Ridge Biotechnologies扩大种子轮至约3800万美元：AI设计酶能否拓宽生物共轭药物的治疗窗口？

当“精准”本身成为瓶颈：偶联药物的窗口困境

抗体药物偶联物（ADC）在过去五年里从边缘赛道变成大药企的军备竞赛，但一个尴尬的事实始终悬在头顶：大多数 ADC 的剂量限制毒性并非来自抗体识别错误，而是来自连接子与载荷在循环系统中的提前脱落。换句话说，精准打击的“制导系统”已经足够好，但“引信”仍然不可靠。肿瘤微环境与正常组织之间的生化差异被反复讨论，真正能稳定利用这种差异的化学工具却少之又少。条件激活——让药物只在目标组织中被打开——听上去是理所当然的答案，但实现路径长期卡在酶的特异性与连接子的稳定性之间。

这正是 Ridge Biotechnologies（下称 Ridge Bio）试图切入的位置。2026 年 9 月 9 日，这家总部位于 Palo Alto 的生物技术公司宣布获得一笔追加投资，使其累计融资额达到约 3800 万美元。本轮由 Dimension Capital 锚定，加入创始投资方 Sutter Hill Ventures（SHV）和 Overlap Holdings 的行列。据公司披露，SHV 在公司去年秋季正式启动前就已孵化该项目，Overlap Holdings 则参与了最初的超额认购种子轮。

这笔钱的规模在生物技术领域不算惊人，但它的结构值得注意：这不是一轮新的 A 轮，而是一次对种子轮的扩大。一家公司在种子轮之后选择向上修正融资规模，通常意味着两种可能——要么早期数据说服了新的机构投资者，要么公司需要更多时间来验证一个尚未被外部充分理解的技术假设。Ridge Bio 的情况似乎两者兼有。

无细胞数据与“按规格定制”的酶：平台到底在卖什么

Ridge Bio 的核心叙事围绕两个产品线展开：NativeLink 酶和 ProTrigger 连接子。据公司披露，NativeLink 酶用于精准生物偶联，可构建 ADC 和抗体-寡核苷酸偶联物；ProTrigger 连接子则被设计为提供组织和疾病特异性的激活与释放，覆盖多种载荷和前药。公司称其专有机器学习模型建立在“大规模、专门构建的无细胞实验数据集”之上，能够为药物开发者提供模块化系统，改善稳定性、可制造性和治疗性能。

这里的关键词是“无细胞实验”。传统的酶工程通常依赖细胞表达系统进行筛选，通量受限且周期长。无细胞体系理论上可以在更短时间内生成更大规模的结构-功能数据，从而为机器学习模型提供训练燃料。但需要指出的是，这一技术路线的有效性目前仅来自公司单方面描述，尚无独立第三方验证其数据规模、模型性能或与细胞体系结果之间的相关性。公司称其平台能够“提高稳定性、可制造性和治疗性能”，这是公司口径，不是已发表的研究结论。

从产业链角度看，Ridge Bio 的定位更像是一家“工具平台公司”而非“管线公司”。它的产品是酶和连接子，而不是最终药物。这意味着它的客户是其他药物开发者，而不是患者。但截至目前，公司未披露任何具体客户、合作伙伴或已签署的合作协议。新闻稿中提到的“快速商业 traction”来自投资方声明，没有收入数据、合同数量或客户名称作为支撑。对于一个声称已经产生商业吸引力的平台公司来说，这是一个显著的验证缺口。

“商业 traction”背后的资本结构：SHV 孵化、Dimension 加注，但钱从哪里来

Ridge Bio 的融资历史存在公开信息层面的不一致。根据 Synbiobeta 的报道，公司于 2025 年 9 月以 2500 万美元的超额认购种子轮从隐身状态中浮出水面，由 SHV 领投，Overlap Holdings 参与。而 FundedIQ 的记录显示公司仅有一轮 2500 万美元的种子轮融资。但 2026 年 9 月的新闻稿明确称“累计融资约 3800 万美元”，并将 Dimension Capital 描述为“锚定”了扩大的种子轮。TrySignalBase 则报道了一轮 4700 万美元的 A 轮融资，与上述信息存在明显冲突；该来源为聚合类融资信息平台，其数据未与其他来源交叉印证，可靠性较低，读者在判断信息权重时应予注意。

