的持续推进。
此外,Insilico Medicine于2025年11月宣布与礼来(Eli Lilly and Company)达成一项1亿美元的研究与授权合作,以支持其AI驱动药物研发能力的进一步应用。融资方面,公司在3月完成1.23亿美元E轮融资,并于12月30日完成IPO,募资约2.92亿美元。
Juvena Therapeutics:探索在减重过程中维持肌肉健康的创新路径
在以GLP-1为代表的减重疗法快速发展的背景下,体重下降过程中伴随的肌肉流失问题逐渐受到关注。如何在减少脂肪的同时尽可能保留甚至改善肌肉质量,成为代谢疾病与相关治疗领域亟需解决的关键问题之一。
Juvena Therapeutics是一家致力于利用人工智能平台开发促进肌肉再生创新疗法的生物技术公司。其首个AI发现的候选药物JUV-161是一种内分泌型肌肉再生疗法,旨在通过恢复肌肉组织中关键蛋白信号通路至更接近健康状态,从而改善肌肉功能。2025年5月,Juvena启动了JUV-161用于治疗1型肌强直性肌营养不良(DM1)的1期临床试验。与此同时,公司也在探索该疗法在更广泛肌肉健康管理中的应用潜力,包括应对减重过程中可能出现的肌肉流失问题。在合作方面,Juvena于2025年6月与礼来达成一项潜在总额超过6.5亿美元的合作协议,双方将利用其AI筛选平台开发改善肌肉健康与身体组成的候选疗法。
Enveda Therapeutics:挖掘天然化学空间以推动新药开发
尽管当前约一半的口服药物源自天然分子,但由于从复杂天然体系中分离、鉴定和表征活性成分过程耗时且成本较高,绝大多数天然化学空间仍未被系统性探索。如何提高天然产物研究的效率,成为拓展药物发现来源的重要方向。Enveda Therapeutics致力于通过整合高通量质谱分析与算法解析能力,加速天然分子的发现与药物开发。公司利用先进质谱技术对复杂样本进行分析,并结合算法对数据进行解读,从而在更大规模上识别具有潜在药用价值的天然化合物,推动“天然药库”的系统性开发。
在研发进展方面,Enveda于2025年推动多款候选药物进入临床阶段。其中,核心管线ENV-294是一款口服抗炎候选药物,正在开展特应性皮炎和哮喘的治疗研究,目前已进入2期临床。此外,公司在2025年12月完成了一项针对肥胖及肌肉保护的每日一次口服疗法的1期试验首例患者给药;同月,美国FDA还批准了ENV-6946的一项1期临床试验申请,用于治疗炎症性肠病。上述候选药物均来源于植物样本中的天然分子。
在平台建设方面,公司目前已分析约400种植物来源样本,并计划在2026年底前扩展至约1.2万种,以构建更大规模的化学数据库。融资方面,Enveda于2025年2月完成1.5亿美元C轮融资,其中包括赛诺菲(Sanofi)约2000万美元的战略投资;同年9月,公司完成超过10亿美元D轮融资。
Replicate Bioscience:探索自我复制RNA技术在疫苗与代谢疾病中的应用潜力
在mRNA技术快速发展的背景下,如何在降低剂量的同时延长蛋白表达时间、提升疗效,是当前核酸药物研发面临的重要课题之一。自我复制RNA(self-replicating RNA,srRNA)因其能够在细胞内实现有限时间的自我扩增,逐渐成为下一代RNA疗法的重要探索方向。
Replicate Bioscience专注于开发基于srRNA的治疗与疫苗平台。其核心技术利用可自我扩增的RNA载体,使细胞在较低输入剂量下产生更高水平的治疗性蛋白表达,同时具备编码多种突变体或抗原的能力,可拓展至肿瘤免疫、疫苗及自身免疫疾病等多个领域。公司于2025年2月公布其核心候选产品RBI-4000(用于狂犬病预防的srRNA疫苗)的2期临床试验结果。数据显示,该疫苗在较低剂量水平下即可诱导保护性免疫反应,其剂量需求低于目前已报道的其他mRNA或其他srRNA狂犬病疫苗。
在合作方面,Replicate于2025年8月与诺和诺德(Novo Nordisk)达成一项多年期研究合作协议,后者将利用其srRNA平台开发针对肥胖、2型糖尿病及其他心血管代谢疾病的创新疗法。根据协议,公司将获得研发资金支持,并有资格获得最高约5.5亿美元的里程碑及相关付款。此外,2026年1月,盖茨基金会(Gates Foundation)向公司提供700万美元资助,用于推进针对疟疾和艾滋病的候选疗法开发。
Strand Therapeutics:通过可编程mRNA实现肿瘤选择性免疫激活
在肿瘤免疫治疗中,如何在增强抗肿瘤免疫反应的同时尽量减少对正常组织的影响,一直是药物开发的重要挑战。传统免疫激活策略往往缺乏空间和剂量上的精准控制,可能带来系统性副作用。Strand Therapeutics旗下srRNA平台所开发的分子具有特殊设计,使药物能够在特定细胞中被激活。基于此设计,mRNA可在肿瘤细胞中表达免疫激活蛋白,而在健康细胞中保持“关闭”状态,从而实现对蛋白表达的空间、时间及剂量的更精细控制。
