Insilico Medicine Shanghai Ltd

从仿制到首创，从本土市场走向全球舞台，中国创新药正迎来从跟跑、并跑到领跑的关键阶段。2025年，国内获批创新药76个，创下历史新高，全年对外授权交易总额突破1300亿美元；2026年以来国产创新药“出海”热度不减，真金白银的订单印证着国产创新药不断提升的全球价值。 　　“十五五”时期是实现到2035年建成健康中国目标的关键时期。在全球医药创新格局加速重塑、国内大量临床需求仍待满足的背景下，国产创新药正向着全球首发、海内外同步开发的目标迈进。政策护航、技术突破、全球合作，正共同托起这场产业转身。 　　政策护航 　　筑牢产业根基 　　2026年《政府工作报告》明确提出，打造集成电路、航空航天、生物医药、低空经济等新兴支柱产业。 　　今年9月，工业和信息化部、国家药监局等十部门联合发布的《医药工业发展“十五五”规划》（以下简称《规划》）提出，到2030年，生物医药研发应用稳居世界前列，创新驱动效能充分释放，重点领域关键核心技术实现系统性突破。 　　工信部赛迪智库医药研究室主任曹慧莉对《证券日报》记者表示，“十四五”时期，行业重点在于丰富创新产品供给；进入“十五五”时期，医药工业创新将进一步向首创、突破方向推进。 　　具体来看，《规划》提出了“十五五”时期医药工业发展预期性指标：规模以上医药工业企业营业收入超过3.5万亿元，创新药产业规模增速年均达到20%以上，全球年销售额超10亿美元的品种数量达到5个以上；医药工业上市企业平均研发投入强度年均达到10%以上，首次开展临床试验在研新药研发管线数量和创新药上市数量位居世界前列，首创新药（FIC）占全球比例达到25%以上，创新医疗（维权）器械上市数量达到200个以上；年营业收入超过100亿元的医药工业企业数量达到50家，千亿元级医药产业园区数量达到20个。 　　中国医药创新促进会首席专家宋瑞霖向《证券日报》记者表示，现实与目标仍存在差距。2025年规模以上医药工业企业实现营业收入29562.5亿元，要达到3.5万亿元还需要新增超5000亿元销售额；当下营收百亿元级药企仅有33家，国产创新药中销售额超过10亿美元的品种，目前仅有百济神州有限公司旗下1个产品，这意味着，产业成长空间依然广阔。 　　当前，政策红利已贯穿研发、审评、支付全流程。国家药监局数据显示，2025年全年批准药品上市注册申请4087件，其中创新药76个，较2024年的48个大幅增长约58%，创历史新高；全年批准药物临床试验申请2551件，另有59件境外新药获临时进口批准，境内外上市时间差进一步缩短。进入2026年，这一势头仍在延续。据中国医药创新促进会副会长冯岚介绍，今年前三季度，我国创新药累计获批60个。 　　支付端多元保障体系不断完善。国家医保局已连续9年开展医保目录谈判，累计将199种创新药纳入医保报销范围；截至2026年2月，医保基金累计为协议期内谈判药品支出5048亿元，带动销售7400亿元。2026年医保、商保“双目录”调整还新增了“预申报”环节，创新药从获批到进入医保的时间有望进一步缩短。 　　技术突破 　　激活源头动能 　　政策打通了新药上市与医保落地的准入通道，而技术创新则决定着医药产业创新能力的上限。 　　过去研发新药全靠反复试错，如今已经进入大数据驱动的新阶段，人工智能（AI）正在重塑新药研发全流程。 　　AI技术给创新药研发带来最直观的改变，就是大幅压缩研发周期、降低前期试错成本，不少企业已经拿出实实在在的成果。英矽智能科技（上海）有限公司（以下简称“英矽智能”）首款依靠全流程AI设计的创新药，仅用18个月就完成从靶点挖掘到临床前候选化合物的筛选提名，大幅缩短此前长达数年的研发周期。 　　“药物研发有三个核心要求：安全、有效、质量可控。”石药集团有限公司润石研究院院长杨汉煜对《证券日报》记者说，AI最擅长的是“有效”这一端，它能够在庞大的化合物空间中快速筛选出活性优异的分子，大幅提升药效设计的效率。 　　不过，英矽智能首席执行官任峰表示，AI可以高效完成靶点挖掘、分子设计等早期研发工作，但候选化合物进入临床后依旧充满不确定性，实验室实操与科研经验目前无法被算法替代。 　　AI制药不能只停留在算法层面，国内产业生态短板仍待补齐。华为制药军团负责人樊杰认为，国内必须加快构建自主创新的AI药物研发底座。这一底座不只是算力硬件，更需要联动AI模型企业、科研院所与药企，打通数据壁垒，共建产学研一体化产业生态。 　　在打磨AI这一研发利器之外，行业还在探索多元化科研新范式。传统单靶点药物很难应对慢病、多病共发的复杂病症。中国工程院院士、中国医学科学院药物研究院院长蒋建东表示，单靶点药物理论在慢病治疗中存在明显局限，依托中医药整体系统思维开发新生物学原理的新药，挖掘天然产物药用价值，能够走出一条具有中国特色的原始创新路径，进一步补齐源头创新短板。 　　全球拓展 　　打开出海新局 　　当前，对外授权已经成为衡量创新药产业全球价值最直观的市场化指标之一。 　　据医药魔方数据库统计，2025年中国创新药完成对外授权交易157笔，披露交易总金额1356.55亿美元，首付款约70亿美元，较2024年的94笔、519亿美元全面跃升。 　　进入2026年，对外授权热潮不仅未退，反而加速。