相关动态
2026年10月6日，insitro 宣布，其与 Eli Lilly and Company 共同构建、可预测小分子体外及体内性质的先进机器学习模型，现已在 Lilly TuneLab™ 中供部分生物科技公司使用。模型基于 Lilly 数十年研究积累、来自数十万个独特分子的多物种临床前数据训练，为当前从体外实验外推的行业标准做法提供了替代方案，并将随数据集扩充持续更新。该合作于2025年9月宣布，结合了 insitro 的 AI/ML 能力与 Lilly 的 ADMET 专有数据集。insitro 创始人兼 CEO Daphne Koller 表示，进入临床的项目有九成失败，这些模型可先把分子的体内行为变成计算问题。
人工智能正在改变生物医学研究的方式，使整合多种类型的生物数据、处理过去难以回答的问题成为可能。与此同时，AI的日益广泛应用也带来一系列重要问题：数据质量、可靠性、可解释性，以及如何将计算预测与生物学知识和实验验证相结合。在这篇Voices文章中，来自不同学科的研究者分享了AI在各自领域中的推进方式，既指出变革性机遇，也强调将塑造生命科学未来的关键挑战。
insitro宣布扩大与Bristol Myers Squibb（BMY）在肌萎缩侧索硬化（ALS）领域的战略合作。BMS通过insitro的Virtual Human™平台新提名两个靶点ALS-2和ALS-3，这两个靶点将与此前于2024年12月提名的初始靶点ALS-1共同推进。双方将采用多种治疗模式：insitro推进ALS-1的自身寡核苷酸项目，同时为BMS推进ALS-1的小分子项目。insitro因两个新增靶点的入选获得1000万美元里程碑付款。CEO Daphne Koller表示，该平台能够绘制ALS对运动神经元影响的数据图谱，识别神经退行性病变的新驱动因素，以加速为患者提供疾病修饰疗法。
人体中的棕色脂肪组织富含线粒体和解偶联蛋白，通过非颤抖性产热消耗能量，与有利的代谢特征相关，但传统测量依赖 PET-CT，难以大规模应用，阻碍了遗传架构的解析。insitro 在本周的 Keystone 肥胖治疗研讨会上展示了借助 AI 从 MRI 中提取测量数据的方法，实现了人群规模的遗传分析。创始人 Daphne Koller 指出，人类遗传学需要数万人规模的数据，而 AI 使从 MRI 获取测量成为可能。这一进展有望弥补啮齿动物研究转化失败的缺口，为代谢疾病药物开发开辟新途径。
insitro在2026年2月2日报告了首项基于AI的人类棕色脂肪组织（BAT）全基因组关联研究（GWAS）。利用UK Biobank的MRI数据（n=69,598），通过计算机视觉量化BAT表型，他们识别出与BAT相关的遗传位点，并验证了靶点BAT-01。在饮食诱导的肥胖小鼠模型中，BAT-01敲低导致体重下降15%，同时保留瘦体重，提示可能通过外周机制而非中枢食欲抑制起作用。该研究为BAT在代谢健康中的作用提供了证据。
insitro 于 2026 年 1 月 12 日宣布收购 CombinAbleAI，并推出 TherML™（治疗性机器学习）平台。该收购预计于 2026 年 1 月底完成，将整合 CombinAbleAI 的下一代生物制品设计能力与 insitro 现有小分子和寡核苷酸能力，形成覆盖小分子、寡核苷酸、抗体及其他复杂生物制品的统一 AI 引擎。CombinAbleAI 的物理信息 AI 优化引擎预训练了超过 10 万个分子动力学替代模型，用于预测蛋白质结构。insitro 称，该平台将效力和可制造性视为相互依赖的设计标准，旨在降低后期开发风险。
insitro于2025年12月16日宣布，验证其POSH平台的研究发表于《Nature Communications》。研究团队开发了CellPaint-POSH，将pooled CRISPR筛选、高内涵成像与自监督深度学习结合，无需预设生物标志物或人工假设，即可大规模绘制基因功能图谱。多个大规模实验表明，有生物学意义的基因网络能直接从形态学读数和AI嵌入中涌现；相比传统假设驱动分析，该平台可发现系统性遗漏的细胞关系与治疗靶点，打破了药物发现中规模与深度之间的历史性取舍。