乐于分享
好东西不私藏

AI赋能LNP药物递送系统研发:剂泰号火箭已就位,载荷待发射

AI赋能LNP药物递送系统研发:剂泰号火箭已就位,载荷待发射

4月19日,剂泰科技通过港交所上市聆讯,即将以”全球AI纳米递送第一股”的身份登陆港股。至此,中国AI制药四小龙中,已有三只在香港相聚。

这只小龙有点不一样,他说自己是”医药界的SpaceX”——用一句话来翻译:剂泰科技做的是”火箭”,火箭(LNP递送系统)造好了,可以携带不同的货物(药物载荷)去往不同的目的地(靶器官)。前文写过的siRNA也是可能药物载荷之一种。

这篇文章要拆解的是:AI如何赋能LNP递送药物开发。


一、LNP递送系统是什么?

LNP(Lipid Nanoparticle,脂质纳米颗粒)是一种由多种脂质成分自组装形成的纳米级载体,直径通常在50-200nm之间。它的核心功能是将药物分子包裹在内,保护其不被降解,并将其递送至目标组织或细胞。

LNP ≠ 药物本身。 LNP是递送系统(火箭),药物分子是载荷(货物),二者结合才构成完整的药物制剂。不同的载荷(小分子、mRNA、siRNA、蛋白等)需要不同的LNP配方,LNP的开发必须与具体载荷匹配——不存在一个”万能配方”,快速开发是LNP平台的能力要求。

LNP的核心组成(通常4种脂质成分):

  • 离子化脂质:与核酸药物静电结合,促进内体逃逸,是决定递送效率和毒性的最关键成分

  • 辅助脂质:稳定双层结构,调节膜流动性

  • 胆固醇:增强稳定性,降低脂质双层的通透性

  • PEG脂质:延长血液循环时间,防止纳米颗粒聚集

LNP的作用流程:

药物载荷 + 脂质成分 → 自组装形成LNP颗粒 → 静脉/皮下/口服给药 → 血液循环 → 靶器官富集 → 细胞摄取 → 内体逃逸 → 载荷释放入胞质 → 发挥药效

LNP研发的核心挑战:

  • 离子化脂质的结构设计是”黑箱”——微小的结构变化会导致递送效率数量级的差异

  • 突破专利布局——4脂质结构、关键理化性质已被头部公司(如Arbutus等)大量专利覆盖,突破专利壁垒难度极高

  • 计算超大配方空间——4种脂质成分的比例、种类组合呈指数级增长,传统试错法只能探索极小的一部分

  • 解决靶向性调控难题——让LNP精准到达特定器官(肺、肝、肌肉、免疫细胞等),而非在肝脏被大量截留,是行业级难题


二、LNP递送系统研发全流程

以下拆解的是:在已有药物载荷(已知分子结构、已知靶点、已知适应症)的前提下,从零开发并验证一套LNP递送体系的完整流程。

1. 药物研发专家采用的标准

LNP研发遵循药学规范 + 递送要求 + 合规标准,核心标准:

  • 制剂质量标准:粒径/PDI、包封率、载药量、纯度、渗透压、pH、储存稳定性

  • 递送效率标准:细胞摄取、内体逃逸、组织分布、靶器官富集效率

  • 安全性标准:细胞毒性、溶血、炎症因子、肝/肾毒性、免疫原性

  • 工艺与合规标准:可放大、可重现、无菌无热源、符合GMP、GLP

  • 药效标准:mRNA/DNA/siRNA表达量、靶基因沉默效率、疾病模型疗效

2. 药物研发专家的交付

  • 可工业化的LNP配方(脂质组成、摩尔比、浓度、缓冲体系)

  • 稳定可放大的制备工艺(微流控、挤出、乙醇注入等)

  • 完整体外表征数据包:理化性质、体外转染/沉默

  • 完整的生物体—纳米材料互作数据:体内分布、药效、安评

  • 制剂开发报告:处方筛选、工艺优化、稳定性、质量控制方法

  • 支持申报的CMC资料与临床前/临床样品方案

3. 药物研发专家要做的工作

  1. 1靶点与递送需求分析:核酸类型、给药途径、靶器官

  2. 2脂质分子设计与筛选:可电离脂质、磷脂、胆固醇、PEG-脂质配比

  3. 3处方高通量筛选:摩尔比、浓度、pH、流速、混合比例优化

  4. 4工艺开发与放大:微流控参数、温度、灭菌、冻干

  5. 5理化与功能表征:粒径、包封率、转染效率、内体逃逸

  6. 6体内外评价:细胞水平 → 动物组织分布 → 药效 → 安全性

  7. 7稳定性与质量研究:加速/长期稳定性、放行方法建立

  8. 8CMC与申报支持:方法学验证、质量标准、工艺验证

4. AI重塑研究流程

AI把”试错筛选”变成预测驱动开发,大幅缩短周期:

  • 脂质分子设计:AI直接生成高潜力可电离脂质结构,跳过盲目合成

  • 处方预测:多组分比例、工艺参数 → AI直接给出最优组合,减少实验量

  • 性能预测:提前预测包封率、转染、毒性、组织分布,定向优化

  • 工艺放大:AI建模关联小试/中试/生产参数,提升一致性

  • 高通量数据分析:自动提取结构-性能关系,快速定位关键因素

  • 闭环优化:实验数据回训模型,迭代加速,从数月缩至数周

5. AI的数据、模型、验证循环

数据层:

