Dicerna Pharmaceuticals, Inc.

点击蓝字，关注我们 奥科生物 小干扰RNA（siRNA）通过RNA干扰（RNAi）通路在转录后水平沉默靶基因，是近20年最重要的核酸药物模式之一。然而天然siRNA在体内存在血清核酸酶快速降解、肾脏快速清除、组织/细胞摄取效率低、固有免疫激活、脱靶效应与5'端去磷酸化等多重障碍。化学修饰——从磷酸骨架、核糖2'位、碱基、末端到共价偶联——是把这些"脆弱的小分子"转化为可成药、可每月甚至每半年一次给药的"超长效疗法"的根本途径。本文系统梳理siRNA上各类化学修饰的结构、机制与意义，并逐条对照6款已上市siRNA药物的具体修饰方案，以期为研发与教学提供一份可检索、可对照的综合性参考。 一 引言：siRNA的化学脆弱性与修饰的必要性 siRNA通常由21–23 nt的引导链（guide / antisense strand）与随从链（passenger / sense strand）组成双链结构，两端各带2 nt的3'突出端。其药理作用依赖于RNA诱导沉默复合体（RISC）的组装：引导链5'端磷酸化后被Argonaute-2（Ago2）的MID与PIWI结构域识别，PIWI结构域以"内切核酸酶"活性切开mRNA中与引导链第10–11位相对的磷酸二酯键，从而实现转录后基因沉默。 未经修饰的天然siRNA在体内面临以下基本障碍，这些障碍直接决定了化学修饰的必要性： 核酸酶降解：血清中的RNase A超家族与3'外切酶可在数分钟内降解裸siRNA，半衰期通常不足10分钟。 5'端去磷酸化：5'磷酸是Ago2装载的关键识别基团，但血液和组织中的磷酸酶会快速去除5'磷酸，使siRNA无法被RISC有效利用。 肾清除与药动学差：裸siRNA分子量约13–14 kDa但亲水性强，几乎经肾小球滤过迅速排出，组织暴露极低。 细胞摄取低：siRNA带强负电荷、亲水，难以自发穿越细胞膜，且缺乏内体逃逸机制。 固有免疫激活：dsRNA可被TLR3（内体）、TLR7/8（浆细胞样树突状细胞）、RIG-I、PKR、OAS等模式识别受体识别，诱发IFN-α/β与炎症因子释放。 脱靶效应："种子区"（seed region，引导链2–8位）与3'UTR部分互补可导致大量miRNA样脱靶；随从链若被错误装载也会产生非靶效应。 因此，siRNA药物研发的核心命题就是：如何通过化学修饰同时改善稳定性、药动学、靶向递送、免疫相容性与特异性。下面各节按"修饰化学位置"组织，逐一展开。 二 siRNA化学修饰的核心目标 尽管修饰种类繁多，其目的可归纳为五大目标，理解这些目标有助于反向理解每一类修饰的存在意义： 三 修饰类型全景与分类框架 为方便检索与对照，本文按"化学位置"将siRNA的修饰分为五大类，每类对应一种色标：骨架 磷酸骨架（磷酸二酯键的取代变体）糖基 核糖（特别是2'-位与4'-C位）的取代与桥联碱基 碱基环上的化学修饰（嘧啶C5位、嘌呤N位等）末端 链端帽、反向连接、5'磷酸模拟共价偶联 与配体（糖、脂、肽、蛋白）通过共价键连接的偶联修饰 注意：许多siRNA药物并非单一修饰，而是按"修饰配方"（chemistry pattern）将多种修饰在双链上协同布局，这一"组合化学"思路是当前主流平台（如Alnylam的ESC、ESC+、Dicerna的GalXC）的核心。所有共价偶联的配体（GalNAc、胆固醇、抗体等）均通过化学共价键（C–N、C–O、C–S或二硫键等）与siRNA末端或链内特定基团相连，因此本文统一采用"共价偶联修饰"这一更精确的术语。 四 磷酸骨架修饰 骨架修饰的本质是用非天然连接键替换磷酸二酯中"非桥联氧"，旨在提升对核酸酶的抗性、调整亲脂性与电荷，但须兼顾RISC识别与Ago2切割活性。 4.1 硫代磷酸酯（Phosphorothioate, PS） 将磷酸二酯中"非桥联氧"用硫原子替换得到硫代磷酸酯（PS）。这是核酸药物应用最广、最重要的骨架修饰之一，也是几乎所有已上市ASO与siRNA的"基础动作"。 结构：P=O → P=S（仅非桥联位）；产生手性磷中心（R / S混合物）。 核心意义： 显著提升对3' / 5'外切与内切核酸酶的抗性，是双链"端段"（5'与3'末端1–3位）的首选保护； 增强与血浆蛋白（如白蛋白）结合，从而减缓肾清除、改善药动学； 带更强负电荷密度，有助于组织摄取与某些受体内吞。 在siRNA上的典型用法：通常仅在双链每端1–3个核苷酸间引入PS（"PS cap"），不建议整链全PS化——因为过多PS会降低RISC切割效率、增加固有免疫激活（TLR）与肝肾毒性（凝血、补体激活）。 应用药物：Patisiran、Givosiran、Lumasiran、Inclisiran、Vutrisiran、Nedosiran均在末端外显/外隐区域使用PS骨架（典型每端2个PS）。 设计提示：PS是双刃剑。引入过少→稳定性不足；引入过多→RISC切割活性下降、TLR7激活与肝毒性增加。当前共识为"末端1–3位PS + 内部少量PS"，避免种子区过度PS化。 4.2 硼代磷酸酯（Boranophosphate） 用硼原子（−BH3）替代非桥联氧得到硼代磷酸酯，电荷从−1减至0（中性），亲脂性提高。 意义：对核酸酶抗性强（与PS相当），同时保留RISC装载能力；电荷中性有助于跨膜。 局限：合成与稳定化学不及PS成熟，规模化生产受限；碱基负载可能下降，目前主要在研究阶段。 4.3 甲基膦酸酯（Methylphosphonate）与二硫代磷酸酯 甲基膦酸酯：非桥联氧替换为−CH3，整体中性电荷。曾广泛用于早期ASO，但因影响RNAi切割活性、合成手性差，在siRNA上极少整链使用，仅在末端或研究性修饰中偶见。 二硫代磷酸酯（Phosphorodithioate, PS2）：两个非桥联氧同时被硫取代。对核酸酶抗性更强、带更强负电荷；研究显示可显著提高某些siRNA活性与稳定性，但规模化合成与毒性数据有限。 4.4 氨基磷酸酯与其它骨架变体 3'-氨基磷酸酯：用−NH−替代3'-O桥联氧，可显著提升3'端对核酸酶抗性；偶见于早期siRNA 3'端保护设计。 磷酸三酯：将剩余非桥联氧烷基化，得到中性、亲脂性磷酸酯；主要用于5'磷酸保护或递送辅助。 肟甲基磷酸酯、酰胺连接键等多在ASO / 空间位阻反义研究中使用，siRNA应用较少，列此以备查。 相关概念：肽核酸（PNA）与吗啉代寡核苷酸（PMO）虽然广义属"骨架修饰产物"，但它们替换的是整个"糖–磷酸骨架"，结构上已非天然RNA，主要通过空间位阻阻断翻译，不进入RISC切割通路，因此严格意义不属于siRNA的化学修饰，常用于剪接转换ASO（如eteplirsen）。 五 核糖（糖基）修饰 核糖修饰是siRNA化学修饰中变化最丰富、最关键的一类。绝大多数集中在2'-位，因为2'-OH是RNase A类切割的关键亲核位点，2'-OH同时也参与A型螺旋构象稳定（C3'-endo）。好的2'修饰须同时满足：抗核酸酶、保留A型螺旋、不破坏Ago2切割活性、降低免疫原性。 5.1 2'-O-甲基（2'-O-Methyl, 2'-OMe） 2'-OMe是RNA中存在的天然修饰（见于tRNA、snRNA），将2'-OH替换为−OCH3。 结构与构象：保留C3'-endo（A型螺旋），对RISC兼容性好。 