公司的核心候选药物STX-001采用肿瘤内注射方式递送mRNA,诱导细胞表达白细胞介素-12(IL-12),以增强抗肿瘤免疫应答。2025年公布的1期临床试验数据显示,该疗法在部分实体瘤患者(包括黑色素瘤)中作为单药治疗已观察到抗肿瘤活性,一些对既往治疗不再应答的患者出现了肿瘤消退的情况。由于IL-12主要在肿瘤局部产生,该疗法相较于传统系统性给药方式显示出更好的耐受性。
在管线拓展方面,公司正在推进下一代候选药物STX-003,旨在验证通过静脉给药后,mRNA仅在肿瘤组织中被激活的可行性,从而拓展至肺癌等难以直接注射的肿瘤类型。该项目预计于近期进入人体临床试验。融资方面,Strand于2025年8月完成1.53亿美元融资。
Cellino Biotech:推动细胞与组织生产向自动化与规模化演进
细胞疗法在多种慢性退行性疾病中展现出广泛应用潜力,但以患者自身细胞为基础的自体干细胞疗法在生产过程中仍面临复杂、耗时且高度依赖专业人员的挑战。如何提升细胞制造的标准化程度与可扩展性,成为该领域产业化发展的关键问题。Cellino Biotech致力于通过自动化与模块化生物制造平台,提高诱导多能干细胞(iPSC)生产的效率与一致性。其核心系统Nebula在封闭、无菌的培养环境中进行细胞生长,并结合成像设备、人工智能算法及激光技术,对细胞生长状态和密度进行持续监测与调控,从而实现更为精准和可重复的生产过程。
公司于2025年2月与Mass General Brigham达成合作,计划建设在医院的iPSC生产平台,实现个体化细胞与组织工程疗法的现场制备。在产业合作方面,公司还与Matricelf合作推进脊髓损伤相关的细胞疗法开发,并与Karis Bio开展合作,探索针对心血管疾病的再生医学治疗路径。
Faeth Therapeutics:通过代谢干预策略探索子宫内膜癌治疗新路径
肿瘤代谢异常是多种癌症发生和进展的重要基础,但针对肿瘤“能量供给”的治疗策略在临床中仍面临疗效持续性不足等挑战。如何通过多维度干预肿瘤代谢网络,提高治疗应答并延长获益时间,是相关研究持续关注的方向。Faeth Therapeutics专注于通过调控肿瘤代谢开发创新疗法。其核心在研产品Piktor采用“双靶点抑制”策略,联合两种抑制肿瘤生长的机制,协同干预肿瘤生长及能量利用的关键通路。该通路在多种实体瘤中存在广泛突变,包括子宫内膜癌、乳腺癌、肺癌及卵巢癌等,而以往单一药物干预往往难以获得持久疗效。
Piktor联合化疗药物紫杉醇用于治疗子宫内膜癌的1b期临床研究显示,总缓解率达到80%,中位无进展生存期(PFS)为11个月,相较于单纯化疗历史数据(约3至4个月)有所延长。目前,该疗法已进入2期临床试验的患者招募阶段。除肿瘤领域外,公司在代谢性疾病方向亦有所布局。其针对罕见儿科疾病1型酪氨酸血症的项目预计于近期进入1期临床试验。融资方面,Faeth于2025年10月完成2500万美元融资,累计融资额达到9200万美元。
Orca Bio:提升精准细胞免疫疗法的可及性与一致性
对于多发性骨髓瘤、白血病等血液肿瘤患者而言,同种异体造血干细胞移植(alloHSCT)仍是重要的治疗手段之一,但移植后发生慢性移植物抗宿主病(GVHD)的风险较高,可能进一步导致器官损伤,限制了疗效的长期获益。如何在保留抗肿瘤免疫效应的同时降低GVHD风险,是该领域持续探索的核心问题。
Orca Bio的主打产品Orca-T通过对供体细胞进行精细分选与组合,构建由高纯度调节性T细胞、造血干细胞以及常规T细胞组成的细胞治疗产品。该策略旨在减少驱动GVHD的T细胞,同时保留足够的免疫效应细胞,从而清除患者体内残留的恶性细胞。Orca-T还结合了一种新的患者预处理方法,仅需使用一种免疫抑制药物,而非传统的多药联合方案,有望降低相关毒性风险。2026年3月公布的一项3期临床研究结果显示,在多种血液肿瘤患者中,与传统移植相比,Orca-T将患者在一年内无慢性GVHD生存的比例提高了一倍。目前,该疗法的FDA审批决定预计将在4月初公布。融资方面,Orca Bio于2025年12月完成由Lightspeed Venture Partners领投的F轮融资。
Epicrispr Biotechnologies:探索通过表观遗传调控实现神经肌肉疾病治疗
针对由基因异常引发的疾病,传统基因编辑方法多依赖对DNA进行切割与修复,这在一定程度上带来安全性与长期影响的不确定性。如何在不改变基因序列的前提下调控基因表达,成为近年来新一代基因调控技术的重要发展方向。Epicrispr Biotechnologies是一家专注于表观遗传编辑技术的生物技术公司,其平台通过调控基因表达水平(激活或抑制),而非直接切割DNA,从而提供一种潜在更安全且作用持久的治疗策略。
