15亿美元!阿斯利康掉头重寻疾病靶点

“外面全是竞品,我们快速推进管线啊!”
阿斯利康:“推不了。”
“为什么?股东,投资者,同行们都在盯着呢?”
阿斯利康:“要稳,宁可慢一点,也不能坏了规矩。”
“你不怕别人项目快速上市,抢占市场吗?”
阿斯利康:“怕,但更怕推得太快,没效果,怕账算不清。”
“你还是一如既往的稳,跟着你干不烧心!”
2026年10月15日,阿斯利康与AI制药公司Insitro达成研发合作,聚焦MASH和心肌病两大疾病领域。
Insitro将运用其Virtual Human™(虚拟人类)平台解析疾病致病生物学,识别高置信度靶点;阿斯利康将负责候选靶点后续全部临床开发、监管申报与商业化工作。
作为回报,Insitro将获得4000万美元首付款,最高约14.6亿美元的里程碑付款,以及个位数百分比的销售分成。
在这笔交易中,最关键的并非是账面金额,而是阿斯利康愿意花15亿美元用AI去找疾病靶点这件事本身。
15亿美元!阿斯利康掉头重寻疾病靶点
MASH和心肌病早不是空白赛道。
MASH领域,Madrigal的Rezdiffra于2024年获FDA批准,成为首个获批的MASH疗法;诺和诺德的司美格鲁肽(Wegovy)随后于2025年获批用于MASH伴中度至重度肝纤维化。此后GLP-1药物蜂拥涌入,MASH成为必争之地。
心肌病领域,辉瑞的氯苯唑酸(Vyndaqel/Vyndamax)于2019年获批用于ATTR-CM,BMS的玛伐凯泰(Camzyos)于2022年获批用于梗阻性肥厚型心肌病,赛诺菲的阿夫凯泰(Aficamten)于2025年获FDA批准。后来者更是有Braveheart、恒瑞等选手紧追不舍。
阿斯利康若在这两大领域从零开始,实属不智。
实际上,阿斯利康在这两大领域早有涉足,只是跌了跟头。2025年11月,阿斯利康与Ionis合作开发的MASH候选药物AZD2693,因Ⅱ期试验未达预期被终止;
而此前与Ionis共同开发的Wainua(依普特森),在2023年获批治疗遗传性转甲状腺素蛋白淀粉样变性多发性神经病(hATTR-PN)后,冲刺ATTR-CM适应症的Ⅲ期试验,最终以风险比1.14、心血管死亡与复发事件发生率反而高出对照组14%的成绩宣告失败。
目前,阿斯利康仍保留MASH方向Ⅰ期抗纤维化资产AZD2389,心肌病领域R14del型扩张型心肌病候选药AZD4063。
但接连的临床失利,让阿斯利康意识到:新药研发,找对疾病机制远比加速推进分子更重要。
15亿美元!阿斯利康掉头重寻疾病靶点
恰好,这正与Daphne Koller近年来最核心的主张高度契合。
作为Insitro创始人兼CEO,斯坦福大学计算机科学系教授(26岁任职)、麦克阿瑟“天才奖”得主(36岁)、美国工程院及美国艺术与科学院双院士、Coursera联合创始人、连续创业者。
Daphne Koller个人光环众多。2018年,她投身AI制药,创立Insitro。公司累计融资超7.5亿美元,成为AI制药赛道融资最高的公司之一。

她在近期的一个专栏采访中表示,AI在药物研发中的最大价值,不在于更快地制造分子,而在于帮助人们发现正确的疾病机制。

在她看来,当前AI制药的四种主流叙事(超级智能万能论、AI分子设计工具、虚拟细胞、AI自主实验室)均存在关键陷阱,它们共同建立在一个被证伪的假设之上:我们对人类生物学已经了解得足够透彻。

好像,只要有一个足够聪明的推理者,就能在已有知识库中找到治愈一切的答案。但事实却是,现代医学对大多数人类疾病的理解,用“盲人摸象”来概括最为贴切。

Daphne Koller给出具体数据,超过90%的药物在进入临床试验后失败,且这个数字几十年来几乎没有改善;在绝大多数失败案例中,分子设计本身没有问题,问题出在它所靶向的机制是错的。

“我们制造钥匙的技术相当不错,但这些钥匙通常打不开正确的锁。” 她认为,AI 即便能以更快的速度造出更好的钥匙,也无法提高我们识别正确锁的能力。

而这,正是阿斯利康目前所需要的:不是更快的分子设计工具,而是对疾病机制的更深刻理解。

15亿美元!阿斯利康掉头重寻疾病靶点
Insitro做的,就是用人类数据证明因果关系。

 

