Recursion 与 Genentech 推进首个由 AI 绘制图谱发现的神经科学靶点

Recursion 已将其与 Genentech 合作的首个获得验证的神经科学靶点推进至早期药物发现阶段，跨过了吸引眼球的 Google News 标题之外的一道关键门槛。该靶点源自一张由 AI 辅助构建的图谱，图谱使用了超过一万亿个实验室培养的神经元细胞。Genentech 的决定为该项目带来了用于分子设计和实验测试的制药资源，但这并不意味着 Recursion 已获得候选药物。

这一差别界定了这则报道的核心。多年来，AI 药物发现公司一直在构建更庞大的生物数据集、筛选系统和预测模型。更严峻的考验在于，制药合作伙伴是否会足够信任一项出人意料的计算发现，从而愿意为其投入更多资金和实验室时间。

如今，Genentech 已在这项神经科学合作中这样做过一次。尽管该靶点的身份仍未披露，这一决定仍为 Recursion 的绘图策略提供了早期商业验证。它也使该项目与长期主导神经科学研究、但临床结果往往令人失望的传统假设驱动方法形成对照。

Google News 标题背后发生了什么变化

Genentech 的决定将一项由 AI 生成的生物学发现转化为获得资金支持的早期发现项目，但距离人体试验仍相去甚远。

Recursion 在截至 2026 年 6 月 30 日的季度财报中披露了这一进展。该公司表示，在完成生物学验证后，Genentech 选定了双方合作中的首个神经科学靶点。合作伙伴现将围绕该靶点开展小分子药物发现。

靶点是指一种生物组成部分，通常是蛋白质或基因，研究人员希望通过药物改变其活性。靶点验证用于检验改变该组成部分是否会产生相关且可重复的生物学效应。这是关键一步，但并不能证明一种安全药物能够在人体内到达或调控该靶点。

该项目起始于 Recursion 的 Neuromap，这是一个大型实验数据集，用于关联基因干预与人源神经元细胞中可见的变化。Recursion 表示，其研究人员为构建这一基础图谱培养了超过一万亿个细胞。他们采用了全基因组遗传扰动，包括基因敲除，以观察细胞特征如何变化。

phenomap 是对这些可观察细胞变化进行结构化呈现的方式。机器学习模型会比较图像，并将产生相似效应的扰动归为一组。研究人员随后可以探究基因、细胞状态和疾病生物学之间未被预先选定的联系。

这不同于在文献数据库中搜索已与某种疾病相关的基因。该图谱从覆盖广泛遗传空间的系统性实验开始。算法帮助识别模式，而实验室验证则检验这些模式是否代表可信的生物学机制。

该靶点的推进之所以重要，是因为 Genentech 掌握着是否继续推进的实际决策权。Recursion 可以生成排序和假设，但其制药合作伙伴必须决定证据是否足以支持进一步工作。这一选择比内部研究结果或模型基准测试更具意义。

不过，重要细节仍未公开。两家公司尚未披露该靶点、相关疾病、验证实验或效应量。因此，外部科学家无法评估该靶点的新颖性、可重复性或与人类疾病的相关性。

公开证据只支持一个有限的结论：Recursion 的图谱至少产生了一个通过双方内部早期发现门槛的靶点。它并不支持该平台已经开发出可行药物，或解决了神经科学药物开发难题的说法。

这正是为何这一进展值得比最初 Google News 的表述更严格的审视。这一里程碑将庞大的生物学图谱与一项具体项目决策联系起来。接下来的考验是，所选的生物学机制能否支持一款具备药物特性的分子。

为什么 Genentech 的决定比又一个 AI 模型更重要

关键验证来自合作伙伴投入科学家和实验资源，而不是 Recursion 再次产出一个大型数据集。

Recursion 与 Genentech 的母公司 Roche 于 2021 年 12 月建立合作关系。该合作聚焦神经科学和一个胃肠道肿瘤学领域，结合了 Recursion 基于图像的筛选能力，以及 Roche 和 Genentech 的单细胞数据、疾病专业知识与药物开发能力。

Roche 将最初的策略描述为一种探索单个靶点和熟悉通路之外生物学机制的方法。其对这项发现合作的介绍强调了并行基因扰动、小分子筛选和 RNA 分析。这些方法共同为检验同一生物学假设提供了多种途径。