公司主打在研疗法EPI-321开发用于治疗面肩肱型肌营养不良(FSHD),该疗法在2025年4月获批开展1/2期临床试验。根据《快公司》报道,这是首个针对神经肌肉疾病的表观遗传编辑疗法临床试验。2026年1月,公司公布了首批完成研究的3名患者数据。在这些受试者中,多项肌力及功能指标均观察到改善,整体表现优于外部对照队列的历史数据。截至目前,研究中尚未报告严重不良事件。融资方面,Epicrispr于2025年3月完成6800万美元B轮融资。
Vivodyne:在临床前阶段提供更接近人体反应的数据模型
Vivodyne致力于通过自动化实验平台,利用处于不同健康或疾病状态的人体组织模型,对研发过程中的药物反应进行更接近真实生理环境的评估,进而潜在提升研发效率与成功率。公司构建的“生物数据中心”整合了机器人系统,可在实验室环境中同时培养、给药并分析超过1万个独立的人体组织样本。这些组织样本能够在数周内持续进行代谢活动、产生免疫反应,并表现出组织层面的动态变化,使研究人员能够观察疾病进展以及药物相关毒性或耐药性的形成。例如,可评估心脏组织在药物积累下发生心律失常的过程,或肿瘤如何通过血管生成与免疫细胞浸润来影响治疗效果。
在应用方面,目前已有多家大型医药公司在Vivodyne平台开展实验研究。2025年12月,公司与GSK在Cell Stem Cell期刊发表研究结果,显示其骨髓模型可在临床前阶段识别与剂量相关的毒性信号。融资方面,Vivodyne于同年5月完成4000万美元融资,由Khosla Ventures等机构参与。
Opus Genetics:探索通过基因疗法恢复先天性失明患者视力
Opus Genetics是一家由患者创立的生物技术公司,致力于开发用于恢复和保护视力的创新疗法。2025年4月,公司公布了一项针对5型Leber先天性黑蒙(LCA5)的单次给药基因疗法1/2期临床试验的首批儿童数据。该疾病是一种罕见遗传性眼病,通常在出生或生命最初几个月出现,发病率约为每4万名新生儿中1例。临床结果显示,在接受单眼视网膜下给药后,多数患者在锥体细胞介导的视觉功能、视力、视网膜敏感性以及功能性导航能力等方面均出现具有临床意义的改善。2025年5月,公司进一步公布了成人患者的12个月随访数据,结果显示视力改善具有持续性。基于这些数据,该疗法获得美国FDA授予的再生医学先进疗法认定。
在管线拓展方面,2025年8月,该公司另一款基因疗法OPGx-BEST1获美国FDA许可开展临床试验,该疗法基于腺相关病毒(AAV)技术,靶向由BEST1基因突变引起的黄斑营养不良。此外,公司还报告其用于治疗老花眼的滴眼液VEGA-3在3期临床试验中取得积极结果。
Gilgamesh Pharmaceuticals:探索更可控的迷幻类药物治疗路径
迷幻类药物在抑郁症、创伤后应激障碍(PTSD)及物质使用障碍等精神疾病治疗中展现出潜在价值,但其作用时间长、体验不可预测性以及强烈的致幻效应,给临床应用与监管审批带来挑战。如何在保留疗效的同时提高可控性,是该领域发展的关键问题。
Gilgamesh Pharmaceuticals的主打候选药物bretisilocin是一种合成色胺类迷幻药。该分子在结构上与短效DMT和长效裸盖菇素(psilocybin)同属一类,通过化学结构优化,其精神活性持续时间被控制在约60至90分钟之间,同时在提升抗抑郁相关神经可塑性的基础上,降低了传统迷幻药所伴随的强烈致幻体验。在2期临床试验中,接受静脉给药的重度抑郁症患者在30天内的缓解率达到94%。2025年8月,艾伯维(AbbVie)以总额约12亿美元获得该药物的全球开发与商业化权利。
在管线方面,公司还在推进GM-3009,这是一种受ibogaine启发设计的候选药物,拟用于治疗阿片类物质使用障碍、PTSD及创伤性脑损伤。此外,2026年1月,公司公布其NMDA受体拮抗剂blixeprodil的2a期临床试验初步结果,该药物在中重度抑郁症患者中显示出起效迅速且具有一定持续性的抗抑郁效果。
Element Biosciences:推动多组学测序向一体化与简化发展
近年来,测序技术正拓展至单细胞多组学研究,以更细致地解析不同细胞类型和群体中的分子表达差异。这一趋势对测序工具提出了更高要求,即在保证数据质量的同时,实现多维度信息的整合与流程简化。
Element Biosciences于2024年推出AVITI24 5D多组学系统,这是目前可实现多组学整合分析的系统之一。该平台能够在一次运行中同时获取DNA、RNA、蛋白质及细胞结构等多维信息,并支持空间分辨和单细胞层面的数据采集,从而为复杂生物过程研究提供更全面的数据基础。该系统还引入了“样本输入即可获得结果”的流程优化,无需传统文库制备步骤,研究人员可直接加载样本并启动测序,有助于降低操作复杂性并提高效率。Element的测序系统已被超过300篇同行评议论文引用,显示出其在学术研究、临床及生物医药领域的应用进展。此外,公司还与SOPHiA Genetics、Twist Bioscience及Qiagen等机构开展合作,推动多组学技术的进一步应用与发展。
