人类探索的长河里，科学的进步总来源于开创性的构想。

“如果细胞能告诉我们它需要什么，药物研发会去向何方？”

十几年前的加州大学旧金山分校实验室里，心脏病学家Yerem Yeghiazarians与肿瘤生物学家Kurosh Ameri提出了这样一个问题。彼时的两人深耕于不同领域，但并未将此停留于纸面，2020年，依托十余年细胞基础研究积累，二人联合创立Soley Therapeutics（下称“Soley”），走出了一套完全区别于传统靶点筛选的新药研发路径。

 Yerem Yeghiazarians和Kurosh Ameri

近日，Soley完成Surveyor Capital领投的2亿美元（约人民币13.54亿元）C轮融资，HRTG Partners、RWN Management新晋入局，Doug Leone Family Fund、Breyer Capital等老股东持续加码。资金一方面将用于加速两款核心肿瘤候选药迈向临床，同步铺开代谢、神经退行疾病的早期管线探索，另一方面也为平台底层技术迭代、规模扩张提供充足支撑。

这束偶然闪现的电光石火，真的照亮了现实。

过去几十年，行业的主流研发逻辑是先定靶点，再筛分子，但这套思路落到真实的临床试验里，存在相当高的折戟率：药学顶刊《Acta Pharmaceutica Sinica B》的一项系统研究显示，基于2010—2017全球临床数据，40%-50%的失败项目最终都栽在了疗效不足上。问题的根源，很大程度上藏在静态检测的局限。

静态检测，可以简单理解为——无论是测量细胞活力、凋亡标志物，还是某个通路活性，本质上都是拍一张“终点快照”。这种传统方法能告诉你细胞最后是死是活，却说不清中间发生了什么：药物是怎么作用于细胞的？细胞经历了怎样的应激过程？是靶向干预导致的死亡，还是由于非特异性的毒性？这些关键信息，全被单一的终点数值抹平了。

更棘手的是复杂疾病的网络属性。如癌症、神经退行性疾病、代谢疾病从来不是单个基因的问题，而是整个细胞调控网络的稳态失衡。盯着单一靶点做药，不仅容易漏掉核心机制，还会撞上大量“不可成药”死角（如内在无序蛋白这类没有固定三维结构的靶点），基于结构的传统药物设计根本无从下手。行业也尝试过表型筛选，直接观察细胞变化找药物，但同样有硬伤：批次误差容易干扰结果，且常常“知其然，不知其所以然”，筛到活性分子却难以理解作用机制。

瞄准这些共性难题，Soley把十几年的细胞应激研究沉淀成了核心技术方法——活细胞动力学（Live Cell Dynamics, LCD），以此为基础搭建了完整的全细胞应激感知药物发现平台，从底层跳出了预设靶点的框架。

活细胞动力学的核心来自对细胞的认知：细胞本身就是自然界最精密的生物传感器之一。无论是癌变、衰老还是损伤，本质都是细胞应对外界压力时的稳态失衡。药物则是通过干预细胞的应激反应，引导细胞走向预期的命运，比如让徘徊在慢性应激极限的癌细胞突破阈值走向死亡，或是让受损的神经/代谢细胞减轻压力回归正常功能。

和传统思路最大的不同是，Soley选择先观察活细胞在药物干预下的完整变化，再从动态反应里倒推背后的作用机制，锁定关键靶点，把“假设靶点→实验验证”的单向流程，变成“观察细胞反应→反推机制靶点”的反向探索。这样的思路改变，使得其天然更容易发现被传统思路遗漏的全新机制。

为了把这套生物学逻辑落地，Soley搭起了从数据采集、到算法解析、再到应用输出的完整链条，每一环都针对性解决活细胞成像的难题。

底层是数据采集端：依靠高通量自动化明场成像系统，全程无需荧光染色、不用分子标记，不破坏细胞的正常生理状态。和传统只拍单个时间点、单个药物浓度的做法不同，这套系统会在多时间点、多剂量、多焦平面下连续拍摄，给细胞拍一部完整的“延时纪录片”，完整记录药物作用的全过程。

中间核心是自监督学习算法，也是Soley最核心的技术壁垒。针对明场成像对比度低、批次效应重的两大痛点，团队做了三个创新：一是平面无关增强技术，把同一视野不同焦平面的图像当成同一种细胞状态的不同视图，训练模型忽略焦距波动干扰，专注学习细胞本身的生物学特征；二是跨批次采样策略，让同一细胞状态的正负样本来自不同实验批次，倒逼模型学习跨批次稳定的真实生物信号，主动分离技术噪声；三是加入Barlow Twins损失函数，减少特征冗余、提升区分度，精准捕捉极细微的表型差异。

Soley团队在发表于《Scientific Reports》的验证研究中表示，这套算法表现全面优于传统CellProfiler人工特征提取方法，尤其在低药物浓度、给药早期优势格外显著。

顶层是应用输出端：所有图像里的高维信息，最终会被转化成结构化的化合物反应特征图谱——也就是SoleyMap™。每个分子都会对应一张独有的“细胞反应画像”，里面不仅包含活性判断，还能反推背后的作用机制、识别一个分子的多药理学效应、预判潜在的毒性风险。相当于给每个化合物做了一次全方位的细胞级体检，后续的靶点验证、分子优化都能基于这份画像精准推进。