据医药魔方数据库统计，2026年上半年中国创新药对外授权交易总金额达997亿美元，约为2024年全年的2倍、2025年全年的73%；首付款50亿美元，为2025年全年的71%，均创历史同期新高。近日，国家发展改革委相关负责人在新闻发布会上表示，前三季度我国创新药对外技术授权1300亿美元，接近去年全年。 　　交易模式也在升级。除传统的授权许可外，NewCo（新药公司化运作，即“出海”企业与海外资本共同设立新公司推进管线）、Co-Co（联合开发）等多元模式纵深拓展，“出海”方式从“单点授权”走向“体系化运营”。 　　以江苏恒瑞医药股份有限公司为例，自2023年以来，该公司已完成14笔海外业务拓展交易，交易对方包括BMS（百时美施贵宝）、GSK（葛兰素史克）等全球领先制药企业，潜在总交易价值近450亿美元，合作模式覆盖对外许可、NewCo、战略联盟等不同形式。 　　上海市卫生和健康发展研究中心主任金春林对《证券日报》记者表示，从“借船出海”到“造船出海”，中国创新药的全球化路径越发多元，管线质量也获得了跨国药企真金白银的背书。未来，中国创新药参与全球竞争的关键，不在于管线数量多少、跟随速度多快，而在于谁能把政策红利转化为研发效率，把技术变量转化为临床价值，把产品优势转化为全球话语权，持续创造与全球患者真实需求相匹配的价值。

我AI我药 AI × 医药 × 科研分享 第121期 Nature Biotechnology英矽智能团队｜Nat. Biotechnol.！AI研发的抗肺纤维化药，也有抗衰潜力？6种衰老时钟均提示用药组生物年龄下降！ 01 研究速览 论文首页｜Nature Biotechnology（2026）· 收稿 2025-11-17，接收 2026-07-29，发表于 2026-09-07 · DOI：10.1038/s41587-026-03286-y；© The Author(s) 2026，CC BY 4.0，原文裁切。 研究对象 英矽智能牵头的团队把一款生成式AI发现的TNIK抑制剂rentosertib的2a期临床试验数据重新用起来。试验设计时就预留了四个时点的血清蛋白组采样：42名特发性肺纤维化患者在基线与第2、4、12周各抽一次血，用Olink Explore 3072面板测出2841个蛋白，再把六个蛋白质组衰老时钟套上去，看生物年龄怎么走。 科学问题 治老年病的药有可能同时改变衰老本身，但标准试验的终点是疾病指标，回答不了「衰老有没有被改变」。蛋白质是生物变化的直接效应物，可能同时给出生物年龄读数和可解释的通路线索。这篇论文要回答的是：多个蛋白质组衰老时钟放进真实临床试验，能不能读出干预对衰老的影响，又能不能把「抗纤维化疗效」和「抗衰老作用」分开。 关键突破 六个时钟的目标各不相同——四个预测实际年龄，两个预测死亡风险——却对这次干预给出同向判断：给药组的生物年龄下降，安慰剂组几乎不动。162次「时钟×时点×剂量」比较里有21次达到显著（Q<0.10），信号集中在第4周。 核心数字 42名受试者平均年龄67.1岁，全部为亚洲人，12周内给药组6个时钟一致提示生物年龄下降，第4周最明显；蛋白层给药组326个蛋白改变、安慰剂组2个。作者同时写明：样本小、时间短，且在全是肺纤维化患者的队列里，抗纤维化与抗衰老无法彻底分开。 02 为什么值得关注 抗纤维化药和抗衰老药之间没有现成的界线。肺纤维化与衰老标志高度重合，年龄本身就是最强的预后不良因素之一，所以一款能改善肺纤维化的药，理论上也可能同时拖慢衰老进程——也可能只是把病治好了，连带让那些跟年龄有关的指标显得好看。麻烦在于，标准临床试验的终点是肺功能这类疾病指标，它们回答不了「衰老本身有没有被改变」，而这个问题恰恰决定这类药值不值得作为抗衰老方向继续开发。 答案本来指望衰老时钟。2013年以后，DNA甲基化时钟把生物年龄变成一个可计算的数字，但它们在干预试验里表现并不理想：不同试验读数不一致，不同模型之间的一致性也差，机制解释尤其弱——甲基化位点与生物学过程的关系是间接的。蛋白质是生物过程的直接效应物，测到浓度变化就能直接接到代谢、炎症、纤维化这些通路上。这是蛋白组时钟被寄予厚望的原因，也是这篇论文的出发点。 把时钟用在病人身上还有两重现实困难。第一，时钟大多在健康人的队列上训练过，而这批受试者是平均67.1岁、带着明确疾病的肺纤维化患者，时钟在这样的队列上还准不准，本身就得先验证。第二，时钟读出的是一个预测值，它会随疾病状态和药物作用一起移动，因此「变年轻了」这个读数天然有两种解释：药真的在延缓衰老，或者病被治得更好、连带把衰老相关的指标拉了下来。论文的核心工作，就是把这两件事尽量分开。 这篇论文的可贵之处在于，它不是事后拿旧数据做二次分析。rentosertib的2a期试验一开始就为衰老评估安排了基线、第2、4、12周的血清蛋白组采样。这让时钟有机会连续跟踪同一个人的轨迹，而不是只比一次横断面。 在此之前，衰老时钟进入临床试验的尝试是零星的：有人在26名男性的12周运动干预里用ProtAge看到生物年龄下降，也有人把蛋白组当作表观遗传时钟之外的辅助证据。按照作者的说法，还没有研究在一次临床干预中系统比较过多个蛋白组衰老时钟。本篇第一次做了这件事——六个时钟、同一批样本、同一套统计口径。 03 研究如何展开：把衰老评估前置进临床试验 先说被试的东西。