Insitro的Virtual Human平台,定位是“遗传锚定的因果AI引擎”。其逻辑并不算复杂:从UK Biobank等大型队列的人群遗传与影像数据中锁定候选基因,再用 iPSC分化的人源肝细胞、心肌细胞、神经元做实验,通过CRISPR敲低、高内涵成像等手段观察表型变化,从而把 “相关” 推进为 “因果”。
这类整合人类遗传锚点、人源细胞表型、基因扰动因果证据、多组学对齐的数据集,构建门槛极高。不是网上爬文献能拼出来的,也不是买几张芯片就能补上的。

 

目前,这条技术路径,已在Insitro自研管线中呈现初步结果:
MASH方向,他们从480个肝脂肪相关遗传信号中筛出IRS1,发现其与纤维化的关联,在排除肝脂肪影响后依然存在:即IRS1可能不仅是“降脂靶点”,还可能独立抗纤维化。候选分子CTRO-1013(肝靶向siRNA沉默IRS1)已在小鼠模型中显示降脂与降纤维化标志物的双重信号。
肥胖方向,Insitro从UK Biobank近7万人的MRI影像中提取棕色脂肪表型,通过GWAS找到新位点。小鼠实验中敲低该靶点4周,体重下降15%、脂肪量下降25%,且不掉肌肉、不影响进食。关键是,该靶点通过外周产热发挥作用,作用机制与GLP-1减重通路完全正交。
这些项目的共同特点,是都经过了“人类遗传证据→人类细胞验证→体内功能确认”的闭环。这种机遇,也并非只有阿斯利康看重。
2019年,Insitro与吉利德达成肝病药物合作(1500万美元首付+10亿美元里程碑);2020年,又与BMS达成ALS和额颞叶痴呆相关合作(5000万美元首付,总金额超21亿美元),且多年来续签并扩大合作范围;2024年,礼来也与其达成合作,合作把TuneLab ADMET模型开放给整个生物技术社区。
15亿美元!阿斯利康掉头重寻疾病靶点
2026年9月,麦肯锡发布了一份让AI制药行业报告,回答了一个核心问题:钱投去了哪?
2025年,全球AI药物发现领域的融资达到84.0亿美元,较2023年的41.0亿美元翻了一倍,年复合增长率43.0%。
但钱的流向,比钱的规模更值得细看。大部分流向了数据最成熟、工具最完善的分子设计领域,而最难、最关键的靶点识别和临床前转化环节几乎无人问津。麦肯锡把这称为“资本-科学悖论”:资本追随技术的确定性,但生物学的困难度被留在了原地。
为什么钱扎堆在分子设计?因为该环节成熟度最高,有结构化数据和快速实验反馈。
15亿美元!阿斯利康掉头重寻疾病靶点
三个研发环节的 AI 成熟度差异:分子设计最高,临床前转化最低(图源:麦肯锡报告,BioTender 制图)

 

 

反观,生物学与靶点发现属于中成熟度环节。不仅周期长,AI靶点模型还很难区分“因果关系”和“统计相关性”,容易把观察到的相关误判为疾病驱动因素。方向错了,分子优化得再好也只是在加速失败。

麦肯锡报告揭示的“资本-科学悖论”,恰恰回答了阿斯利康这笔交易的核心。这既是Insitro的价值,用人类数据把“靶点为什么成立”讲清楚。这条路比分子设计更难、更慢、反馈循环更长,但一旦走通,带来的临床获益也更大。

参考资料:

1.AstraZeneca bulks up MASH, cardio work in up to $1.5B AI partnership with insitro(BioSpace)

2.AstraZeneca inks $1.5B insitro deal for AI-enabled target discovery of liver, heart disease drugs(Fierce Pharma)

3.麦肯锡:AI 制药的 84 亿美元,投错了地方(BioTender)

4.重磅!AI制药独角兽创始人反思:行业该醒醒了,真正瓶颈不在“造分子”!(药智网)

5.Insitro AI制药路线深度剖析:因果生物学重写靶点发现,英矽智能走在国内前面(研究僧随笔)

6.AI 制药指南:算法、实验能力与产业兑现(招财小黄鸭)

7.其他公开资料

发布者:yian,转载请首先联系contact@drugtimes.cn获得授权

打赏 为好文打赏 支持药时代 共创新未来! 为好文打赏 支持药时代 共创新未来!
上一篇 2026年10月15日 12:09
下一篇 2026年10月16日 18:47

相关推荐

公众号
公众号
分享本页
返回顶部