Immunai以单细胞数据底座助力阿斯利康研发管线扩张

免疫算法公司（Immunai）与阿斯利康（AstraZeneca）的合作关系，堪称生物医药领域“数字基础设施”赋能传统研发的。双方虽于2022年底正式启动项目，但渊源可追溯至疫情时期。正如Immunai首席执行官诺亚·所罗门（Noam Solomon）所言：“我们已认识阿斯利康团队约五年。”初期合作聚焦肿瘤学临床项目，随后迅速扩展至炎症性肠病（IBD），并进一步向心血管炎症、神经炎症乃至肥胖和糖尿病领域延伸。贯穿这一系列拓展的核心线索，始终是人体免疫系统。

破解跨国药企研发协作的“管道”瓶颈

阿斯利康拥有约9.5万名员工，在肿瘤、罕见病、心血管及代谢医学等领域开展着超过100项III期临床试验。对于一家初创公司而言，协调如此庞大的组织是一项极具挑战性的运营任务。所罗门透露：“多年来，双方各有数十人参与协作，涵盖人工智能与数据科学、转化医学及临床开发等多个团队。”这种跨职能的紧密配合，旨在解决药物研发中深层的基础设施瓶颈。

据德勤（Deloitte）近期估算，制药公司推出一款新药的平均成本高达26.7亿美元。所罗门将自身角色比喻为“高端水管工”，专门修复昂贵且复杂的“管道”问题。这里的“管道”主要指大规模数据操作：从数千个样本中生成海量数据，构建患者的数字孪生体，进而应用免疫谱系分析，找出在免疫系统中显现的临床协变量，从而提炼出具有临床意义的洞察。

Immunai的合作模式通常源于制药公司现有基础设施无法解决的临床难题。这些问题包括：寻找更优的患者分层方法以优化临床试验、识别毒性事件的生物标志物、确定联合用药方案（因单药疗效不佳），或精准定位剂量与给药周期。

从生物样本到单细胞“免疫MRI”

尽管许多AI制药公司声称利用现有数据，Immunai却采取截然不同的路径。所罗门指出：“信号已经存在，但隐藏在生物库中的临床患者样本里。”因此，每次合作的起点都是将临床试验的所有样本送至位于纽约东29街43号的实验室。第一步是利用单细胞多组学谱系技术，将这些生物标本转化为数字数据。

在每个项目中，Immunai分析治疗干预前后免疫系统的变化。所罗门将其描述为“免疫MRI”：在治疗前和治疗后分别获取单细胞、多组学分辨率的画像。每个画像本质上是一个包含约1万个细胞的矩阵，对每个细胞进行约3.7万种基因表达、75种表面蛋白以及VDJ测序的大规模测量。

这种高分辨率使得团队能够追踪治疗后数周甚至数月的变化。通过关联免疫替代终点与临床终点（如无进展生存期或总生存期），研究团队能够识别出与疗效、耐药性、毒性和剂量相关的免疫特征。

单细胞分辨率带来的决策优势

Immunai的AMICA数据库已收录超过30万个样本，其中约5万个达到单细胞分辨率。所罗门强调，分辨率与规模的区分正是大多数竞争对手的短板。“该领域许多庞大的数据量并未带来更好的决策或洞察，因为数据采集缺乏深度。”他将低分辨率方法比作放大黑白照片，“你永远无法分辨绿色和蓝色的区别。如果这是你需要做出的区分，你就陷入了僵局。”

此外，基础模型架构的改变提升了处理小样本队列的能力。制药合作伙伴提供的队列有时仅有20名患者。所罗门表示：“如果在大规模数据上构建了基础模型，每个新队列都会与其他队列产生叠加效应。当获得新队列时，信号即可被解析。”例如，2025年4月，Immunai与帕克癌症免疫治疗研究所（Parker Institute for Cancer Immunotherapy）汇编了Zui大的单细胞真实世界免疫疗法数据集；2026年1月，百时美施贵宝（Bristol Myers Squibb）也与Immunai签署了多年期合作伙伴关系，专注于分析临床免疫数据以阐明作用机制。

对于中国生物医药企业而言，这一案例揭示了AI制药的核心竞争力已从单纯的算法优化转向对高质量、高维度原始数据的掌控能力。随着国内创新药企纷纷出海并深化与全球大药企的合作，建立类似Immunai的单细胞多组学数据底座，或利用现有临床样本挖掘潜在生物标志物，将成为提升研发成功率、规避高昂试错成本的关键路径。唯有在数据深度上实现突破，才能在激烈的全球竞争中从“跟随者”转变为具备核心定价权的“规则制定者”。