Kronos Bio, Inc.

一家14个人的小公司，张口就说要把大药企烧掉的失败药“救活”，听着像科幻，扒开一看，其实是制药行业最现实的一门烂生意，谁都知道药是金山，真正埋人的也是药，十年、十亿美元、失败率九成，这不是研发，这是拿钱往黑洞里填。 Ignota Labs 这次接手 Kronos Bio 的临床资产，表面看是“AI 复活失败药”，说得挺玄乎，像是让机器当神医，实际上逻辑很简单，别人花大价钱把坑踩完了，留下海量数据，Ignota 不是去重新发明药，而是去捡别人扔掉的半成品，再试着把那几个致命毛病修一修，看看能不能重新上市。 这里面的核心，不是“AI 多厉害”，而是“失败药其实不完全是废铁”，很多候选药死在安全性，不是因为没用，而是因为用起来太危险，肝毒性、心脏毒性、脱靶结合、代谢异常，这些问题一冒头，临床就得刹车，资本也立马变脸，前面吹得天花乱坠，后面仓库封档案，项目直接进坟场。 制药圈最讽刺的地方就在这，成功的故事天天发论文，失败的故事全都锁服务器，像一群装睡的人，明明知道药物研发最值钱的不是“成功样本”，而是“为什么失败”，可没人愿意把自家摔断腿的丑事拿出来给同行看，因为一旦公开，等于把自己的弱点写在门牌上。 Ignota 盯上的就是这块最脏也最值钱的地。 它做的不是传统意义上的药物重定向，重定向是分子不动，换个病继续卖，比如阿司匹林从止痛转去抗血栓，还是那颗药丸，只是换个病名继续收钱。Ignota 走的更狠一点，它要做的是“药物复活”，也就是把失败原因掰开揉碎，找到分子哪一截出了问题，然后做最小化学改动，尽量保住疗效，顺手把毒性打掉，再把这个分子塞回临床里重新排队。 说白了，这不是救药，这是给药“整容”。 而且还是精修版整容，不能大刀阔斧乱改，改重了疗效没了，改轻了毒性还在，制药这事最怕的就是你以为自己在做微创，结果一刀下去把命门切了。很多外行看 AI 药物发现，总觉得只要喂点数据，模型就能吐出灵丹妙药，像是把实验室变成了外卖厨房，点几下鼠标药就出来了，纯属想多了。 真正的难点在于，药物不是单一变量游戏，分子一进人体，就像石头扔进泥浆，先碰蛋白，再进细胞，再跑代谢，再过肝脏，再看血脑屏障，最后还得盯着副作用。你只看一个靶点，像拿望远镜看一个人脸，能看清鼻子，看不清他到底是不是坏人，AI 要干的，是把这些碎片拼成一张尽量完整的地图。 SAFEPATH 这套东西，本质上就是个超级复杂的“翻车复盘机”，把分子结构、蛋白结合、基因表达、动物实验、临床不良反应统统塞进去，试图找出人脑很难发现的跨层关联。听着高大上，说穿了就是把过去几十年药企踩坑留下的碎片，尽量拼成一个能解释“为什么会翻车”的答案。 这活儿有价值，但也别神化。 因为它的前提是，你得有足够多、足够完整、足够干净的数据。问题来了，制药行业最不愿意共享的，恰恰就是这些失败数据。成功能拿来吹，失败只能往抽屉里塞。每家公司都像守着自家藏宝图，其实里面装的都是坑位分布图。你要它们掏出来，不是技术问题，是利益问题。 这也是 Ignota 真正碰上的壁，不是算力，不是模型，不是招人，而是行业的数据私有化。药企几十年积累的失败样本，全都躺在内部服务器里，像一堆没人愿意处理的旧账。因为失败不是中性信息，失败意味着你那条管线方向错了，意味着你烧掉的预算可能白花了，意味着你整个研发体系里有个大洞，谁会主动把这洞贴出来给别人看？ 所以今天很多 AI 药企都爱讲“数据飞轮”，讲得跟资本转盘似的，动一下就起飞。