构建 AI" 细胞基础模型 " 的竞赛正遭遇数据瓶颈。由于训练所需的生物数据稀缺、杂乱且不一致，伦敦初创公司 Relation Therapeutics 选择自行制造数据，并已获得葛兰素史克（GSK）高达 1.1 亿美元的资金支持。

Relation Therapeutics 近日同步发布了其旗舰级细胞基础模型 MORGAN，以及一项与 GSK 扩展的合作协议，旨在为模型训练生成必需的高质量数据。

预测细胞反应的 " 数字孪生 "

MORGAN（基于人工神经网络的多元组调控基因组学）旨在预测人类细胞对基因调整或药物的反应。若预测准确，研究人员无需进行实体实验，即可在计算机上发现疾病机制和新药物靶点。这一路径与胸部基础模型及 DeepMind 旗下 Isomorphic 的 AI 生物学研究思路一致。

Relation 的核心壁垒不仅在于模型，更在于数据。鉴于人类生物数据的匮乏，该公司正在建设自动化实验室，以 " 超人类的一致性 " 运行细胞实验，随时间推移生成拍字节（petascale）级别的细胞干预反应数据集。

GSK 为何买单

GSK 投资的实质是这座 " 数据工厂 "。根据协议，Relation 可获得高达 1.1 亿美元的预付款和里程碑付款。作为回报，Relation 将生成大规模的人类 " 扰动 " 数据，并将其部署到包括 MORGAN 在内的模型中。这些捕捉细胞对基因和药理学变化反应的数据集，正是 GSK 寻找新药物靶点的关键所需。

Relation 首席执行官 David Roblin 表示，药物开发的未来取决于以前所未有的细节水平理解人类细胞对疾病和治疗反应的能力。他将 MORGAN 及其背后的实验室定义为下一代药物发现的 " 科学基础设施 "。

未验证的激烈赛道

Relation 并非唯一押注 " 生物学可建模 " 的公司。从 Chai Discovery 到众多新兴 AI 生物实验室，资金雄厚的竞争对手正追逐同一目标，制药行业也在快速签署各类 AI 研究协议。

尽管 Relation 声称其方法可能带来 " 变革性的成功率提升 "，但这一主张仍有待验证。目前，大多数药物仍在临床试验阶段失败，尚无细胞基础模型成功产出获批药物。然而，GSK 的交易表明，大型制药公司正转变策略，愿意为高质量数据付费，而不仅仅是为最终药物买单。

【星途科讯 图文丨三一一 首发于 ZAKER 科技，转载请注明出处】