舶望制药(Argo Biopharma):推动创新药走向全球合作舞台
舶望制药是一家成立于2021年的临床阶段生物技术公司,专注于开发用于心血管、代谢性疾病及罕见病的下一代RNA干扰(RNAi)疗法。公司由舒东旭(Dongxu Shu)博士和邵鹏程(Patrick Shao)博士共同创立,两位创始人此前曾在Arrowhead Pharmaceuticals公司从事siRNA递送平台相关研究。
Argo于2025年9月宣布与诺华(Novartis)围绕多项心血管siRNA管线达成一项最高总额可达52亿美元的合作协议,其中包含靶向ANGPTL3蛋白表达的RNAi疗法。ANGPTL3与心血管及代谢性疾病密切相关。根据协议,诺华将获得相关疗法的全球独家开发与商业化权利。公司表示,其RNA技术平台有望支持部分适应症实现每年一次给药的治疗方案。
Absci:推动AI设计抗体药物进入临床阶段
Absci是一家致力于通过整合湿实验数据与生成式人工智能平台,从头设计新型抗体和生物制品的生物科技公司。公司表示,该一体化平台有望在缩短开发周期的同时,提高候选分子的成功概率。Absci于2025年5月宣布其AI设计的抗体药物ABS-101已完成1期临床试验首例患者给药,用于治疗炎症性肠病。同年11月公布的中期数据显示,该候选药物具有良好的安全性特征,并表现出较第一代抗炎药物更长的半衰期。Absci同时正在推进另一款候选药物ABS-201,这是一种潜在“first-in-class”脱发治疗方案。公司于2025年12月启动其1/2a期临床试验首例患者给药,并计划进一步探索该药物在子宫内膜异位症等适应症中的应用。
在商业合作方面,公司于2025年8月扩大了与西班牙公司Almirall的合作,利用其AI平台开发皮肤疾病相关疗法;9月,公司宣布与Oracle Cloud Infrastructure及Advanced Micro Devices开展合作,以整合AI算力资源,支持大规模分子动力学模拟并加速生物制品设计流程。
Thermo Fisher Scientific:以新一代测序与多组学平台支持科研与临床应用
随着精准医疗的发展,肿瘤分子分型和大规模组学研究对高通量、高效率检测技术的需求持续提升。如何在缩短检测周期的同时提高数据覆盖度与临床可用性,成为相关技术平台发展的重要方向。Thermo Fisher Scientific在肿瘤诊断与大规模组学研究领域取得多项进展。去年7月,其基于Ion Torrent Genexus Dx平台的Oncomine Dx Express Test获得美国FDA批准,可作为肺癌药物Zegfrovy的伴随诊断工具,并用于肿瘤分子特征分析。
Basecamp Research:扩展蛋白序列数据库以支持新型生物分子设计
Basecamp Research致力于构建大规模生物数据资源并推动其在药物研发中的应用。2025年,公司将超过100万种此前未被记录的物种纳入其专有数据库BaseData,使其成为一个涵盖逾100亿条独特蛋白序列的数据集,规模约为现有公共数据库总量的10倍。公司表示,该数据集以样品来源符合伦理规范和全球多样性为特点,为后续模型训练提供基础。
在技术开发方面,Basecamp与英伟达(NVIDIA)合作构建名为EDEN的进化型人工智能模型,并基于此推出AI-Programmable Gene Insertion平台。该平台旨在解决CRISPR技术在基因插入方面的局限,例如通常只能实现较小规模编辑且需对DNA造成切割。公司展示了利用AI设计能够在特定位点实现大规模基因插入的酶分子能力。在实验室研究中,该平台在针对特定疾病靶点设计基因插入酶时实现了100%的成功率。此外,同一模型还被用于辅助设计新型抗菌肽,在实验验证中达到97%的成功率,其中部分候选分子对多重耐药菌表现出活性。在合作方面,公司已与多家生物医药企业和学术机构开展合作,并在工业生物化学领域推进十余项试点项目,部分项目预计将进一步发展为商业化合作。
Manifold Bio:通过蛋白“条形码”技术提升药物体内分布研究效率
在药物研发过程中,理解候选分子在体内的分布与行为对于评估疗效与安全性至关重要。然而,传统方法往往依赖单一分子逐一测试,不仅效率有限,也增加了动物实验的使用数量。如何在减少实验资源投入的同时获取更丰富的数据,成为该领域的重要探索方向。