可现实是，飞轮没滚起来之前，先要有人愿意把石头放进去。没有数据，模型就是空壳，像拿空锅煮饭，火再大也没用。 Ignota 这次收购 Kronos Bio 的临床资产，最值钱的不是那几个分子名字，而是它们背后已经被烧掉的钱和时间。Kronos Bio 以前估值冲到 35 亿美元，最后因为二期临床不过、安全性问题、定位问题，直接熄火，以每股 0.57 美元被卖掉，这就是生物科技最常见的结局，上市前像神，二期一过像鬼，资本市场从来不讲情怀，只看能不能过试验关。 你别看现在大家都爱说“AI+制药”，其实这行早就有一批人用类似逻辑玩过了，只不过换了名字。 前些年，很多公司都在搞药物重定位，幻想把老药新用，说这是聪明的降本路线，结果大多数项目只是“改适应症”这点小聪明，分子骨架没动，安全性也没解决，最后不是疗效不够，就是副作用拖垮。重定位这个词听着体面，本质上是没有新药可卖时的权宜之计。Ignota 比这更狠，它不满足于换病名，它要动分子本身，等于把旧车发动机拆开重装，赌的是还能跑。 可制药不是汽车改装厂，药不是螺丝钉。 药物一旦进入人体，就是和上百万种可能性打交道，任何一个小变化都可能引发连锁反应。很多人喜欢把 AI 想成“万能修车工”，觉得看几张图就知道问题在哪儿，实际情况更像是你把一堆报废车零件扔给一个会统计学的工程师，让他在不知道发动机、变速箱、刹车系统完整状态的情况下，猜哪颗螺丝松了，还得保证修完以后能合法上路，这活儿本身就够变态。 所以别被“复活失败药”这四个字骗了，真正难的不是“复活”，而是“失败原因能不能被解释清楚”。很多药死得很模糊，疗效和毒性搅成一团，靶点有效，但毒性先爆，或者动物能过，人体翻车，或者早期有点苗头，后面就全面脱靶。这些情况不是简单改一两个原子就能救回来的，有些药天生就是不适合做人药，撑死只能留在论文里当纪念品。 AI 在这里能做的，不是变魔术，而是缩小试错范围。 以前药企做这事，像在黑屋里摸墙，一个项目一个项目往前撞，成本高得吓人。现在有了多模态模型，至少能把部分“黑屋”照亮一点。但照亮不等于看穿，更不等于稳赚。模型能提示某个分子可能有肝毒性风险，也能根据历史数据建议改哪一段结构，但最终还是要进实验、进动物、进临床，钱照样花，周期照样长，失败概率也不会因为你用了 AI 就自动消失。 这就很像当年互联网医疗吹的那些故事，个个都说能靠算法把医生替了，结果最后发现，医生没那么容易替，医院流程没那么容易改，监管也没那么好糊弄。AI 药物发现也是同一套剧本，先讲故事，再拿一两个案例当样板，接着就开始融资，大家都想象自己站在下一波风口上，现实却是风口没来，炉子先烧穿了。 说到这里，就得提几家被时代教训过的公司。 乐视当年也是这样，嘴上全是生态，手里全是欠账，啥都想做，啥都没做透，最后把自己玩成了教科书级别的笑话。暴风也是，资本上头时风光无限，真到落地环节，技术、供应链、资金链一起拉胯，骨头都不剩。生物科技圈也一样，很多公司早期估值高得离谱，靠的是“未来想象力”，不是现成现金流，一旦临床出问题，估值就像纸糊的一样，风一吹就塌。 Kronos Bio 就是这种典型样本。 它不是没有管线，不是没有故事，问题在于故事没讲到最后。药企最怕的不是研发贵，而是研发贵完了还死。一个分子从实验室跑到二期临床，前面堆出来的是一整条现金河，后面可能只换回一句“安全性问题”。这四个字像一把铁锤，能把几十个季度的故事直接砸成废纸。 Ignota 的聪明之处，在于它没有去硬碰硬造全新分子，而是去收拾这些半死不活的资产。