从已披露信息可以确认的事实是：SHV 在公司正式成立前就进行了孵化。SHV 的 Keith Loebner 在声明中称公司“取得了非凡的技术创新速度和商业 traction”，并欢迎 Dimension 团队的加入。Dimension Capital 的 Nan Li 则强调了“计算设计”和“按规格定制的酶与连接子系统”在拓宽治疗窗口方面的潜力。这两段话都是投资方声明，反映的是出资人的判断，而非独立验证的事实。

一个值得编辑推断的细节是：如果 Ridge Bio 确实在种子轮之后仅一年就获得了 Dimension Capital 的加注，且新闻稿选择用“扩大种子轮”而非“A 轮”来定义这笔资金，那么公司可能有意避免在尚未披露具体客户或管线进展的情况下触发 A 轮通常伴随的更高估值预期。该推断无来源支持，仅为基于公开融资节奏差异的逻辑推演。从已披露的 3800 万美元累计融资额与 2500 万美元初始种子轮之间的差额来看，新增资金规模约为 1300 万美元，这个量级更接近一次内部延伸而非完整的机构轮次。但公司未披露具体估值、稀释比例或资金到账节奏，因此这一推断的边界是清晰的：资本结构的具体条款仍然不透明。

科学顾问委员会的光环与商业验证的空白

Ridge Bio 在新闻稿中列出了一个令人印象深刻的科学顾问委员会名单：2022 年诺贝尔化学奖得主 Carolyn Bertozzi（Stanford）、MIT/HHMI 的 Sangeeta Bhatia、Stanford 的 Michael Jewett（学术联合创始人兼 SAB 主席）、Georgia Tech 的 Gabe Kwong、Fathom Therapeutics 和 Sutter Hill Ventures 的 Mandana Honu、哥本哈根大学的 Hans Wandall，以及前 Codexis 的 Vesna Mitchell。这份名单覆盖了糖生物学、组织工程、酶工程和生物偶联化学等领域。该名单来自公司新闻稿，属于公司披露口径，尚无独立第三方验证其实际参与程度或贡献边界。

但科学顾问的名望与公司的商业进展之间没有必然联系。Bertozzi 在生物正交化学领域的工作为条件激活药物提供了理论基础，但她的学术贡献不等于 Ridge Bio 的平台已经解决了连接子稳定性问题。同样，Jewett 在无细胞蛋白质合成领域的开创性工作为公司的数据生成策略提供了学术背书，但学术实验室的成果与工业化规模的数据生产之间存在巨大的工程鸿沟。公司未披露其无细胞实验体系的具体规模、数据质量指标或与已发表基准的对比结果。

从竞争格局来看，Ridge Bio 并非唯一试图用计算设计改造酶和连接子的公司。Crunchbase 页面提及的可能竞争对手包括 Generate Biomedicines、Xaira Therapeutics 和 Cradle。Ridge Bio 的差异化叙事在于将无细胞数据生成与机器学习模型结合，但这一结合是否产生了优于传统定向进化的结果，目前没有任何公开数据可以支撑。可比较但尚未披露的指标包括：无细胞筛选通量、模型预测与实验验证的命中率、连接子在血浆中的半衰期、组织选择性释放的定量数据，以及与已上市 ADC 连接子在同一检测体系下的头对头对比结果。

资金用途：一个没有管线细节的研发承诺

公司称新增资金将用于“加速 AI 设计的生物共轭治疗药物的研发；扩大专有平台，推进研发管线，并扩大运营规模”。该表述来自公司新闻稿，属于公司声称，尚无独立验证。这是一个标准的平台公司资金用途声明，但缺少任何具体的里程碑定义。哪些管线在推进？优先适应症是什么？平台扩张的具体指标是什么？运营规模从多少人扩大到多少人？这些信息均未披露。

从已披露的产品线来看，Ridge Bio 的技术应用范围极为广泛：ADC、抗体-寡核苷酸偶联物、条件激活前药、体内 CAR-T 疗法、靶向核酸递送、放射疗法和酶基疗法。这种“全谱系覆盖”的表述在早期平台公司中很常见，但也意味着公司尚未在任何一个应用方向上建立深度验证。一个同时声称可以服务七个治疗模态的平台，与一个在单一模态中完成概念验证的平台，其风险特征完全不同。Ridge Bio 目前更接近前者。