rentosertib（原代号INS018_055）是生成式AI发现的TNIK抑制剂，TNIK这个靶点最初正因为同时牵涉六条衰老标志而被AI靶点平台筛出来——作者的整个开发思路，就是选一个既治老年病又能触及衰老靶点的适应症来做双用途开发。2a期试验NCT05938920在2023年7月到2024年6月于中国开展，随机、双盲、安慰剂对照，128人筛查后71人入组，分为30 mg每日一次、30 mg每日两次、60 mg每日一次和安慰剂四组（各组随机分配18、18、18、17人），疗程12周。 蛋白组是一个附加子研究：完成试验的55人中43人同意做蛋白组检测，1人因第12周缺失测量被排除，最终42人进入分析，平均年龄67.1岁，全部为亚洲人；四个时点的实际样本量分别是安慰剂11、30 mg每日一次11、30 mg每日两次11、60 mg每日一次9。血清用Olink Explore 3072面板检测，质控归一化后剩2841个蛋白进入分析。 时钟一共六个，全部是已发表的模型，作者没有新训任何模型：ProtAge（深度学习）、ipfP3GPT（深度学习，也是作者团队自己的工具）、OrganAge的实际年龄版与死亡风险版，以及PAC和PAOPAC（经典机器学习）。训练语料主要来自以健康人为主的英国生物银行。为公平调用，作者用统一的Python库proteoclock标准化各模型的输入与输出，把死亡风险模型的输出换算成年龄。 衡量方式是把每个时钟预测的生物年龄减去该受试者自己的基线，得到ΔBioAge，再逐时点把每个给药组和安慰剂组比较：每臂6个时钟×3个时点×3个剂量方案共54次比较，三个给药臂合计162次，单侧Mann–Whitney U检验加Benjamini–Hochberg校正，Q<0.10记为显著。为了检查结论是不是偶然，作者还做了患者级标签置换检验，并检验了BMI与ΔBioAge的相关性以排除体型影响。 蛋白层用的是混合效应模型，对2841个蛋白逐一拟合，把分组与时间的交互项作为主要效应；把时间改成分类变量后，再把每个蛋白的反应分成持续、延迟和短暂三类。另一条线是通路层：先做蛋白—蛋白相互作用聚类，再用SenMayo、CellAge上调集与下调集做富集分析，最后用KEGG Medicus与Reactome两套通路库看整体重塑。 要让「变年轻」这个读数站得住，作者设计了三步检验，这也是理解全文的骨架：先看解离，看时钟信号最强的组是不是肺功能改善最多的组；再看方向，看给药造成的蛋白变化是否与自然年龄变化反向；最后看通路，看各剂量方案独有的通路落在与纤维化无关的衰老机制上，还是落在纤维化主轴上。图1给出的是这套评估在试验设计中的位置。 图 1 | 把衰老评估前置到临床试验：双用途研发管线 科学问题：一款针对年龄相关疾病的药，怎么在同一次试验里顺带把衰老也测一测？ 关键发现：a 是研发管线：选定衰老相关适应症、收集组学数据并套用衰老时钟、观察衰老过程变化，双用途管线一直延伸到获批药物与更广的再利用机会；b 是试验侧设计：四个时点采血、六时钟并行监测，再加上与正常衰老轨迹比对和衰老基因集富集。 为什么重要：后面所有结果都建立在这张图的前提上：蛋白组采样是试验设计的一部分，不是事后补做。 怎么读这张图：a 是流程示意，从左上「选定一个已确立的衰老相关适应症」沿箭头走到「已获批药物」与「更广的再利用机会」；b 是试验与组学流程：顶部是2a期试验，往下是四个给药组与左侧采血时点（基线、第2、4、12周），再往下是Olink检测与质控，底部是数据分析层（衰老时钟列表与跨时钟衰老信号、蛋白轨迹、衰老形态效应）。 04 核心实验结果：六个时钟、326个蛋白与三组去卷积证据 先看时钟本身在这个队列里成不成立。四个预测实际年龄的时钟与真实年龄的相关性在0.70到0.84之间，用普通最小二乘校正系统性偏移后，均方根误差都在4年以内；而两个预测死亡风险的时钟与实际年龄只有0.16到0.23的相关，误差超过11年——它们的训练目标本就不是年龄。时钟之间也分成了两派：四个实际年龄时钟彼此相关0.78到0.89，与两个死亡时钟的相关只有0.25到0.61。 图 2 | 六个时钟在这批患者身上准不准 科学问题：以健康人数据训练的衰老时钟，放到全是肺纤维化患者的队列上还成立吗？ 关键发现：a 是基线预测年龄对实际年龄的散点，四个预测实际年龄的时钟与两个预测死亡风险的时钟明显分成两派；b 是六时钟两两相关矩阵，两派之间的相关很弱。 为什么重要：后文说「六个时钟一致」指的是方向一致，不代表六个时钟精度相同——这两类时钟的分工必须先讲清楚，否则容易把死亡时钟的大数值读成更大的年轻幅度。 怎么读这张图：a 每个散点是一例患者，黑线是普通最小二乘拟合、灰带是95%置信区间，r是Spearman相关；b 是时钟两两相关的矩阵图，格子里标着Spearman r，色标范围0到1，†标记P<1×10⁻⁵。 结论是六个时钟全部指向同一方向。三个给药臂的生物年龄都在下降，安慰剂组在12周里几乎不动、略有上升。162次比较中21次达到显著（Q<0.10），其中第4周的18次里有11次显著——信号最强的时候恰好是服药一个月左右。患者级标签置换检验给出的零假设均值只有0.15，说明这21次远超偶然。按方案看，每天两次30 mg最稳（9次显著），其次是60 mg每日一次（7次），30 mg每日一次最弱（5次）。 