基于这套完整的技术设计，LCD平台拥有明显的优势：

首先是远超传统方法的灵敏度。LCD能捕捉到非常早期的细胞状态变化，哪怕此时细胞形态还没有肉眼可见的改变，甚至凋亡标志物都还未表达，但细胞内部的应激通路已经启动。这种超早期信号捕捉，不仅能筛到更多低剂量下就有特异性活性的分子，也能更早区分不同机制的差异，大幅提升早期筛选效率。

其次是超高的机制分辨率。通过剂量和时间双维度的动态轨迹，平台能精准区分选择性药效和广谱细胞毒性，避免把有毒分子当成候选药推进。更重要的是，它能识别单一化合物的多药理学效应，也就是一个分子同时作用于多个靶点的情况，省去了传统研究中大量繁琐的通路验证实验，大幅降本提效。

再次是天然适配不可成药靶点。因为是从细胞表型倒推机制，不需要提前知道靶点是什么，也就不需要靶点有明确的可结合结构口袋。那些传统方法束手无策的内在无序蛋白、功能未知的调控因子，只要能影响细胞应激状态，就能通过平台被捕捉到，相当于打开了一大片全新的成药空间。

最后是跨疾病领域的强通用性。观察细胞应激反应的底层逻辑可覆盖多种领域：肿瘤领域用来找增强细胞应激、诱导癌细胞死亡的分子，神经退行、代谢疾病等非肿瘤领域，就反过来找减轻细胞应激、恢复细胞功能的分子。

底层技术复用，筛选逻辑反向互通，这也是Soley能在短短几年快速拓展多个疾病领域的核心原因。

为了支撑PB级生物数据处理与大模型训练，Soley在2024年与科技巨头Oracle达成深度合作，搭建起基于Oracle云基础设施（OCI）与NVIDIA算力的全栈AI研发环境。

在底层架构上，Soley将平台部署于OCI虚拟云网络（一个位于云端的私有灵活数据中心），采用零信任数据包路由技术保障专有研发数据安全，同时接入OCI高速连接服务，实现大规模生物数据的高效传输；算力层面，Soley搭载NVIDIA Blackwell加速计算平台，配套NVIDIA AI Enterprise软件套件与药物发现方向的NIM微服务，为 AI模型训练与推理提供充足算力支撑。

这套全栈AI方案带来了研发效率的实质提升：一方面，其支撑了SoleyMap™化合物特征数据库的持续扩容与SoleyGPT™大模型的迭代优化，加速化合物活性评估与全新分子设计；另一方面，其与内部自动化筛选系统联动，可实现每周数十万种化合物的高通量筛选，进一步放大规模化研发优势。

Soley已搭建覆盖肿瘤、代谢、神经退行性疾病等多领域管线（图源官网）

肿瘤学是Soley平台的首个落地场景，目前已有两个先导项目进入IND准备阶段，均为靶向全新机制的口服小分子药物，在血液瘤与实体瘤模型中均展现出显著疗效，且对正常细胞无明显毒性，具备较宽的治疗窗口。

具备FIC潜力的CKAP2（细胞骨架相关蛋白2）调节剂STX-6398，已于2026年AACR年会公布临床前数据。CKAP2是传统认知中不可成药的内在无序蛋白，与肿瘤恶性进展高度相关。实验数据显示，STX-6398的敏感性与CKAP2蛋白丰度正相关，可通过调控FAK（黏着斑激酶）信号通路抑制细胞迁移、阻滞细胞周期；在肺癌、结肠癌等多个异种移植模型中，口服给药可剂量依赖性地抑制肿瘤生长甚至诱导消退，同时耐受性良好。

依托平台的通用性，Soley也将管线向非肿瘤领域延伸，在神经退行性疾病、肥胖/代谢疾病、毛发再生方向均布局了探索性项目。与肿瘤逻辑相反，这些项目以逆转细胞应激，恢复正常细胞状态为核心，目前已获得体外与体内概念验证数据。

面向未来，细胞应激感知平台有望从当前的肿瘤细胞系逐步拓展至原代细胞、类器官、患者来源模型，进一步提升研发结果的临床相关性，复用至更多复杂疾病领域。长远来看，这种路径也有望推动AI制药从当下主流的“靶点驱动的分子生成”向“生物学驱动的表型发现”升级，为临床高失败率问题提供新的解法。

当然，这套模式的落地仍面临多重现实考验。目前所有管线均处于临床前阶段，活细胞层面观测到的动态应激信号，能否在人体中复现并转化为明确的临床疗效，仍需后续临床试验的验证。而随着平台向更多细胞类型、更复杂的疾病模型拓展，AI模型的泛化能力、批次效应的控制难度也会显著提升。与此同时，Recursion Pharmaceuticals等主打AI表型筛选的头部公司率先推进到临床阶段，赛道竞争同样不容小觑。

说到底，这条创新路径能走多远，接下来的临床数据便是最好的试金石。