当动物模型无法回答人脑的问题

一种新药从实验室走到患者手中，平均需要十年以上，耗资数十亿美元。在神经科学领域，这个数字更残酷：阿尔茨海默病、帕金森病、肌萎缩侧索硬化等神经退行性疾病的在研管线反复折戟。一个被反复提及的结构性原因是，临床前研究高度依赖动物实验，而小鼠或大鼠的脑与人类大脑在细胞组成、连接方式和分子响应上存在系统性差异。药物在动物模型中表现出的疗效，换到人脑环境中往往无法复现；动物实验中未暴露的毒性，也可能在人体试验阶段才集中显现。

这不是一个新问题，但过去几年出现了一类新的技术回应：用人源细胞在实验室中培养出微型脑组织，再借助自动化和计算工具大规模读取其变化。Vale Biolabs 是这条路径上的早期参与者之一。据 Tech.eu 报道，这家生物科技公司已从 Venture Kick 获得 16.4万欧元（合 15万瑞士法郎），用于推进其研究脑部疾病和评估潜在疗法的平台。FinSMEs 的标题同样将本轮金额表述为 15万瑞士法郎。

Vale Biolabs 试图回答的问题很具体：如果能在药物进入临床试验之前，用标准化的人脑类器官观察候选分子对人脑组织的实际影响，能否提前识别出那些注定失败的项目，从而把有限的研发资源集中到更有希望的管线上。这个逻辑并不复杂，但把它变成可重复、可验证的工程系统，是另一回事。

字段 内容
公司 Vale Biolabs
轮次 未披露
金额 15万瑞士法郎
资金性质 未披露
投资方 Venture Kick
总部 未披露
创始人 Ilaria Incaviglia、Angeliki Damilou、Daniel Medina Cano、Theodoulos Rodosthenous
官网 未披露

这一技术回应的前提是，人脑类器官虽然不能完整再现人脑，但可能保留与药物响应相关的部分细胞和分子特征。来源材料提到 Vale Biolabs 开发标准化人脑类器官，并称其为“再现人脑部分特征的微型组织模型”。这意味着该平台的价值边界从一开始就被限定为部分特征，而非全脑模拟。对于神经退行性疾病研究，这种部分再现是否足以捕捉疾病相关表型，仍需通过具体疾病模型和已知药物响应数据来验证。

把“人脑组织加 AI”拆成可执行的实验闭环

据 Tech.eu 报道，Vale Biolabs 由 Ilaria Incaviglia、Angeliki Damilou、Daniel Medina Cano 与 Theodoulos Rodosthenous 创立，团队专长涵盖类器官神经生物学、自动化、数据科学工程与早期风险投资发展。据 Tech.eu 报道，该公司平台将实验室培养的人脑组织、自动化与预测性 AI 相结合，帮助研究人员理解大脑对药物的响应方式，并支持新疗法的开发。

从已披露的信息看，Vale Biolabs 的技术路径可以拆成三个相互依赖的环节。第一个环节是标准化人脑类器官的制备。来源提到公司开发标准化人脑类器官，但未披露具体标准化指标、批次间一致性数据或与现有类器官协议的对比结果。

第二个环节是自动化监测。据 Tech.eu 报道，该公司利用自动化手段随时间监测类器官的结构、活动与分子反应，分析其在接触潜在疗法前后的变化。自动化在这个体系中的价值在于把类器官从静态终点读数变成动态时间序列数据，而时间序列数据正是训练预测模型的基础。

第三个环节是预测性 AI 模型的训练与验证。据 Tech.eu 报道，其收集的数据用于开发预测性 AI 模型，支持脑发育、神经退行性疾病与健康脑衰老研究。作为编辑分析，这类模型的目标可能是根据类器官在接触候选药物后的早期响应特征，预测该药物在人体试验中的成功概率或毒性风险；但来源未披露模型架构、训练数据规模、验证方式或预测性能指标，这一推断无法在现有材料中得到检验。

从实验闭环的角度看，三个环节之间还存在一个未被来源材料点明的依赖关系：标准化类器官决定数据质量的下限，自动化决定数据采集的通量和时间分辨率，而预测性 AI 的价值只有在数据质量与通量同时达到一定水平后才可能显现。如果类器官批次间差异过大，自动化采集到的数据将包含大量批次噪声，模型可能学到的是培养条件差异而非药物响应差异。因此，标准化指标和批间一致性数据不仅是技术细节，也是判断整个平台是否具备可重复性的前提。如前所述，这些指标尚未披露，目前无法评估该闭环是否已经跨越从单次实验展示到可重复数据生成的阶段。