公司还提到正在开发“新型酶基催化药物”（Catalytic Medicines）。这是一个值得关注的方向，因为催化药物——即酶本身作为治疗实体——在理论上可以实现一分子酶处理多分子底物的放大效应，从而突破传统小分子或抗体的剂量上限。作为编辑背景分析，催化药物的免疫原性、体内半衰期和底物选择性在行业中被普遍视为长期技术挑战，但这一判断并非本项目已核实事实。Ridge Bio 未披露其催化药物项目的任何具体靶点或临床前数据，因此这一方向目前只能被视为公司叙事的一部分，而非已验证的技术能力。

投资逻辑：Dimension 看中的是什么，以及它没有说出口的风险

Nan Li 的声明中使用了“下一代偶联药物平台”“计算设计”“拓宽治疗窗口”等表述。从投资逻辑上看，Dimension 押注的是这样一个假设：如果 Ridge Bio 能够用无细胞数据训练出真正可泛化的酶和连接子设计模型，那么它就能成为整个偶联药物生态系统的“军火商”，而不需要自己承担单个药物管线的临床风险。

这个逻辑的吸引力在于它的可扩展性。如果平台成立，每一个新的偶联药物项目——无论是 ADC、抗体-寡核苷酸偶联物还是体内 CAR-T——都可能成为 Ridge Bio 的潜在客户。但反过来说，这个逻辑的脆弱性也在于它的验证周期。一个酶或连接子从设计到在真实药物中证明其优于现有方案，需要经过体外验证、动物实验、IND 申报和临床前开发，周期通常以年计。Ridge Bio 成立至今仅约一年，公司称的“商业 traction”如果存在，更可能以早期合作或材料供应的形式出现，而非成熟的商业合同。

另一个被投资方声明回避的问题是：无细胞实验数据与体内性能之间的相关性。机器学习模型的质量取决于训练数据的代表性。如果无细胞体系无法捕捉体内环境中存在的蛋白酶、氧化应激和免疫清除等因素，那么基于无细胞数据训练的模型在预测体内连接子稳定性时可能产生系统性偏差。公司未披露其模型是否经过了体内数据的校准或验证。这是一个核心的技术风险，也是未来任何合作伙伴在签署协议前必须追问的问题。

待验证假设：从“平台叙事”到“药物证据”的距离

Ridge Bio 目前所有公开信息都指向同一个结论：这是一家处于极早期阶段的平台公司，拥有强大的学术背书和投资方支持，但尚未提供任何独立可验证的技术或商业证据。公司称其机器学习模型基于“大规模”数据集，但未披露数据规模；公司称其产品能够“提高稳定性、可制造性和治疗性能”，但未提供对比数据；投资方称其取得了“快速商业 traction”，但未披露任何客户或收入。

从已披露的融资节奏来看，Ridge Bio 在一年内完成了从隐身到 2500 万美元种子轮、再到累计 3800 万美元的资本积累。这个速度在生物技术领域不算慢，但也不算异常。真正决定公司未来走向的，不是它能否继续融资，而是它能否在接下来的 12 到 18 个月内完成至少一个方向的概念验证——无论是与一家制药公司签署合作开发协议，还是公布一组显示其连接子在动物模型中优于现有方案的对比数据。没有这样的证据，平台叙事将始终停留在叙事层面。

编辑推断的边界同样需要明确：Ridge Bio 可能确实拥有一个高效的无细胞数据生成管线，也可能确实在酶设计方面取得了比公开信息所显示的更多进展。但从已披露的事实出发，外界无法判断这些可能性的大小。公司选择在新闻稿中强调投资方名单和科学顾问委员会，而非具体数据或客户，这本身就是一个信号——它目前最有信心的资产是“谁在支持它”，而不是“它已经证明了什么”。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：Ridge Bio 的故事是当前 AI 制药叙事的一个典型切片——用计算设计重新发明一个存在已久的化学工具，并声称能够系统性拓宽精准疗法的治疗窗口。这个愿景在科学上并非不可能，但从“无细胞数据集”到“体内稳定连接子”之间的距离，比投资方声明中暗示的要远得多。真正的分水岭不是下一轮融资的规模，而是公司能否在某个具体应用方向上拿出第一组可被独立验证的对比数据。在那之前，3800 万美元买到的是一张进入偶联药物工具竞赛的门票，而不是一张已经兑现的支票。