mRNA肿瘤疫苗，闯入宠物世界

氨基观察-创新药组原创出品

作者 | 武月

当OpenAI总裁和DeepMind CEO都在为同一个故事欢呼时，你就应该知道，有什么东西被打破了。

2026年3月，一个故事引爆全球：悉尼科技企业家保罗·康宁汉姆，为他罹患晚期癌症的爱犬Rosie，利用ChatGPT和AlphaFold，设计出一款定制mRNA疫苗。注射治疗后，短短数周Rosie肿瘤惊人地缩小了75%。

这是世界上第一例专为狗设计的个性化癌症疫苗。正如新南威尔士大学的Páll Thordarson教授所说，它证明了在mRNA技术的加持下，针对个体突变的个性化疗法可以以极具时间效率的方式完成。

社交网络瞬间沸腾，“AI手搓疫苗”、“医疗平权”的惊呼不绝于耳。硅谷大佬们更是盛赞，这是“AI赋能普通人跨越专业壁垒”的里程碑。

然而，在这背后，被简化的技术路径、被忽略的专业壁垒、被低估的系统支撑，以及生命科学不容僭越的严谨边界，说明这绝不是AI单枪匹马的神迹，而是数据能力、顶尖科研、伦理合规与AI工具共同托举的个案。

这个“赛博神话”也引发了关于单例证据、缺乏对照组和AI角色边界的讨论。真正值得行业深思的，不是所谓的奇迹，而是AI究竟以何种方式介入药物研发，以及这场“跨界实验”为AI+mRNA带来的真实启示。

一个AI极客的“自救”

故事始于2024年。保罗·科宁厄姆的爱犬Rosie被诊断出患有晚期肥大细胞瘤，这是一种犬类常见且凶险的皮肤癌。在花费数万澳元尝试手术、化疗均告无效后，兽医宣判Rosie仅剩数月寿命。

拥有17年机器学习和数据分析经验的保罗不甘心坐以待毙，他做出了一个惊人的决定：将Rosie的癌症视为一个“数据问题”，利用AI发起一场自救，最终缔造了全球首个犬类个性化mRNA癌症疫苗的案例。

于是就有了初见成效的“奇迹”。在接种第一针及加强针后的数周内，Rosie脚踝处网球大小的肿瘤缩小了约50%至75%。原本萎靡不振的Rosie重新焕发了活力，甚至能跳过围栏追逐兔子。

这并非完全“治愈”，但确实为Rosie争取到了更高质量的生存时间。整个过程的清晰且极具颠覆性，其关键点可分为以下四点：

基因组测序，将生命转化为数据。在ChatGPT的建议下，保罗联系新南威尔士大学的Ramaciotti基因组中心，支付3000澳元，对Rosie的健康DNA与肿瘤DNA进行全基因组测序，获得了约320GB的海量原始遗传数据。

这相当于70万张A4纸的信息量，通过比对锁定肿瘤特异性突变位点，完成个性化治疗的基础。保罗将其形容为：“就像对比一台新发动机和一台跑了30万公里的发动机，通过比对来发现受损的地方。”

ChatGPT作为“总架构师”，规划研究路线。无生物学背景的保罗以ChatGPT为“跨学科导师”，快速建立基因测序、突变分析、免疫疗法的完整认知地图。

AlphaFold进行结构建模，锁定攻击靶点。保罗借助AlphaFold完成突变蛋白3D结构建模，这是疫苗研发的关键，因为免疫系统需要识别这些特定突变产生的“新抗原”。AlphaFold生成的蛋白质折叠模型，为后续匹配能够触发免疫反应的药物或肽序列提供了关键blueprint。

在申请现有药物同情用药被药厂拒绝后，保罗转向mRNA技术，其将数月的工作浓缩成“半页纸的配方”——针对Rosie个体突变的mRNA序列公式。他将这份资料交给新南威尔士大学RNA研究所所长Páll Thordarson教授。后者团队在专业实验室内，根据序列合成了包裹在脂质纳米颗粒（LNP）中的mRNA疫苗。

最后，保罗耗时3个月撰写100页伦理申请文件，借助昆士兰大学Rachel Allavena教授的现有伦理许可完成合规流程，2025年12月为Rosie完成首针注射。

难以复制的壁垒

这件事对于外界最大的震撼，莫过于一个毫无生物医学背景的人，居然能够利用AI制造出一款个性化肿瘤疫苗，并成功挽救一条被兽医“放弃”的狗狗。

OpenAI总裁Greg Brockman与谷歌DeepMind CEO Demis Hassabis更是亲自下场转发，进一步点燃了网络对于这场AI救援的追捧。

尽管这个真实的案例，充满了赛博朋克式的英雄色彩，但这绝非普通人可复刻的DIY科学实验，AI更没有独立发明疫苗。

保罗的成功，建立在17年机器学习硬核能力、持续交付的专业成果、不可替代的科研协作，以及严苛药物研发流程之上，所谓“低门槛奇迹”，本质是一场被简化的认知误区。

其中，第一道不可逾越的壁垒，就是保罗的专业数据能力与提示工程壁垒。保罗并非“普通人”，而是悉尼AI公司Core Intelligence Technologies的联合创始人，曾任澳大利亚数据科学与AI协会董事，拥有约17年机器学习与深层神经网络研发经验，精通算法搭建、数据处理与逻辑指令设计。