核心意义： 显著提升对内切 / 外切核酸酶抗性； 降低TLR7 / 8与RIG-I识别，降低IFN反应； 提高靶mRNA亲和力（ΔTm约+1–2 °C / 修饰），同时仍可被Ago2正常切割。 使用方式：几乎在所有siRNA药物中作为"主力修饰"广泛分布，可与2'-F交替使用形成"OMe / F交替模式"。 代表药物：Patisiran、Givosiran、Lumasiran、Inclisiran、Vutrisiran、Nedosiran均大量使用2'-OMe。 5.2 2'-氟代（2'-Fluoro, 2'-F） 将2'-OH替换为氟原子（−F）。氟原子体积小、电负性高，可锁定C3'-endo构象，是少数能与2'-OMe并列的"主力2'修饰"。 核心意义： 极强的核酸酶抗性（强于2'-OMe）； 提升对靶mRNA亲和力（ΔTm约+1–4 °C / 修饰，对嘧啶尤其明显）； 改善siRNA在体内的活性与持久性。 使用方式：通常与2'-OMe交替分布，避免种子区过强亲和导致脱靶。 注意事项：2'-F在嘧啶位（U / C）效果最显著；大量使用时需关注潜在肝 / 肾蓄积与慢性毒性数据。 代表药物：所有6款上市siRNA药物均大量使用2'-F。 5.3 2'-O-甲氧乙基（2'-O-Methoxyethyl, 2'-MOE） 2'-O−CH2CH2OCH3，是ASO（如inotersen、mipomersen、nusinersen取代物）上最成功的2'修饰之一。 意义：对靶RNA亲和力提升显著（ΔTm约+2–5 °C），抗核酸酶极强，可大幅延长体内半衰期。 在siRNA上的位置：更多见于ASO，因立体位阻较大、对Ago2切割有轻微影响，siRNA中较少整体使用，主要用于个别关键位点或研究性设计。 5.4 2'-脱氧-2'-氟代阿拉伯核酸（FANA, 2'-F-ara-N） 2'-F但糖基构象为B型（arabino构型，2'-F处于"下方"），由Eckstein实验室等开发。 特点：能形成杂合双链；对RNase抗性强；其gapmer形式在ASO上已成功。 在siRNA：可作为引导链或随从链部分位点的修饰，研究显示能维持RNAi活性并提高稳定性，但临床转化不及2'-F / 2'-OMe广泛。 5.5 锁核酸（Locked Nucleic Acid, LNA / BNA） LNA通过2'-O与4'-C之间的亚甲基桥"锁住"糖基为C3'-endo构象，是最强RNA亲和力修饰之一。 意义：每引入1个LNA，Tm可提升+2–8 °C，显著提高靶亲和力与抗酶性。 siRNA应用： 少量（1–2个）LNA置于种子区或端段可提高活性、降低脱靶； 过多LNA会过度提升亲和力、抑制Ago2切割、潜在增加毒性（肝肾、免疫）； 常作为5' / 3'端帽或种子区"锁定"工具。 变体：cMOE（constrained MOE）、ENAM（ethylene-bridged nucleic acid, EBNA）、AM1等约束型BNA，旨在平衡亲和力与毒性。 上市状态：LNA在siRNA上市药物中尚未作为关键修饰出现，但在ASO（如inotersen早期版本）与诊断探针中广泛应用。 关键注意：LNA虽能"提升Tm"，但过强亲和力 = 脱靶扩大 + 毒性风险。LNA在siRNA上的设计需精确控制位置与数量。 5.6 解锁核酸（Unlocked Nucleic Acid, UNA） UNA去掉糖C2'–C3'之间的键，使糖环"开锁"，构象灵活。 意义：降低局部Tm（约−5 ~ −8 °C / 修饰），用于降低种子区亲和力、降低miRNA样脱靶，或调整双链稳定性以利于随从链选择性去除、引导链选择性装载。 典型应用：种子区引入1个UNA可显著降低脱靶而不损失靶活性；亦用于5'端"打断"以辅助链选择。 5.7 其它2'位修饰与4'位修饰 2'-O-氨基乙基（2'-Aminoethyl, AE）：引入正电荷氨基，可与负电骨架部分中和、提升摄取与亲和力；研究阶段较多。 2'-叠氮（2'-azido）、2'-氨基（2'-amino）：常作为"功能化手柄"用于后续偶联（点击化学等）。 2'-脱氧（DNA）：siRNA中以"gap"形式偶有出现，但更典型见于gapmer ASO；siRNA中纯DNA段会降低稳定性，慎用。 2'-氟代-2'-C-甲基（2'-F-2'-C-methyl）：Alnylam专利修饰之一，曾用于部分早期候选物；旨在抑制TLR并提升稳定性。 4'-C修饰（如4'-C-OMe、4'-C-bridged）：4'位桥联可形成约束糖构象，研究性较多。 其它：2'-O-(2-{双咪唑基甲基}氨基乙基)、2'-O-吗啉乙基、2'-O-胍基乙基等多种"功能化2'-O"修饰，主要用于改善摄取、降低免疫或作为偶联手柄。 六 碱基修饰 碱基修饰在siRNA中虽非"主力"，但在降低免疫原性与调整亲和力 / 特异性上起重要作用。 七 末端与连接修饰 末端修饰主要解决两个问题：抗外切酶（端帽）与5'端磷酸稳定性（Ago2识别的关键）。 7.1 反向无碱基端帽与3'-3'反向连接 在双链3'或5'端连接一个反向（3'–3'或5'–5'）的无碱基核苷（如inverted deoxyabasic, idA），形成"端帽"。 意义：阻断3'外切酶从链端切割（3'外切酶需自由3'-OH），大幅提升稳定性。 典型应用：早期siRNA设计与某些研究性偶联siRNA上使用；上市药物中更倾向使用"PS端段+2'-OMe / F"组合实现端段保护，反向无碱基端帽多见于ASO（如nusinersen）。 7.2 5'-磷酸模拟：5'-(E)-乙烯膦酸酯（5'-VP / 5'-EVP） 5'端磷酸是Ago2 MID结构域识别引导链的"身份证"，但天然5'磷酸极易被组织磷酸酶去除，导致siRNA"无法被RISC装载"。5'-(E)-乙烯膦酸酯（5'-VP，亦写作5'-EVP）是磷酸的代谢稳定模拟物。 结构：在5'端以−CH=CH−PO3H2（E式乙烯基磷酸）替代天然−O−PO3H2。 核心意义： 在体内抵抗磷酸酶去磷酸化，长期维持"5'磷酸"识别信号； 大幅提升Ago2装载效率与持续时间，是"超长效"siRNA的关键技术之一； 使给药间隔从每月延长至每3月、甚至每6月。 代表药物：Vutrisiran（AMVUTTRA）采用5'-EVP，是ESC+平台的标志性修饰；Inclisiran早期ESC平台使用5'磷酸 / 磷酸类似物，后续平台升级后亦引入类似策略。 平台演进：Alnylam的修饰平台从"Standard Template"→"ESC（Enhanced Stabilization Chemistry）"→"ESC+（加入5'-VP）"逐步演进，使给药频率从"每月"→"每3月"，再到"每6月"。5'-VP是关键分水岭。 八 共价偶联修饰 共价偶联修饰是把siRNA与一个"配体"通过稳定或可裂解的共价连接子化学连接，以解决靶向递送（去哪）与摄取（进入）的核心难题。连接子常通过胺键、硫醚键、二硫键、马来酰亚胺–巯基加成或点击化学（叠氮–炔环加成）等共价键形成。这类修饰在化学本质上与"骨架/糖基/碱基"的取代修饰不同：它通过共价键引入一个"功能模块"，因此本文统称"共价偶联修饰"。 8.1 GalNAc——肝细胞靶向的金标准 N-乙酰半乳糖胺（GalNAc）三触星状结构以高亲和力（KD约nM级）结合肝细胞表面的去唾液酸糖蛋白受体（ASGPR），通过受体介导内吞将siRNA选择性递送至肝实质细胞。