药物研发有一个绕不开的困境：早期实验表现再好的分子，到了人体身上也可能失败。
AI让“找到看起来不错的分子”这件事越来越快。但验证的难题反而被进一步放大：我们能不能更早判断，它在真实疾病环境中是否真的有效？
围绕这一难题，2026 年 8 月，晶泰科技与孵化企业希格生科在《中国药事》上联合发表了一篇论文《类器官+人工智能在药物研发中的应用探讨》。
论文背景是双方合作开发的弥漫性胃癌候选药物 SIGX1094，这是全球首款获得“医药界诺贝尔奖”盖伦奖（Prix Galien USA ）提名的AI发现药物分子。
以往能够获得提名的，通常是已经上市、经过大规模临床验证的成熟产品。SIGX1094作为一款还在临床一期的药物能够入选，除了药物本身之外，更在于它验证了AI 与类器官结合的研发路径。
实验室里的“好分子”, 为什么会在临床失效
传统药物研发周期长、成本高、失败率高——这早已是行业共识。而失败的原因，很大程度上藏在研发链条的最前端：用来筛选分子的早期模型，离人体真实的疾病环境还太远。
二维细胞模型适合规模化筛选，但它把细胞放在一个相对扁平、单一的环境里，很难还原真实组织中的空间结构和细胞互作。动物模型能够提供整体层面的信息，但种属差异始终存在：小鼠身上有效，不等于人身上有效；小鼠身上安全，也不等于人身上安全。
这就是药物研发中最令人沮丧的“转化落差”。
根据2010—2017 年的临床数据显示：90% 的临床失败中，缺乏疗效占 40%-50%，毒性约占 30%。相当一部分分子的失败，并非只是在临床阶段才显现；早期筛选模型与人体疾病环境之间的差距，已经可能影响了对其真实疗效和安全性的判断。
那么，能不能把验证关口往前移，在进入更昂贵、更漫长的临床之前，就看清一个分子的真实药效和风险？
正是在这样的背景下，类器官作为新一代体外疾病模型受到广泛关注。
简单说，类器官是用人体组织或患者来源细胞，在体外培养出的三维微型组织模型。它不是一个完整器官，但能在一定程度上保留组织结构、细胞互作和疾病表型，因此比传统二维细胞模型更接近人体疾病状态。
如果说 AI 负责扩大“可能答案”的搜索范围，类器官就负责把这些答案放回更接近真实疾病的环境中检验。两者结合，才有机会让药物研发不只是“设计得更快”，也能“筛得更准”。
一个“无靶可打”的癌症, 如何锁定双靶点
胃癌是全球致死率第三的癌症，中国患者约占全球近一半。其中弥漫性胃癌约占三分之一。这类胃癌的一个典型特点，是癌细胞之间连接变弱，肿瘤不是形成清晰边界的肿块，而是在胃壁里弥漫浸润生长。它侵袭性强，容易腹腔转移，对传统放化疗不敏感。全球至今没有一款获批的靶向药，这就是业界常说的“无靶可打”。
难点还在于，弥漫性胃癌很难用传统模型稳定复现。缺少足够可靠的疾病模型，研究者就很难判断一个靶点是不是关键，也很难评估一个候选分子是否改变了疾病表型。
研究团队做的第一步，是通过基因编辑等方式构建标准化的弥漫性胃癌类器官模型。让研发人员可以在一个更接近疾病状态的体系里，反复探究：到底是什么通路在驱动肿瘤恶化？什么样的药物干预，才能达到抑制效果？
在这套类器官模型中，研究团队首先关注到 FAK。
FAK 即黏着斑激酶（focal adhesion kinase）。它的本职工作，是管细胞怎么“抓住”周围组织、怎么松开、怎么移动。而弥漫性胃癌的病理特征，恰恰是癌细胞之间的连接变弱、在胃壁里四处浸润，导致病情恶化。
因此从机制上看，FAK 是一个合理的干预靶点。研究也显示，抑制 FAK 在类器官和动物实验中能够观察到一定抗肿瘤效果。
但问题也恰恰出在这里。
全球已有多款 FAK 抑制剂进入临床探索，却未能取得理想结果。这说明单独抑制 FAK 可能还不够持续阻断肿瘤相关信号。
类器官研究把这个“还不够”继续往下拆。团队发现，FAK 不只是一个参与催化反应的激酶，它还会像支架一样，与 SRC 蛋白形成复合体，继续激活下游信号通路维持肿瘤进展。
如果只抑制 FAK，SRC 可能通过代偿机制继续驱动肿瘤发展，最终削弱药效。正确的问题应该是：“能不能同时阻断 FAK/SRC 这组协同通路”。
SIGX1094 的双靶点策略由此成立。
AI与类器官协同, 把候选分子筛准
明确双靶点策略后，实现路径变成：如何找到一个能够同时命中 FAK/SRC，并在疾病模型中真正产生抑制效果的分子。
晶泰科技依托 XtalPi Science 自主科学发现体系，围绕 FAK/SRC 激酶结构域开展分子生成、虚拟筛选与多参数优化；每一轮候选分子都投入弥漫性胃癌类器官验证表型，并以类器官从松散的”葡萄样”结构回到”致密球状”的形态正常化作为筛选标准使早期筛选更加贴合临床需求。
在传统小分子药物发现中，先导优化往往意味着对数千个化合物进行设计、合成和测试，周期也常以年计。而在 SIGX1094项目中，联合团队凭借晶泰科技精准的 AI 分子设计能力仅实际合成200 个分子，就在 6 个月内锁定临床前候选化合物，并在 3.5 年内推进至临床 I 期，相较传统路径提速 60%。
目前，该管线已获美国 FDA 与中国 NMPA 双重 IND 许可，并取得 FDA 孤儿药资格与快速通道认定，正在中国开展 I 期临床。
初步结果显示，极低剂量下已观察到疾病控制（SD）的早期疗效信号，未发现安全性问题，计划 2027 年进入 II 期临床。同一套范式下，第二条管线 SIGX2649 也完成验证。
如果说传统新药研发是一条单向流水线：靶点确定后，依靠科研人员经验开展分子设计，再依次走完细胞实验、动物实验，最后推进临床；
那么 SIGX1094 则验证了这样一条清晰的路径: AI提出假设，实验给出证据，新的证据继续推动下一轮设计，药物发现由此获得持续学习和修正方向的能力。
对晶泰科技而言，AI正在越来越多的药物发现场景实现价值，AI for Science 的价值不止于“更快发现一个分子”，而在于重塑发现本身，让科学决策更接近真实疾病，也更接近患者真正需要的答案。
