2025 年 10 月，英國劍橋一家只有 14 人的公司 Ignota Labs 宣布收購美國癌癥生物技術公司 Kronos Bio 的全部臨床資產。

Kronos Bio 曾在 IPO 后估值達到 35 億美元，但因多條管線未能通過二期臨床試驗，加上安全性和臨床定位問題，最終停止運營，以每股 0.57 美元的價格被 Concentra Biosciences 收購。Ignota Labs 從 Concentra 手中接過了這些資產，計劃用 AI 診斷藥物失敗的根本原因，對分子做最小化學改動，讓它們重新進入臨床。

Kronos Bio 的遭遇在制藥業并不少見。一款新藥從立項到上市，平均需要十年以上、超過十億美元的投入，最終成功率不到 10%。在未能上市的候選藥物中，相當一部分不是因為療效不足，而是倒在了安全性問題上，例如肝毒性、心臟毒性、脫靶結合、代謝異常。這些藥物大多已經完成了動物實驗，部分甚至進入過早期人體臨床，最終帶著海量實驗數據被封進檔案庫。

（來源：Ignota Labs）

Ignota Labs 做的事和傳統的藥物重定向（drug repurposing）不同。重定向是把同一個分子用于新的適應癥，分子本身不做改動，比如阿司匹林從止痛擴展到抗血栓。Ignota 走的是另一條路，更接近“藥物復活”（drug revival）：找到失敗的根因，對分子結構做定向修改，解決安全性問題后重新推進臨床。這個過程會產生新的知識產權，也意味著藥物有機會被真正修復，而不只是換個適應癥。

執行這套流程的是 Ignota 自研的 AI 平臺 SAFEPATH。它整合了多種異構數據，包括分子結構、蛋白質結合強度、基因表達譜、動物實驗記錄、臨床不良反應等等，通過多模態建模尋找人類難以發現的跨層級關聯。

Ignota 聯合創始人、首席數據科學官 Layla Hosseini-Gerami 在 Nature 的報道中舉了幾類平臺能夠檢測和處理的問題：脫靶結合效應（藥物綁定了不該綁定的分子）、藥物代謝速率異常（藥物在體內被清除得太快或太慢）以及分布偏差（比如藥物不應進入大腦卻進入了）。診斷完成后，SAFEPATH 會生成具體的分子改造方案，候選分子經虛擬篩選和實驗驗證后進入迭代優化。

（來源：Ignota Labs）

從 Kronos Bio 收購的管線是目前 Ignota 最核心的資產，包括 CDK9 抑制劑 istisociclib 以及兩種 SYK 抑制劑 entospletinib 與 lanraplenib。SYK 是免疫細胞信號傳導中經過充分驗證的靶點，Ignota 將 SYK 抑制劑聚焦于兩個適應癥：免疫性血小板減少癥（ITP，全球市場規模約 15 億美元）和慢性淋巴細胞白血病（CLL，全球市場規模約 80 億美元）。

對此，Ignota 官網的描述顯示，在 ITP 方向，其目標是在獲得更好療效的同時規避現有獲批療法已知的毒性問題；在 CLL 方向，則瞄準對標準治療已產生耐藥的患者群體。這些藥物此前并非機制本身有問題，而是受到安全性和臨床定位的拖累。

圖｜SAFEPATH 的工作流程（來源：Ignota Labs）

Ignota Labs 由 Hosseini-Gerami、Jordan Lane 和 Sam Windsor 于 2021 年共同創立。Hosseini-Gerami 是劍橋大學化學與生物信息學博士，博士研究方向是用計算方法理解藥物的作用機制。具體來說，是弄清楚一款有效的藥物到底擊中了哪些蛋白靶點、調控了哪些生物通路。

這篇論文后來還獲得了劍橋化學系 2022 年杰出論文獎。Lane 曾任 AI 藥物發現公司 BenevolentAI 首席科學家，在藥企和 AI 生物技術公司有十年經驗；Windsor 曾為 Merck 和 Google DeepMind 的 AlphaFold 團隊提供咨詢。

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

公司成立時恰逢 2020-2021 年生物技術融資泡沫破裂，利率上升和風險資本退潮使早期 biotech 的融資環境驟然收緊。Hosseini-Gerami 在采訪中提到，團隊不得不反復打磨敘事方式，向既不了解 AI 也不了解藥物的投資人解釋清楚公司在做什么。

2025 年 2 月，Ignota 完成了 690 萬美元種子輪融資；同年 10 月收購了 Kronos Bio 的臨床資產。到 2025 年底，團隊從創立初期的 4 人擴展到 14 人，涵蓋機器學習、生物學、化學和臨床轉化。

團隊和管線都可以擴張，但有一個瓶頸不是靠招人能解決的。Hosseini-Gerami 指出，制藥行業幾十年積累的失敗數據，大部分至今仍鎖在各家公司的內部服務器中。失敗意味著暴露弱點，科學界長期以來幾乎只討論成功案例，失敗實驗很少被發表，失敗原因更少被公開復盤。她認為，只有當企業看到共享數據的實際好處，比如行業整體成功率提升帶來的市場擴容，或以數據交換數據的互利機制，分享才可能真正發生。

全球每年有大量候選藥物在臨床階段被放棄，其中一部分針對的是至今仍無有效療法的領域。這些藥物的實驗數據并非廢紙，它們記錄了每一次試錯的方向和邊界。問題在于，有多少家公司愿意把這些數據從服務器里拿出來。

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

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成