ASGPR的快速循环（约15分钟）使GalNAc-siRNA具有持续肝富集能力。 结构：三个GalNAc单元通过支化骨架（如tris-GalNAc）以共价键连接于siRNA 3'端（通常在随从链3'端，借由C3、C6或氨基 linker）。 意义： 无需脂质体递送、皮下注射、可常温储存——彻底改变siRNA给药方式； 使肝靶向siRNA从"每月IV输注"（patisiran）变为"每月 / 每3月 / 每6月SC注射"； 几乎成为所有"肝靶向"上市与临床期siRNA的标准配置。 代表药物：Givosiran、Lumasiran、Inclisiran、Vutrisiran、Nedosiran均采用三触GalNAc共价偶联。 8.2 胆固醇与生育酚 胆固醇共价偶联：3'或5'端通过共价连接子（如pyrrolidine linker）连接胆固醇，使其与LDL / HDL / 白蛋白结合，借由脂蛋白受体进入肝、肾上腺、卵巢等组织。早期siRNA递送研究广泛使用；在血管内 / 肝外组织递送仍有研究价值，但GalNAc在肝靶向上更优。 α-生育酚（Vitamin E）共价偶联：引入亲脂性生育酚基团，可改善与脂蛋白结合与组织分布，部分研究显示可改善肝外摄取。 8.3 PEG、脂肪酸与多肽共价偶联 PEG（聚乙二醇）共价偶联：常用作"间隔臂"以共价键连接GalNAc与siRNA，或作为可剪切的PEG linker改善药动学；过PEG化会降低活性，需精确控制。 脂肪酸共价偶联（C12 / C16 / C18）：通过白蛋白结合延长循环，研究性较多，临床少。 细胞穿膜肽（CPP）共价偶联：如TAT、penetratin、poly-Arg等，可促进细胞膜穿越，但面临体内稳定性和毒性的双挑战；研究阶段较多。 叶酸共价偶联：靶向叶酸受体高表达的肿瘤细胞，研究阶段。 8.4 抗体-siRNA共价偶联物（ARC）与适配子偶联 抗体-siRNA共价偶联物（Antibody-siRNA Conjugate, ARC）：将siRNA通过可裂解共价连接子（如二硫键、可酶切 linker）偶联至单克隆抗体（如抗TfR、抗CD71等），利用抗体的细胞类型特异性实现肝外靶向（如脑、肌肉、T细胞）。代表方向包括转铁蛋白受体（TfR）抗体偶联用于神经 / 肌肉疾病的研究。 适配子-siRNA共价偶联：用核酸适配子（如PSMA aptamer）以共价键替代抗体，特异性递送至前列腺癌等细胞。 现状：这些方向多在临床前 / 早期临床，是肝外siRNA递送的前沿热点。 九 递送系统与化学修饰的协同 siRNA的"递送"既包括共价偶联递送（GalNAc等直接共价连接），也包括载体递送（包裹式载体）。后者不属于化学修饰本身，但与修饰策略密切协同： 脂质纳米颗粒（LNP）：由可离子化脂质（如patisiran的DLin-MC3-DMA）、辅助脂质（DSPC）、胆固醇与PEG-脂质构成。把siRNA包埋于纳米粒内，借助ApoE吸附与LDL受体进入肝细胞。patisiran是LNP-siRNA的唯一上市代表。 聚合物纳米粒、外泌体 / 细胞外囊泡、多肽纳米载体：多在临床前研究阶段，作为肝外或非注射给药的探索方向。 关键协同点：LNP递送的siRNA其内部修饰可"少一些"PS（因LNP已提供保护），而GalNAc共价偶联的siRNA必须依赖"全修饰"骨架抵御血清核酸酶——这是为何GalNAc-siRNA普遍采用"全链2'-OMe / 2'-F交替+端段PS+5'-VP"组合的根本原因。 十 已上市siRNA药物的修饰方案详解 截至2026年，全球已获批上市的siRNA药物共6款。下文逐一展开其化学修饰方案。 ① Patisiran（ONPATTRO） 公司：Alnylam / Sanofi（原Pfizer区域权） 上市：2018（FDA / EMA） 靶点：TTR mRNA 适应症：遗传性转甲状腺素蛋白淀粉样变性（hATTR） 递送：LNP（DLin-MC3-DMA / DSPC / Chol / PEG-DMG） 给药：IV输注，每3周 修饰方案： 2'-OMe与2'-F在双链多位交替分布（基本全修饰骨架）； 末端少量PS； 未使用GalNAc共价偶联（依赖LNP递送）； 未使用5'-VP（早于ESC+平台时代）。 ② Givosiran（GIVLAARI） 公司：Alnylam 上市：2019（FDA / EMA） 靶点：ALAS1 mRNA 适应症：急性肝卟啉症（AHP） 递送：ESC GalNAc三触共价偶联 给药：SC，每月 修饰方案： 2'-OMe与2'-F广泛交替（全链修饰）； 末端PS（典型每端2个）； 3'端三触GalNAc共价偶联； ESC平台（无5'-VP）。 ③ Lumasiran（OXLUMO） 公司：Alnylam 上市：2020（FDA / EMA） 靶点：HAO1（glycolate oxidase）mRNA 适应症：原发性高草酸尿症1型（PH1） 递送：ESC GalNAc 给药：SC，负荷后每3月 修饰方案： 2'-OMe与2'-F交替（全修饰）； 末端PS； 3'端三触GalNAc共价偶联； ESC平台。 ④ Inclisiran（LEQVIO / QTORZIP） 公司：Alnylam（开发）/ Novartis（商业化） 上市：2021（EMA / FDA） 靶点：PCSK9 mRNA 适应症：杂合家族性高胆固醇血症 / 动脉粥样硬化性心血管疾病 递送：ESC GalNAc（含5'-VP升级） 给药：SC，负荷后每6月 修饰方案： 2'-OMe与2'-F交替（全修饰）； 末端PS； 3'端三触GalNAc共价偶联； 含5'-（E）-乙烯膦酸酯（5'-EVP），是其长效（6月给药）的关键。 ⑤ Vutrisiran（AMVUTTRA） 公司：Alnylam 上市：2022（FDA） 靶点：TTR mRNA 适应症：hATTR多发性神经病（后续扩展心肌型） 递送：ESC+ GalNAc 给药：SC，每3月（25 mg） 修饰方案： 2'-OMe与2'-F广泛交替（全修饰）； 末端PS； 3'端三触GalNAc共价偶联； 5'-（E）-乙烯膦酸酯（5'-EVP）——ESC+平台标志性修饰； 是patisiran的"下一代"，口服之外的递送革新代表。 ⑥ Nedosiran（RIVFLOZA） 公司：Dicerna（现为Novo Nordisk） 上市：2023（FDA） 靶点：LDHA（lactate dehydrogenase A）mRNA 适应症：原发性高草酸尿症（PH1 / PH2，后扩展） 递送：GalXC GalNAc 给药：SC，每月 修饰方案： 2'-OMe与2'-F（Dicerna GalXC平台典型修饰）； 末端PS； 三触GalNAc共价偶联（GalXC平台标志性结构，含一个独特单链"环形"骨架）； 体现不同公司修饰平台的差异与可比性。 上市siRNA药物修饰方案汇总对比表 趋势洞察：从patisiran到vutrisiran，siRNA修饰平台的核心演进是："LNP递送 → GalNAc共价偶联递送"，"末端PS → 全链2'-OMe / 2'-F"，"天然5'磷酸 → 5'-EVP"，使给药频率从"每3周IV"延长至"每3–6月SC"。这不仅是化学问题，更是临床可及性的根本改善。 