Fathom Therapeutics 完成4700万美元A轮融资：用“量子化学+AI”模拟原子级蛋白运动，攻克传统药物设计无法触及的“不可成药”靶点

在药物研发的漫长征程中，蛋白质的“静态快照”一直是科学家们依赖的指南针——直到 Fathom Therapeutics 带着 4700 万美元的超额认购 A 轮融资闯入聚光灯下。这家由 Sutter Hill Ventures 领投、Chemistry、Alexandria Venture Investments 和 NY Ventures 跟投的初创公司，正试图用其名为 Microcosmos 的“世界模型”颠覆传统药物发现：它不再依赖静态蛋白质结构，而是以原子级分辨率模拟蛋白质在活细胞中的动态行为，将建模速度提升高达 10,000 倍。问题是，当物理模拟与 AI 的联姻试图攻克“不可成药”靶点时，Fathom 的技术神话能否经受住临床现实的考验？

当蛋白质“活”起来：Microcosmos 如何让药物设计从二维照片变成 4D 电影

传统药物发现的核心困境在于，蛋白质并非静态雕塑——它们在细胞内不断运动、折叠、与其他分子互动，而 X 射线晶体学或冷冻电镜提供的只是某个瞬间的“快照”。Fathom 的 Microcosmos 平台则试图打破这一局限：它基于量子化学和物理建模，将蛋白质的原子运动模拟成连续动态过程，就像从一张照片升级到一部 4D 电影。这种“动态数据”不仅揭示了蛋白质如何真正“行为”，还能让药物分子像钥匙一样精准插入锁孔，而非靠运气乱撞。创始人 Huafeng Xu 将 Microcosmos 描述为“活细胞中药物的世界模型”，暗示其野心不止于分子模拟——它试图构建一个可预测药物在真实生物环境中行为的虚拟宇宙。从技术角度看，这种从静态到动态的跃迁，可能彻底改变药物发现的第一性原理。

“不可成药”靶点的破壁者：10,000 倍加速背后的物理与 AI 合谋

Fathom 的核心卖点在于，它能在数周内生成针对“不可成药”蛋白质的药物候选分子——传统方法可能需要数年甚至永远无法实现。这得益于 Microcosmos 将物理模拟的精度与 AI 的效率结合：物理模型确保原子级准确性，而 AI 则通过机器学习加速计算，将原本需要超级计算机数月才能完成的蛋白质动力学模拟压缩到几天。创始人团队声称，这一平台在保持精度的同时实现了 10,000 倍的速度提升。如果属实，这不仅是工程上的突破，更意味着药物发现的经济学将被改写：药企不再需要为每个靶点投入数亿美元和十年时间，而是可以快速迭代、低成本试错。但关键在于，这种加速是否以牺牲生物学相关性为代价？毕竟，活细胞中的蛋白质行为远比模拟复杂，Fathom 的“世界模型”能否真正捕捉到 post-translational modifications 或蛋白质-蛋白质相互作用的微妙影响，仍是一个待验证的假设。

从 Atommap 到 Fathom：一个由“临床老兵”组成的团队如何赌注技术信仰

Fathom 的创始人团队并非纸上谈兵的学术派。CEO Huafeng Xu、CSO Yujie Wu 和 CTO Jesus Izaguirre 共同拥有将 19 种药物推进临床、其中 7 种获 FDA 批准的记录——这在计算药物发现领域堪称豪华履历。他们的背景暗示了一个关键优势：团队不仅懂算法，更懂如何让分子通过临床前和临床阶段的“死亡之谷”。公司从 Atommap 更名为 Fathom Therapeutics，也象征了从技术平台向治疗公司的战略转型。新任 CBO Mandana Honu 的加入，则进一步强化了商务拓展能力。然而，技术创始人的光环有时也会成为双刃剑：他们可能过度相信自己的模型，而低估体内实验的复杂性。Fathom 需要证明，Microcosmos 生成的候选分子不仅在计算机中有效，在动物模型和人体中也能展现出同样的 promise——这是所有计算药物公司都面临的终极拷问。

Sutter Hill 的赌注：当“最好的物理和机器学习”遇上生物制药的冰冷现实

领投方 Sutter Hill Ventures 的 Keith Loebner 将 Fathom 描述为“结合了最好的物理和机器学习，真正推动计算药物设计的前沿”。这种表述背后，是硅谷对“AI+生物”赛道日益高涨的热情——从 Recursion 到 Insilico Medicine，资本正在涌入那些声称能通过计算缩短药物研发周期的公司。但 Fathom 的差异化在于，它没有选择纯 AI 路线（如基于深度学习的分子生成），而是将物理模拟作为底层引擎，AI 作为加速器。这种“物理优先”的策略可能更受药企信任，因为其输出可解释、可验证，而非黑箱。然而，4700 万美元的 A 轮融资（超额认购）也反映了投资者的谨慎乐观：这笔钱足以支撑 Fathom 完成初步的临床前验证，但距离将一款新药推向市场所需的数亿美元仍有巨大差距。Sutter Hill 的赌注，本质上是押注 Fathom 能成为下一代计算药物发现的“操作系统”——但操作系统需要生态支持，而 Fathom 目前还只是一个孤立的平台。

“世界模型”的边界：Fathom 能否避免成为另一个过度承诺的计算药物公司？

Fathom 的愿景令人振奋，但历史提醒我们，计算药物发现领域充满“过度承诺-交付不足”的案例。从 Schrödinger 到 D. E. Shaw Research，物理模拟在药物发现中已有数十年应用，但从未真正取代传统实验。Fathom 声称的 10,000 倍加速和“数周内生成候选分子”需要放在具体靶点和疾病背景下审视：对于某些高度动态的靶点（如 GPCR 或 intrinsically disordered proteins），其模型可能仍然不够；而对于简单靶点，传统方法或许已经足够。此外，Fathom 作为一家治疗公司，最终需要自己将药物推进临床——这意味着它不仅要面对技术风险，还要承受临床开发的高失败率。创始人团队的过往成功固然亮眼，但那些药物大多来自传统发现方法，而非计算平台。Fathom 的终极价值，将取决于它能否在 3-5 年内产出一个进入临床的、由 Microcosmos 发现的候选药物——在此之前，所有光环都只是故事的前奏。

Fathom Therapeutics 的 4700 万美元融资，是计算药物发现领域又一个“技术浪漫主义”与“商业现实主义”的交汇点。Microcosmos 的原子级动态模拟确实代表着行业前沿，其团队背景也增加了可信度，但药物研发的残酷现实是：计算机中的分子再完美，也需要经过动物模型、人体临床试验的层层筛选。Fathom 的优势在于，它从一开始就选择了“物理+AI”的务实路径，而非纯 AI 的激进赌注；它的挑战则在于，如何将技术优势转化为临床成功，同时避免被资本的期望压垮。对于这家公司而言，最危险的敌人或许不是竞争对手，而是自己——当“世界模型”的叙事过于宏大时，任何一次临床失败都可能被放大为整个范式的质疑。Fathom 需要做的，是让 Microcosmos 在真实世界中证明自己，而非仅仅在融资 PPT 上闪耀。