因为全新造药太贵，太慢，太赌命，失败率高得离谱，而失败药资产有个天然优势，它已经被人烧过一轮钱了，很多基础工作都做过，药代、毒理、早期人体数据，甚至某些病种方向都已经验证过一部分。你花小钱捡回来，重新筛一遍，风险收益比比从零开始好看得多。 这就是行业里最现实的生意经，别人烧十亿，你花几百万接手，再用 AI 包装成“新路线”，资本一看，有故事，有数据，有机会，钱又能进来。听起来像智慧，其实是套利，套利的核心不是创造新世界，而是把别人没处理完的烂摊子接过来，再赌一把。 但这条路也不是谁都能走。 因为它要求你同时懂化学、懂生物、懂临床、懂算法，还得懂资本市场的脾气。一个环节接不上，整个链条就断。很多 AI 药企失败，不是模型不行，而是团队太爱讲术语，投资人听不懂，临床伙伴不信，实验室结果又没法快速闭环，最后项目卡死在“讲不清楚”和“跑不出来”之间。Ignota 创始团队自己都承认，刚成立时得反复调整叙事，向既不懂 AI 也不懂药的人解释自己在干嘛，这本身就说明一件事，早期 biotech 最难的不是做药，是让外人相信你有机会做成。 现实更冷。 2020 到 2021 年那波生物技术融资泡沫一退，利率一抬，钱就不那么好骗了，风投开始挑食，早期公司融资难度暴涨。这个时候，谁能讲一个“低成本复活失败资产”的故事，谁就比纯烧钱造新药更容易活下来。因为资本也变聪明了，或者说更现实了，它不一定相信你能造出神药，但它愿意相信你能用更低成本把别人扔掉的坑捞回来。 所以这次收购，真正值得看的不是“AI 能不能救药”，而是“失败资产开始被当成资产了”。 这句话听着平平无奇，实际很狠。过去失败是终点，现在失败开始有二次价格。只要你能从失败里挖出可复用的数据，能用最小修改把某些分子救回来，那些被封存的临床档案就不再是垃圾，而是低价库存。制药圈以前看重的是成功率，现在越来越看重“失败是否还能变现”，这才是底层逻辑的变化。 但别高兴太早。 行业数据不共享，药企不愿开仓，监管不可能因为你用了 AI 就给绿灯，临床更不会因为你讲了故事就少打针，终局还是看疗效和安全性。你要是真把一个失败药重新做成了能卖的药，那叫本事。你要是只是把老故事换个包装继续融资，那还是老一套，换汤不换药。 很多人喜欢把这种公司想成未来的样子，仿佛 AI 一来，药企就能少走弯路。现实恰恰相反，AI 不是把路变短了，是把以前看不见的坑照出来了。坑还在，钱还要烧，临床还得跑，风险还得扛，最多就是少踩几个冤枉坑。 而这，已经算很大进步了。 只是别把进步说成神迹，更别把一两次收购吹成行业改朝换代。制药这门生意，从来不是谁声音大谁赢，而是谁能在十年、十亿美元、九成失败率的地狱里，多捞回一两个本来该死掉的分子。能干成这件事，叫聪明生意，不叫颠覆。 说到底，热闹是给外人看的，账本才是给自己看的。Ignota 这类公司真正的战场，不在发布会，不在媒体稿，也不在那句听上去很玄的“AI 复活药物”，而在那些没人愿意公开的失败数据、没人愿意承认的研发黑洞、以及一轮又一轮拿钱续命的临床现场。 药没那么浪漫，资本也没那么傻。 谁能把死掉的资产再卖一次，谁就能在这个行业里多活几天，就这么简单。