这项合作从设计之初就面向规模化。Recursion 将在相关细胞环境中构建图谱，而制药合作伙伴将帮助解读发现并推进入选项目。两家公司此前已推进一个胃肠道肿瘤学项目，并接收了两张神经科学图谱。

第一张神经科学图谱使用了由人诱导多能干细胞分化而来的神经元。这些细胞起初处于灵活状态，可被引导分化为特定细胞类型。研究人员使用它们，是因为极难直接获取活体人脑组织。

以这样的规模生产神经元细胞，既是制造问题，也是计算问题。神经元不像常规实验室细胞系那样增殖。Recursion 开发了生产方法，旨在为全基因组规模实验提供足够且一致的细胞。

该公司的 Neuromap 介绍称，一个由 50 人组成的团队参与了这一项目。该介绍还称，图谱使用了超过一万亿个内部生产的神经元细胞。机器学习系统随后分析了生成的细胞图像。

第二张图谱聚焦小胶质细胞，这类免疫细胞有助于维持大脑环境。功能失调的小胶质细胞被认为与神经退行性疾病和神经炎症性疾病有关。根据公司披露及对小胶质细胞图谱的报道，该数据集包含数百万个经过实验扰动细胞的图像。

仅有庞大的数量并不能造就有用的图谱。批次效应、细胞成熟度、实验噪声和图像处理选择，都可能产生被模型误认为生物学机制的模式。因此，这项合作需要正交验证，即采用不同方法检验同一项拟议关系。

Genentech 在这一阶段带来了重要的专业能力。它可以评估观察到的细胞模式是否与人类遗传学、疾病样本、蛋白质生物学和既有实验结果相符。如果某个靶点无法支撑实际的药物项目，它也可以否决一个看似有趣的模式。

这一筛选功能解释了为何靶点选择具有分量。制药合作伙伴几乎没有理由推进每一个模型输出。每增加一个项目，都会消耗化学、生物学、毒理学和管理资源，而这些资源原本可以支持另一个靶点。

这一决定也检验了 Recursion 的商业模式。该公司一直主张，其操作系统能够反复将工业化实验转化为药物项目。合作伙伴的接受为这些图谱是否在 Recursion 自身管线之外也具有实用价值，提供了一个外部信号。

然而，一次选择并不能证明可重复性。该平台必须在不同图谱和细胞环境中产出更多获接受的靶点。这些靶点随后还必须经受化学研究、动物研究、监管审查和临床测试。

眼下的成果更为有限，但仍具价值。Recursion 已从构建研究资产，转向影响早期制药组合决策。这正是 AI 平台开始面对与其他所有药物发现业务相同生物学限制的时点。

AI 绘图与假设驱动型神经科学之争

主要竞争并非 Recursion 与另一家软件公司之间的较量，而是广泛实验绘图与围绕既有疾病假设展开的研究之间的对比。

传统药物发现并不缺少计算方法。制药公司已经在使用基因组学、结构生物学、统计模型和高通量筛选。真正的区别在于，研究人员如何决定首先研究哪些生物学机制。

常规项目通常始于围绕某个已知通路的既有证据。科学家可能借鉴人类遗传学、学术文献、动物模型或先前药物研究。这种方法将资源集中于生物学支持看起来最强的领域。

这种聚焦能让实验更易解释且更有效率，但也可能造成拥挤的竞争领域，许多机构追逐相似靶点。在神经科学中，它已导致围绕一组有限疾病机制的反复投入。

Recursion 的绘图方法试图拓宽搜索范围。研究人员系统性地扰动数千个基因，并测量众多细胞特征的变化。模型随后识别人类观察者无法在这一规模下手动审阅的关系。

吸引力并不在于 AI 能够独立理解疾病，而在于系统性实验可以揭示原始假设之外的模式。Recursion 将其描述为在现有知识所照亮的熟悉区域之外进行搜索。

这一前景在神经退行性疾病中尤为相关。脑部疾病往往历经数十年发展，涉及多种细胞类型、通路和环境因素。一个靶点可以影响实验室表型，却未必能够控制损害患者的过程。

Genentech 在讨论该合作时也承认了这种不确定性。其研究人员指出，推进新型靶点存在风险，因为相关的基础生物学机制仍知之甚少。他们表示，目标是通过多种实验方法建立信心，而不是依赖单一信号。