十一 化学修饰策略的意义综合 从全局看，siRNA化学修饰的"组合策略"可归纳为以下几条主线： "全链2'-OMe / 2'-F交替 + 端段PS"是当前GalNAc-siRNA的事实标准，兼顾抗酶、低免疫、A型螺旋与RISC兼容； 5'-EVP是"超长效"的分水岭，把5'磷酸稳定化，使Ago2可持续装载； GalNAc共价偶联解决了肝靶向siRNA的递送与可及性问题，是"皮下、自储存、月 / 季给药"的化学基石； LNP是肝靶向siRNA的"前GalNAc时代"方案，仍具价值于疫苗（COVID mRNA疫苗）与某些肝外探索； LNA / UNA作为"局部精调工具"——LNA增亲和、UNA降亲和——主要影响特异性与脱靶，而非半衰期； 碱基修饰主要用于"压制免疫原性"（m5C、Ψ、7-deaza-G等）和"调整配对"（I、通用碱基）； 抗体 / 适配子共价偶联是肝外siRNA递送的前沿，代表下一代拓展方向。 综合而言，siRNA的"成药性"几乎完全建立在化学修饰之上——若没有PS、2'-OMe / F、GalNAc与5'-EVP的组合，siRNA在体内的有效半衰期会以分钟计，且无法实现每月乃至每6月一次给药。化学修饰既是"工程"，也是"艺术"——既要保活性，又要降毒性，还要兼顾规模化合成与成本。 十二 总结与展望 本文系统综述了siRNA的五类化学修饰（骨架、糖基、碱基、末端、共价偶联），涵盖从PS、2'-OMe / F、2'-MOE、FANA、LNA、UNA到5'-EVP、GalNAc、胆固醇、PEG、抗体共价偶联等几乎全部主流与新兴修饰类型；并以6款已上市siRNA药物（patisiran、givosiran、lumasiran、inclisiran、vutrisiran、nedosiran）为锚点，展示了从"LNP + 末端修饰"到"ESC+ GalNAc + 5'-EVP + 全链2'-OMe / F"的平台演进路径。 展望未来，以下几个方向可能成为下一阶段的修饰热点： 肝外靶向递送：抗体-siRNA共价偶联（ARC）、适配子偶联、新型糖类 / 肽类配体，瞄准中枢神经、肌肉、心脏与免疫细胞； 5'-EVP的扩展应用：在更多靶点与组织中验证其长效性，进一步延长给药间隔； 碱基级免疫沉默：Ψ、m5C、7-deaza-G等组合用于降低免疫原性，扩大适应症（如重复给药的慢性病、自免）； 非天然骨架：环状磷酸酯、二硫代磷酸酯、新型约束型BNA的探索； 规模化合成与成本：与LNP-mRNA疫苗共享的可离子化脂质工业经验，可能进一步降低siRNA-LNP的成本； 口服与吸入siRNA：依赖新型修饰 / 载体突破黏膜屏障的递送瓶颈。 化学修饰的进展，使siRNA从一种"实验室利器"演变为"每月一针的临床现实"，并将继续向"每半年一针"、"肝外组织靶向"、"口服递送"等更高目标迈进。对从事寡核苷酸研发与生产者而言，系统掌握每一类修饰的化学、机制、临床证据与权衡，是设计下一代siRNA药物的基本功。 参考文献： Elbashir SM, et al. Duplexes of 21-nucleotide RNAs mediate RNA interference in cultured mammalian cells. Nature. 2001;411(6836):494-498. Manoharan M. RNA interference and chemically modified small interfering RNAs. Curr Opin Chem Biol. 2004;8:570-579. Watts JK, Deleavey GF, Damha MJ. Chemically modified siRNA: current status and anticipated therapeutic developments. Drug Discov Today. 2008;13(19-20):842-855. Behlke MA. Chemical modification of siRNAs for in vivo use. Oligonucleotides. 2008;18(4):305-320. Khvorova A, Watts JK. The chemical evolution of oligonucleotide therapies of clinical therapeutic possibilities. Nat Rev Drug Discov. 2017;16(7):469-482. Nair JK, et al. Multivalent N-acetylgalactosamine-conjugated siRNA robustly enables RNAi therapy in vivo. J Am Chem Soc. 2014;136(47):16958-16961. Harbison CE, et al. 5'-Vinylphosphonate improves siRNA efficacy and duration in mammals.（Alnylam ESC+平台相关报告，Nature Communications 2018;9:708.） Adams D, et al. Patisiran, an RNAi therapeutic, for hereditary transthyretin amyloidosis. N Engl J Med. 2018;379:11-21. Balwani M, et al. Phase 3 trial of givosiran for acute intermittent porphyria. N Engl J Med. 2020;382:2289-2301. Garrelfs SF, et al. Lumasiran, an RNAi therapeutic for primary hyperoxaluria type 1. N Engl J Med. 2020;384:1216-1226. Ray KK, et al. Inclisiran in patients at high cardiovascular risk with elevated LDL cholesterol. N Engl J Med. 2017;376:1430-1440.（ORION系列） Adams D, et al. Vutrisiran, an RNAi therapeutic, for ATTR amyloidosis with polyneuropathy. N Engl J Med. 2023;389(9):810-821.（HELIOS-A） Hiar V, et al. Nedosiran for primary hyperoxaluria.（相关PHYOX临床试验报告及FDA审批资料，2023.） Janas MM, et al. Selection of 5'-phosphate analogs for siRNAs: improving RNAi activity and metabolic stability. Nat Commun. 