从造钥匙到试开锁：华源智因如何用虚拟细胞重构AI制药底层逻辑？

2026-07-13 13:10 0 阅读

突破传统瓶颈：为何AI制药需要“体内对齐”？

全球药物研发领域正面临着一个长期存在的结构性困境：每年超过2万亿元的投入中，高达4000亿元消耗在临床阶段的失败上。《Nature》发表的研究指出，86%的新药在临床折戟，根源在于小鼠、猴子等动物模型与人类生理机制存在巨大的物种鸿沟。这种“物种错位”导致药企在I-III期临床中承担了极高的风险，一款新药平均耗时10年、耗资10亿美金，最终成功率却仅有10%。

当前，大多数AI制药企业将注意力集中在药物发现的早期环节，如靶点挖掘和分子结构生成。虽然这一环节仅覆盖研发总成本的10%，却占据了行业内的主要融资热度。然而，这些技术只能解决“制造药物分子”的问题，却无法回答更核心的命题：这个分子在人体内真的有效吗？

华源智因（GENESIGHT）的创立正是基于对这一行业断点的深刻洞察。创始团队认为，药企在成功筛选出分子后，更迫切需要的是在投入昂贵临床资源前，预测药物在人体细胞中的真实反应。传统的体外细胞实验和动物实验虽然能筛选出部分候选药物，但由于缺乏真实患者个体特征和对疾病微环境的准确模拟，往往无法反映药物在人体内的复杂表现。华源智因选择向后推进一步，致力于成为药物研发评价体系的“金标准”，通过预测药效反应来服务临床前评价、候选分子排序及精准用药，从而填补从实验室到临床之间的巨大真空。

photoLink

技术架构创新：构建可解释的虚拟细胞底座

华源智因的技术核心在于构建一个能够模拟细胞在不同条件下状态变化的“虚拟细胞”系统。其核心产品由两部分组成：多模态虚拟细胞数据底座UniOme，以及药物扰动智能平台Wise-Perturb。

photoLink

传统虚拟细胞模型主要依赖标准化的细胞系（Cell Line）数据。这类数据虽然便于大规模实验，但经过多年传代，往往丢失了真实患者的个体特异性，难以反映人体内复杂的疾病微环境。华源智因指出，虚拟细胞的天花板不在于模型参数的大小，而在于数据是否贴近真实任务以及样本的多样性。

为此，华源智因独创了一套三级递进式数据体系。底层为单细胞和多模态基础数据，解决“如何描述一个细胞”的问题；中层为基因和药物扰动数据，解决“药物进入后细胞如何变化”的问题；顶层则是真实患者用药前后的配对数据，用于校准模型的真实人体药效反馈。这种分层架构确保了模型从微观机制到宏观表型的全面覆盖。

04年创业，华源智因完成数千万元融资

在数据采集层面，华源智因自研了首个高通量单细胞跨模态测序技术UniOme。传统测序技术往往在提取DNA、RNA或蛋白时破坏细胞完整性，导致研究者只能通过不同细胞的数据进行拼接，从而引入噪声。UniOme技术能够在同一个细胞上实现DNA、RNA、蛋白质三层信息的严格对齐。这种多维度的数据记录，如同不仅记录一个人的体重，还同时记录身高、肤色等特征，为AI模型提供了比单纯扩大参数量更为关键的生物学解释力。

photoLink

性能验证：超越基准的预测精度

在药物筛选场景中，华源智因通过Wise-Perturb平台，将候选化合物的多维编码与目标细胞的测序数据输入模型，进行虚拟扰动预测。系统能够预测扰动后细胞全转录组层面的表达变化，并计算药效评分，进而对候选药物进行排序。

测试数据显示，Wise-Perturb在公开基准测试中，关键预测指标较国际公开模型提升了40%至130%。在私有大规模数据集测试中，差异表达基因的预测误差降低了约41.77%，表达变化量相关性提升了约129.43%，扰动分布更接近真实的生物实验结果。此外，该平台具备强大的泛化能力，能够实现跨药物、跨细胞、跨患者的零样本精准预测。

华源智因CTO王艺璇强调，模型指标必须从真实场景和生物学规律中“生长”出来，而非在单一数据集上“调优”。只有具备这种源于真实生物逻辑的模型，才能在面对新药物、新患者群体时保持稳定的预测能力。

临床落地：从数据闭环到真实世界验证

技术落地的最终检验场在于临床。华源智因已与多家超一线三甲医院展开深度合作，围绕真实患者用药前后的组织样本，建立了专病、专模型的数据闭环。

在与某顶级肿瘤医院的合作中，团队基于肺癌患者用药前的样本数据和药物分子结构，预测患者后续的药效排序。结果显示，模型输出的疗效分层结果与临床医生在真实治疗队列中的观察高度吻合。这一案例的意义在于，它证明了模型不仅在公开数据集上表现优异，更能在进入真实临床决策前的验证场景中发挥作用。

在针对DS-8201药物的响应预测测试中，华源智因利用未见过的DXD模型，基于PDX样本的Bulk RNA-seq表达数据进行推理。预测结果与个体样本PDX模型的体内药效实验结果高度一致，展示了模型在新适应症和新人群中的零样本泛化潜力。

photoLink

对于药企而言，这种能力直接应用于患者分层和临床入组管理。通过在试验前识别可能响应药物的患者群体，药企可以提高临床试验成功率，减少不必要的资源消耗和患者入组风险。华源智因正在推进的三大核心应用场景包括：临床患者分层、模型能力变现（如药物重定位、靶点筛选）以及通过自动化测序扩充高质量数据的数据平台合作。