这项新项目表明，至少有一个源自图谱的靶点通过了这一流程的初步版本。Recursion 表示，该靶点在 Genentech 将其推进至药物发现阶段前已完成生物学验证。不过，两家公司尚未公布基础证据，供独立评估。

未披露的靶点也使其无法与既有假设进行直接比较。目前尚不清楚，该图谱是否发现了完全陌生的机制、强化了一项证据较弱的观点，还是以新的方式连接了已知生物学机制。这些结果具有不同的科学意义。

一个全新的靶点将检验该平台扩大该领域搜索空间的能力。一个在没有先验假设下发现的已知靶点，将验证图谱恢复可信生物学机制的能力。已知组成部分之间的新关系则介于这两种情况之间。

三种情况都可能产生有价值的项目。然而，只有第一种情况才能支持最强的主张：AI 绘图能够持续发现被忽视的疾病机制。现有公开信息尚不足以支持这一结论。

该项目还面临着细胞模型与患者之间的转化难题。实验室中的神经元能够捕捉人类神经细胞的部分特征，但无法重现衰老中的大脑。它们缺少循环系统、免疫系统、组织以及患者病史之间完整的相互作用。

小胶质细胞模型引入了另一种相关细胞类型，但复杂性依然受到限制。能够使细胞图像恢复正常的干预措施，未必会改变记忆、运动能力或疾病进展。它也可能影响无关的过程，从而带来不可接受的安全风险。

因此，传统研究与 AI 图谱不应被视为相互排斥的路径。Genentech 正在将 Recursion 的图谱与其既有的神经科学知识结合使用。双方可以将广泛发现与有针对性的验证、人类数据和成熟药理学相结合。

压力将落在那些过度依赖熟悉靶点、却不扩展证据基础的组织身上。如果基于图谱的项目持续推进，研究团队将需要更有力的理由来忽视广泛的表型数据。如果这些项目在早期失败，假设驱动的筛选方式则会保留其实用优势。

目前，竞争结果尚未明朗。Recursion 已表明，其搜索流程能够提出可执行的假设。传统开发流程将决定这一假设是否值得成为一种药物。

已验证的靶点并不等于已验证的药物

最大的风险在于：生物学靶点验证与能够在患者体内安全发挥作用的分子之间存在鸿沟。

“已验证的靶点”这一表述听起来可能比实际情况更具终局性。验证取决于所进行的实验、采用的模型和适用的决策阈值。一个靶点可以在多项检测中表现出说服力，却仍可能在药物设计或临床开发阶段失败。

第一个障碍是可成药性，即研究人员能否通过实用的治疗方式调控某一靶点。有些蛋白质缺乏适合传统小分子结合的位点。另一些则承担多项关键功能，使选择性干预变得困难。

Recursion 和 Genentech 计划在该项目中采用小分子药物发现方法。下一阶段的工作包括分子设计、先导命中物生成和验证。命中物是指在早期筛选中针对预期靶点产生可测量活性的化合物。

初始命中物很少具备成为药物所需的全部性质。化学家必须改善其效力、选择性、稳定性、组织暴露水平和安全性。神经科学相关化合物还可能需要穿越血脑屏障，而血脑屏障会限制进入脑组织的物质。

Recursion 的化学能力因其与 Exscientia 的合并而得到扩展。这笔公司交易将计算设计和自动化小分子合成纳入同一组织。这种整合让 Recursion 对从靶点洞见到实验化合物的路径拥有更多控制力。

整合并不能消除生物学不确定性。设计良好的分子可以结合其靶点，却未必改变疾病进展。它也可能在动物模型中显示益处，但这些益处无法转移到人体。

Recursion 更广泛的平台已在另一项目 REC-4881——家族性腺瘤性息肉病项目——中获得临床证据。该项目表明，该公司能够将平台支持的工作推进至患者研究阶段。但这并不能验证新近选定的神经科学靶点。

靶点身份尚未披露，也给外部评估带来另一项限制。独立研究人员无法审查遗传学证据、比较既有论文，或识别已知的安全性风险。投资者和读者主要只能依赖合作伙伴对其内部决策的描述。

两家公司也尚未披露与此次靶点选择直接相关的里程碑付款。此前的合作事件曾带来公开的财务影响。Roche 和 Genentech 在 2024 年行使了与首个 Neuromap 有关的选择权，而小胶质细胞图谱获得接纳则在 2025 年触发了另一笔付款。

