C輪狂攬13億！這家Biotech讓細胞開口說話？

人類探索的長河里，科學的進步總來源于開創性的構想。

“如果細胞能告訴我們它需要什么，藥物研發會去向何方？”

十幾年前的加州大學舊金山分校實驗室里，心臟病學家Yerem Yeghiazarians與腫瘤生物學家Kurosh Ameri提出了這樣一個問題。彼時的兩人深耕于不同領域，但并未將此停留于紙面，2020年，依托十余年細胞基礎研究積累，二人聯合創立Soley Therapeutics（下稱“Soley”），走出了一套完全區別于傳統靶點篩選的新藥研發路徑。

Yerem Yeghiazarians和Kurosh Ameri

近日，Soley完成Surveyor Capital領投的2億美元（約人民幣13.54億元）C輪融資，HRTG Partners、RWN Management新晉入局，Doug Leone Family Fund、Breyer Capital等老股東持續加碼。資金一方面將用于加速兩款核心腫瘤候選藥邁向臨床，同步鋪開代謝、神經退行疾病的早期管線探索，另一方面也為平臺底層技術迭代、規模擴張提供充足支撐。

這束偶然閃現的電光石火，真的照亮了現實。

01

讓細胞自己“說話”

過去幾十年，行業的主流研發邏輯是先定靶點，再篩分子，但這套思路落到真實的臨床試驗里，存在相當高的折戟率：藥學頂刊《Acta Pharmaceutica Sinica B》的一項系統研究顯示，基于2010—2017全球臨床數據，40%-50%的失敗項目最終都栽在了療效不足上。問題的根源，很大程度上藏在靜態檢測的局限。

靜態檢測，可以簡單理解為——無論是測量細胞活力、凋亡標志物，還是某個通路活性，本質上都是拍一張“終點快照”。這種傳統方法能告訴你細胞最后是死是活，卻說不清中間發生了什么：藥物是怎么作用于細胞的？細胞經歷了怎樣的應激過程？是靶向干預導致的死亡，還是由于非特異性的毒性？這些關鍵信息，全被單一的終點數值抹平了。

更棘手的是復雜疾病的網絡屬性。如癌癥、神經退行性疾病、代謝疾病從來不是單個基因的問題，而是整個細胞調控網絡的穩態失衡。盯著單一靶點做藥，不僅容易漏掉核心機制，還會撞上大量“不可成藥”死角（如內在無序蛋白這類沒有固定三維結構的靶點），基于結構的傳統藥物設計根本無從下手。行業也嘗試過表型篩選，直接觀察細胞變化找藥物，但同樣有硬傷：批次誤差容易干擾結果，且常常“知其然，不知其所以然”，篩到活性分子卻難以理解作用機制。

瞄準這些共性難題，Soley把十幾年的細胞應激研究沉淀成了核心技術方法——活細胞動力學（Live Cell Dynamics, LCD），以此為基礎搭建了完整的全細胞應激感知藥物發現平臺，從底層跳出了預設靶點的框架。

活細胞動力學的核心來自對細胞的認知：細胞本身就是自然界最精密的生物傳感器之一。無論是癌變、衰老還是損傷，本質都是細胞應對外界壓力時的穩態失衡。藥物則是通過干預細胞的應激反應，引導細胞走向預期的命運，比如讓徘徊在慢性應激極限的癌細胞突破閾值走向死亡，或是讓受損的神經/代謝細胞減輕壓力回歸正常功能。

和傳統思路最大的不同是，Soley選擇先觀察活細胞在藥物干預下的完整變化，再從動態反應里倒推背后的作用機制，鎖定關鍵靶點，把“假設靶點→實驗驗證”的單向流程，變成“觀察細胞反應→反推機制靶點”的反向探索。這樣的思路改變，使得其天然更容易發現被傳統思路遺漏的全新機制。

02

從成像到算法的全鏈條平臺設計

為了把這套生物學邏輯落地，Soley搭起了從數據采集、到算法解析、再到應用輸出的完整鏈條，每一環都針對性解決活細胞成像的難題。

底層是數據采集端：依靠高通量自動化明場成像系統，全程無需熒光染色、不用分子標記，不破壞細胞的正常生理狀態。和傳統只拍單個時間點、單個藥物濃度的做法不同，這套系統會在多時間點、多劑量、多焦平面下連續拍攝，給細胞拍一部完整的“延時紀錄片”，完整記錄藥物作用的全過程。

中間核心是自監督學習算法，也是Soley最核心的技術壁壘。針對明場成像對比度低、批次效應重的兩大痛點，團隊做了三個創新：一是平面無關增強技術，把同一視野不同焦平面的圖像當成同一種細胞狀態的不同視圖，訓練模型忽略焦距波動干擾，專注學習細胞本身的生物學特征；二是跨批次采樣策略，讓同一細胞狀態的正負樣本來自不同實驗批次，倒逼模型學習跨批次穩定的真實生物信號，主動分離技術噪聲；三是加入Barlow Twins損失函數，減少特征冗余、提升區分度，精準捕捉極細微的表型差異。

Soley團隊在發表于《Scientific Reports》的驗證研究中表示，這套算法表現全面優于傳統CellProfiler人工特征提取方法，尤其在低藥物濃度、給藥早期優勢格外顯著。

頂層是應用輸出端：所有圖像里的高維信息，最終會被轉化成結構化的化合物反應特征圖譜——也就是SoleyMap?。每個分子都會對應一張獨有的“細胞反應畫像”，里面不僅包含活性判斷，還能反推背后的作用機制、識別一個分子的多藥理學效應、預判潛在的毒性風險。相當于給每個化合物做了一次全方位的細胞級體檢，后續的靶點驗證、分子優化都能基于這份畫像精準推進。

