靠AI破解癌症，初创公司融下3000万刀！新目标：建10亿单细胞数据集

来源：量子位

不圆 发自 凹非寺

量子位 | 公众号 QbitAI

在AI模拟蛋白质取得了巨大突破后，一些人把目标瞄准了整个活细胞。

福布斯杂志最新介绍，有一家初创公司刚刚融资3000万美元，用于构建活细胞的AI模型。

这家公司名为Tahoe Therapeutics，目前估值达1.2亿美元，他们开发了一种可扩展的方法，能够快速生成AI模型所需的关键生物数据，并利用这些数据寻找治愈癌症的新方法。

该方法已取得重大进展。

Tahoe的首席执行官Nima Alidoust表示：公司目前针对”一种主要癌症亚型”已研发出候选药物，正在进行美国食品药品监督管理局（FDA）要求的人体试验前研究。

数字化模拟活细胞

活细胞的数字化模拟是生物学领域中的一个“圣杯”问题。

如果AI能模拟单个癌细胞在不同情境下的行为特征，精准预测癌细胞对各类药物的反应，借助这类技术，临床医师就能更快速地锁定最有效的治疗方案，肿瘤学的研究效率将获得显著提升。

Tahoe Therapeutics正致力于研发能运行此类模拟的AI模型。

（该公司原名为Vevo Therapuetics，在2022年12月完成了一轮 1200 万美元的种子轮融资，由于法律诉讼原因，公司名称于今年4月从Vevo更改为Tahoe。）

针对数据量不足的问题，今年2月，Tahoe开源了Tahoe-100M数据集，包含1亿个不同数据点，展示了不同种类的癌细胞与超过1000种不同分子相互作用时的反应。

这种被称为“扰动”的数据类型对于训练AI模型至关重要——关于细胞如何对各种分子作出反应的信息，能够显著提升算法预测细胞受其他分子影响的准确性。

就在Tahoe发布其1亿点数据集的几个月后，非盈利研究机构Arc Institute发布了一个开源的虚拟细胞模型State，该模型将Tahoe-100M作为其训练数据的一部分。

在基准测试中，Arc发现该模型的准确率是其他AI模型的两倍，同时击败了之前击败过其他基础模型的简单机器学习程序。

此外，在今年6月，Tahoe与另一家AI初创公司Kepler AI合作，开发了一款为生物学家设计的AI agent——TahoeDive，它可以通过自然语言查询和分析Tahoe-100M数据集，并结合更广泛的科学文献提供背景信息。

自TahoeDive开放Beta测试访问以来，全球数百名研究人员已利用丰富的Tahoe-100M微扰数据集开展大规模并行分析，部分研究成果已发表于癌症生物学顶级期刊。

令人惊讶的是，该公司在成立不到三年内就构建了Tahoe-100M这一数据集。

这得益于他们的Mosaic平台：该平台使Tahoe能够从许多不同类型的患者、所有不同的器官中获取细胞，然后将它们整合在一起，而传统技术一次只测试一个个体的细胞。

公司CSO兼联合创始人Johnny Yu解释：“每当我们运行一个实验时，我们都在生成庞大的单细胞图谱，它会显示哪些药物对哪些患者有效。”

Alidoust认为，快速扩展数据生产的能力是Tahoe公司与其他从事药物发现AI的公司相比的“区别因素”。这也是该公司构建虚拟细胞模型并利用这些模型寻找癌症和其他疾病新疗法的目标的基础。

在募集到新一轮的3000万美元融资（由Amplify Partners领投）后，Tahoe现专注于构建一个包含超过十亿个单细胞数据点的数据集，以支持其自主研发的虚拟细胞模型。

凭借自有模型和专有数据，该公司正加速开发抗癌新药。

团队介绍

Tahoe Therapeutics的核心团队由4位联合创始人组成。

Nima Alidoust（右二），CEO，39岁，毕业于普林斯顿大学，曾是Good Chemistry Company的创始CEO和顾问（该公司后被SandboxAQ收购）。

Hani Goodarzi（左一），41岁，Alidoust在普林斯顿大学读书时的同窗，UCSF（加州大学旧金山分校，全球顶尖的生物医学研究机构，尤其在癌症、神经科学、基因编辑和药物开发领域处于世界领先地位）生物化学和生物物理学教授。

2022年，两人重聚并商讨创立一家开发虚拟细胞模型公司的构想。Goodarzi指出，大规模数据采集将是这类企业的核心要素，因此他引荐了Johnny Yu加入团队。

Jonny Yu（左二），CSO，34岁，他在Hani Goodarzi的实验室工作期间，开发了Mosaic的基础技术。

Kevan Shokat（右一），60岁，UCSF细胞与分子药理学系的教授兼系主任，伯克利加州大学化学系教授，以及霍华德·休斯医学研究所的研究员。

他是化学遗传学领域的杰出人物之一，使用生物有机化学方法来阐明单细胞和整个生物体的信号转导途径，尤其专注于蛋白激酶研究，并开创了“Bump and hole”等方法以解析特定激酶的分子靶点。

2013年，Shokat团队通过分子锚定筛选技术，率先发表了针对KRAS G12C突变体的共价抑制剂研究成果。这一突破性进展引领了行业风潮，多家制药巨头随后启动了KRAS靶点研发计划，并成功推进至I/II期临床试验阶段，这是对曾经被认为“不可成药”的癌基因的里程碑。

[1]https://www.forbes.com/sites/alexknapp/2025/08/11/biotech-startup-tahoe-therapeutics-raised-30-million-to-build-ai-models-of-living-cells/

[2]https://www.tahoebio.ai/

[3]https://huggingface.co/datasets/tahoebio/Tahoe-100M

[4]https://arcinstitute.org/news/virtual-cell-model-state