你看这事就很有意思，14 个人的小公司，跑去接盘一家曾经估值 35 亿美元的生物科技明星企业，表面上像“AI 救药神话”，实际上更像一场对制药业失败账本的抄底，Kronos Bio 不是突然变笨了，而是把钱烧完了，药也没跑通，最后只能把临床资产按地板价甩出去，57 美分一股，连当年融资故事里的零头都算不上。 别被“收购”两个字骗了，这里根本不是谁吞并谁，更像是有人在垃圾堆里翻出一堆还没烂透的半成品，再拿 AI 这把新锄头去刨一遍，看看能不能刨出点金子，Ignota Labs 干的事，说白了不是重新发明新药，而是专门捡那些已经过了动物实验、甚至进过人体早期试验、但最后栽在安全性上的老货，然后重新拆解，看看能不能把肝毒性、心脏毒性、脱靶结合这些炸雷给拆掉。 这套玩法，听起来很聪明，实际上也很现实，因为新药这门生意本来就不是搞浪漫主义，平均十年以上，十几亿美金起步，成功率还不到 10%，这还没算中间一堆“看上去有希望，实际上全是坑”的候选分子，很多项目不是没效果，而是有效果的同时把人也快搞坏了，药企最怕的不是没用，是“有点用，但副作用更要命”，因为一旦进到后面的临床，安全性这关过不去，前面花的钱就像扔进海里，连个水花都不剩。 Kronos Bio 的故事，属于生物医药圈最常见的那种死法，靶点看着挺正，数据看着挺漂亮，融资时故事也能讲得头头是道，可真到临床二期，疗效和安全性这两把刀一并落下来，很多项目就当场现原形，尤其是一些看上去“机制明确”的分子，真正进人体以后，问题不是它不打靶，而是它打偏了，或者打中了不该打的地方，或者代谢太快，药效还没起来，人先开始出毛病。 这就是制药行业最黑的底色，实验室里你看到的是一条漂亮曲线，临床里你看到的是一地鸡毛，药物在细胞里能抑制某个蛋白，不代表它在人身体里就老老实实，人体不是培养皿，血液、肝脏、肾脏、脑屏障、代谢酶、免疫系统，全是拦路虎，任何一个环节出问题，都能把一款原本“前途无量”的候选药物直接送进坟场。 Ignota 的高明之处，不在于它会讲故事，而在于它把故事讲得更像生意，传统药物重定向，说白了就是“这药虽然不能治 A，但也许能治 B”，分子骨架不改，换个适应症接着卖，像老衣服翻出来改个扣子继续穿，Ignota 走的不是这条路，它更像是药物复活，先查死因，再动手术，尽量只改分子里最要命的那几刀，让原本死掉的项目重新活过来，还能顺便拿到新的知识产权。 注意，这里最关键的不是“AI”，而是“重新拿 IP”，这才是真正的商业心脏，制药行业不是慈善业，哪怕你把一堆失败药救活了，如果没有新的专利空间，没有更长的商业独占期，没有重新包装进管线的价值，那你做出来的也就是学术论文，拍照留念而已，真正值钱的，不是“复活”这个词本身，而是复活以后还能不能再卖一次，能卖多久，卖给谁。 所以 SAFEPATH 这个平台，看上去像科技公司，实际上更像一台失败药物的鉴定机，它把分子结构、蛋白结合强度、基因表达谱、动物实验记录、临床不良反应一锅炖，去找那些人脑很难一眼看出来的关联，听上去高大上，本质上就是把几十年来散在不同数据库、不同实验记录、不同临床报告里的脏数据，一股脑拉出来，做归因，做排查，做交叉验证。 这类 AI 在医药圈最常见的坑，就是很多人以为它能“凭空创造奇迹”，其实它干的事情更像一个超级会算账的老中医，能看出哪味药太猛，哪味药该减，哪一刀下去可能砍到肺，哪一刀下去可能伤到肝，问题是，它不是神，它只是比人更快地翻旧账，更快地找规律，更快地把失败原因分类，真正能不能救回来，还是得靠实验室一轮轮验证。 你要是把这事放到产业链里看，就更清楚了，过去几十年，制药公司最舍不得公开的，不是成功数据，而是失败数据，因为失败意味着暴露软肋，意味着前面的研发判断可能有误，意味着你花了几年、几十亿，最后证明路线错了，这种事在公司内部都难看，更别说拿出来共享，科学界嘴上说“开放合作”，真到数据层面，谁都想把核心样本和失败记录锁得死死的。 