Transcripta Bio 完成 2400 万美元 A 轮扩展融资：当转录组特征匹配遇见 Conductor AI，自闭症与罕见肌肉疾病的药物发现范式能否被彻底改写？

2024年深秋，帕洛阿尔托的银杏叶正黄，全球生物科技资本市场却依旧寒意刺骨。就在大多数早期公司为“down round”和现金流断裂而挣扎时，一家行事低调的公司——Transcripta Bio，悄然关闭了一笔2400万美元的A轮扩展融资。这笔交易本身并不惊世骇俗，但真正让行业为之侧目的，是其投资者名单上赫然出现的两个名字：美国顶级医疗机构梅奥诊所（Mayo Clinic）与专注神经科学和罕见病的战略投资机构Omnimed。

梅奥诊所，作为全球医疗体系的绝对标杆，其投资逻辑以极度审慎著称。它几乎从不轻易出手，一旦介入，便意味着它看到了一个拥有明确临床转化路径和颠覆性技术平台的项目。在资本寒冬中，梅奥的背书，无异于一张通往下一阶段研发的“黄金通行证”。而Omnimed的加入，则更像一个精准的“信号弹”，直接指向了Transcripta Bio管线中最具社会意义和商业潜力的项目——针对自闭症谱系障碍（ASD）的药物研发。

这笔融资由JAZZ Venture Partners和BlueYard Capital联合领投，两家机构分别代表硅谷顶尖的深度科技风投与AI生物学交叉领域的深刻洞察。从资本层面来看，他们共同确认了一个核心叙事：在药物发现的“靶点荒漠”中，计算生物学与AI驱动的精准干预，可能是唯一有效的绿洲。

正如RecodeX独家获悉，这笔2400万美元将主要用于推进两条核心管线的新药临床试验申请（IND）工作：一是针对面肩肱型肌营养不良症（FSHD）的候选药物，二是针对自闭症谱系障碍（ASD）的潜在疗法。FSHD是一种进行性且目前尚无获批疗法的罕见肌肉疾病，而ASD则是一个全球患病率持续上升、但药物开发屡屡受挫的复杂神经发育领域。选择这两个截然不同但都极具挑战性的适应症作为首发管线，显示出Transcripta Bio对其底层技术平台——基于转录组特征匹配与自研Conductor AI模型——的极度自信。

这不仅仅是一次融资，更是一次战略性的行业卡位。Transcripta Bio正在试图证明，药物发现的未来不在于盲目筛选数百万种化合物，而在于利用AI精确解码疾病的“语言”——转录组，从而在疾病发生的最上游进行干预。

靶点荒原上的“死亡之谷”：为何传统范式在复杂疾病面前节节败退

要理解Transcripta Bio的颠覆性，必须首先正视当前药物发现领域，特别是针对复杂疾病（如ASD和FSHD）的核心困境：靶点发现的“黑箱”与临床转化的“死亡之谷”。

传统的小分子药物发现，通常遵循“靶点发现-高通量筛选-先导化合物优化-临床前研究-临床试验”的线性路径。这条路径在过去几十年中取得了巨大成功，但也暴露出日益严重的结构性矛盾。首先，人类基因组中约有2万个编码蛋白的基因，但已知的、经过临床验证的“可成药”靶点（druggable targets）仅有约600个。这意味着绝大多数疾病，尤其是那些机制复杂、涉及多基因调控的神经发育和罕见病，根本没有明确的“锁”，更遑论去寻找“钥匙”。

以自闭症谱系障碍（ASD）为例，这是一个高度异质性的疾病，其遗传学背景极其复杂。全基因组关联研究（GWAS）已经识别出数百个与ASD风险相关的基因位点，但这些基因的功能、它们如何相互作用、以及它们在疾病不同亚型中的表达模式，至今仍是一团迷雾。传统药企在开发ASD药物时，往往只能针对一些已知的神经递质系统（如血清素、多巴胺）进行“广谱”干预，结果要么是疗效有限，要么是副作用难以忍受。过去20年，FDA仅批准了两种用于治疗ASD相关症状（如易激惹）的药物（利培酮和阿立哌唑），而针对ASD核心症状（社交障碍、刻板行为）的药物开发，几乎全军覆没。行业数据显示，ASD药物开发的临床失败率高达90%以上，这背后是每年数十亿美元的研发资金被白白消耗。