ChatGPT对他来说，是一个需要高超“提示工程”能力才能驱动的强大工具，这种能力是普通用户难以企及的壁垒。毕竟，AI不会替人思考，只会放大专业者的能力，普通人即便拥有同款工具，也无法完成高质量数据挖掘与靶点识别。

而保罗之所以能够说服科研机构，靠的也不是一个温情的故事，而是利用AI工具不断拿出成果。

保罗最初联系新南威尔士大学的Martin Smith教授请求为狗做基因测序时，对方明确拒绝合作，而保罗的破局关键在于，他每次接触科学家前都“做完了作业”。他独立分析了320GB的基因组数据，找到了有意义的突变，用AlphaFold建模，并初步匹配了靶点。

Martin Smith教授的支持，源于专业认可而非情感共鸣，更在关键节点为保罗指明mRNA疫苗方向，成为转折核心。

第二道壁垒，也是最不可复制的环节是算法设计。保罗不仅分析数据，还自己编写了机器学习算法来筛选新抗原、指导mRNA设计，最终Thordarson教授团队完成了疫苗的制造。

正如Thordarson教授的评价：“What I find most remarkable is that a data engineer with no background in biology managed to generate the mRNA recipe.”

而这远非普通用户通过与大模型的聊天，就能实现的。

更进一步而言，AI的加速作用存在明确边界。药物从发现到上市，有十分严格的流程，AI能加速的只是其中一小段。保罗仅完成早期设计环节，疫苗合成、伦理审批、临床注射均依赖专业机构与合规流程，脱离这套系统，在强大的AI工具也无法挽救其爱犬Rosie。

AI+mRNA如何重塑癌症治疗的未来

尽管“治愈”Rosie的是一个兽用疫苗，动物实验成功与人类临床应用之间，隔着监管、生产、安全性、科学验证的巨大鸿沟。但其对mRNA疫苗行业仍有显著的启示意义，再次验证了mRNA疫苗在极短时间内完成“序列到药物”转化的可行性。

Thordarson教授指出，这是世界上第一例专为狗设计的个性化癌症疫苗，它证明了在mRNA技术的加持下，针对个体突变的个性化疗法可以以极具时间效率的方式完成。

在传统癌症疫苗开发中，预测哪些突变能够引发免疫反应需要数月甚至更长时间的实验室模拟。而保罗通过AlphaFold分析蛋白质结构的置信度和预测结合亲和力，筛选出那些最容易被Rosie免疫受体识别的肽序列，极大压缩研发周期；新南威尔士大学团队不到两个月完成疫苗合成，再次证明mRNA技术能完美适配个体突变定制需求，为实体瘤个性化治疗提供了可行路径。

事实上，AI 驱动的药物发现正在加速进入临床验证阶段，AI与mRNA的结合也已处于爆发前夜。

AI已经能够优化 mRNA的稳定性和翻译效率，并预测抗原的免疫原性。简单来说，就是采集患者的肿瘤样本和健康人血液样本，对其进行各种序列分析对比，从而找出该患者癌症特有的突变。然后，使用深度学习的预测算法将突变列表转化为癌细胞表面的新抗原，进而设计出该患者独有的mRNA。

AI能够推动mRNA药物研发从经验驱动向“数据+AI驱动”转型，这将带来两个显而易见的好处：第一，显著缩短了从研发到临床试验的时间周期，提升了效率；第二，大幅提升了研发成功率。海外如Moderna等企业，国内如云顶新耀等企业，均早已投入AI的建设，并在AI加持下，加速临床研究进程；日前BioNTech联合创始人更是透露，离职后将投身聚焦下一代“mRNA+AI”技术的新事业。

AI竞争的本质是算法。数据越多，技术越成熟，迭代越快，反馈到临床研究层面，即分子的产出效率更高，质量越高，形成一个正循环。因此，头部药企之间的效率和成功率，差距只会越拉越大。

需要说明的是，当前的AI也绝非万能的，其局限性同样清晰：AlphaFold 在点突变细微结构预测上存在偏差，AI可能产生“幻觉”导致预测失误，一旦应用可能引发过敏、自身免疫等致命风险。保罗的c-KIT蛋白AlphaFold渲染置信度为54.55。AlphaFold的置信度量表中，70以下被视为低置信度，50附近接近"不确定"。

对此，新南威尔士大学结构生物学家Kate Michie表示："I think people put a little bit too much trust in it at the moment. We're still working out the things that it doesn't do."

同时，LNP送技术专利壁垒、肿瘤异质性导致的治疗无效、长期安全性观察周期不可压缩，都是行业亟待解决的难题。

而保罗与Rosie的故事，之所以引发这么大的反响，还在于它揭示的是一个更深刻、也更复杂的命题：AI在生物医学领域的能力边界，或许正以超出预期的速度扩张。

在2026年，AI深刻变革的当下，一个具备数据分析能力但没有任何生物医学训练的人，借助公开的AI工具和开源数据库，能够在数月内走完从“理解疾病分子机制”到“产出可用治疗方案”的全程。但是，正如前文所说，将其变为现实，仍需要顶级科研机构、专业实验室和监管审批的参与。

换句话说，AI不可能很快就治愈癌症，但它正在做一件更根本的事。

目前，保罗正基于最新的测序结果研发第二款疫苗以打击Rosie体内剩余肿瘤。在他看来，癌症未来可能不再是终点，而是一门可以通过不断迭代算法来应对的“管理科学”。

PS：欢迎扫描下方二维码，添加氨基君微信号交流。