GSK 與 Relation Therapeutics 簽署 1.1 億美元 AI 藥物發現協議

GSK 將向 Relation Therapeutics 支付高達 1.1 億美元，用以生成人類細胞數據集並訓練 AI 基礎模型，此舉深化了這家藥廠在機器學習驅動的靶點發現領域的布局。

Relation 執行長 David Roblin 表示：「加深我們對疾病潛在生物學的理解，始於更豐富的數據，這些數據將用於模型中，讓我們在發現最終能產出藥物的治療靶點時更有信心。」

根據協議，Relation 將製作大規模的擾動數據集，捕捉人類細胞在基因與藥理干預下的反應。該公司將使用先進的細胞疾病模型與自動化系統，生成具有多體學讀數的時間解析數據——同時測量基因組學、轉錄組學與蛋白質體學的變化。由此產生的數據將用於訓練 Relation 的 MORGAN 基礎模型（全稱為 Multi-Omic Regulatory Genomics using Artificial Neural Networks），以識別與疾病相關的生物路徑。此次合作建立在雙方先前針對纖維化疾病與骨關節炎的合作基礎之上。

對於 GSK 而言，這筆交易增添了計算生物學能力，該公司正尋求強化其面臨關鍵產品專懸崖的藥物管線。這家英國製藥巨頭持續增加研發投資，同時擴大 AI 應用，以提升藥物發現的效率與成功率——這是整個產業的趨勢，已見到大型藥廠與 AI 原生生物科技公司之間類似的合作案例。

Relation 的做法結合了濕實驗與計算建模。該公司表示，其整合自動化平台能夠以傳統方法無法比擬的規模與一致性生成擾動數據。這些數據集捕捉人類細胞在特定干預下隨時間變化的過程，提供疾病生物學的動態圖像，而非靜態的快照。這個時間維度至關重要，因為疾病機制往往涉及複雜的反饋迴路與補償路徑，單一時間點的測量無法捕捉到這些變化。

MORGAN 模型是此策略的核心。這款基礎模型經過多體學數據訓練，旨在預測細胞在不同疾病背景下對基因與藥物擾動的反應。此類預測建模可減少靶點驗證的時間與成本——這是藥物開發中歷來失敗率極高的環節，超過 80% 的臨床前候選藥物最終未能進入臨床試驗。透過針對生理相關的人類疾病系統進行擾動數據訓練，MORGAN 有可能識別出轉化為有效藥物機率更高的靶點。

交易結構包含預付款及基於成功里程碑的付款，這是生物科技與製藥公司合作的常見框架，能將激勵機制與數據生成和靶點驗證保持一致。Relation 將保留其平台的所有權，同時授予 GSK 使用合作所產生數據集與模型的權限。兩家公司並未透露新協議涵蓋的具體疾病領域，僅表示其建立在現有的纖維化與骨關節炎合作基礎之上。據該公司表示，Relation 也在推進免疫學、代謝與骨骼疾病方面的內部項目。

Relation Therapeutics 為一家私人公司，不公開財務狀況，但這筆 1.1 億美元的交易結構為 AI 驅動的藥物發現平台提供了估值參考點。GSK 股票在倫敦證券交易所交易，該公司已將 AI 合作夥伴關係描述為其研發策略的核心。此交易也驗證了 Relation 的「生物學優先」方法，該公司表示這使其與那些主要依賴計算篩選而缺乏實驗驗證的競爭對手區分開來。

本文僅供資訊參考，不構成投資建議。