  • 结构数据:脂质SMILES、理化参数、分子描述符

  • 制剂数据:组分比例、工艺参数、粒径/PDI、包封率

  • 生物数据:体外转染、内体逃逸、基因表达、毒性、组织分布

  • 文献/专利数据:已报道LNP效能与结构关系

模型层:

  • 生成式AI:GAN、Transformer生成新型可电离脂质

  • 预测模型:机器学习/深度学习预测包封率、转染、毒性、稳定性

  • 多目标优化模型:同时优化疗效、安全、可放大性

验证循环:

建立基于专有脂质库的合成、制备、理化分析、体内外验证湿实验能力,与AI预测模型形成闭环:

  1. 1AI预测最优脂质/处方 → 虚拟筛选

  2. 2实验合成与制备 → 理化/体外验证

  3. 3体内分布/药效/安评 → 生物学验证

  4. 4实测数据回传 → 模型重训练

  5. 5迭代优化,进入下一轮AI设计→实验验证


三、剂泰科技NanoForge平台

NanoForge平台是剂泰科技由人工智能驱动的纳米材料平台技术的基石,它包括了由4个部分组成的研究系统闭环,为人类治疗、抗衰老、动物保健等提供3种解决方案。

NanoForge集成平台示意图

1. 重中之重,重建LNP专利底座

  • 直接生成全新可电离脂质结构,绕开Arbutus四脂质核心骨架专利

  • 调整四组分比例、缓冲体系、pH、粒径控制

  • 自研微流控参数组合、混合机制、放大路径

  • AI定向设计肝/肺/肿瘤/肌肉/CNS等器官靶向LNP

  • 申请专利217项、授权52项

2. NanoForge的技术基石

  • 验证层:由业内首个纳米递送人工智能体驱动,自研专利一体化干湿实验室基础设施,实现计算机设计和高通量实验验证的自动联系

  • 数据层:METiS可电离脂质库,是NanoForge的数据宇宙,目前包含1000万种以上的脂质结构,其中相当数量的脂质得到超过20项关键特性的湿实验数据支持

  • 模型层:由垂类METiS人工智能基础模型组成,使用自有数据训练,覆盖纳米材料开发周期中分子生成、特性预测、实验设计、处方优化和专家验证的各个关键阶段

  • 应用层:METiS智能体,与研究人员交互的界面,并将科研问题转化为协调模型执行及实验流程

3. METiS解决方案组合

方案 技术底层 功能
AiTEM
AI预测+制剂优化
小分子剂型研发从数年缩至2-3个月
AiLNP
AI+高通量筛选+千万级脂质库
靶向LNP设计,精准递送至8个关键器官
AiRNA
AI序列设计+结构优化
mRNA序列优化,提升表达效率和稳定性

4. AI赋能点与管线验证

剂泰科技的MTS-004是NanoForge能力的最直接验证,它基于AiTEM小分子制剂平台:

  • MTS-004是一款针对假性延髓情绪失控(PBA)的口服LNP制剂,采用已证明疗效的载荷,剂型选用口腔崩解片(ODT),解决了PBA患者吞咽困难的临床痛点——这是制剂创新的附加值

  • 临床前制剂优化仅用3个月(行业平均1-2年),从立项到完成III期临床终点共38个月

  • III期临床:264例入组、48个中心、双盲随机安慰剂对照,第2周起观察到疗效,核心指标CNS-LS/CGI-C/PGI-C均显著优于安慰剂

靶向不同器官的管线同步推进,不断证明AiLNP纳米递送平台的能力:

  • MTS-105(肝癌/肝转移实体瘤):已获FDA孤儿药认证,IIT阶段

  • MTS-201(脂肪肝/糖尿病/肥胖):口服制剂,I期临床

  • MTS-109(B细胞自身免疫病):动物实验中彻底清除致病B细胞

多条管线同时推进,不同载荷、不同靶器官、不同给药途径——这正是”火箭造好了,可以发射不同货物”的最好注脚。


四、还想说一句

剂泰科技卡位纳米递送领域,自有”数据-算法-验证”闭环飞轮快速转动,平台价值得到药物管线临床成功的确认。毋庸置疑的是,在AI领域,先发者指数级增长的数据将构建牢不可破的壁垒。对于其它做递送的厂家,是绕开结构专利掀掉桌子重来,还是搭上剂泰的火箭快速上市?

火箭已就位,载荷待发射。下一个成功发射的,会是什么?


参考资料

[1] 剂泰科技MTS-004成为国内首款完成三期临床的AI赋能制剂新药 – 中国科学技术协会 – 2025.10.24

[2] 剂泰科技发布全球首个AI驱动的纳米递送平台NanoForge – 中国经济网 – 2025.09.17

[3] 递送革命!剂泰科技携全球首个AI纳米平台冲刺港股 – 动脉新医药 – 2026.04.20

[4] 「AI药物递送第一股」来了,被低估的万亿医药赛道 – 智药局 – 2026.04.21

[5] 【IPO前哨】五博士领衔!AI药物递送新星剂泰科技的故事 – 搜狐 – 2026.03.27

[6] Hou X, Zaks T, Langer R, et al. Lipid nanoparticles for mRNA delivery. Nature Reviews Materials, 2021.

[7] Akinc A, Maier MA, Manoharan M, et al. The Onpattro story and the clinical translation of nanomedicines containing nucleic acid-based drugs. Nature Nanotechnology, 2019.

[8] CDE. 化学药品及生物制品临床试验一般指导原则 – 国家药监局审评中心

[9] 剂泰科技。港交所聆讯资料集 [R]. 杭州:剂泰科技 (杭州) 股份有限公司,2026.

作者:贝叔 | 且来山笔记