2018;9:708. Eckstein F. The versatility of phosphorothioates in nucleic acid chemistry and biotechnology. Antisense Nucleic Acid Drug Dev. 2000;10:117-121. Bramsen JB, et al. A large-scale chemical modification screen identifies LNA and UNA modifications in siRNA seed region as key to reducing off-target effects. Mol Ther. 2010;18(5):1012-1021. Cuellar TL, McNamara CA, Bhatt RS, et al. Systemic delivery of siRNA via antibody-siRNA conjugates (ARC) for targeted RNAi in extrahepatic tissues.（代表性临床前与综述性文献。） 本综述基于公开文献与监管审批文件整理，个别早期药物的具体位置布局因属企业商业机密，部分以"典型位置"代替精确位点，请以原始专利与文献为最终依据。 奥科（武汉）生物科技有限公司 网址：www.augct.cn （当前更新中） 湖北省武汉市东湖新技术开发区高新二路388号生物医药加速器C4-4     027-87868608（总机）         销售部  info@augct.com         测序部  wh.seq@augct.com         小核酸  wh.syn@augct.com         基因部  wh.gs@augct.com         项目部  wuhan@augct.com

2026 年 8 月 2 日 医麦客新闻 eMedClub News 2026 年以来，全球制药巨头正密集押注中国小核酸企业的肝外递送技术——圣因生物、前沿生物、时安生物、石药集团等先后与罗氏、GSK、阿斯利康等知名药企达成 BD 合作，总潜在金额已超 50 亿美元。靶点清晰指向脂肪、肾脏、心血管等肝外组织，递送平台取代单一管线成为交易核心。这标志着小核酸的主战场正从肝脏加速向肝外转移。 一级市场同样涌动。据不完全统计，年内至少 7 家小核酸企业获亿元级融资加注肝外递送，累计超 16 亿元。 为何资本与 MNC 同时押注这一方向？ 小核酸药物被誉为继小分子和抗体之后的「第三代药物浪潮」。GalNAc 递送技术成就了肝靶向的商业成功，却也令行业困守「肝脏围城」——全球已获批上市的 siRNA 药物几乎全部集中于肝脏，代谢疾病、CNS、肿瘤等更广阔的市场因缺乏安全高效的肝外递送技术而长期无法被触及。 当前全球肝外递送的技术路线大致归为三大类： 偶联递送：通过化学连接子将核酸与靶向配体 （脂质、抗体、多肽等）偶联，实现组织靶向； 纳米颗粒递送：通过脂质纳米颗粒 （LNP）等载体包载核酸，通过组分调控实现器官靶向； 自递送：通过核酸自身的化学修饰或辅助寡核苷酸实现组织分布。 此外，利用 lncRNA 等天然分子的组织趋向性作为递送模块的新兴路线也在探索中。 以下逐一梳理这七家企业的技术路线与最新进展 （下述排名不分先后）。 中美瑞康： RNA 激活+双模态递送 中美瑞康是 RNA 激活 （RNAa）赛道的全球领跑者，率先实现「 基因激活+基因沉默」双模态布局。针对蛋白表达不足的疾病，公司利用小激活 RNA （saRNA）在转录水平上调内源性基因表达；针对致病基因过表达的疾病，则采用 siRNA 进行特异性沉默。 两大肝外递送平台均已完成人体概念验证： 中枢神经系统 （CNS）递送平台 SCAD™：采用辅助寡核苷酸 （ACO）自递送机制。基于该平台开发的 RAG-17，通过 siRNA 双链与特殊设计 ACO 偶联，特异性靶向 SOD1 mRNA 转录本，用于治疗肌萎缩侧索硬化症。作为 国内首个进入临床的 CNS 小核酸药物，RAG-17 的 I 期临床数据显示出优异的 SOD1 蛋白抑制效果与良好的安全性，II 期临床入组已全部完成。 全身多组织递送平台 LiCO™：通过专有 SDL™ 连接子将脂质分子与小核酸偶联，实现了在肌肉、心脏、膀胱及眼部等多种肝外组织的高效、持久递送。基于该平台的多个核心管线均已读出临床概念验证数据。其中，RAG-18 通过激活肌肉细胞 UTRN 基因表达，为 全球首个系统给药的 saRNA 肝外项目，已展现显著生物标志物下降与肌肉损伤改善 ；RAG-01 是 全球首个通过偶联递送技术在肿瘤领域完成临床概念验证的 saRNA疗法，早期临床数据显示针对卡介苗失败的非肌层浸润性膀胱癌患者实现 67% 完全缓解率，已获FDA快速通道资格 。 2025 年底，中美瑞康与海外上市药企达成总额 超 30 亿美元的全球研发合作，验证了公司技术平台的巨大商业价值与全球竞争力。2026 年 7 月，宣布完成超 2 亿元人民币新一轮融资。 凌泰氪： lncRNA 模块化递送 凌泰氪生物开创性地将 lncRNA 作为核酸药物的功能元件，利用天然 lncRNA 模块和天然小分子的多功能性和组织特异性，构建了一套可适配不同器官的模块化递送技术平台矩阵覆盖三大递送难关： 新型透皮递送平台：基于天然分子的非侵入性递送系统，开辟核酸药物在皮肤及皮下组织的全新治疗场景； 高特异性泛肿瘤靶向递送平台：利用 lncRNA 天然的组织趋向性，实现泛肿瘤的选择性递送； CNS 递送平台：具备强大的血脑屏障 （BBB）穿透能力，在 NHP 全脑不同深度、不同脑区均匀分布，各脑区均展现出敲低效果 基于透皮递送平台开发的 LT-010 （针对雄激素性脱发）已于 2026 年 6 月获 FDA IND 批准，成为全球较早获批的 透皮涂抹给药小核酸药物。公司布局 8 条在研管线，覆盖皮肤、肿瘤、CNS、呼吸道四大领域，2026 年连续完成 A 轮及 A+轮合计近 3 亿元融资。 蔚程医药： 「小核酸黄埔军校」的肝外远征 蔚程医药成立于 2025 年，核心团队堪称「小核酸黄埔军校」——成员来自 Arrowhead、Ionis、Alnylam、Dicerna等全球小核酸龙头企业，曾主导多个肝外管线开发与平台搭建。 依托国际化团队的技术积累，公司构建了差异化的肝外递送平台，兼具 siRNA 和 ASO 的核心研发能力，在配体偶联、递送效率、组织靶向精准度及安全性上实现关键突破。 2026 年 4 月，蔚程医药宣布顺利完成超额认购的 5400 万美元 A 轮融资。成立不足一年即完成种子轮与 A 轮两轮融资，本轮资金将主要用于 肝外递送平台的迭代优化及多条管线的临床推进。 炫景生物： 深耕肾病与代谢病 炫景生物专注深耕肾病和代谢病领域，构建了三大自主知识产权核心技术平台：RIHOST （设计筛选）、RICMO （化学修饰）、LICOD （体内递送）。公司已在肾脏、骨骼肌、脂肪、心脏、CNS、肺、眼睛等多种肝外组织建立了递送技术储备，其中肾脏组织递送处于全球领先水平。 首发管线 RG002C0106 （靶向补体 C3 的 siRNA）用于治疗 IgA 肾病，已进入 II 期临床，有望成为全球首个获批的 IgA 肾病小核酸药物。除肝靶向外，公司同时围绕肾靶向与脂肪靶向布局多条管线。2026 年 3 月，炫景生物完成超 2 亿元 Pre-A 轮融资，由康君资本领投。 