被宣判失败的药物，正在被AI重新复活

2025 年 10 月，英国剑桥一家只有 14 人的公司 Ignota Labs 宣布收购美国癌症生物技术公司 Kronos Bio 的全部临床资产。

Kronos Bio 曾在 IPO 后估值达到 35 亿美元，但因多条管线未能通过二期临床试验，加上安全性和临床定位问题，最终停止运营，以每股 0.57 美元的价格被 Concentra Biosciences 收购。Ignota Labs 从 Concentra 手中接过了这些资产，计划用 AI 诊断药物失败的根本原因，对分子做最小化学改动，让它们重新进入临床。

Kronos Bio 的遭遇在制药业并不少见。一款新药从立项到上市，平均需要十年以上、超过十亿美元的投入，最终成功率不到 10%。在未能上市的候选药物中，相当一部分不是因为疗效不足，而是倒在了安全性问题上，例如肝毒性、心脏毒性、脱靶结合、代谢异常。这些药物大多已经完成了动物实验，部分甚至进入过早期人体临床，最终带着海量实验数据被封进档案库。

（来源：Ignota Labs）

Ignota Labs 做的事和传统的药物重定向（drug repurposing）不同。重定向是把同一个分子用于新的适应症，分子本身不做改动，比如阿司匹林从止痛扩展到抗血栓。Ignota 走的是另一条路，更接近“药物复活”（drug revival）：找到失败的根因，对分子结构做定向修改，解决安全性问题后重新推进临床。这个过程会产生新的知识产权，也意味着药物有机会被真正修复，而不只是换个适应症。

执行这套流程的是 Ignota 自研的 AI 平台 SAFEPATH。它整合了多种异构数据，包括分子结构、蛋白质结合强度、基因表达谱、动物实验记录、临床不良反应等等，通过多模态建模寻找人类难以发现的跨层级关联。

Ignota 联合创始人、首席数据科学官 Layla Hosseini-Gerami 在 Nature 的报道中举了几类平台能够检测和处理的问题：脱靶结合效应（药物绑定了不该绑定的分子）、药物代谢速率异常（药物在体内被清除得太快或太慢）以及分布偏差（比如药物不应进入大脑却进入了）。诊断完成后，SAFEPATH 会生成具体的分子改造方案，候选分子经虚拟筛选和实验验证后进入迭代优化。

（来源：Ignota Labs）

从 Kronos Bio 收购的管线是目前 Ignota 最核心的资产，包括 CDK9 抑制剂 istisociclib 以及两种 SYK 抑制剂 entospletinib 与 lanraplenib。SYK 是免疫细胞信号传导中经过充分验证的靶点，Ignota 将 SYK 抑制剂聚焦于两个适应症：免疫性血小板减少症（ITP，全球市场规模约 15 亿美元）和慢性淋巴细胞白血病（CLL，全球市场规模约 80 亿美元）。

对此，Ignota 官网的描述显示，在 ITP 方向，其目标是在获得更好疗效的同时规避现有获批疗法已知的毒性问题；在 CLL 方向，则瞄准对标准治疗已产生耐药的患者群体。这些药物此前并非机制本身有问题，而是受到安全性和临床定位的拖累。

图｜SAFEPATH 的工作流程（来源：Ignota Labs）

Ignota Labs 由 Hosseini-Gerami、Jordan Lane 和 Sam Windsor 于 2021 年共同创立。Hosseini-Gerami 是剑桥大学化学与生物信息学博士，博士研究方向是用计算方法理解药物的作用机制。具体来说，是弄清楚一款有效的药物到底击中了哪些蛋白靶点、调控了哪些生物通路。

这篇论文后来还获得了剑桥化学系 2022 年杰出论文奖。Lane 曾任 AI 药物发现公司 BenevolentAI 首席科学家，在药企和 AI 生物技术公司有十年经验；Windsor 曾为 Merck 和 Google DeepMind 的 AlphaFold 团队提供咨询。

从左至右：Hosseini-Gerami、Jordan Lane、Sam Windsor

公司成立时恰逢 2020-2021 年生物技术融资泡沫破裂，利率上升和风险资本退潮使早期 biotech 的融资环境骤然收紧。Hosseini-Gerami 在采访中提到，团队不得不反复打磨叙事方式，向既不了解 AI 也不了解药物的投资人解释清楚公司在做什么。

2025 年 2 月，Ignota 完成了 690 万美元种子轮融资；同年 10 月收购了 Kronos Bio 的临床资产。到 2025 年底，团队从创立初期的 4 人扩展到 14 人，涵盖机器学习、生物学、化学和临床转化。

团队和管线都可以扩张，但有一个瓶颈不是靠招人能解决的。Hosseini-Gerami 指出，制药行业几十年积累的失败数据，大部分至今仍锁在各家公司的内部服务器中。失败意味着暴露弱点，科学界长期以来几乎只讨论成功案例，失败实验很少被发表，失败原因更少被公开复盘。她认为，只有当企业看到共享数据的实际好处，比如行业整体成功率提升带来的市场扩容，或以数据交换数据的互利机制，分享才可能真正发生。

全球每年有大量候选药物在临床阶段被放弃，其中一部分针对的是至今仍无有效疗法的领域。这些药物的实验数据并非废纸，它们记录了每一次试错的方向和边界。问题在于，有多少家公司愿意把这些数据从服务器里拿出来。

https://www.nature.com/articles/d41586-026-01626-1

https://www.drugtargetreview.com/fixing-failed-drugs-ai-solutions-for-toxicity-in-drug-discovery-part-1/657929.article

https://www.drugtargetreview.com/fixing-failed-drugs-ai-solutions-for-toxicity-in-drug-discovery-part-3/657954.article

https://www.drugtargetreview.com/fixing-failed-drugs-ai-solutions-for-toxicity-in-drug-discovery-part-2/657936.article

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成