士泽生物通用细胞治疗帕金森病亮相MDS国际大会丨临床I期突破进展+盲法II期全部入组

正文共：3000字

预计阅读时间：8分钟

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。

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。

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。

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。

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

图片来源：即梦AI

超20亿美元！又一家MNC入股AI，探寻渐冻症新靶点

2025-10-16

制药巨子BMS牵手机器学习新贵Insitro，双方将碰撞出怎样的火花？

2020-10-31

1.5亿美元！吉利德大手笔！与AI明星公司Insitro强强联手 主攻NASH！

2019-04-17