GSK擴大攜手Relation：用人類細胞擾動資料訓練生物學基礎模型

藥物研發的AI競賽，正逐漸從演算法移向資料如何產生。英國生技公司Relation Therapeutics與GSK擴大合作，準備以人類細胞疾病模型進行大規模實驗，建立可供細胞生物學基礎模型學習的專有資料；Relation可取得的前期與里程碑付款合計最高為1.1億美元。

合作的核心不是直接交付一款候選藥物，而是觀察細胞受到基因改變或藥物處理後，會如何隨時間發生變化。自動化實驗室將在較一致的條件下重複這些「擾動」實驗，再以多體學技術讀取基因調控、分子路徑及其他細胞狀態，藉此描繪干預與生物反應之間的關係。

所得資料將用於開發、驗證及訓練包括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」，設計目標是跨越不同細胞與疾病情境，預測人類細胞對基因及藥理介入的反應，進而協助研究人員篩選疾病機制與潛在治療標靶。

這種做法試圖補足公開生物資料常見的缺口：不同研究的樣本、量測方法與時間點難以整合，也未必包含藥物研發需要的特定疾病情境。Relation主張，其高通量實驗可建立拍位元組規模的訓練資料；不過目前公開資訊未交代資料量、細胞模型種類、對照設計，亦未提出外部測試或前瞻實驗的預測準確度。

對GSK而言，合作可把AI部署到新藥研發較早期的位置，在投入昂貴的動物研究與臨床試驗前，先提高生物標靶選擇的依據。然而，細胞模型中的可重現反應不必然能轉化為人體療效；模型是否能在未參與訓練的細胞、疾病與藥物上維持表現，仍須以獨立實驗逐步檢驗。

背景脈絡

雙方早在2024年便已合作探索纖維化疾病與骨關節炎標靶。新協議則把重點擴大到支撐AI平台的資料基礎設施，但此次涵蓋哪些疾病、研究成果如何分配，以及標靶的後續開發與商業權利，均未揭露；保證支付的前期款金額也不清楚，因此1.1億美元應理解為達成相關條件後的最高可能付款，而非已確定收入。

這項交易顯示，生醫AI的競爭優勢可能同時來自模型與實驗系統：誰能持續製造品質一致、具時間維度且貼近疾病生理的資料，誰就更有機會改善模型。但在看見公開基準、濕實驗驗證及由標靶走向候選藥物的成果前，這仍是一項研究平台投資，尚不能視為新療法已獲得驗證。