研发方向
AI 虚拟细胞、遗传与药物扰动、细胞状态动态、药物响应/组合及跨条件泛化；与普通分子虚拟筛选分开，不把注释成绩当作响应预测能力。
146 条精选近 30 天 97 条共收录 347 条
NewLimit 在 2025 年度回顾中称，公司提前建成首个临床前候选，其重编程载荷可在老年肝细胞中恢复多项年轻功能，并在动物模型中未见肝毒性或肿瘤。公司还推出 AI 系统 Ambrosia，称其在扰动预测任务上达到该领域领先水平，并将载荷设计环节的发现速率相对基线提升逾 2 倍。
推荐理由：NewLimit 复盘其重编程药物发现引擎，披露 AI 系统 Ambrosia 在扰动预测与载荷设计上的表现及首个临床前候选。
Cellarity在2025年美国血液学会（ASH）年会上公布镰状细胞病与骨髓纤维化两条细胞状态矫正管线的临床前数据。镰状细胞病候选药CLY-124为口服DCN1抑制剂，临床前在胎儿血红蛋白蛋白水平与HBG1/2珠蛋白基因比例上优于羟基脲，接近近期基因治疗项目报告的水平，与羟基脲联用显示协同效应且无剂量限制毒性，目前正在健康志愿者和镰状细胞病成人中开展1期剂量递增研究。
推荐理由：公司披露镰状细胞病与骨髓纤维化两条管线的临床前数据，可对照其转录组学加AI的发现路径。
Inductive Bio 宣布牵头一项 2100 万美元的 ARPA-H 项目，与 Amgen 及多家学术机构合作开发药物毒性 AI 模型，目标是提升药物安全性并减少对动物实验的依赖。项目将生成人体类器官、微生理系统（MPS）和离体组织数据，用于构建数字肝脏与心脏模型，以更好地预测 DILI 和心脏毒性。
推荐理由：该项目以人体类器官与器官芯片数据构建肝心毒性预测模型，为减少动物实验提供了一条可参照的数据路径。
Ginkgo 于 11 月 18 日宣布发起虚拟细胞药理学计划 VCPI，以社区协作方式构建面向 AI 药物发现的虚拟细胞数据。该计划采用高通量阵列式 DRUG-seq 筛选，依托 10 亿美元自动化设施和标准化细胞系，并将公开 10 万个高质量化合物的 RNA 谱数据，具体化合物由社区投票选择。
推荐理由：Ginkgo 以标准化细胞系和 DRUG-seq 构建虚拟细胞药理学数据，并公开征集化合物，为数据侧建设提供参照。
Cellarity在Nature Communications发表药物性肝损伤（DILI）预测框架ToxPredictor，并开源模型与验证数据。该框架基于原代人肝细胞转录组库DILImap，覆盖300种与DILI相关化合物在多个浓度下的转录特征；盲评中达到88%灵敏度、100%特异性，优于20余个行业标准临床前安全模型，并识别出动物研究未发现的若干3期临床安全性失败。
推荐理由：该框架用原代人肝细胞的转录组数据预测药物性肝损伤，并在盲评中与20余个临床前安全模型比较。
Cellarity在Science发表论文，提出整合高通量转录组与AI模型的细胞状态矫正药物发现框架，采用实验室在环的深度学习迭代，称表型活性化合物回收率较行业标准方法提升13至17倍。公司同步公开三个单细胞数据集，其中扰动转录组数据集含逾1700个样本、126万个单细胞，可用于跨细胞类型药物响应映射与扰动预测方法基准测试。平台首个候选CLY-124正针对镰状细胞病开展1期临床试验。
推荐理由：该框架把高通量转录组与主动学习闭环结合，并公开扰动数据集，为表型筛选的评测提供参照。