Manifold Bio致力于通过蛋白条形码技术优化体内药物分布研究。其M-Code平台基于哈佛大学George Church教授实验室开发的技术,利用惰性肽序列作为“标签”,对不同治疗性蛋白进行标记,从而追踪其在动物体内各组织中的分布情况。这种方法可提供较传统细胞模型更具生理相关性的递送与分布信息。该平台支持同时标记多达100种以上蛋白,并可一次性注入实验动物体内。随后,通过专有酶学方法将肽“条形码”转化为DNA序列,并结合新一代测序技术,对不同蛋白在体内的行为进行并行解析。这种高通量读出方式有助于快速筛选表现较优的候选分子,并将相关数据反馈至公司的人工智能平台,用于进一步优化设计。
在合作方面,公司已与包括罗氏(Roche)在内的多家医药公司建立合作关系。2025年11月,双方宣布开展合作,开发能够跨越血脑屏障递送神经系统治疗药物的工程化蛋白,该合作总额最高可达20亿美元。
参考资料:
[1] The most innovative biotech companies of 2026. Retrieved March 24, 2026 from https://www.fastcompany.com/91497087/biotech-most-innovative-companies-2026
免责声明:本文仅作信息交流之目的,文中观点不代表药明康德立场,亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导,请前往正规医院就诊。
版权说明:欢迎个人转发至朋友圈,谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”,获取转载须知。
分享,点赞,在看,聚焦全球生物医药健康创新
AI制药行业悄悄经历了一波分化。
一边是“老面孔”的集体低迷。Recursion与Exscientia被迫合并,Schrödinger股价一年内下跌46%,Absci因TL1A项目数据不佳遭遇摩根士丹利下调评级。另一边却是“新贵”的强势崛起。Chai Discovery完成1.3亿美元B轮融资,Isomorphic Labs推出超越AlphaFold3的药物设计引擎,Xaira Therapeutics更以超10亿美元的初始融资震惊业界。
这种局面绝非偶然的资本轮动,而是行业底层逻辑深刻变革的外显。AI制药的底层逻辑正在发生怎样的剧变?一、第一批AIDD公司为何陷入泥潭?
临床验证的缺失:当AI遇上生物学的复杂性。老一代公司的根本困境在于,平台效率的提升未能转化为更高的临床成功率。
早期的CADD 主要依赖物理规则模拟分子对接(如 Schrodinger)。随着深度学习的兴起,第一波 AI 制药公司(如 Atomwise)试图完全通过干实验室(Dry Lab)预测药物活性。然而,这一模式遭遇了生物学复杂性的挑战——单纯的算法无法模拟人体内复杂的生物通路。
Recursion与Exscientia合并后,管理层宣称实现了“60%的人时间缩减”和“40%更少毒性化合物”的过程指标。但问题在于,这些是“效率指标”,而非“疗效指标”。当REC-994和REC-2282因疗效不足而终止开发时,市场清醒地认识到:更快的失败仍然是失败。
Recursion 代表了第二代 AI 制药公司,即“TechBio”,核心理念是AI 的瓶颈不在于算法,而在于数据。因此,Recursion 并不从公共数据库抓取数据,而是建立了大规模的自动化湿实验室(Wet Lab),每周进行数百万次实验,生成 petabytes 级别的专有生物图像数据。这种“数据工厂”模式旨在构建生物学的“谷歌地图”。
此次并购前,Recursion 面临一个严峻的科学难题:Recursion OS 极其擅长通过表型筛选发现新的生物学靶点(Target Discovery),即它能告诉科学家“如果我们抑制基因 X,就能逆转疾病表型”。然而,Recursion 在制造能抑制基因 X 的分子方面能力较弱。这导致其早期管线多依赖于“老药新用”或外部引进。
Exscientia 的加入带来了自动化化学合成和AI 药物设计能力。Exscientia 的平台可以在高效地设计出具有特定属性(如高选择性、特定半衰期)的新分子实体(NCE)。
但投资人依然保持了谨慎态度。要理解这种谨慎,必须复盘REC-994 的失败。REC-994 (海绵状血管瘤 CCM)是 Recursion 成立初期的旗舰项目。虽然 2024 年 9 月宣布达到了安全性主要终点,但在 2025 年公布的长期扩展研究中,MRI 显示的病灶体积缩小和功能改善(mRS 评分)与自然病程(Natural History)无法区分。也就是说,药物是安全的,但没效。
REC-994 本质上是一种抗氧化剂(Tempol,超氧化物清除剂),并非 Recursion OS 从头设计的分子,而是通过表型筛选重新定位的老分子。它的失败揭示了单纯依赖表型筛选寻找老药新用的局限性——即使在细胞层面有效,在人体复杂的药代动力学环境下也可能失效。这也是公司为何必须收购 Exscientia 转向“精准设计”的根本原因。
