徽声在线记者 | 李科文
徽声在线编辑 | 谢欣

9月7日，AI制药领域传来一则重要消息：英矽智能与墨卓生物正式签署了战略合作协议。墨卓生物凭借其强大的多组学数据产出能力，将系统性地把这些宝贵数据注入英矽智能的Pharma.AI平台数据仓库。这一举措将为英矽智能的核心生成生物学平台PandaOmics，以及其最新发布的多智能体驱动虚拟衰老细胞平台（VAC）等提供强有力的训练、验证与模型迭代支持，推动AI制药技术迈向新的高度。

在此之前不久，英矽智能刚刚推出了具有创新意义的虚拟衰老细胞技术，将年龄因素引入虚拟细胞模型中。这一技术与此次和墨卓生物的合作，共同彰显了AI在加速新药早期研究方面的巨大潜力与决心。

新药研发是一个漫长而复杂的过程，它涵盖了疾病机制研究、靶点发现与验证、候选药物发现与优化、药效及作用机制研究，直至临床前开发和临床试验等多个阶段。据徽声在线此前深度报道，在2023年前后，AI在药物发现领域的应用主要集中在研发链条的前端。它能够从浩如烟海的生物学数据中挖掘潜在靶点，还能辅助研究人员筛选甚至生成候选分子，为新药研发提供有力支持。

然而，找到靶点并设计出能与其结合的分子，并不意味着就找到了有效的药物。药物作用于靶点后，可能会引发一系列复杂的下游变化，这些变化既包括预期的治疗作用，也可能伴随着毒性、补偿性反馈、耐药等不良结果。因此，如何准确预测药物在生物体内的行为，成为了新药研发中的一大难题。

英矽智能的相关负责人向徽声在线表示，尽管目前AI在药物研发的化学端已经取得了显著进展，但生物学端仍然是更具挑战性的领域。一个分子能够与靶点结合，只是药物发挥作用的起点。真正困难的是，击中靶点后，复杂的生物系统会如何响应，这是当前药物研发中亟待解决的问题。

而虚拟细胞技术的出现，为解决这一问题提供了新的思路。它试图将一部分原本需要通过细胞和动物实验逐步探索的问题，提前放到计算环境中进行模拟。研究人员可以先在计算环境中预测一个靶点或药物可能引发的生物学变化，再针对其中更值得关注的结果进行真实实验，从而提高研发效率，降低研发成本。

在此基础上，研究人员还希望进一步将年龄、疾病状态以及组织环境等因素加入模型。因为同一种药物在不同生物学状态下，可能会产生截然不同的反应。虚拟衰老细胞技术，就是在这一方向上的重要尝试，它考虑了年龄这一关键变量对药物反应的影响。

过去，要了解一种药物作用于靶点后发生了什么，研究人员需要进行一系列真实实验。例如，将药物加入细胞培养液中，等待一段时间后检测细胞发生了哪些变化；之后还可能需要进行动物实验，继续观察药物在更复杂生物系统中的作用。如果想比较同一种药物在不同疾病状态、年龄或组织环境中的表现，又需要增加新的实验条件，这使得研发过程更加繁琐和耗时。

现在，虚拟细胞技术可以把其中一部分探索提前放到计算环境中进行。研究人员可以在计算环境中模拟大量干预条件，观察不同条件下细胞可能出现的变化，再挑选更值得验证的结果进入真实实验。这种“计算先行，实验验证”的模式，有望大大缩短新药研发周期，提高研发成功率。

英矽智能的相关负责人向徽声在线进一步解释说，可以把虚拟细胞与真实细胞的关系类比为飞行模拟器和真实飞机。飞行模拟器可以利用大量真实数据和规律，在计算机中模拟不同飞行条件，帮助飞行员进行训练和预演。虚拟细胞也采用类似思路，利用真实生物学数据建立模型，预测细胞受到特定干预后可能发生的变化，为药物研发提供有力支持。

比如，英矽智能曾对其研发的特发性肺纤维化TNIK抑制剂rentosertib进行模拟。模拟结果显示出了这种新药对于人体细胞信号通路的具体影响，进而推演出其对治疗特发性肺纤维化可能存在的关系。这一结果为后续的真实实验提供了重要参考，有助于研究人员更准确地评估药物的疗效和安全性。

不过，需要指出的是，这种机制推演距离直接预测一个患者使用药物后的疗效仍然还有很长的路要走。因为从细胞到患者，中间还隔着组织、器官等多个层级。一个患者使用药物后的真实疗效，还受到不同细胞之间的相互作用、器官环境以及个体差异等多种因素影响。因此，细胞层面的变化能否转化为整个肺部器官层面的改善，目前还无法在临床试验前可靠预测。

尽管虚拟细胞可以模拟一个靶点受到干预后可能发生的变化，但现实中的药物反应还受到个体身体状态的影响。年龄就是其中一个重要变量。两个实际年龄相同的人，身体的衰老程度可能存在差异。这种差异通常被称为“生物学年龄”。实际年龄记录一个人出生后经过了多少年，而生物学年龄更关注细胞、组织和器官实际处于怎样的衰老状态。

英矽智能正是希望把这种差异加入药物模拟中。该模型以“年轻健康人”作为标准参考，将个体差异建模为相对于这一标准的偏离，再加入药物等干预因素，从分子层面开始向后推演。如果用一个简单的比喻，许多虚拟细胞模型更像给细胞拍下一张“照片”，记录细胞在某个时间点的状态。而真实的细胞会持续变化，健康细胞会逐渐衰老，正常细胞可能发生癌变，年轻组织也可能逐渐变得衰老和脆弱。

虚拟衰老细胞技术则希望在这张“照片”之外，进一步把生物学年龄作为影响细胞变化的变量，模拟细胞可能向什么方向变化，以及一种干预可能怎样影响这种变化。这样，研究人员就可以更全面地了解药物在不同生物学状态下的行为，为后续实验提供更有价值的筛选依据。

加入年龄变量后，模型还希望进一步比较相同干预在不同衰老状态下可能产生的差异。这种差异与药物研发直接相关。许多年龄相关疾病主要发生在老年人群中，而临床前研究使用的实验动物通常更加年轻。同一种药物作用于年轻和衰老状态的细胞，产生的分子变化和药效可能存在显著差异。因此，虚拟衰老细胞技术有望提前比较候选药物在不同衰老状态下的反应，判断其疗效和毒性是否可能随衰老状态发生变化，为后续实验提供更准确的筛选依据。

然而，这一设想能否真正实现，目前仍有待验证。而“加上年龄”后能够在多大程度上提高虚拟细胞预测的准确性，目前还缺少直接的对比结果。事实上，类似的验证问题存在于整个虚拟细胞领域。英矽智能向徽声在线表示，过去两年建立的一些虚拟细胞模型在独立基准测试中，对细胞受到干预后的分子状态进行预测时，并未显著优于更简单的统计学基线模型。此外，一些模型对于训练数据中代表不足的细胞类型，泛化能力仍然有限。

这也意味着，从预测细胞的分子变化到预测药物在不同身体状态下的效果，虚拟细胞仍有较长的验证路径要走。模型可以帮助研究人员缩小实验范围、提出更具体的假设，但这些预测最终仍需要回到真实实验中进行验证。只有通过不断的实验验证和模型优化，虚拟细胞技术才能在新药研发中发挥更大的作用，为人类健康事业做出更大的贡献。