資料先於模型：GSK以1.1億美元擴大AI尋藥合作

AI尋藥模型可以讀遍既有資料，卻可能受限於資料本身的品質。GSK與英國生技公司Relation Therapeutics擴大合作，簽下總值1.1億美元的研究協議，準備在與人類疾病相關的細胞系統中主動製造實驗資料，藉此理解疾病機制並尋找潛在治療標靶。

雙方將建立大規模人類細胞擾動資料集，觀察細胞遭受基因或藥理介入後，分子活動如何隨時間改變。Relation計畫透過自動化實驗室產生高解析度多體學讀值；公司宣稱，這套設施能以傳統實驗室難以達到的一致性，製造petascale規模的資料。

這些資料將用來訓練包括MORGAN在內的模型。MORGAN全名為「以人工神經網路進行多體學調控基因體分析」，是Relation在協議公布同日推出的細胞擾動基礎模型。它並非只為單一疾病設計，而是要學習不同細胞類型面對基因及藥物介入時的反應，從中推斷可能影響疾病的生物機制。

Relation執行長David Roblin表示，合作將結合具生理相關性的人類疾病系統、自動化實驗與計算方法。這項設計觸及生醫AI的一個根本問題：不同研究累積的公開資料往往條件不一，也未必能呈現因果關係；若能在標準化環境中逐一改變細胞並量測後果，模型或可獲得更一致、也更容易回到實驗室驗證的線索。

不過，細胞反應並不等同於完整器官或患者的治療結果。現有公開資訊沒有揭露具名標靶、候選藥物、模型預測的獨立驗證結果，也未說明1.1億美元的付款結構與研發時程。MORGAN能否跨越細胞類型與疾病使用，仍須以未參與訓練的資料、重複實驗及後續藥物開發結果證明。

背景脈絡

Relation與GSK並非首次合作。雙方2024年已簽署針對纖維化疾病及骨關節炎的協議，由Relation建立功能性疾病資料集並尋找新標靶；新合作則把資料生成與通用模型能力推向更大規模。擴增的實驗能力也預計支援Relation自己的纖維化疾病、骨關節炎與骨質疏鬆症計畫，這些研究結果再回頭修正MORGAN。這種實驗與模型反覆校正的循環若能奏效，價值將不只是更大的AI，而是更可靠的疾病生物學；在具名標靶與前臨床成果出現前，它仍是一項平台投資，而非治療突破。