可问题来了，不共享就意味着重复踩坑，今天你踩过的肝毒性，明天别人还要再踩一遍，今天你发现的脱靶风险，后天别人继续往里冲，整个行业像一群人围着同一个坑轮流往下跳，这就是为什么制药业一直贵，贵不只是因为实验成本高，更因为失败成本被反复复制，大家都在交学费，且没人愿意把错题本拿出来传阅。 Ignota 真正赌的，不是单个药，而是失败数据的流通价值，它在赌一个逻辑，只有当大家发现共享失败数据能换来更高的整体成功率，或者能换来实打实的利益交换，数据才可能从服务器里挖出来，这话说得很直白，也很残酷，因为这意味着制药业的核心矛盾，不是有没有技术，而是愿不愿意把最值钱的失败信息拿出来，给别人省钱，顺便也给自己找新路。 这就很像当年互联网公司做内容平台，嘴上说“共建生态”，背地里其实都在抢数据，谁掌握了用户点击、停留、转化，谁就掌握了下一轮生意，制药圈也一样，谁掌握失败样本、毒性路径、临床退出原因，谁就掌握了下一轮研发的起跑线，只不过这行更慢，也更贵，错一次不是掉点流量，而是掉掉几年和几亿美元。 Ignota 能在 2025 年拿到 690 万美元种子轮，又在同一年接盘 Kronos Bio 的临床资产，说明资本市场对这条路不是完全没兴趣，而是非常现实地在挑便宜货，尤其是生物医药融资泡沫破掉以后，投资人早就不再迷信“AI+医药”四个字，过去只要会讲深度学习、会讲靶点发现、会讲多组学整合，PPT 就能吹到天上去，现在不行了，资本更看重你能不能把一个已经死掉的资产，重新盘活成能卖钱的东西。 说白了，资本从来不反感技术，它只反感技术不能快速变现，热潮的时候，大家都愿意给“未来”买单，泡沫一破，所有人都开始问同一个问题，钱从哪来，多久回来，回来多少，Ignota 的聪明就在这里，它不去碰最烧钱的从零到一，而是去碰“半死不活但还能救”的存量资产，这种资产的好处是，前人已经把最贵的坑踩过了，它只需要在最关键的地方做修补，成本更低，风险更可控，故事也更容易让投资人听懂。 这里面最值得细扒的，是 Kronos Bio 手里的那些管线，CDK9 抑制剂、SYK 抑制剂，这些都不是完全没人做过的冷门货，SYK 这个靶点在免疫信号传导里早就被验证过，说明方向不算玄学，问题在于，机制对不代表结果稳，尤其在免疫性血小板减少症和慢性淋巴细胞白血病这种场景里，既要有效，又要别把别的地方炸坏，这就很考验分子设计和临床定位。 Ignota 盯上的，其实是“有临床基础，但还没被安全性坑死前彻底埋掉”的那批药，这种项目最像华强北里那种“主板坏了一块，但屏幕、电池、摄像头都还行”的机器，直接扔掉太可惜，修一修说不定还能卖个不错的价，药物也是一样，真正贵的从来不只是分子本身，而是前面那一整套动物实验、毒理数据、人体早期反应、失败原因分析，这堆东西加起来，才是它的底价。 历史上这种事情根本不新鲜，科技圈每隔几年就上演一次“旧货翻新”的戏码，互联网早年的“二次创业”喜欢拿失败项目改包装，新能源喜欢把亏损项目挂上“平台化”重新融资，AI 圈更是老套路，先把一堆别人做过的事重新命名，再加个大模型前缀，瞬间变成新故事，制药行业只是更慢一点，更贵一点，更难一点，但底层逻辑一样，都是拿已有资产做再解释，再包装，再变现。 