落到具体数字上：肺功能改善最多的60 mg每日一次组，四个预测实际年龄的时钟在第4周一致给出2.71至3.46岁的降幅，两个死亡时钟则没有显著变化；而每天两次30 mg是唯一被两类时钟同时捕捉到的方案，第4周六个时钟里有五个的Cohen's d为负。到第12周显著比较数回落，作者用「平台」而不是「消退」来形容这个阶段，因为配对Wilcoxon检验显示第4周与第12周之间的预测年龄没有显著移动。 图 3 | 六个时钟都指向更年轻的生物年龄 科学问题：给药之后，生物年龄到底往哪个方向走，走多少？ 关键发现：a 是各臂ΔBioAge轨迹：给药臂下降、安慰剂组基本不动，峰值在第4周；b 是各周次给药臂与安慰剂的比较，第4周18次里11次显著，全批162次里21次显著；c 是各方案的Cohen's d，第4周30 mg每日两次六个时钟里五个为负。 为什么重要：这一张同时给出方向、显著性和效应量，后面的解离分析全部以它为基准。 怎么读这张图：a 纵轴是相对基线的ΔBioAge（年），横轴是第0、2、4、12周，点是组均值、误差棒是标准误，星号为BH校正后的显著性；b 是按第2、4、12周分组的箱线图，纵轴是ΔBioAge，周次内并列四个给药臂；c 横轴是Cohen's d，虚线是d=0，点带95%置信区间。 蛋白层给出的对照更干净。对2841个蛋白逐一拟合混合效应模型后，给药组有326个蛋白的表达轨迹被显著改写（Q<0.10），安慰剂组只有2个。多数变化是剂量专属的：237个蛋白只在一个臂里动；每天两次30 mg有142个独有变化；30 mg每日一次只有一个蛋白显著变化，就是被上调的IDO1。另有89个蛋白在两个以上给药臂方向一致，构成了与剂量无关的TNIK抑制核心。 图 4 | 326个蛋白被改写，安慰剂组只有2个 科学问题：时钟读到的方向变化，在蛋白层是不是真的存在？ 关键发现：a 是UpSet图：给药组合计326个蛋白显著改变（Q<0.10），安慰剂组2个，89个蛋白在两个以上给药臂同向，30 mg每日两次独有142个；b 是代表蛋白的轨迹，上下两组各20个：上排是下调最明显的一批，含COL1A1、MMP10、FAP等基质重塑因子；下排是上调最明显的一批，含NAMPT、ALDH1A1等代谢蛋白。 为什么重要：326对2的对照是全文最硬的一组数字，它不依赖时钟模型是否可靠。 怎么读这张图：a 是UpSet图，上方柱子是各交集的蛋白数，下方圆点连线标出各臂独占与共享的集合，左侧横条是各臂蛋白总数；b 每个小图是一条NPX轨迹，横轴是第0、2、4、12周，橙线是安慰剂、深蓝线是60 mg每日一次。 具体的蛋白指向两个方向。明显下调的一批是纤维化和细胞外基质重塑的驱动者COL1A1、MMP10、FAP；方向相反的一批是代谢与应激抵抗相关蛋白NAMPT、SOD2、ALDH1A1，在给药组是上调；此外与增殖信号有关的PDGFB也是下调。对生物年龄贡献最大的35个蛋白里，最关键的是LTBP2——TGF-β轴上的纤维化主调控因子，也是六个时钟共同用到的唯一重要特征蛋白。 为了排除「信号只是衰减」的解释，作者把时间改成分类变量重新拟合。结果是，在有效的两个剂量组里，只有5%到9%的蛋白变化属于短暂型，也就是蛋白层面的反应到第12周仍在继续发展。更进一步，在四个有公开权重的时钟所用的蛋白中，持续型轨迹被明显富集——每天两次30 mg的优势比是4.65，60 mg每日一次是2.19。 接下来是全文最关键的一步：证明这不只是抗纤维化疗效的副产品。实际结果与预期相反——60 mg每日一次在原试验里肺活量改善最大，时钟响应却不如每天两次30 mg稳定；回归分析里，肺活量变化只能解释生物年龄变化的6%（中位R²，各时钟0.01到0.18）。这是第一个证据。 第二个证据来自身份对照。作者把给药造成的蛋白变化方向，和英国生物银行55319名老年人中随年龄变化的蛋白方向做了比对：两个数据集合共有2832个蛋白，其中758个与年龄显著相关；受药物影响的蛋白相对背景显著偏向这一类，富集1.74倍（P<0.001）。再看方向，每天两次30 mg的治疗变化与自然年龄变化显著负相关（Spearman r = −0.30，P<0.01），意思是这组药物真的在把与衰老有关的变化往回推；60 mg每日一次没有这个相关（r = −0.097，P = 0.37）；安慰剂组则与自然衰老同向——疾病在推进，衰老相关的蛋白也在往下走。 第三个证据在通路层。三个剂量方案各自独有的蛋白走的是完全不同的路：每天两次30 mg独有的一批富集在磷酸戊糖、谷胱甘肽和胆固醇代谢等代谢通路上，这些都是公认的衰老机制，却不是抗纤维化反应的主轴；60 mg每日一次独有的富集在Wnt信号和更宽的免疫活动上，更贴近纤维化本身和靶点占用。作者据此推测，低剂量高频可能更适合触碰衰老相关通路。 图 5 | 衰老信号被压下去了，生长因子通路也被压下去了 科学问题：药物有没有真的作用在衰老与细胞衰老上，而不是只作用在纤维化上？ 关键发现：a 与 b 是SenMayo、CellAge上调集与下调集的GSEA：安慰剂组的SenMayo显著富集在上调侧，三个给药臂一律反向；e 与 f 是KEGG Medicus里五条信号通路的富集：四条生长因子轴在安慰剂组上调、三个给药臂一致下调，JAK–STAT轴则相反。 为什么重要：这是把时钟读数翻译成可讨论机制的桥梁，也是「抗衰潜力」这句话最直接的证据来源。 