FSHD的情况同样严峻。这种罕见病由染色体4q35区域D4Z4重复序列的异常缺失导致，进而引起DUX4基因的异常表达，最终引发肌肉细胞的毒性损伤。尽管致病机制在分子层面已相对清晰，但直接靶向DUX4蛋白的开发难度极大。DUX4是一个转录因子，其蛋白结构无序，缺乏适合小分子结合的“口袋”，且仅在极少数的肌肉细胞核中瞬时表达。传统的“蛋白靶向”策略在这里几乎完全失效。目前，FSHD领域尚无任何获批的疾病修正疗法，患者只能接受物理治疗和对症支持，生活质量随着肌肉萎缩的进展而急剧下降。

传统范式的另一个致命缺陷在于其“还原论”思维——试图将一个复杂的疾病系统简化为一个单一的分子靶点。这种思维在单基因遗传病（如囊性纤维化）中取得了成功，但在面对ASD这种由数百个基因、环境因素和表观遗传修饰共同作用的复杂疾病时，显得捉襟见肘。行业龙头如辉瑞、罗氏在神经精神疾病领域的多次折戟，已经证明了这种“一个靶点，一种药物”的线性模式正在触及天花板。

此外，传统的药物筛选平台（如基于生化实验或细胞表型的筛选）成本高昂、通量有限，且往往无法在生理相关的人类疾病模型中进行。药企常常花费数年时间和数亿美元，筛选出在体外实验中表现优异的化合物，却在进入动物模型或临床试验后，发现其完全无效或毒性过大。这种“先射箭，后画靶”的模式，造成了巨大的商业损耗。据塔夫茨药物开发研究中心的数据，开发一款新药的平均成本已高达26亿美元，而其中超过一半的成本都花在了失败的项目上。

正是在这种“靶点枯竭”与“转化失败”的双重困境下，行业迫切需要一种全新的范式。这种范式必须能够从疾病发生的底层逻辑出发，不依赖预设的单一靶点，而是通过解析整个疾病状态的分子“指纹”，来寻找能够逆转这种状态的治疗干预点。Transcripta Bio的转录组特征匹配技术，正是对这一需求的直接回应。

解码疾病的“语言”：当转录组成为新药发现的罗塞塔石碑

Transcripta Bio的核心竞争力，并非在于发现了一个新的“神奇分子”，而在于构建了一个能够系统性地“翻译”疾病语言、并“推荐”治疗方案的AI平台。其技术体系可以拆解为两个核心引擎：转录组特征匹配引擎与Conductor AI模型。

第一引擎：转录组特征匹配——将疾病状态“向量化”

传统药物发现关注的是“蛋白”，而Transcripta Bio关注的是“转录组”。转录组是细胞在特定状态下所有RNA分子的总和，它比基因组更动态、更直接地反映了细胞正在发生什么。一个疾病状态（如ASD患者的神经元）会有一个独特的转录组“特征”，就像一个“指纹”。同样，一个药物（无论是已上市的还是实验性的）在作用于细胞后，也会产生一个独特的转录组“指纹”。

Transcripta Bio的核心洞察在于：如果一种药物能够将疾病的转录组“指纹”转变为健康状态的“指纹”，那么这种药物就有可能治疗该疾病。 基于此，公司建立了一个庞大的、经过高度标准化的转录组数据库。这个数据库不仅包含了来自公开资源（如GEO、LINCS L1000）的数据，更关键的是，公司利用其自有的实验平台，生成了大量专有的、针对特定疾病模型和化合物库的转录组数据。

技术实现上，Transcripta Bio采用了一种名为“特征匹配”的算法。首先，他们利用患者的细胞模型（如来自ASD患者的诱导多能干细胞分化而来的神经元）或基因工程小鼠模型，通过RNA测序（RNA-seq）技术，获取疾病状态下的全转录组图谱。然后，他们会将这个“疾病图谱”与数据库中数万个已知化合物（包括已获批药物、临床候选药物和天然产物）的“药物图谱”进行比对。匹配的核心指标是“连通性分数”（Connectivity Score），这是一个基于基因表达变化方向和幅度的统计量，用于量化药物逆转疾病状态的能力。