星锐医药： 开发肝外靶向的 LNP 药物递送系统 星锐医药致力于开发肝外靶向的 LNP 药物递送系统，核心技术平台包括 组织特异性 LNP（tsLNP）和细胞选择性 LNP (csLNP)。 管线覆盖 mRNA 肿瘤疫苗、基因编辑治疗、罕见病替代疗法及 in vivo CAR-T 等多个方向。2026 年 5 月，星锐医药完成近 4000 万美元 B+轮融资，重点用于加速体内细胞治疗多条管线的临床开发进程，以及推进 肺部、肠道及神经系统等肝外递送平台的搭建。 先衍生物： 慢病小核酸的「临床先行者」 先衍生物专注于寡聚核酸药物研发，已成功搭建三大拥有自主知识产权的小核酸药物研发核心技术平台：NEATL （新颖递送及核酸增强修饰技术）、 LOCATED（脂质偶联肝外递送技术）和 DIRECT （单分子双靶点干扰技术）。 公司围绕代谢性疾病、心脑血管疾病等重大慢病领域全面布局，依托核心技术优势实现肝靶向向肝外组织的递送技术拓展，在多项关键技术方向上取得突破。2026 年 3 月，先衍生物完成 1.5 亿元 A 轮融资，用于推动核心小核酸管线的临床开发、加速肝外递送等关键技术平台的持续优化。 迦进生物： AOC 国产化的「破冰者」 迦进生物专注于药物偶联和递送技术，是国内率先开发抗体-小核酸偶联药物的企业。公司自主研发的 入脑多肽-Brainferry 平台，有望帮助包括小核酸在内的大分子药物突破血脑屏障，从而为阿尔茨海默症、帕金森病等更广泛的神经退行性疾病治疗提供新的可能。 核心产品 CGB1001 （转铁蛋白受体 1 抗体-DMPK siRNA 偶联药物，针对 1 型强直性肌营养不良 DM1）已完成小鼠及非人灵长类动物的临床前药理毒理试验，并于 2025 年 10 月获得美国 FDA 孤儿药资格，计划于 2026 至 2027 年启动中美双报 IND。 结语 七笔融资、超 16 亿元、覆盖偶联递送、LNP 递送、lncRNA 模块化等主流技术路线，投向 CNS、肌肉、肾脏、肺、肿瘤、皮肤等全部高价值肝外适应症——这不是偶然，而是中国小核酸产业从肝内跟随走向肝外引领的集体跃迁。 当全球小核酸市场从 2025 年的 35 亿美元向 2030 年预计突破 124 亿美元迈进时，肝外递送将决定谁能分到最大的蛋糕。递送平台承载技术复利，率先通关者有望主导下一代小核酸产业。 中国企业，正站在这个历史性拐点之上。 责任编辑丨菊 校对丨菊 参考资料： 1.各企业官网及公开资料 精彩活动返回搜狐，查看更多

2026年6月3日，RNAi领域发生了一件值得所有AI制药从业者重新审视的事。 Alnylam Pharmaceuticals（纳斯达克：ALNY ）与 Inceptive Nucleics 宣布达成战略合作，总价值最高 $20亿美元。首付 $3000万美元（现金+股权），剩余为临床前、注册审批、商业化销售里程碑付款。 这笔交易本身不是最大的——英矽智能与SK生物制药的 $25亿美元合作才刚在 BIO 2026 上宣布。但这笔交易的底层逻辑，我认为比绝大多数AI制药合作都要深刻。 因为 Inceptive 的联合创始人兼CEO ，是 Transformer 架构的共同发明人 Jakob Uszkoreit——也就是 ChatGPT 那个「T 」。 一、这笔交易到底在赌什么？ 先把事实说清楚。 Alnylam 是谁？ Alnylam 是 RNAi（RNA干扰）疗法的全球领导者。这个概念获得过诺贝尔奖（2006年，Fire 和 Mello 发现 RNAi 机制），但把 RNAi 真正做成上市药物的，是 Alnylam 。 Alnylam 目前有 6款已上市药物，覆盖： 遗传性转甲状腺素蛋白淀粉样变性（hATTR amyloidosis ）——ONPATTRO（patisiran ）急性肝卟啉症（AHP ）——GIVLAARI（givosiran ）原发性高草酸尿症1型（PH1 ）——OXLUMO（lumasiran ）高血压（在研，但 AMVUTTRA 已扩展适应证）——AMVUTTRA（vutrisiran ）以及最新获批的 ONPATTRO 二代、AMVUTTRA 扩展 Alnylam 有 20+年的专有 siRNA 数据。这20年里，他们做了几千个 siRNA 分子，测试了不同的化学修饰、不同的序列、不同的递送系统（GalNAc 偶联、LNP ）。这些数据是不公开的，是 Alnylam 的核心护城河。 Inceptive 是谁？ Inceptive 成立于2021年，总部在加州帕洛阿尔托，柏林和苏黎世有办公室。 创始人 Jakob Uszkoreit 是 Google Brain 的前研究员，2017年与 Vaswani 等人共同发明了 Transformer 架构（论文「Attention is All You Need 」）。这个架构后来催生了 BERT 、GPT 、ChatGPT 、Claude ——整个大语言模型时代都建立在这个基础上。 Jakob 离开 Google 后，没有直接去做大语言模型创业（那是2021年，大语言模型还没爆火）。他选择了一个更硬核的方向：用基础模型设计RNA药物。 Inceptive 的团队是「跨学科极端」配置：AI研究员 + 生物化学家 + 工程师。他们训练的基础模型不是在文本上训练的，是在生物数据上训练的——具体说，是序列类生物分子数据（siRNA 、ASO 、肽、mRNA ）。 他们的模型特点是：泛化能力强。传统药物发现模型通常是针对单个任务训练的（比如「预测这个分子的溶解度」），换一个任务就要重新训练。Inceptive 的基础模型设计目标是「学会生物学的底层规则」，然后跨治疗模式泛化——不需要大量重新训练就能应用于不同的RNA药物设计任务。 合作内容 根据双方 press release ，合作聚焦在： 改进 siRNA 设计：通过建模目标 mRNA 、联合探索序列空间、发现新的化学修饰，提升效力和有效性预测最有前景的治疗候选分子：在临床前模型中预测哪些分子最有可能成功，帮助 Alnylam 优先推进加速时间表：Alnylam 的「Alnylam 2030 」战略目标是大幅扩展 RNAi 疗法管线。这个合作是直接服务于这个战略的。 为什么这个合作不一样？ 我看了过去3年 AI 制药的 50+笔合作，这笔合作在三个维度上和我见过的其他合作有本质区别： 区别一：不是「AI 发现小分子」，而是「AI 设计 RNA 药物」 过去3年 AI 制药的合作，90% 是「AI 平台公司（像英矽智能、薛定谔）→ 大药企，合作内容是 AI 发现小分子药物候选物」。 小分子药物发现是一个已经被 AI 「部分解决」的问题。AlphaFold 解决了蛋白质结构预测，但小分子结合口袋的预测、ADMET 性质的预测，现在有 几十个 AI 平台都能做。 RNA 药物设计是一个完全不同难度的问题： siRNA 的稳定性问题：siRNA 在血液中会被 RNase 降解，需要化学修饰（2'-O-Me 、2'-F 、PS 骨架等）脱靶效应：siRNA 可能沉默非目标基因，导致毒性递送问题：裸 siRNA 无法进入细胞，需要 GalNAc 偶联（肝细胞靶向）或 LNP（脂质纳米颗粒）序列设计规则复杂：哪个位置修饰、用什么修饰、序列长度、GC 含量……这些规则的组合空间巨大，传统试错方法要测几千个分子才能找到一个好的 Inceptive 的 AI 模型直接针对这个「序列设计空间探索」问题。