同样,针对神经纤维瘤病的REC-2282 二期试验因无效而终止。这进一步加速了公司剥离旧资产、聚焦新资产的战略决心。
保留的核心资产有REC-617 (CDK7)抑制剂,适应症晚期实体瘤(卵巢癌、结直肠癌、肺癌);及REC-4881 (MEK1/2 抑制剂),适应症为家族性腺瘤性息肉病 (FAP) 及 AXIN1/APC 突变癌症。
Absci的遭遇更加典型。其TL1A项目ABS-101的1期数据显示,半衰期特征不及“下一代TL1A comparators”,导致公司被迫放弃内部推进,转向探索其他适应症和合作机会。摩根士丹利因此将ABS-101从财务模型中移除,直言此前基于炎症性肠病合作收益的假设“已不可能实现”。
第一代公司的核心困境总结
公司
市值表现
核心困境
关键原因
Recursion
股价剧烈波动,市值约29.6亿美元
管线数据不佳,被迫裁员20%、终止3个项目
过程指标无法转化为临床成功率,平台整合未带来收入增长
Schrödinger
一年下跌46%,单月再跌26%
市销率仍高达3.8倍,但投资者对软件养管线模式存疑
软件收入稳定但药物管线进展不及预期
Absci
摩根士丹利下调至Equalweight
TL1A项目数据不佳,合作预期落空
临床数据未达“下一代”标准,战略转向脱发领域增加执行风险
Relay Therapeutics
小幅反弹,接近52周高点
获FDA突破性疗法认定,但尚未产生商业化收入
竞争格局变化带来预期差,但收入不确定性仍在
二、新一代公司的创新突围
与老一代形成鲜明对比,2024-2025年崛起的新一代AI制药公司呈现出截然不同的技术路径和商业模式。Chai Discovery:从“预测”到“设计”的跨越
Chai Discovery在2025年6月发布的技术报告显示,Chai-2在针对52个多样化靶点的de novo抗体设计中,仅用≤20个抗体或纳米抗体就实现了16%的实验成功率。这一数字意味着,过去需要筛选数千个分子才能找到一个候选药物的过程,现在可能只需要测试不到20个分子。
2026年1月,Chai Discovery宣布与礼来达成合作,将部署其前沿AI平台用于设计新型生物治疗药物。这笔合作的核心是Chai-2平台——首个实现双位数实验命中率的零样本抗体设计平台,能够在数周内完成此前需要数月才能完成的发现过程。
更重要的是合作模式:Chai不仅提供核心模型访问权限,还将基于礼来的大规模专有数据训练定制AI模型,专供礼来内部使用。这意味着AI公司正在从“工具提供者”转变为“模型共建者”。
Chai的团队背景同样值得关注。成员来自OpenAI、Meta FAIR、Stripe、Google X等顶尖AI公司,其B轮融资由Oak HC/FT和General Catalyst共同领投,估值达13亿美元。Nabla Bio:哈佛孵化的“生物制剂自动补全”
作为哈佛大学的衍生公司,Nabla Bio正在开发AI平台以“自动补全”生物制剂设计过程。其核心思路是:研究人员输入所需治疗参数,平台返回优化的分子结构——这种“输入-输出”的自动化范式,试图将生物制剂开发从“手工 crafting”转向“工程设计”。Isomorphic Labs:超越AlphaFold的药物设计引擎
2026年2月,Isomorphic Labs发布了其药物设计引擎(IsoDDE),展现出远超AlphaFold3的能力。
核心技术突破体现在三个维度:
第一,结构预测的泛化能力。在专门测试“与训练集高度不相似”体系的Runs N‘ Poses基准上,IsoDDE的准确率是AlphaFold3的两倍以上。这意味着它能够应对真正新颖的生物学空间——这正是药物发现的核心挑战。
第二,结合亲和力预测的精度革命。IsoDDE在FEP+、OpenFE和CASP16三个公开基准上远超所有深度学习方法,甚至超越了需要实验晶体结构支撑的物理学方法。首次实现了纯计算方法达到或超过传统“黄金标准”的精度。
第三,隐藏口袋的识别能力。IsoDDE能够仅基于氨基酸序列,识别蛋白质上尚未被发现的“可药性口袋”。在cereblon蛋白案例中,它成功预测了2026年才被实验发现的别构隐藏口袋。这种能力将直接拓展“可成药靶点组”的边界。Xaira Therapeutics:10亿美元豪赌“蛋白质设计革命”
Xaira的登场堪称2024年生物科技领域最具震撼性的事件。ARCH Venture Partners和Foresite Labs孵化了这家公司,并给予超过10亿美元的初始资金——这是ARCH历史上最大规模的初始投资承诺。
Xaira的核心技术来自华盛顿大学蛋白质设计研究所David Baker实验室。Baker是蛋白质设计领域的泰斗级人物,RFdiffusion和RFantibody这两个模型正是出自他的实验室。团队方面,由前Genentech首席科学官Marc Tessier-Lavigne掌舵,管理层汇集了前Genentech高管和Meta AI人才,董事会包括前强生CEO Alex Gorsky和前FDA局长Scott Gottlieb。