怎么读这张图：a 是四个臂各自的GSEA富集曲线，横轴是排序后的基因排名，纵轴是富集分数，下方条带标出基因集成员的位置；b 与 f 是气泡图，横轴是NES、颜色对应−log10(Q值)、圆点大小是基因集大小；c、d 是各臂leading edge蛋白的维恩图。 直接问「有没有在压制衰老细胞」则用SenMayo与CellAge两套基因集。安慰剂组里SenMayo特征蛋白显著地集中在被上调的一侧（NES = 1.48，Q<0.01），leading edge是MMP1/3/9/10/13等基质重塑酶和一批白细胞介素；三个给药臂全部反过来，SenMayo显著为负、CellAge下调集显著为正（Q<0.05），只有60 mg每日一次在SenMayo上没到显著（Q = 0.17）。更宽的KEGG Medicus分析里，五条显著通路全部属于生长因子信号（RTK–PLCG–ITPR、MAPK、RAS、ERK、PI3K–Akt），在安慰剂组上调、三个给药臂一致下调——生长因子与营养感知通路本来就是衰老研究的经典靶点。反过来，与纤维化相关的JAK–STAT轴在30 mg每日一次和60 mg每日一次两组被显著上调，唯独每天两次30 mg没有。作者认为这解释了该组时钟响应更一致。 最后是Reactome全库层面的重塑。1787个通路里有145个能与本次数据对上，Q<0.25的阈值下全臂共64条显著；每天两次30 mg覆盖最广，40条。共同变化的通路里既有预期中的细胞外基质重塑，也有几条与基质没有直接关系的：MET信号、Gαs信号、死亡受体信号，以及IGF运输与IGFBP摄取通路。后者值得注意——IGF轴在衰老里的位置很关键，而三个给药臂共同下调了IGFBP-1、IGFBP-4、IGFBP-6、IGFBP-7、IGFBPL1和CCN1六个蛋白。 图 6 | 通路层面的整体重塑：基质之外还有代谢与IGF轴 科学问题：把六个时钟放到一边，整套蛋白组到底被改成了什么样子？ 关键发现：a 是各臂显著通路的UpSet交集图，顶部柱子是各交集的通路数（图中标注合计57条）；b 显示30 mg每日两次覆盖最广（40条）；c 是至少两个臂共同显著通路的分臂对比，包括MET信号、Gαs信号、死亡受体信号与IGF运输及IGFBP摄取。 为什么重要：它是「这不是单纯的抗纤维化」这一判断的最后一块拼图——与纤维化无直接关系的通路也在动。 怎么读这张图：a 是UpSet交集图，顶部柱子是各交集的通路数，下方矩阵标出各臂与上下调方向；b 是四个臂的富集散点图，横轴是NES、纵轴是−log10(Q值)；c 是三个臂并排的气泡图，纵轴是通路名、横轴是NES，箭头标出相对安慰剂的变化方向。 把这些放在一起看，这篇论文真正推进的不是「某个抗衰老效果」，而是一种试验设计：把衰老评估前置到疾病试验里，用多个方法学不同的时钟互相验证，再靠通路层把读数翻译成可以讨论的机制。时钟确实读出了方向一致的信号，但这个信号里有多少属于抗衰老，作者自己没有下结论。 05 科研意义与边界：能读出信号，还不能下定论 最直接的意义在方法学层面。衰老时钟进入临床干预研究一直缺少系统比较，这篇论文第一次在同一场真实试验里并列了六个方法学完全不同的蛋白质组衰老时钟。这种「多模型收敛」的证据强度高于任何单一时钟：不同训练目标、不同特征集、不同算法同时指向同一结论，比一个模型给出漂亮数字更难用模型偏差解释。 更进一步的意义在研发组织方式上。作者提出的是一种双用途的临床试验设计：在治疗特定年龄相关疾病的试验里，把衰老与衰老相关生物标志物作为探索性药效学终点前瞻性采集，一旦看到抗衰老信号，就在非该疾病的受试者中继续验证，再考虑生物标志物资格认定。这类分析最现实的定位不是「治衰老」的适应症试验，而是疾病试验里的探索性分析。 局限必须说清。第一，样本极小、时间极短：42人、12周，每臂9到11人，任何结论都只能算早期信号。第二，在全是肺纤维化患者的队列里，抗纤维化与抗衰老无法彻底分开——作者自己写明这是队列设计的上限，需要在非肺纤维化人群（其他年龄相关疾病患者或健康长寿者）中重复，也需要与作用机制不同、但缺少可比蛋白组数据的抗纤维化药做对照。第三，平台只覆盖2841个蛋白，1787条Reactome通路里只有145条能测，很多检验做不了或只能部分做。 还有两处硬约束。靶点TNIK本身不在检测面板里，药物是否真的抑制了靶点，只能靠蛋白互作网络和通路富集间接推断。而时钟捕获的统计趋势本身并不能区分补偿性的衰老过程和有害的衰老过程，因果关系并未建立——第4周之后的平台期究竟是药效减弱、代偿信号、衰老细胞异质性，还是12周观察窗口不够，作者列了四种可能，但没有一种被验证。组织层面的证据同样缺失：没有单细胞或空间多组学，也没有正交的组学时钟。 几个问题被明确留了下来。最实际的一个是剂量方案：每天两次30 mg的日剂量与60 mg每日一次相同，但衰老读数差别明显，而前者的肺功能改善反而不如后者。作者给出一个值得检验的解释——rentosertib半衰期只有7到11小时，60 mg每日一次的血药峰浓度是两种30 mg方案的两到三倍，可能是「平稳暴露」与「高峰谷」对下游激酶级联的影响不同。第三个是临床意义：生物年龄下降两三岁意味着什么，论文没有回答，这需要把时钟和功能终点连起来。 