你再往前看，乐视当年也是这么死的，故事越讲越大，现金流越来越紧，最后只能靠不断融资续命，暴风也是，发布会上永远有新概念，账本上永远有旧窟窿，表面上都是“生态”，背后其实就是钱不够了，只能靠新概念维持估值，医药行业虽然不会像互联网那样天天上热搜，但逻辑并不高尚多少，一旦融资环境收紧，没进展的管线立刻变成负资产，曾经被捧上天的明星公司，转头就能以骨折价出清。 还有一种更隐蔽的惨法，就是所谓“技术路线没错，商业节奏全错”，这类公司最容易死在二期临床之后，因为前面的数据太容易让人上头，媒体爱写，投资人爱听，团队也容易自我催眠，觉得只要再扛一阵就能翻盘，可药物不是讲故事，人体不会因为你融资快耗尽了就给你面子，安全性不过就是不过，毒性太高就是太高，根本没有“再优化一下看看”的温柔空间。 所以 Ignota 这次收购，看着像捡漏，实则是在和整个行业的失败库存打交道，它手里有 AI，有少量资金，有一套能讲通的技术路径，但真正的难点，恰恰不是算法，而是数据，失败数据越多，模型越有用，问题是这些数据大多锁在大公司的内网，谁都不愿意放出来，原因很简单，放出来就等于把自家的伤疤摊给别人看。 这也是为什么我对这种新闻从来不太爱端着鼓掌，别一听 AI 就激动，别一听“复活候选药物”就觉得人类医学要飞升了，很多时候，所谓新技术只是把旧问题算得更快一点，把旧烂账翻得更明白一点，真正值钱的不是 AI 本身，而是它能不能帮公司从一堆已经失败的项目里，挑出还有机会重做的那几个。 终局其实很冷，制药行业从来就不是英雄叙事，而是残酷筛选，谁有钱谁扛得久，谁数据多谁更接近真相，谁能把失败变成资产，谁就有资格继续站在牌桌上，Kronos Bio 死了，不代表那些分子完全没价值，恰恰相反，它们只是死得太早，死在安全性，死在定位，死在钱不够。 Ignota 现在做的，不过是拿着一把更聪明的刀，去拆这堆早就报废的半成品，能不能拆出新药，不好说，能不能拆出新专利，更不好说，能不能拆出下一轮融资故事，倒是大概率会有，至于最终是不是又会变成一场高开低走的医药泡沫，那就得看它到底是在救药，还是在给失败项目换个更体面的死法。 这行最扎心的一点就在这，药没死透的时候，谁都说自己在创新，等药真死了，才轮到别人来收尸，AI 不会让这门生意突然变得温柔，它只会让收尸这件事更快、更准，也更像生意。

2026年6月10日，Nature“药物发现” 专题对Ignota Labs联合创始人兼首席数据科学官Layla Hosseini-Gerami进行了深度访谈。 以下为全部内容。 总部位于英国剑桥的Ignota Labs公司利用人工智能技术确定药物在临床试验中失败的原因，随后对最具前景的疗法进行重新设计，让它们再次有机会惠及有需要的患者。 该公司由Layla Hosseini-Gerami、Jordan Lane和Sam Windsor于2021年创立。2025年2月，其完成了690万美元的融资，此后已建立起一条前景可观的强大药物管线，涵盖自身免疫性疾病和血液癌症的治疗药物。 作为公司的首席数据科学官，Hosseini-Gerami拥有化学和生物信息学背景，她将这些知识与数据科学相结合，研究药物对人体的作用机制。2025年4月，因利用人工智能加速安全药物上市进程的突出贡献，她入选《福布斯》杂志欧洲科学与医疗健康领域“30位30岁以下精英”榜单。她讲述了公司的创立过程以及自己在其中扮演的角色。 你是什么时候对人工智能产生兴趣的？ 2014年至2018年，我在英国利兹大学攻读化学本科学位时，学校还没有开设人工智能相关课程。当时人工智能已在多个行业得到应用，但仍属于新兴技术。