基于這套完整的技術設計，LCD平臺擁有明顯的優勢：

首先是遠超傳統方法的靈敏度。LCD能捕捉到非常早期的細胞狀態變化，哪怕此時細胞形態還沒有肉眼可見的改變，甚至凋亡標志物都還未表達，但細胞內部的應激通路已經啟動。這種超早期信號捕捉，不僅能篩到更多低劑量下就有特異性活性的分子，也能更早區分不同機制的差異，大幅提升早期篩選效率。

其次是超高的機制分辨率。通過劑量和時間雙維度的動態軌跡，平臺能精準區分選擇性藥效和廣譜細胞毒性，避免把有毒分子當成候選藥推進。更重要的是，它能識別單一化合物的多藥理學效應，也就是一個分子同時作用于多個靶點的情況，省去了傳統研究中大量繁瑣的通路驗證實驗，大幅降本提效。

再次是天然適配不可成藥靶點。因為是從細胞表型倒推機制，不需要提前知道靶點是什么，也就不需要靶點有明確的可結合結構口袋。那些傳統方法束手無策的內在無序蛋白、功能未知的調控因子，只要能影響細胞應激狀態，就能通過平臺被捕捉到，相當于打開了一大片全新的成藥空間。

最后是跨疾病領域的強通用性。觀察細胞應激反應的底層邏輯可覆蓋多種領域：腫瘤領域用來找增強細胞應激、誘導癌細胞死亡的分子，神經退行、代謝疾病等非腫瘤領域，就反過來找減輕細胞應激、恢復細胞功能的分子。

底層技術復用，篩選邏輯反向互通，這也是Soley能在短短幾年快速拓展多個疾病領域的核心原因。

03

全棧AI算力體系輔助腫瘤先導項目沖刺臨床

為了支撐PB級生物數據處理與大模型訓練，Soley在2024年與科技巨頭Oracle達成深度合作，搭建起基于Oracle云基礎設施（OCI）與NVIDIA算力的全棧AI研發環境。

在底層架構上，Soley將平臺部署于OCI虛擬云網絡（一個位于云端的私有靈活數據中心），采用零信任數據包路由技術保障專有研發數據安全，同時接入OCI高速連接服務，實現大規模生物數據的高效傳輸；算力層面，Soley搭載NVIDIA Blackwell加速計算平臺，配套NVIDIA AI Enterprise軟件套件與藥物發現方向的NIM微服務，為 AI模型訓練與推理提供充足算力支撐。

這套全棧AI方案帶來了研發效率的實質提升：一方面，其支撐了SoleyMap?化合物特征數據庫的持續擴容與SoleyGPT?大模型的迭代優化，加速化合物活性評估與全新分子設計；另一方面，其與內部自動化篩選系統聯動，可實現每周數十萬種化合物的高通量篩選，進一步放大規模化研發優勢。

Soley已搭建覆蓋腫瘤、代謝、神經退行性疾病等多領域管線（圖源官網）

腫瘤學是Soley平臺的首個落地場景，目前已有兩個先導項目進入IND準備階段，均為靶向全新機制的口服小分子藥物，在血液瘤與實體瘤模型中均展現出顯著療效，且對正常細胞無明顯毒性，具備較寬的治療窗口。

具備FIC潛力的CKAP2（細胞骨架相關蛋白2）調節劑STX-6398，已于2026年AACR年會公布臨床前數據。CKAP2是傳統認知中不可成藥的內在無序蛋白，與腫瘤惡性進展高度相關。實驗數據顯示，STX-6398的敏感性與CKAP2蛋白豐度正相關，可通過調控FAK（黏著斑激酶）信號通路抑制細胞遷移、阻滯細胞周期；在肺癌、結腸癌等多個異種移植模型中，口服給藥可劑量依賴性地抑制腫瘤生長甚至誘導消退，同時耐受性良好。

依托平臺的通用性，Soley也將管線向非腫瘤領域延伸，在神經退行性疾病、肥胖/代謝疾病、毛發再生方向均布局了探索性項目。與腫瘤邏輯相反，這些項目以逆轉細胞應激，恢復正常細胞狀態為核心，目前已獲得體外與體內概念驗證數據。

04

何為最后試煉的長梯

面向未來，細胞應激感知平臺有望從當前的腫瘤細胞系逐步拓展至原代細胞、類器官、患者來源模型，進一步提升研發結果的臨床相關性，復用至更多復雜疾病領域。長遠來看，這種路徑也有望推動AI制藥從當下主流的“靶點驅動的分子生成”向“生物學驅動的表型發現”升級，為臨床高失敗率問題提供新的解法。

當然，這套模式的落地仍面臨多重現實考驗。目前所有管線均處于臨床前階段，活細胞層面觀測到的動態應激信號，能否在人體中復現并轉化為明確的臨床療效，仍需后續臨床試驗的驗證。而隨著平臺向更多細胞類型、更復雜的疾病模型拓展，AI模型的泛化能力、批次效應的控制難度也會顯著提升。與此同時，Recursion Pharmaceuticals等主打AI表型篩選的頭部公司率先推進到臨床階段，賽道競爭同樣不容小覷。

說到底，這條創新路徑能走多遠，接下來的臨床數據便是最好的試金石。

文｜于淼馨

微信｜Junemon_

添加時請注明:姓名-公司-職位

聲明：動脈網所刊載內容之知識產權為動脈網及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業信息和數據，均由受訪者向分析師提供并確認。