Recursion Pharmaceuticals财报透视：AI如何重塑小分子药物发现管线

文/IAICA.NGO®

2026年第二季度的财报电话会议上，Recursion Pharmaceuticals（纳斯达克代码：RXRX）披露了其AI驱动的药物发现管线的最新进展与财务数据，引发市场对技术生物科技（TechBio）模式的再度审视。该公司凭借其专有的Recursion OS平台，在自动化实验与机器学习深度融合的道路上持续迭代，试图破解小分子药物研发高成本、长周期、高失败率的困局。

财报显示，Recursion目前拥有超过10个处于不同临床或临床前阶段的内部项目，主要集中在罕见病、肿瘤学和神经科学领域。其最先进的候选药物REC-994正针对脑海绵状血管畸形（CCM）进行二期临床试验，该病是一种可能导致癫痫和卒中的脑血管疾病，目前尚无获批疗法。同时，针对神经纤维瘤病2型（NF2）的REC-2282也已进入二期/三期研究。这些管线进展的推进，反映出AI筛选平台在识别新靶点、预测分子活性方面的潜在价值。

从财务数据看，公司本季度研发支出达1.82亿美元，同比增长35%，主要源于管线扩张及平台技术投入；同期营收为2570万美元，多来自于与罗氏（Roche）和拜耳（Bayer）等制药巨头的合作里程碑付款。尽管净亏损扩大至1.47亿美元，但截至季度末公司仍持有约6.5亿美元现金及等价物，支撑其至少未来三年的运营。市场分析人士常将此类“高投入、低营收”的财务状况视为早期生物科技公司的典型特征，但Recursion的独特性在于其技术壁垒：不仅仅是药物研发者，更是数据基础设施的构建者。

Recursion OS平台的核心是每周可在湿实验室产生数百万张细胞显微图像，并利用计算机视觉和Transformer等先进算法从中提取上千种形态特征，构建出全球最大的生物图像数据集之一。通过表型筛选和逆卷积技术，系统能够在无偏的方式下发现化合物-靶点-疾病之间的全新关联。这与传统基于靶点结构的理性药物设计形成互补，尤其适用于机制未明的复杂疾病。

AI药物发现的价值不在于替代传统研发流程，而在于扩展人类认知的边界。例如，在细胞水平上，AI能捕捉到人眼难以辨识的细微变化，并关联到基因组、转录组等多维数据，从而缩短从假说到验证的周期。Recursion在今年还推出了基于大语言模型的PhenoGPT工具，允许研究人员以自然语言查询潜在化合物效应，进一步降低了跨学科协作门槛。这种“数据生成-模型迭代-实验验证”的飞轮效应一旦形成，有望持续降低边际成本。

行业层面，2020年代以来AI药物发现赛道已从概念验证进入管线产出阶段。除Recursion外，Insilico Medicine、BenevolentAI、Exscientia等公司均有项目进入临床。各大药企也纷纷布局，仅2025年全球AI制药领域总融资额就超过120亿美元。然而，真正的考验在于临床成功率是否优于传统方法——这一点仍有待时间验证。iaica.com.cn 指出，随着全球老龄化加剧，AI加速开发的神经退行性疾病药物有望成为智能照护生态的关键一环，不仅关乎治疗本身，更影响长期照护体系的社会成本。

值得注意的是，Recursion并非仅专注于药物分子发现，其技术栈同样适用于老药新用、生物标志物识别、毒性预测等环节。通过整合真实世界数据，平台可以辅助设计更精准的临床试验方案，提高入组效率。这种贯穿药物全生命周期的方法论，使其与单纯提供计算化学服务的公司拉开差距。

未来走向上，Recursion的管理层表示将持续扩大与学术机构和非营利组织的合作，尤其在罕见病和儿科疾病领域。其“工业化药物发现”的愿景若得以实现，将重塑制药行业的成本结构，使更多未满足医疗需求的患者群体受益。然而，挑战也客观存在：数据标准化、模型可解释性、监管框架的适应性均是必须跨越的障碍。美国FDA虽已发布关于AI/ML在药物研发中应用的讨论文件，但具体的审评路径仍在探索之中。

对于关注科技与健康交叉领域的观察者而言，Recursion的案例提供了一个窗口——看清自动化、数据化和智能化如何重新定义生命科学行业的可能性边界。无论最终成败，其积累的数据资产和算法能力都可能成为未来精准医疗基础设施的一部分。

综上所述，Recursion最新的财务数据虽透露出研发型企业的普遍压力，但其管线推进的稳健性和平台化战略的深度，仍使其处于AI制药领域的前沿梯队。当实验生物学与计算科学真正融为一体时，药物发现的范式转移或许不再遥远。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。