这不是「用 AI 预测分子性质」（那是相对容易的），这是「用 AI 生成有效的 RNA 药物序列」——一个比我见过的绝大多数 AI 制药应用都要难的问题。 区别二：Alnylam 的20年专有数据是真正的护城河 我在恒瑞做过5年药物化学，后来做 VC 看了8年生物医药投资。一个残酷的事实是：AI 制药公司最大的瓶颈，从来不是算法，是数据。 公开数据集（PDB 、ChEMBL 、PubChem ）的数据量和质量，远远不够训练一个能在药物发现上真正有用的 AI 模型。这也是为什么英矽智能、薛定谔这些公司都要自己做实验——他们必须自己产生数据来训练模型。 Alnylam 有20+年的专有 siRNA 数据。这20年里，他们做了几千个 siRNA 分子的实验，每个分子都有完整的： 序列信息化学修饰方案体外活性数据（IC50 、EC50 ）体内药效数据脱靶效应数据药代动力学数据 这些数据是高度结构化的（都是 siRNA 分子，实验体系相对标准化），而且标签质量高（Alnylam 做了20年，实验流程已经高度优化）。 这就是 Inceptive 最想要的东西：高质量、结构化、专有数据集，用来训练 RNA 药物设计的基础模型。 对比一下：英矽智能的 PandaOmics 平台训练数据来自公开数据集 + 自己做的实验数据。Alnylam 直接把20年的专有数据给 Inceptive 用——这个数据优势的差距，可能是数量级的。 区别三：Jakob Uszkoreit 的「AI 基础模型」思维 大多数 AI 制药公司的创始人，背景是「计算生物学」或「生物信息学」。他们用 AI 的方法解决生物学问题，但底层的 AI 技术通常是「用现成的」（比如用 GNN 、用 Transformer 、用 Diffuser ——这些都是别人发明的）。 Jakob Uszkoreit 是发明 Transformer 的人。他对「基础模型」的理解，比99%的 AI 制药创业者都要深刻。 Inceptive 的平台不是「用 AI 预测 siRNA 活性」——那样的话，就是一个普通的机器学习模型。Inceptive 的平台是「用基础模型学习生物学的底层规则」，然后把这个模型应用到 RNA 药物设计的各种任务上。 这个区别类似于： 普通 AI 制药模型 = 一个专门预测房价的模型（只能做一件事）Inceptive 的基础模型 = 一个理解了「建筑学、经济学、地理学」的模型，能预测房价、能设计房屋、能评估地段（泛化能力强） 如果这个基础模型真的能「学会生物学的底层规则」，那 Inceptive 就不是「一个 siRNA 设计工具」，而是「一个可以设计各种序列类生物分子的通用平台」—— siRNA 、ASO 、肽、mRNA 、甚至未来的 CRISPR 向导 RNA 。 这个想象空间，是 $20亿美元估值的基础。 二、技术深扒：Inceptive 的「基础模型」到底是什么？ Press release 里的描述是：「Inceptive's foundation models of life that extrapolate from data to design breakthrough biological medicines 」。 这个描述很「AI 基础模型」——但具体到 RNA 药物设计，这个模型到底怎么工作？ 我根据公开信息（Inceptive 官网、论文、Jakob 的访谈）推测，他们的技术路线大概是： 1. 训练数据：多模态生物数据 Inceptive 的模型不是在单一数据集上训练的。他们用多模态生物数据训练模型： 序列数据：siRNA 、mRNA 、ASO 、肽的序列结构数据：这些分子的二级结构、三级结构活性数据：哪些序列有效、哪些无效、为什么化学修饰数据：不同修饰对稳定性、活性、毒性的影响 这些数据来自：公开数据集 + 合作伙伴的专有数据（现在加上 Alnylam 的20年数据）。 2. 模型架构：Transformer 的生物学应用 Jakob 发明了 Transformer ，所以 Inceptive 的模型架构大概率是基于 Transformer 的——但具体怎么应用到 RNA 序列上，有几个技术选择： 选择一：将 RNA 序列视为「另一种语言」，用大语言模型的方法训练（就像 AlphaFold 用 Transformer 处理蛋白质序列一样）。这种方法把核苷酸序列（A 、U 、G 、C ）当成「单词」，用自注意力机制学习序列中的长程依赖关系。 选择二：将 RNA 结构预测和序列设计联合建模。不仅预测「这个序列会折叠成什么结构」，还预测「什么序列能实现目标功能」。这是「生成式设计」——给定功能目标（比如「沉默这个基因」），模型直接生成候选序列。 选择三：干湿闭环训练。Inceptive 的团队有「AI 研究人员 + 生物化学家 + 工程师」，他们可以在实验室里快速验证模型的预测，然后把实验结果反馈给模型重新训练。这种「AI 设计 → 实验验证 → 模型更新」的闭环，是 Inceptive 声称能在「几周内」表征 siRNA 分子的基础。 3. 泛化能力：为什么不需要重新训练？ 传统药物发现 AI 模型的一个大问题是：换一个靶点就要重新训练。 Inceptive 声称他们的模型能「泛化到不同的治疗模式」——训练时是 siRNA 数据，应用时有用 ASO 设计、肽设计。这个泛化能力来自哪里？ 我推测是两个机制： 序列的通用性：siRNA 、ASO 、肽、mRNA 都是「序列类生物分子」——它们的物理化学性质（折叠、稳定性、相互作用）遵循一些共同的物理规则。基础模型学会了这些底层规则，就能泛化到不同的分子类型。多任务预训练：模型在预训练阶段同时做多个任务（序列→结构、序列→活性、结构→修饰方案），这样学到的表示是「通用的」，不是针对单一任务的。 这个技术路线如果真的能工作，那 Inceptive 的平台价值确实值得 $20亿——因为它不是一个「siRNA 设计工具」，而是一个「序列类生物分子设计通用平台」。 三、投资含义：这笔交易对谁有利好，对谁有冲击？ 作为看了8年生物医药投资的 VC ，我来分析这笔交易的投资含义。 对 Alnylam ：中长期利好，但短期财务影响有限 Alnylam 的「Alnylam 2030 」战略目标是大幅扩展 RNAi 疗法管线。目前 Alnylam 上市了6款药，在研管线有 20+个候选分子。但这个管线的扩展速度，受限于「siRNA 设计→合成→测试→优化」的周期——这个周期通常是 6-12个月一个迭代。 如果 Inceptive 的 AI 模型能把这个过程加速 2-3倍（比如从6个月缩短到2个月），那 Alnylam 的管线扩展速度就能大幅提升。这意味着： 更多候选分子进入临床更早实现「Alnylam 2030 」的收入目标（Alnylam 自己说过目标是2030年达到 $50亿年收入）估值重估：如果管线扩展速度加快，Alnylam 的 PEG  ratio 可以改善 但短期（1-2年）内，这个合作不会带来上市新药。AI 设计的 siRNA 分子还需要做临床前研究、IND 申报、临床试验——这个过程至少需要3-5年。 所以我的判断是：对 Alnylam 是中长期利好，短期股价已经在6月3日涨了 ~5%，可能已经 price in 了一部分预期。 对 Inceptive ：技术验证 + 商业模式验证 这笔合作对 Inceptive 的意义，比 Alnylam 更大。 