Relation 发布 MORGAN：首个细胞基础模型亮相，GSK 1.1 亿美元押注数据工厂
Relation 发布 MORGAN：首个"细胞基础模型"亮相，GSK 1.1 亿美元押注数据工厂
AI 药物发现领域一直缺一个关键拼图：一个能预测药物和基因变化如何影响人体细胞的通用模型。蛋白质结构预测有 AlphaFold，但细胞级别的响应预测一直没有对等的基础模型。7 月 30 日，伦敦生物技术公司 Relation Therapeutics 发布了 MORGAN（Multi-Omic Regulatory Genomics using Artificial Neural Networks），正是瞄准这个空白。同一天，它宣布与 GSK 扩展合作，最高 1.1 亿美元——但交易的核心不是卖模型，而是造数据。
MORGAN 是什么
MORGAN 是一个细胞生物学基础模型，目标是预测人体细胞在受到药物干预或基因改变时会如何响应。它的全称是"多组学调控基因组学人工神经网络"，名字已经点明了技术路线：用人工神经网络处理多组学（multi-omic）数据，理解基因调控的因果关系。
与只能处理单一细胞类型或单一疾病的模型不同，MORGAN 被设计为通用模型，可以跨细胞类型和疾病领域应用。它的训练数据不是来自公开数据库，而是来自 Relation 自家自动化实验室产生的大规模细胞扰动实验——通过自动化实验室，对人类细胞进行系统性的药物和基因干预，然后测量细胞的多维度分子响应（即"多组学"数据），规模达到 petascale 级别。
为什么它和之前的生物 AI 不同
目前大多数生物 AI 做的是"关联发现"——从海量观测数据中寻找基因、细胞和疾病之间的相关性。这很有用，但有一个根本局限：知道什么和疾病一起出现，不等于知道改变什么能治好疾病。
MORGAN 的核心思路是"因果/干预"：不是看什么和疾病相关，而是理解当你主动改变某个生物学变量时，细胞会发生什么。Relation 把这叫做"Lab-in-the-Loop"：计算模型的预测指导下一步做什么实验，实验结果又反过来优化模型，形成持续进化的闭环。这和传统"先训练模型再应用"的一次性流程完全不同。
GSK 1.1 亿美元交易：买的是数据，不是模型
这笔交易的结构值得细看。传统 AI 药物发现的商业模式是"模型授权"：生物技术公司建一个 AI 平台，药企付费使用。但 GSK 这次不是在买 MORGAN 的使用权，而是付钱让 Relation 用自动化实验室大规模生产细胞扰动数据——这些数据将用来训练 MORGAN 和其他基础模型。
换句话说，GSK 押注的是数据基础设施，而不是某个现成的模型。覆盖的疾病领域包括免疫学、炎症、纤维化疾病和骨关节炎。Relation 可获得最高 1.1 亿美元，包括前期付款和里程碑付款（具体比例未披露）。GSK 此前已在 2024 年 12 月与 Relation 建立了两个多项目合作，这次是扩展。
"细胞基础模型"赛道的竞争
Relation 不是唯一想做"细胞基础模型"的公司。Isomorphic Labs（DeepMind 旗下）、Noetik、insitro 等都在类似方向上投入重金。但它们面临同一个难题：生物训练数据远比 AI 模型稀缺。
蛋白质结构预测之所以成功，很大程度上是因为蛋白质数据库（PDB）数十年积累了超过 20 万个实验测定的蛋白质结构。细胞级别的数据没有等价的公共资源库——你不能从网上下载"细胞对药物 X 的完整响应图谱"。这就是为什么 Relation 选择自己造数据，也是为什么 GSK 愿意花 1.1 亿美元资助这个过程。
局限与展望
MORGAN 目前聚焦于免疫、代谢和骨骼疾病领域，并非直接面向衰老或长寿研究——尽管这些疾病的发病率确实随年龄增长而显著上升。Relation CEO David Roblin 对此态度谨慎，表示公司的主要目标是疾病生物学，而非衰老机制本身。
更重要的是，MORGAN 的实际效果还需要在真实的药物发现项目中验证。一个基础模型能否真正加速从靶点发现到临床候选药物的全程，目前仍是开放问题。数据生产的成本高、周期长，也是现实挑战。
但方向本身值得关注：从"看数据找关联"到"做实验找因果"，从"模型授权"到"数据工厂"，这两条转变可能重新定义 AI 在药物发现中的角色。基于多家媒体转述整理。