总的看，这篇论文没有证明这个药能让人变年轻，它证明的是另一件事——衰老这件事第一次被认真地塞进了一个正在进行的临床试验，而且塞进去之后确实读到了东西：六个时钟、326个蛋白、多条通路，方向一致、可重复、可追问。对正在寻找抗衰老靶点的团队来说，这套把衰老评估前置、并用外部队列和通路层做去卷积的做法，可能比这一次的具体读数更有参考价值。 06 往期推荐 01Nature！AI造出的蛋白也能溯源：SynthIDBio嵌入隐形水印，不牺牲结构与功能！ DeepMind 把给 AI 文本打水印的 SynthID 搬进蛋白设计：序列侧改 ProteinMPNN 采样，结构侧改 AlphaFold 3 权重，近千条湿实验证明活性没掉。 02Nat. Biotechnol.！AI从3700种设计中找出7种高效展示元件：让靶细胞更好地展示抗原，帮助CAR-T识别并杀伤！ DeepSCan 与 Genesis 两套 AI 模型从 3,700 个生成式 CSD 设计中筛出 7 个高效展示元件，让靶细胞抗原表面呈递提升 100%–240%，并在抗原特异性 CAR-T 杀伤实验中得到验证。 03Nat Med！AI 读片能力胜过 GPT-5，医院本身就是数据引擎！ 阅读完整解读，了解这项工作的研究问题、方法与证据。 04AI夜话 004｜AI开始碰药物研发最硬的三道门槛 阅读完整解读，了解这项工作的研究问题、方法与证据。 07 研究团队与论文信息 论文原题：Integration of proteomic aging clocks in a phase 2a clinical trial supports simultaneous geroprotective assessment 期刊与日期：Nature Biotechnology（2026）· Article｜收稿 2025-11-17，接收 2026-07-29，在线发表于 2026-09-07 通讯作者：Alex Zhavoronkov（alex@insilico.com，本篇唯一通讯作者） 主要机构：Insilico Medicine AI Limited（阿布扎比）、Insilico Medicine Shanghai Ltd.（上海）、Insilico Medicine US Inc.（剑桥）；北京大学、北京大学成都高等生物技术研究院、西湖大学、北京协和医院、RWTH亚琛工业大学、麻省总医院、Broad研究所、斯坦福大学、华盛顿大学蛋白质设计研究所、Brigham and Women’s Hospital 与哈佛医学院（共 17 个署名单位） 研究层级：临床层面：一项 2a 期随机双盲安慰剂对照试验（NCT05938920）的蛋白组附加子研究，42 人、12 周、四个时点血清 Olink Explore 3072 检测；计算层面：六个已发表蛋白质组衰老时钟的统一调用、混合效应模型、置换检验、通路富集与 UK Biobank 方向比对 图版来源：本期图版由本期 PDF 以 200 dpi 原样裁切，未重绘、未改编、未拼接 许可与署名：© The Author(s) 2026，CC BY 4.0 开放获取（creativecommons.org/licenses/by/4.0/） 数据与代码：蛋白组原始数据存入中国国家生物信息中心（OMIX008341）；时钟调用代码公开在 github.com/Insilico-org/proteoclock 利益冲突：作者声明 Alex Zhavoronkov 为 Insilico Medicine（港股 3696.HK）创始人兼首席执行官，Fedor Galkin、Shan Chen、Feng Ren、Alex Aliper、Mikhail Durymanov、Denis Sidorenko、Hui Cui 为该公司员工 资助：作者声明本研究未获得专项资助 08 参考文献 Zhavoronkov, A., Galkin, F., Chen, S., Ren, F., Aliper, A., Durymanov, M., Sidorenko, D., Cui, H., Han, J.-D. J., Xu, H., Liu, X., Xu, Z., Kuppe, C., Argentieri, M. A., Ying, K., Goeminne, L. J. E., Moqri, M., Tyshkovskiy, A. & Gladyshev, V. N. Integration of proteomic aging clocks in a phase 2a clinical trial supports simultaneous geroprotective assessment. Nature Biotechnology · 2026 DOI：10.1038/s41587-026-03286-y