Inceptive 成立5年（2021-2026 ），之前一直处于「技术验证」阶段。他们有一些学术论文、有一些概念验证数据，但没有大型制药公司的合作来验证他们的技术。 Alnylam 是全球 RNAi 疗法的领导者，他们愿意拿出 $30M 首付 + $20亿里程碑来和 Inceptive 合作，这是对 Inceptive 技术的强力背书。 这个背书的价值： 后续融资更容易：Inceptive 之前融资来自 a16z 、NVIDIA 、S32 、Obvious 。有了 Alnylam 合作，下一轮融资的估值可以期待一个显著的提升其他 RNA 药物公司的合作：Moderna 、BioNTech 、CureVac 、Arrowhead ……这些公司现在都会认真看 Inceptive 的平台IPO 路径：如果合作产生积极数据（比如18个月内 AI 设计的 siRNA 分子进入临床前），Inceptive 可以考虑 IPO（2027-2028 ？） 对竞争对手：RNAi 领域的「军备竞赛」开始了 Alnylam 的竞争对手（Arrowhead 、Dicerna/Novo Nordisk 、Silence Therapeutics/ AstraZeneca ）现在面临一个选择： 选择一：自己做 AI 平台（像 Alnylam 一样，自建或收购） 选择二：找其他 AI 制药公司合作（但 Inceptive 已经被 Alnylam 锁定了——合作排他性条款？press release 没说，但通常这种战略合作会有一定的排他性） 选择三：认为 AI 没用，继续传统方法（风险高，因为 Alnylam 如果真的加速，差距会拉开） 我的判断：选择二最有可能。Arrowhead 或其他 RNAi 公司会去找其他 AI 平台公司（比如英矽智能、Absci 、Nabla Bio ）——但这些公司的平台主要是针对小分子或蛋白质的，不一定有 Inceptive 这样专门针对 RNA 的模型。 这是 Inceptive 的窗口期优势：在竞争对手找到替代方案之前，Inceptive 和 Alnylam 的合作数据会持续积累，模型会持续迭代，护城河会持续加深。 四、风险：这笔交易可能失败的点 我看了50+笔 AI 制药合作，失败率大概在 70%。大部分合作都停留在「新闻稿阶段」——宣布了，然后就没有然后了。 这笔交易可能失败的风险点： 风险一：AI 模型在 RNA 药物设计上的效果不及预期 Inceptive 的模型在「联合探索性工作」中表现好（press release 说的），但大规模应用是另一回事。 RNA 药物设计的复杂度可能被低估了： siRNA 的脱靶效应：模型可能学会了「预测活性」，但没学会「预测脱靶效应」——脱靶效应的机制更复杂，数据更少化学修饰的组合爆炸：2'-O-Me 、2'-F 、PS 、硼酸修饰……这些修饰的组合空间是天文数字，模型可能没有见过足够的数据来学习所有组合递送系统的限制：即使 AI 设计出了完美的 siRNA 序列，如果递送系统（GalNAc 偶联、LNP ）不够好，药物还是进不了细胞 风险二：Alnylam 的20年数据有「偏见」 Alnylam 20年的数据，都是基于他们自己的技术平台的。如果 Alnylam 的平台本身有某些局限性（比如只针对肝细胞靶点，因为 GalNAc 偶联主要靶向肝脏），那在这些数据上训练的模型，可能学不到通用的 RNA 药物设计规则。 这就像在一个只有「猫」的图片数据集上训练图像识别模型，然后期望它能识别「狗」——不一定能泛化。 风险三：里程碑付款的「触发条件」可能很苛刻 $20亿美元是「如果所有里程碑都达成」的总价值。但实际能拿到的，可能远低于这个数。 里程碑通常包括： 临床前里程碑：AI 设计的分子进入 IND 申报阶段（可能比较容易触发）注册审批里程碑：FDA 批准上市（这个很难，需要好几年）商业化销售里程碑：年销售额达到 $X 亿（这个更难，需要市场接受度） 如果 AI 设计的分子在临床阶段失败（比如毒性太大、疗效不足），那后续里程碑就不会触发。Inceptive 能拿到的，可能只有首付 $30M + 少数临床前里程碑——远低于 $20亿。 风险四：Jakob Uszkoreit 的「AI 基础模型」思路可能太超前了 Jakob 的「用基础模型学习生物学底层规则」这个思路，在 AI 研究领域是很前沿的。但前沿不等于实用。 蛋白质结构预测（AlphaFold ）用了 Transformer ，但 AlphaFold 的成功很大程度上依赖于「蛋白质结构数据积累了几十年」（PDB 数据库有20万+结构）。RNA 结构的数据积累远不如蛋白质（RNA 比蛋白质更难结晶，结构数据少得多）。 如果「RNA 结构/功能数据」不够多，那训练出来的基础模型可能泛化能力不强——这也是为什么这个合作的前18-24个月是「关键验证期」。 五、结论：我的判断 我看好这笔交易的长期价值，但有3个关键观察点。 观察点一：18个月内是否有 AI 设计的 siRNA 分子进入临床前研究 如果18个月内（即2027年底之前），Alnylam 宣布第一个由 Inceptive AI 平台设计的 siRNA 分子进入 IND 申报阶段，那说明这个合作是真实有效的，不是「新闻稿合作」。 观察点二：Inceptive 是否能拿到第二家大型 RNA 药物公司的合作 如果 Inceptive 在12个月内宣布和 Moderna 、BioNTech 或其他 RNA 药物公司合作，那说明他们的平台是真正有泛化能力的，不只是「专为 Alnylam 定制」。 观察点三：Alnylam 的管线扩展速度是否真的加快了 如果 Alnylam 在2027-2028年每年新增 5+个临床前候选分子（相比过去每年2-3个），那说明 AI 平台确实在加速研发。 我的立场： 对 Alnylam：中性偏多。短期股价可能已经 price in 了合作预期，但中长期如果 AI 平台真的加速管线，估值有重估空间。对 Inceptive：看多。这笔合作是强力技术背书，后续融资/IPO 路径更清晰。但风险是「技术效果不及预期」。对 AI 制药行业：这是一个标志性事件。它表明 AI 制药的合作已经从「小分子发现」进入到「RNA 药物设计」——一个更难、但也更有价值的方向。如果成功，会催生更多「AI + 新型生物分子（肽、ASO 、mRNA ）」的合作。 最后说一句： Jakob Uszkoreit 发明 Transformer 的时候，大概没想到自己有一天会去设计 RNA 药物。 但这就是 AI 制药最有意思的地方：AI 领域的顶尖人才，正在大规模进入生物医药。这不是「AI 赋能生物医药」这种空洞的口号——这是「Transformer 的发明人，现在在亲自设计算法来设计 RNA 药物」。 这个方向对不对，18个月后见分晓。 附录：关键数字速查 项目数据合作总价值最高 $20亿美元首付金额$3000万美元（现金+股权）Alnylam 已上市药物6款Alnylam 专有数据积累20+年Inceptive 成立时间2021年Inceptive 融资方a16z 、NVIDIA 、S32 、ObviousJakob Uszkoreit 关键贡献Transformer 架构共同发明人（2017 ）Alnylam 2030 年收入目标$50亿美元观察期18个月（至2027年底）