我第一次接触人工智能是在2016年，当时我在总部位于英国剑桥的药物发现软件公司Optibrium进行为期一年的工业实习，担任机器学习实习生。 在Optibrium，我负责构建预测不同药物分子性质的模型。具体来说，我专注于pKa（衡量分子酸度的指标）的研究，该指标会影响化合物的溶解度、渗透性以及与靶点的结合能力。看到自己构建的模型被整合到制药行业专业人士使用的软件中，我深受鼓舞，决定继续留在这个领域攻读博士学位。 在Optibrium实习接近尾声时，我联系了分子信息学家Andreas Bender（他后来转至阿布扎比的哈利法大学任教），他成为了我在剑桥大学的博士生导师。我当时考察了多个研究团队，但他对严谨性的强调，以及开发能真正对制药行业药物发现产生影响的人工智能的理念，深深吸引了我。在药物发现领域，许多化合物是基于临床疗效获批的，但研究人员对其作用机制（例如它们靶向的蛋白质或调控的通路）并没有清晰的认识。我开发了计算算法来填补这一空白，识别驱动药物治疗效果的生物靶点和通路。 大约十年前，我们真的感觉自己是人工智能与科学交叉领域的先驱团队之一，因为当时人工智能药物发现还没有像现在这样受到广泛关注。从那以后，该领域取得了飞速发展。但一直存在的挑战是，如何利用人工智能解答关于生物学以及药物在体内作用机制的问题，这些过程往往具有随机性和不可预测性。 Ignota Labs是如何创立的？ 博士毕业前夕，我收到了当时并不认识的Lane发来的领英消息。他曾是利用人工智能进行药物发现的科技公司BenevolentAI的首席科学家，在制药、人工智能生物技术公司和临床研究机构拥有十年的工作经验。他在消息中说，他想创办一家专注于药物安全性的公司，需要有人来主导化学、生物学与人工智能的交叉工作。我们的首席执行官Windsor在与Lane合作创立Ignota Labs之前，曾为默克公司、谷歌DeepMind的AlphaFold团队提供项目咨询，还参与过英国国家医疗服务体系（NHS）的数字化转型项目。 Lane和Windsor了解到Bender的研究团队，并阅读了我的论文。当时我正在撰写博士论文，主题是利用生物和化学信息加深对药物作用机制的理解，这篇论文后来获得了剑桥大学化学系2022年度优秀论文奖。 他们的综合经验让他们深刻认识到该领域的低效问题，以及如何利用人工智能解决这些问题。药物研发需要投入数百万英镑，但最终成功率不足10%。这一过程还会消耗大量能源和水资源，并依赖动物实验。Lane特别关注的问题是候选药物因安全性问题失败，而这些问题在动物实验或首次人体试验之前往往难以预测。到了这个阶段，许多药物只能被直接放弃。他认为我的研究最适合用来解决这个问题。 Ignota Labs成立之际，恰逢2020-2021年的生物技术热潮退去。这是由于新冠疫情后利率上升，风险投资资金普遍撤出，尤其是那些原本不投资该领域的“观光式投资者”退出了生命科学行业。这些因素使得早期生物技术公司的融资难度大幅增加，投资者的要求也变得更高。 我们需要优化战略，同时证明我们拥有扎实的科学基础和清晰的商业化路径。我们的受众可能对人工智能或药物了解不多，因此需要向投资者清晰地解释复杂的概念。我们聘请了传播顾问来协助这一工作，也不断改进我们的业务表达方式。现在我们还可以通过展示我们的药物管线、企业合作案例以及证明我们能够成功挽救药物的实例来说服投资者。 Ignota Labs是如何实现这一目标的？ 