易贸医疗投融团队编辑 过去几天，中国AI制药一级市场落了两笔钱：10月10日，利太智药近5000万元种子轮，做生成式AI驱动的多肽设计；10月14日，高维医药Pre-A轮数亿元，做"高维生物学+AI"的靶点发现。同期晶泰、英矽等头部公司股价回调，但管理层回购增持、产业基金新设的动作没停。 一笔给"拿到靶点后怎么设计分子"，一笔给"疾病里到底该打哪个靶点"——这一周中国AI制药的钱，流向了研发链条上两个不同的卡位。 *图片内容由AI筛选整理 一级市场： 两笔融资，研发链条上的两个卡位 利太智药：近5000万元种子轮（10月10日） 由讯飞创投、L2F光源创业者基金及知名产业方联合投资，光源资本担任独家财务顾问，资金主要用于算力租用、核心管线研发、专利申报与人才招募。公司2026年7月成立于北京海淀，创始人贾寅君博士为协和临床医学八年制出身、清华大学智能产业研究院（AIR）博士后，是2026年1月发表于《Science》的DrugCLIP研究共同第一作者（第一顺位）；核心团队清北本博占比约85%。 技术路径走"数据—模型—分子"三层：自研大规模多肽合成数据集PepUmi、遵循大模型ScalingLaw的多肽生成模型PepUni（生成环肽亲和力达nM级）、首创PepMirror镜像多肽模型用于亲和力与稳定性的解耦优化；并搭建72小时多肽"生成—合成"闭环平台，覆盖线性肽与环肽的AI设计、化学合成、生物测试、结构解析全流程。 商业化采取"平台+管线"双引擎：已与多家上市药企、三甲医院及国家重点实验室建立合作，部分项目进入临床前阶段；自研管线覆盖肿瘤、自身免疫、代谢三个方向，多条处于HIT-to-lead，预计2027年初产出候选化合物。 讯飞创投董事长徐景明给出的投资理由值得单独记下：AI4bio因数据密度高、项目价值高、IP支付模式成熟，被其称为AI4S领域"最先被验证"的场景。 高维医药：Pre-A轮数亿元，年内累计融资达数亿元（10月14日） 由华泰金斯瑞基金、东方嘉富联合领投，国方创投、瑞力投资、楚昌基金参与，老股东兴华鼎立、西湖创新、广发信德持续追加，其中兴华鼎立已连续三轮追加。本轮由启峰资本担任独家财务顾问。公司2022年11月成立于浙江杭州余杭区，依托西湖大学、西湖实验室的科研基础，创始人李旭教授为清华生命科学本科+美国南加州大学药学院分子药理与毒理学博士，曾在希望城国家医学中心、MD安德森癌症中心开展博士后研究并受聘讲师，2018年回国加入西湖大学，现任生命科学学院PI、博士生导师。 技术叙事有个新提法——AI靶点发现"世界模型"：按公司披露口径，把靶点发现从静态识别升级为动态模拟与干预设计，预测成药可能性与潜在副作用。底层是三个平台：GROOVY（蛋白互作网络中难成药靶点发现）、ACUMEN（邻近标记技术，拓展双抗/多抗及ADC靶点组合空间）、NEXUS（通用型新抗原发现，服务肿瘤疫苗与TCR-T）。 核心管线GW-01（GW01-200片）靶向Notch通路激活的晚期癌症，公司称是该平台首个进入临床的全球首创小分子，获国家科技重大专项支持，中美临床申请均获加速审批通过，I期已多中心启动并正式入组，从靶点发现到进入临床不到3年。围绕阿尔茨海默病、衰老相关疾病、恶性肿瘤的多条管线已进入IND-enabling阶段。 两个卡位放在一起读，是这一周最值得记下的事。利太智药的落脚点在分子生成——拿到靶点之后，用生成式模型直接产出多肽分子，并把"设计—合成—测试"压进72小时闭环；高维医药的落脚点在靶点发现——从疾病生物学里找出此前难以成药的新靶点，再交给下游做分子。前者解决"分子怎么做"，后者解决"靶点打哪个"。对早期投资人来说，这是两种完全不同的能力验证路径：一个靠干湿闭环的迭代速度说话，一个靠管线能不能进临床说话。 二级市场：回调与回购增持同时出现 晶泰控股： 10月上旬三个交易日累计回撤约17%（10/7-12.1%、10/8-2.6%、10/9-2.38%收报6.97港元），总市值回落至约300亿港元。公司与管理层的反应是反向操作——10月2日、5日两个交易日回购约390万股、涉资约3068万港元；10月7日董事会主席温书豪以均价7.31港元增持130万股、约950万港元，并表示拟于10月末前继续增持。截至目前公司与核心管理层合计投入超4000万港元用于回购和增持。 业务端动作同期密集：与国际生物制药公司达成潜在总额超4亿美元的AI药物发现战略合作；礼来化合物管理系统完成签约交付；智能合成工作站推广至13家客户；9月30日与方大炭素合作的首个工业级AI模型正式交付；10月6日生发管线进入IND-enabling阶段；10月12日开源化学反应产率定量AI模型。 半年报口径：2026上半年营收3.94亿元（受上年同期5100万美元授权首付款高基数影响，同比-23.9%，剔除后同比+73.8%），其中AI4S智慧解决方案收入1.94亿元、同比+136.4%，占比升至约49%；研发费用3.68亿元、同比+66%；净亏损2.25亿元、经调整净亏损1.06亿元；现金余额86.71亿元。业务高增长+二级回调+管理层反向增持，三个信号同时出现。卖方端：近三个月12位分析师对晶泰控股给出评级全部为买入或强力推荐，目标价区间10.78—11.42港元；广发证券8月已将目标价由15港元下调至10.78港元。另需关注：今年1月公司签署本金总额28.66亿港元的零息可换股债券认购协议，潜在转股摊薄预期在股价走弱时容易被市场放大解读。 英矽智能： 10月14日盘中跌超5%。此前8月18日，公司公告首只CVC基金——英矽浦发惠理（上海）私募股权投资基金合伙企业，目标规模10.1亿元，公司及子公司英矽科技、英矽浦发合计拟出资约3.025亿元，浦东建设拟出资3.01亿元，惠理深圳出资250万元，存续期10年，覆盖各成长期企业并可延伸至上市后定向增发。