这一方法在概念上类似于计算化学中的“分子对接”，但它的“空间”不是三维空间，而是高维的转录组空间。这种方法论最早可追溯到Broad研究所的“连通性图”（Connectivity Map, CMap）项目，但Transcripta Bio将其从学术研究工具升级为工业级药物发现平台。他们不仅优化了算法，更重要的是，他们构建了规模更大、质量更高、覆盖更多疾病模型和化学空间的专有数据库。

第二引擎：Conductor AI——当AI学会“指挥”药物发现

如果说转录组特征匹配引擎是“发现”工具，那么Conductor AI则是“创造”工具。Conductor AI是一个基于深度生成模型（如变分自编码器VAE或生成对抗网络GAN）的AI系统，其设计目标是在虚拟空间中从头设计全新的小分子化合物，使其在理论上能够产生期望的转录组变化。

传统AI药物发现公司（如Recursion、Insilico Medicine）通常专注于预测分子与特定蛋白靶点的结合亲和力。而Conductor AI的独特之处在于，它不预设任何靶点。它直接学习“分子结构”与“转录组响应”之间的复杂映射关系。给定一个目标转录组状态（例如，将疾病状态的转录组特征逆转回健康状态），Conductor AI能够生成一系列符合“药物相似性”规则（如Lipinski五规则）的分子结构，这些结构被预测为最有可能实现这种转录组逆转。

这种“无靶点”的生成式设计，从根本上绕开了传统药物发现中“靶点发现”这一最困难的瓶颈。它不再问“哪个蛋白是疾病的关键”，而是问“哪个分子能产生我们想要的治疗性转录组变化”。这种思维范式的转变，使得Transcripta Bio能够触及那些传统方法无法触及的疾病领域，特别是那些靶点不明确或靶点本身难以成药的疾病。

两个引擎协同工作，形成了一个高效的闭环：转录组特征匹配引擎负责“发现”和“验证”，Conductor AI负责“创造”和“优化”。这种“发现-创造”双轮驱动模式，使得Transcripta Bio能够以前所未有的速度和精度，从疾病的转录组特征出发，直接抵达候选化合物。

从算法到临床：FSHD与ASD的“精准打击”如何落地？

技术平台的强大，最终要体现在具体的管线推进上。Transcripta Bio选择的两条首发管线——FSHD和ASD，恰恰是验证其平台能力的“试金石”。

FSHD：绕过“不可成药”的堡垒

FSHD的致病机制已相对清晰，但直接靶向DUX4蛋白的难度极大。DUX4是一个转录因子，其蛋白结构无序，缺乏适合小分子结合的“口袋”，且仅在极少数的肌肉细胞核中瞬时表达。传统的蛋白靶向策略几乎完全失效。

Transcripta Bio的策略是“曲线救国”。他们利用FSHD患者的肌肉细胞模型，通过RNA-seq获取了FSHD疾病的转录组特征。然后，通过转录组特征匹配引擎，他们在数据库中筛选能够逆转这种疾病特征的化合物。结果，他们发现了一类已知药物——mTOR抑制剂（如雷帕霉素类似物），能够部分逆转FSHD的转录组特征。这一发现与学术界近年来的研究结果高度吻合，验证了其平台的有效性。

基于这一发现，Transcripta Bio进一步利用Conductor AI，对mTOR抑制剂的结构进行优化，以提高其肌肉组织选择性、降低全身性免疫抑制的副作用，并增强其逆转FSHD转录组特征的能力。最终，他们开发出了一系列具有高度选择性和更强疗效的候选化合物。这一案例完美展示了其平台如何将“已知药物”转化为“精准药物”，并绕开“不可成药”靶点的直接挑战。

ASD：在神经发育的迷宫中找到出口

ASD的挑战远大于FSHD。其高度的遗传异质性和复杂的发病机制，使得任何试图寻找“通用型”ASD药物的尝试都几乎注定失败。传统药企在ASD领域的失败，很大程度上源于他们将ASD视为一个单一的疾病，而忽略了其亚型的存在。

Transcripta Bio的突破性在于，他们不是寻找“一种”ASD药物，而是试图建立“亚型-药物”的精准匹配系统。他们与Omnimed合作，利用后者在神经发育障碍领域的深厚积累，获取了来自不同ASD亚型患者的诱导多能干细胞（iPSC）模型。通过对这些患者模型的转录组进行深度分析，他们发现ASD并非一个单一的转录组特征，而是存在多个不同的“转录组亚型”。