新一代公司的创新特点总结
公司
核心技术
关键突破
备注
Chai Discovery
Chai-2零样本抗体设计平台
双位数实验命中率,数周完成数月工作
定制模型共建,基于客户数据训练
Nabla Bio
生物制剂“自动补全”平台
输入参数、输出优化分子
自动化设计范式
Isomorphic Labs
IsoDDE药物设计引擎
结构预测泛化能力2倍于AF3,亲和力预测超越物理学方法,隐藏口袋识别
纯计算方法突破实验依赖
Xaira Therapeutics
RFdiffusion/RFantibody
蛋白质设计领域泰斗David Baker技术
10亿美元初始融资,顶尖产业与学术团队结合
三、底层逻辑的深刻变革
透过上述对比,可以看到AI制药行业正在发生的两个主要的变化。
一是从提升效率到探索未知。
第一代公司的核心逻辑是:用AI提升现有流程的效率。无论是Recursion的“数据工厂”还是Exscientia的自动化化学设计,其本质都是在加速“已知如何做”的事情。但过程指标的优化无法改变临床失败的根本概率。
新一代公司的逻辑则完全不同,用AI探索“未知的未知”。Isomorphic Labs的IsoDDE能够识别从未被实验表征过的隐藏口袋;Chai Discovery的零样本设计能够在缺乏训练数据的领域产生有效分子;David Baker的RFdiffusion能够设计自然界不存在的蛋白质结构。这不是加速现有流程,而是创造全新可能。
二是从数据规模到模型智能。
老一代公司普遍强调“专有数据”的壁垒。Recursion斥资4700万美元购买Tempus数据,宣称要构建“最大专有生物数据集”。这种思路的隐含假设是:数据越多,模型越强。
但新一代公司的表现证明,模型架构和算法突破正在超越数据规模的优势。IsoDDE在训练集之外的体系上表现优于AlphaFold3,证明其泛化能力来自模型设计而非数据规模。Chai Discovery能够在零样本条件下实现双位数命中率,同样依赖模型架构的创新。这标志着竞争焦点从谁拥有更多数据,转向能设计更聪明的算法。四、监管定调,医疗视角下的行业终局
2025年1月6日,FDA发布了《使用人工智能支持药品和生物制品监管决策的注意事项》指南草案。这是首个AI 药物开发指导原则,引入“基于风险的可信度评估框架”(Risk-based Credibility Framework)。标志着FDA对AI技术的态度从观望、接受到规范化管理的重大转变。在监管眼中,AI 不再是 “试验性工具”,而是受监管认可的手段。
虽然这是一份草案指南,尚不具备完全的法律强制力,但它系统性地提出了“基于风险的可信度评估框架”,通过7个步骤,指导企业如何为其AI模型在特定“使用环境”下的可靠性和准确性建立证据,从而支持监管决策。
当前资本和舆论对AI 技术用于新药研发的憧憬,往往受互联网行业思维定式影响。认为未来格局是少数AI 制药巨头赢者通吃,类似搜索领域的Google、手机操作系统的 iOS/安卓),甚至期待出现如同ChatGPT、Deepseek“输入指令即生成文本/ PPT” 那样,一步到位实现 “输入靶点即输出新药” 的终极平台。
但FDA 的监管思路揭示出截然不同的发展图景。AI 更可能以专业化工具集群的形式渗透新药研发链条。就像 CRO 企业通过分工细化提升研发效率那样,未来或将涌现大量聚焦特定环节的 AI 解决方案。这种“碎片式创新”而非颠覆式或垄断式创新的理念,这是医药行业的视角,而非互联网行业视角。
单克隆抗体是一类极具潜力的药物,它能选择性识别并结合特定的药物靶点。
据统计,目前所有新获批药物中约20%属于这一类别,像治疗类风湿关节炎的阿达木单抗、治疗乳腺癌的曲妥珠单抗等重磅药物,已惠及全球数千万患者。
抗体药物发展历程,图源:Genscrip
传统抗体药物设计方法周期长、难以覆盖所有靶点、副作用难控制等痛点。人工智能(AI)技术的崛起正从根本上改变抗体药物的设计范式。
01
从头设计:打破传统研发的随机困境
传统抗体药物设计主要依赖两种方法:一是杂交瘤技术,利用动物免疫系统产生抗体后再进行人源化改造;二是合成数十亿种分子并通过高通量筛选寻找有效结合靶点的抗体。这两种方法流程繁琐,且筛选结果具有极大的随机性,最终能满足所有药物标准的抗体寥寥无几。
AI技术的出现,让抗体的“从头设计”(de novo)成为可能。这种设计模式无需依赖现有抗体信息,仅通过输入靶点信息,就能在计算机中直接构建出可与靶点结合,且具备适宜物理、化学特性的全新抗体。
韩国Galux公司通过生成式AI引擎,从头设计成功开发出针对六个不同靶点的抗体。Nabla生物公司的测试数据显示,其AI模型设计的100种抗体中,有1到10种能命中靶点,命中率比传统方法高出数个数量级。Absci公司在没有已知结合物的靶点从零开始设计抗体,仅需少量优化就能达到预期的产品属性。