我们构建了一个人工智能驱动的平台，用于筛选失败药物并解决它们的毒性问题。首先，平台从数千种失败药物中筛选出最具前景的候选药物：这些药物有潜力极大地改善患者的治疗效果，但遇到了意外的安全性问题，例如导致肝毒性。接下来，我们运用深度学习技术，整合生物信息学、化学信息学和多模态数据，分析安全性问题的根本原因并制定解决方案。我们的核心目标是对这些药物进行最小程度的化学修饰，以最高效的方式让它们重新进入临床试验。这与药物老药新用不同，老药新用是将同一分子用于不同疾病的测试，不会产生新的知识产权，也无法“修复”药物的任何缺陷。 我们的技术能够检测并修复的问题包括：脱靶结合效应（药物与非预期分子结合）、药代动力学问题（例如药物从体内的清除速率异常）以及分布问题（例如药物意外进入脑部）。 我们处理的数据复杂度极高，涵盖从分子结构和生物化学信息（例如药物与蛋白质的结合强度）到生物体对药物的反应数据等多个层面。难点在于如何将所有这些数据整合起来并从中挖掘有效信息，这正是人工智能发挥作用的地方。因此，我们并非每天孤立地处理不同类型的数据，而是通过整合数据来探索挽救药物的方法。 2022年公司成立时，我选择担任首席数据科学官一职。我负责领导人工智能工具的研发，以实现我们挽救失败药物的使命。这包括为算法寻找合适的数据集，以及监督我们的SAFEPATH平台的开发。 人工智能领域不断涌现新的突破，因此追踪每一项重要的技术变革对于保持我们平台的前沿性至关重要。作为联合创始人，我还负责公司的融资工作，包括申请各类资助（例如我们获得的“女性创新奖”），以及与投资者进行沟通，尤其是在技术尽职调查环节。 谈谈Ignota Labs的发展情况 公司发展迅速，从2022年底的4名员工增长到2025年底的14名全职员工，其中包括5名技术团队成员，以及业务开发专家、生物学家、化学家和临床转化专家。去年，我们完成了种子轮融资。我们还收购了总部位于马萨诸塞州剑桥市、已停止运营的癌症生物技术公司Kronos Bio的临床管线。 2024年，我们从伦敦迁至英国剑桥，主要是因为剑桥拥有非常完善的生物技术生态系统。这座城市人才资源丰富，我们需要既具备机器学习专业知识，又能理解所建模的生物学和化学数据的人才。 未来，我们将扩充技术团队，继续完善平台并将技术应用于具体项目，助力药物挽救进程。我们还计划扩大商业团队，以便在药物达到临床拐点（通常是首次进入人体临床试验的阶段）时推进药物的商业化。 入选《福布斯》科学与医疗健康领域30位30岁以下精英榜单，你有什么感受？ 这完全是个惊喜——直到收到邮件通知我才知道这件事。我走进办公室时，发现同事们为我准备了普罗塞克起泡酒，白板上也写满了祝福。任何形式的认可都极具激励作用。同时，这也有助于让我们公司以“用正确方法开展人工智能研究”的形象被行业熟知。 我出生在英国，父母是伊朗移民。文章发表后，有不少女性给我发消息寻求建议。我很高兴我的入选能给她们带来鼓舞。我认为这向女性，尤其是少数族裔女性证明了，她们同样可以取得成功。我主动为那些向我求助的少数族裔女性创业者提供指导，帮助她们应对创业过程中的各种问题。当你看到和自己背景相似的人取得成功时，你会觉得自己也能做到。 参考资料： https://doi.org/10.1038/d41586-026-01626-1 --------- End --------- 感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。