然后，他们利用平台，针对不同的ASD转录组亚型，分别筛选和设计候选药物。这意味着，未来ASD的治疗可能不再是“一刀切”，而是基于患者的转录组特征，为其匹配最合适的药物。这种“精准精神医学”的范式，有望彻底改变ASD的治疗格局。Omnimed的参与，不仅仅是资金支持，更是提供了临床资源和患者模型，使得这种“亚型-药物”匹配策略得以落地。

从FSHD到ASD，Transcripta Bio的管线布局展示了一种清晰的战略逻辑：先选择一个机制相对清晰、但靶点难以成药的罕见病（FSHD）来验证平台，再进军一个机制复杂、但市场巨大的神经发育障碍（ASD）。这种“由易到难、由罕见病到常见病”的路径，是许多成功的生物科技公司（如Vertex、Alnylam）的经典打法。

竞争红海中的异类：为何“转录组”路径比“蛋白组”更具颠覆性？

AI药物发现赛道早已是一片红海。从Recursion Pharmaceuticals到Schrödinger，从Insilico Medicine到BenevolentAI，数十家公司都在争夺“AI+新药”的叙事主导权。那么，Transcripta Bio究竟有何不同？

核心差异在于“观测尺度”的不同。大多数AI药物发现公司，本质上仍是“AI增强的传统靶点发现”。它们利用AI来预测哪个蛋白是疾病的关键靶点，或者预测哪个分子能与某个特定靶点结合。它们的最终目标，依然是找到那个“神奇的锁”和“匹配的钥匙”。

而Transcripta Bio则从根本上放弃了“锁与钥匙”的隐喻。它不关心“锁”是什么，它只关心“门”的状态——即转录组。它的目标是找到一种能够将“门”从“病态”状态推回“健康”状态的力量。这种“无靶点”的范式，使其能够触及那些传统方法无法触及的领域，特别是那些涉及多基因调控、信号网络紊乱的复杂疾病。

另一个关键差异在于数据的“专有性”与“标准化”。许多AI药物发现公司依赖于公开数据库（如ChEMBL、PDB）进行模型训练。这些数据往往来源多样、实验条件不一、质量参差不齐，导致AI模型的预测精度有限。而Transcripta Bio投入了大量资源，建立了一个高度标准化的、内部生成的转录组数据库。他们使用统一的实验平台、统一的细胞模型、统一的测序流程，确保了数据的一致性和可比性。这种“自建数据闭环”的策略，虽然前期投入巨大，但构建了极高的技术壁垒。

此外，Transcripta Bio的“发现-创造”双引擎模式，也使其区别于大多数只做“发现”或只做“创造”的公司。Recursion Pharmaceuticals主要依靠高通量细胞表型筛选+AI分析来“发现”老药新用。Insilico Medicine则更侧重于利用生成式AI来“创造”新分子。而Transcripta Bio将两者结合，既能从现有药物中“发现”潜在疗法，又能从头“创造”全新分子，形成了一个完整的药物发现流水线。

然而，挑战同样巨大。首先，转录组数据虽然信息丰富，但其与临床疗效之间的关联并非总是线性的。一个药物能够逆转体外细胞模型的转录组特征，并不意味着它在人体内就能产生同样的效果。从“转录组逆转”到“临床获益”，中间还有漫长的转化鸿沟需要跨越。其次，ASD的临床试验设计本身就是一个巨大的难题。如何评估社交障碍或刻板行为的改善？如何设计足够敏感的终点指标？这些都需要Transcripta Bio在临床开发阶段展现出同样卓越的能力。

但无论如何，Transcripta Bio已经在一个关键的时间节点，向市场传递了一个清晰的信号：在资本寒冬中，那些能够将前沿AI技术真正应用于解决临床硬核问题、并拥有顶级临床合作伙伴背书的公司，依然能够获得稀缺的“聪明钱”。

当梅奥诊所的科学家们与Transcripta Bio的AI工程师坐在一起，共同解读自闭症患者神经元的转录组图谱时，一个全新的药物发现时代，或许正在悄然开启。这不是一次简单的技术升级，而是一次范式的革命。它告诉我们，也许我们不需要知道疾病的每一个细节，只需要学会读懂它发出的“语言”，然后，用另一种“语言”去回应它。