02
降低副作用,提升治疗安全性
抗体药物的副作用问题一直是临床应用的重要挑战,尤其是癌症免疫疗法,常因无法精准区分癌细胞和健康细胞而产生脱靶效应。即使是靶向抗体,也可能因肿瘤外效应,引发严重不良反应。AI通过精准筛选和协同优化,为解决这一问题提供了有效路径。
伦敦LabGenius公司采用生成式AI设计复杂的多特异性抗体,这类抗体可与两个或多个靶点结合,能更精准地标记肿瘤细胞。该公司的AI平台结合自动化高通量实验,能实现所有期望特性的协同优化。其开发的T细胞衔接器抗体,可引导T细胞精准摧毁肿瘤细胞,有效降低肿瘤外效应。这一研发流程通过AI设计-实验测试的迭代闭环,经过四轮循环(每轮六周)就能筛选出最佳候选药物,该公司计划于2026年提交相关研究性新药申请。
Galux开发的靶向表皮生长因子受体(EGFR)的抗体,通过AI从头设计,能精准识别癌细胞特有的突变型EGFR,而不与正常细胞的EGFR结合。突变蛋白与正常蛋白仅相差一个氨基酸,这一成果充分展现了AI设计的超高选择性,能最大限度减少药物的毒副作用。
03
攻克不可成药靶点难题
在药物研发领域,存在大量“不可成药”靶点,这类靶点多为G蛋白偶联受体(GPCRs)、离子通道等跨膜蛋白,它们参与细胞信号传导,约占所有药物靶点的60%。由于这些蛋白不具有可溶性,传统高通量体外测试无法筛选出靶向抗体,长期以来成为药物研发的“禁区”。AI技术凭借强大的结构建模和预测能力,正逐步打破这一禁区。
AI能设计出识别蛋白质上极小作用区域的分子,这是攻克不可成药靶点的关键。Absci与加州理工学院的合作成果印证了这一点,他们通过AI设计出靶向艾滋病病毒(HIV)caldera区域的抗体。该区域位于病毒蛋白的深裂隙中,天然免疫系统无法产生针对它的抗体,传统方法多次尝试均告失败,而AI设计的抗体能成功结合这一区域,且对多种HIV亚型有效,为多变异株疫苗研发奠定了基础。
Nabla成功设计出首个能与Claudin-4(CLDN4)和CXCR7这两种癌症相关膜结合靶点结合的分子。其联合创始人苏尔吉·比斯瓦斯(Surge Biswas)表示,AI能精准控制抗体与靶点的结合位置,甚至可设计抗体与靶点的特定原子结合,这种精准性是传统方法无法企及的。
04
加速药物研发进程
传统抗体药物研发周期漫长,从靶点发现到进入临床试验平均需要五年半时间。AI通过全面审视设计空间、聚焦最优序列,大幅缩短了研发周期。
Generate Biomedicines公司基于现有哮喘治疗抗体替泽普单抗优化设计的GB0895抗体,通过AI提升了亲和力并延长了半衰期,使给药周期从每月一次延长至每六个月一次,极大提升了患者用药便利性。目前,该药物已进入I期临床试验阶段。
Absci首款治疗炎症性肠病的抗体药物ABS-101,仅用两年时间就推进到临床试验阶段,远低于行业平均年限。该公司创始人肖恩·麦克莱恩(Sean McClain)解释,AI模型的优势在于能同时优化抗体的可开发性、低免疫原性、高稳定性等多种类药特性,避免了传统研发中反复优化的繁琐流程,从而实现研发效率的质的飞跃。
Saira治疗公司采用的“协同进化”方法,将机器学习设计与实验数据生成相结合,随着模型不断完善,所需的研发迭代次数越来越少,进一步提升了研发效率。
05
AI引领抗体药物的全新未来
尽管目前尚无AI设计的抗体获得监管机构批准,但这一领域的发展速度令人瞩目,众多科技巨头纷纷投入巨资,推动技术不断突破。行业普遍认为,AI在抗体药物设计领域的应用尚处于早期阶段,但潜力巨大,有望在五年内部分取代传统抗体设计技术。
同时,科学家正在利用AI建模生物学过程。Saira发布的包含800万个不同细胞的单细胞RNA测序数据的模型,为构建虚拟细胞、寻找新靶点和测试抗体设计奠定了基础。
当前,复杂多特异性抗体的一次性从头设计仍面临挑战,诸多公司正在持续推进研究。Galux首席执行官赵锡表示:“那些我们曾经近乎梦想的事情正逐渐成为现实。”
未来,在AI的赋能下,抗体药物正朝着更安全、更有效、更便捷的方向发展,为全球患者带来新的希望。
原文链接:https://pharmaceutical-journal.com/article/feature/designed-by-ai-the-future-of-antibody-drugs
识别微信二维码,添加生物制品圈小编,符合条件者即可加入
生物制品微信群!
请注明:姓名+研究方向!
版
权
声
明
本公众号所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(cbplib@163.com),我们将立即进行删除处理。所有文章仅代表作者观不本站。
100 项与 ABS-101 (Absci) 相关的药物交易