Recursion 报告称，截至 2025 年末，其合作伙伴关系累计获得的预付款和里程碑付款已超过 5 亿美元。该总额覆盖了多家合作方和多个项目，而不仅是这一神经科学工作。它体现了商业参与度，但并未揭示每项资产的科学质量。

财务里程碑是有用但不完整的证据。它们表明合作伙伴接受了合同交付成果，或作出了项目决策。但它们不能替代同行评议数据、监管申报文件或临床结果。

公开实验细节的缺乏，应当影响围绕该公告所使用的措辞。Genentech 选择了一个合作伙伴认为已获验证的靶点。该靶点尚未通过公开数据获得独立验证，也没有任何候选药物进入临床前开发。

这并不意味着该公告毫无内容。早期发现项目总是在完整证据尚未具备前启动。需要谨慎的是，应将这一事件置于漫长开发时间线上的正确位置。

药物发现从靶点选择之后仍存在多次失败机会。研究人员必须识别合适的化合物、复现活性、确立疾病相关性、进行毒理学测试，并生产一致的材料。随后，监管机构还必须允许开展人体研究。

临床开发会带来对安全性和疗效更严格的检验。神经退行性疾病试验可能需要较长的观察期、敏感的生物标志物以及经过谨慎界定的患者群体。即便一种药物具有生物学活性，也可能无法达到临床终点。

因此，最可信的解读应当是有条件的。靶点选择支持了 Recursion 的说法：其图谱能够产生获得合作伙伴认可的假设。但这尚不足以支持这些图谱能够提高临床成功概率的主张。

读者还应将规模与准确性区分开来。更多细胞和更多图像可以减少某些类型的不确定性，同时也会放大另一些不确定性。数据质量、生物学相关性和实验对照决定了规模是否真正有帮助。

Recursion 的平台通过重复实验室实验来应对其中一部分问题。模型生成或排序洞见，科学家则在反馈循环中进行测试。这比仅让语言模型从文本中建议靶点更具实证基础。

不过，闭环实验仍然取决于可用的检测方法。一个系统可以针对某种仅能微弱代表疾病的测量指标实现良好优化。在闭环内部表现良好，并不能保证在患者身上也有用。

最有力的证据将出现在多个项目离开图谱阶段并达到开发里程碑之时。在此之前，Genentech 的决定是一项重要数据点，而非决定性结论。

如果项目推进，谁将面临压力

可重复的从图谱到项目流程，将迫使 AI 生物科技竞争者和传统发现团队展示可比的实验验证。

Recursion 在一大批以技术为重点的药物发现公司中竞争。有些公司强调知识图谱和科学文献，另一些则优先关注蛋白质结构、生成式化学、患者数据或自动化实验室。

这些方法针对的是不同的瓶颈。蛋白质结构模型可以帮助研究人员理解结合机会。生成式系统可以提出分子。知识图谱连接既有生物医学证据，而表型图谱则从测量到的细胞反应出发。

Recursion 的差异化主张集中于整合能力。它将大规模生物实验、机器学习、分子设计和临床开发工具结合起来。Genentech 项目正在检验这一整合系统能否将细胞图谱中的洞见带入化学研发。

该公司与 Exscientia 的合并也改变了比较框架。Recursion 不再仅将自己定位为靶点发现平台。如今，它宣称拥有覆盖生物学、设计和部分临床开发环节的端到端流程。

这也带来了更高标准。一个整合平台不应只是识别更多靶点。它还应以更少的交接、更快的反馈或更好的决策，将合适的靶点转化为差异化化合物。

竞争对手可以凭借自身合作里程碑和临床项目作出回应。整个行业中，AI 设计的分子已经进入人体试验。但尚无任何公司消除了定义制药开发的根本性高淘汰率。

大型药企面临的是另一种压力。许多企业已拥有广泛的数据集、自动化能力和机器学习团队。问题在于，外部平台是否提供了内部系统无法高效复现的生物学图谱或运营速度。

Genentech 的持续参与表明，Recursion 提供了某种有用价值。Genentech 在神经科学、单细胞测量和计算生物学方面拥有深厚的内部专长。其愿意推进一个项目，比单独宣布合作关系更能提升该平台的可信度。

不过，制药公司通常会同时运行多项外部实验。合作伙伴可以推进一个项目，而无需接受供应商的整套技术论点。一旦化学研发开始，Genentech 将按照常规药物发现标准评估该靶点。