Venture Kick 的 15万瑞士法郎，买的是验证权而非市场规模

来源称资金来自 Venture Kick，未说明其资助性质、是否属于股权融资或无偿资助，也未披露轮次。这一点对理解本轮交易的性质很重要：如果这是一笔资助，它不稀释创始团队股权，但也不代表市场投资者对公司估值的认可；如果它带有股权或可转换条款，则另当别论。在公开信息缺失的情况下，最稳妥的表述是“从 Venture Kick 获得资金”，而非“完成一轮融资”。

15万瑞士法郎在生物科技研发语境下是一笔非常小的钱。它不足以支撑大规模动物实验、临床试验申报或 GMP 级生产设施建设。它的合理用途是验证一个早期技术假设：这套“类器官—自动化—AI”的闭环能否跑通，能否产生足够质量的数据来吸引下一轮更大的资金。据 Tech.eu 报道，本轮资金将用于推进自动化平台开发、扩展人脑类器官模型、生成用于训练和验证预测性 AI 模型的数据集。这四项用途指向同一个目标：把概念验证推进到可展示的数据阶段。公司还表示将推进与研究及产业伙伴的合作。

对 Vale Biolabs 而言，这笔钱的信号意义可能大于财务意义：它意味着项目通过了某一级评审，获得了继续验证的资格。但信号意义不能替代技术验证，后续能否拿到更大规模的股权融资，取决于未来 12 到 18 个月内能否产出可被独立评估的数据。

Venture Kick 的资金性质未披露，但金额规模本身对验证范围构成了硬约束。这笔资金更可能用于验证平台能否在受控条件下产生一致数据，而不是验证平台能否在真实药物发现场景中提供预测价值。两者之间的差距，可能决定下一轮融资时公司向投资者展示的是技术可行性还是商业可行性。

在一个拥挤的类器官赛道里，自动化与 AI 不是差异化本身

人脑类器官用于药物筛选并非 Vale Biolabs 独有。行业中存在自动化设备与 AI 药物发现公司，也在把自动化实验与机器学习结合，用于大规模表型筛选。Vale Biolabs 的差异化主张不在于“做脑类器官”本身，而在于把类器官、自动化和预测性 AI 整合成一个可重复的数据生成与预测系统。

来源材料没有披露 Vale Biolabs 是否拥有独特的类器官培养协议，也未披露其是否已积累专有数据集。这意味着目前无法判断其技术壁垒的真实高度。一个可能的推断是：四位创始人的互补专长——类器官神经生物学、自动化、数据科学与早期风险投资发展——使团队具备搭建这套系统的完整能力，但团队能力不等于系统已经跑通，更不等于系统已经产生可商业化的预测价值。

来源材料只提到公司开发标准化人脑类器官，未披露其培养协议是否针对特定疾病表型优化，也未披露是否已积累专有数据集。如果标准化本身成为行业通用能力，那么平台的可替代性将上升；如果公司能在特定疾病场景中建立类器官响应与临床结果之间的稳定关联，这种关联本身可能构成壁垒。目前两种路径均缺乏公开证据。

投资逻辑：押注临床前失败成本的下降曲线

神经系统疾病药物开发的失败成本集中在后期，一个候选药物进入后期临床试验后失败，其累计投入往往已经非常高昂。如果能在临床前阶段用更接近人脑的模型识别出高失败风险项目，即使类器官平台的预测精度有限，只要能把失败项目的淘汰时间点前移，就能为整个研发生态节省大量资源。这是编辑基于行业成本结构的分析，来源未披露 Venture Kick 的具体投资理由。

Vale Biolabs 的定位如果成立，它本质上是在向药物开发者出售一种“更早失败”的能力——让错误在类器官阶段暴露，而不是在患者身上暴露。但“更早失败”的商业化前提是预测结果可信。如果类器官模型给出的预测与人体试验结果之间缺乏稳定的相关性，药企不会据此调整研发决策。建立这种相关性需要大量回溯性验证：用已经完成临床试验的化合物在类器官平台上重新测试，比较类器官预测与已知临床结果的一致性。来源材料没有披露 Vale Biolabs 是否启动或完成了这类验证。在缺乏验证数据的情况下，投资逻辑仍然停留在假设层面。

将投资逻辑与本轮具体阶段挂钩后，一个更直接的验证问题是：本轮资金能否支撑至少一轮回溯性验证。回溯性验证需要用已知临床结果的化合物在类器官平台上重新测试，比较类器官预测与临床结果的一致性。这类实验需要选择临床终点明确的化合物、建立与临床数据可比的读数指标，并控制类器官批次差异。来源材料未披露公司是否已启动此类验证，也未披露其预测模型是否已与任何已知临床结果进行过比对。在缺乏这一环节的情况下，平台“更早失败”的价值主张仍停留在逻辑推演层面。