头部AI制药公司开始在二级市场之外，搭自己的产业基金做生态布局。另据公开口径，英矽智能2026年内披露的签约合作总额已超73亿美元（先后与施维雅、礼来、SK生物制药、武田制药等跨国药企达成合作）。 两条二级线索放在一起：一条是股价回调与管理层反向增持，传递的是"内部人对平台长期价值的判断"；一条是公司主动搭基金、做横向合作，传递的是"二级估值压力下，产业端动作不停"。回调是估值的背离，不是产业节奏的背离。 五个投资信号 AI制药公司的主要现金流，正在从VC基金切换到MNC的BD预算。 *图片内容由AI筛选整理 信号一：钱在流向研发链条的两个不同卡位 利太智药落在分子生成端，靠72小时干湿闭环验证迭代速度；高维医药落在靶点发现端，靠GW-01进临床验证靶点质量。同一周、同一赛道、两条完全不同的技术路线同时拿到钱，说明赛道还没收敛到单一范式——对早期投资人来说，空间在打开，筛选难度也在同步上升。 信号二：早期资金重新开始下注"小而美"的硬技术团队 利太智药2026年7月才成立、近5000万元种子轮、团队清北本博占比约85%、创始人有《Science》第一顺位共一——单笔金额不大，但每一项指标都指向"硬科学+硬工程"组合。这是2026年下半年一级市场一个被反复验证的取向：投资人愿意为可被验证的研究底子付溢价，不愿意为纯叙事买单。 信号三：BD替代融资，是这个周期里"看不见的现金流" 全球AI制药一周4笔合作总额超过46亿美元，与中国一级市场两笔融资相加，体量上不是一个量级。对国内早期公司来说，MNC的BD条款（已披露首付3000万—9000万美元、里程碑上限12亿—14.6亿美元）或正成为同类平台公司下一轮融资的对标基准。 信号四：估值方法正在切换 中信建投研报已点出：AI制药公司普遍处于高研发投入阶段，传统PE/PEG难以适用。未来12个月，一级市场对AI制药公司的估值会进一步从"平台想象空间"切到"分部估值的可加总"——自研管线、BD现金流、软件收入三块要分开看。 信号五：产业基金正在成为头部公司"二级之外"的另一条腿 英矽智能拟与浦东建设、惠理共设10.1亿元基金，是一个值得记下的信号——头部AI制药公司开始在二级市场之外，搭自己的产业基金做生态布局。这条路一旦跑通，会改变赛道里中后期项目的资金来源结构。 四条产业趋势 趋势一：评价标准从"模型跑分"转向"临床验证与成药落地" 据行业报告《AI制药进入资产兑现时代》，2019年以来投入AI药物发现的资金约600亿美元、约175个AI原研项目进入人体试验，但至今尚无一款获批上市。产业端的兑现信号已在出现：英矽智能的Rentosertib于9月上旬在北京协和医院、上海市肺科医院完成III期首例患者给药，这是全球首个由AI完成靶点发现与分子设计的候选药物，针对特发性肺纤维化，预计2029年读出顶线数据——该分子合成78个化合物耗时1.5年、投入260万美元，传统方式约需4.5年。同一周高维医药的GW-01完成I期多中心入组，是这一趋势在国内的第二个落点。 趋势二：干湿闭环成为共识，上游环节系统性受益 东吴证券指出，干湿闭环是AI药物发现的核心逻辑，湿实验不可替代，上游的基因合成、蛋白表达与纯化、体外验证、模式动物等环节将因AI候选分子爆发而系统性受益。中银证券把AIDD概括为"设计—构建—测试—学习"的闭环。这一周利太智药把多肽"生成—合成"压缩进72小时，是这一趋势在中国一侧的对应物。 趋势三：科技巨头与跨国药企的协同在加力 海外一侧，英伟达与礼来共建AI联合创新实验室，默沙东与谷歌云达成高达10亿美元的AgenticAI合作，诺和诺德先后牵手OpenAI与Anthropic，Anthropic已被证实在旧金山湾区建成湿实验室；国内一侧，晶泰与方大炭素合作的工业级AI模型9月底交付、英矽智能与跨国药企的累计签约总额2026年内已超73亿美元、头部AI制药公司开始搭自己的产业基金做生态布局。这一周国内AI制药的产业落地动作——开源模型10/12、Pre-A轮10/14、种子轮10/10、英矽产业基金10/14——是判断方向是否兑现的下一组指标。9月18日工信部等十部门印发《医药工业发展"十五五"规划》，首次把AI制药列入医药工业五年计划重点任务，是这一进程在产业规划口径上的对应表述。 趋势四：AI的角色从"辅助工具"转向"伙伴科学家" 中国科学院院士陈凯先的判断是：AI对未来医药研究的赋能将从辅助工具进阶至"人工智能原生发展阶段"。在这一阶段，AI将成为新药研发流程中的核心组织力量，成为与科研人员协同合作的"伙伴科学家"，把传统线性串联的研发模式升级为多维度融合的并行优化模式，实现研发体系的系统性重构。 这一判断在这一周能找到对应物：利太智药把多肽设计压缩进72小时闭环，Vir的dAIsY平台把湿实验回流写进能力描述，Generate用生成式平台主导研究直到候选分子选定——共同点不是"AI帮忙算得快"，而是AI开始承担研发流程中的组织职能。 这一周，中国AI制药的钱同时流向了"找靶点"和"做分子"两个卡位，头部公司在二级市场上用真金白银做反向选择——判断一家中国AI制药公司，看它的研究底子能不能被外部验证，看它的平台能不能产出可被BD的能力，看它的现金流在BD、产业基金、股权融资之间能不能搭起一个稳定三角。 医药行业高端交流群 医药行业高端交流群开放加入，欢迎扫码入群，交流BD·投融资·出海政策·法规动态等经验。