学术神经科学仍然是竞争格局的一部分。大学和研究机构产生的疾病模型、遗传学证据和机制性洞见，往往会被商业图谱吸收。开放的科学发现既可能挑战专有结果，也可能为其提供佐证。

专有靶点可以带来知识产权优势，但保密会减缓独立审查。该合作必须在发表、专利保护和商业时机之间取得平衡。在更多证据出现之前，外部观察者无法区分创新性与保密性。

对于追踪这一领域的知识工作者而言，这一事件凸显了一个更广泛的研究问题。新闻标题、投资者演示文稿、科学论文和临床登记信息常常以重叠的语言描述不同阶段。可搜索的知识库可以帮助团队在持续更新中保留这些区别。

这里的关键区别很简单。“已选择靶点”意味着已作出内部项目组合决策。“已识别命中物”意味着团队发现了具有活性的化学实体。“开发候选物”则意味着某种化合物具备适合正式临床前工作的特征。

每一步都会对平台形成更严格的检验。每一步也都会引入原始图谱无法完全预测的失败模式。追踪这些术语可以避免将一个有前景的早期事件误认为临床证据。

Google 新闻结果让第一步获得了关注。只有当 Recursion 和 Genentech 披露后续步骤的进展时，竞争压力才会加大。其他平台也将根据同样的推进过程接受评判，而非仅凭数据集规模。

将检验 Recursion 神经靶点的三项信号

下一批有意义的证据将是已披露的分子里程碑、更广泛的图谱到靶点可重复性，以及能够支持外部评估的科学细节。

第一个信号是从靶点选择推进到已验证的化学命中物。Recursion 表示，合作伙伴将使用其化学平台进行设计、命中物生成和验证。若披露命中物里程碑，将表明该靶点能够支持小分子干预。

这一结果将强化 Recursion 一体化工作流的说服力。它将把生物学图谱与化学环节连接起来，而不止步于靶点识别。若未能发现具有选择性且具备成药潜力的活性，将表明可成药性是该项目面临的首个重大障碍。

这一信号最有力的形式，应包括明确点名的靶点、实验数据以及清晰的选择性测量结果。若只有合同里程碑而缺乏支撑细节，仍可显示合作伙伴的承诺，但对分子质量提供的科学证据会较少。

第二个信号是，基于同一批图谱的另一项神经科学靶点进入发现阶段。可重复性至关重要，因为一个平台的价值在于产出一组项目组合，而非单一的幸运成果。Recursion 表示，其正与 Roche 和 Genentech 开展多项神经科学验证工作。

第二项入选将降低该项目只是孤立成功案例的可能性。它还将显示，这些图谱是否支持不同机制，还是反复回到同一生物学邻域。没有新增入选并不能证明失败，但会削弱其短期可扩展性的说法。

第三个信号是通过科学报告、论文、专利或监管申报披露更多信息。外部研究人员需要足够的细节，才能评估其新颖性、疾病相关性和验证质量。仅披露靶点身份，就能使其与人类遗传学证据及现有治疗项目进行比较。

披露还将澄清在这一案例中“已验证”究竟意味着什么。研究人员可以判断证据是否来自基于图像的表型、转录组学、挽救实验、疾病模型，或多种独立方法。

合作伙伴可能会为保护知识产权而推迟披露这些信息。从商业角度看，这可以理解，但也会保留验证缺口。届时，公众信心将取决于后续项目里程碑，而非直接的科学审查。

应按这一顺序关注这些信号。化学是眼下的运营测试。第二个靶点检验可重复性，而公开证据则检验底层生物学的强度与新颖性。

结果的影响将超出 Recursion 本身。若形成成功的推进序列，将支持以广泛、实验优先的图谱绘制作为假设驱动型神经科学的有效补充。若早期停滞，则说明发现一个有趣靶点仍然比围绕它开发药物更容易。

对于通过 google news 看到这篇文章的读者而言，有用的问题并不是 AI 是否“发现了治愈方法”。它没有。更好的问题是，当这一靶点面对化学、独立证据和标准药物开发约束时，是否仍能持续推进。

请关注明确点名的靶点、已验证的命中化合物，以及另一项由合作伙伴选定的项目。这些进展将把一项早期的项目组合决策，转化为对 AI 引导生物学更有力的检验。在此之前，Recursion 赢得的是一次有意义的下一步实验，而不是庆功时刻。