资金用途暴露了公司当前最薄弱的环节

前述资金用途中，最值得关注的是“生成用于训练和验证预测性 AI 模型的数据集”。这句话反过来读，意味着 Vale Biolabs 目前还没有足够的数据集来训练和验证其预测模型。一个以预测性 AI 为核心卖点的公司，在获得本轮资金时仍处于数据积累阶段，说明其技术成熟度距离可商业化的预测服务还有相当距离。

数据集的生成不是简单的“跑更多实验”。类器官实验的成本、周期和数据异质性决定了数据积累是一个缓慢且昂贵的过程。如果要在多个时间点采集结构、活动和分子数据，单批实验的数据量虽然可观，但覆盖多个疾病模型、多个化合物和多个剂量条件时，实验组合数量会迅速膨胀。本轮资金能支撑的实验规模非常有限，这意味着本轮资金更可能用于搭建数据生成的流程框架，而非积累大规模训练数据。

另一个被资金用途清单间接暴露的事实是：公司尚未披露任何商业客户或付费合作。公司表示将推进与研究及产业伙伴的合作，这表明合作关系仍处于推进阶段，而非已经产生收入的合同关系。对于一家以平台型技术为定位的公司，早期收入不一定来自药企付费，也可能来自研究资助或合作开发协议。但无论如何，从“推进合作”到“合作产生可验证的第三方数据”，中间还有一段不短的路。

资金用途清单中“生成用于训练和验证预测性 AI 模型的数据集”还隐含一个时间顺序问题：数据集生成在前，模型训练与验证在后。这意味着本轮资金投入后，公司可能先进入一个以实验和数据生产为主的阶段，预测模型的性能提升需要等待数据积累到一定规模后才能显现。对于外部观察者而言，短期内更可能看到的是类器官培养和自动化流程的进展，而非预测精度的公开数据。这一时间顺序也解释了为什么本轮资金规模虽小，却仍被用于平台开发而非直接商业化。

验证边界与可复核指标

对 Vale Biolabs 的后续进展，可以从几个可公开观察的维度进行跟踪。第一，是否披露类器官的标准化指标，包括批间一致性数据、细胞组成表征和功能读数稳定性。第二，是否发布预测性 AI 模型的验证结果，尤其是模型在独立数据集上的预测性能，以及类器官预测与已知临床结果之间的相关性分析。第三，是否公布与药企或研究机构的合作成果，例如联合发表的论文、合作开发协议或付费筛选服务合同。第四，是否完成下一轮融资，以及下一轮投资方的类型——如果出现专注于生物科技的风险投资机构，说明市场投资者开始认可其技术验证进度；如果仍以资助型机构为主，则说明商业化验证尚未完成。

本项目的统计口径和验证边界需要集中说明：来源材料仅提供了 Tech.eu 一篇完整报道和两条标题级信息，公司官网、总部、成立年份、轮次、客户和收入均未披露。Tech.eu 报道中关于公司技术能力、资金用途和潜在应用的表述，属于公司或报道方提供的单方信息，尚无独立第三方验证。Dealroom 标题中的 18.3万美元为背景性标题级信息，不构成本轮金额的独立确认，本文以 Tech.eu 原文的 16.4万欧元（合 15万瑞士法郎）为准，FinSMEs 标题的 15万瑞士法郎与此一致。Venture Kick 作为投资方的角色——是资助方还是股权投资者——来源未明确，这直接影响对“融资”性质的判断。在更多信息出现之前，对 Vale Biolabs 的技术成熟度和商业前景的任何判断，都应保持在与来源材料一致的边界内。

在跟踪后续进展时，可以将上述指标分为两个层级。第一层级是平台可重复性指标，包括类器官批间一致性、自动化监测的时间分辨率和数据质量报告，这些指标决定平台能否稳定产生可用于建模的数据。第二层级是预测有效性指标，包括模型在独立数据集上的性能、类器官预测与已知临床结果的相关性，以及是否与药企或研究机构共同发表验证性数据。两个层级之间存在先后关系：第一层级未通过，第二层级的数据即使发布，其可信度也会受到限制。来源材料未披露公司已公开任何一层级的数据，因此当前阶段的可复核重点应放在第一层级。

RecodeX 极客视：Vale Biolabs 拿到的是一个验证机会，而不是一个商业里程碑。15万瑞士法郎能买到的，是证明“类器官—自动化—AI”这套闭环能否产生可信数据的入场券。在标准化指标和回溯性验证数据公开之前，其平台价值仍停留在假设层面。在类器官与 AI 的交叉地带，真正的稀缺品不是技术组合本身，而是那些愿意花时间积累数据、并公开接受验证的团队。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。