Recursion：工业化表型组学与 AI 药物发现

Recursion 走的是与多数 AI 制药公司相反的路线：不从已有数据建模，而是先工业化地生产数据。它建立了大规模自动化的细胞成像平台，系统性地拍摄细胞在各种基因扰动与化合物处理下的形态变化，积累了规模极大的自有图像数据集。

表型筛选的逻辑

表型筛选的最大价值是绕开了「靶点假设可能是错的」这个新药研发最大的风险源。历史上很多重要药物就是先发现有效、后才搞清机制的。缺点是拿到活性分子后，机制去卷积（搞清它作用于什么）是一项艰巨的工作。

用图像做「细胞表型指纹」

• 用多种荧光染料标记细胞的不同结构（细胞核、线粒体、内质网、肌动蛋白等）；
• 自动显微镜拍摄大量细胞图像；
• 用深度学习把每张图像编码成一个高维向量——这就是该扰动的「表型指纹」；
• 比较指纹相似性：如果化合物 A 的表型指纹与基因 B 敲除的指纹高度相似，提示 A 可能作用于 B 通路。

这个「用表型相似性推断机制」的思路，与 LINCS L1000 的转录组连通性分析（见 268《LINCS L1000》）同源，只是模态从转录组换成了图像。图像的优势是成本低、通量高、且能捕捉转录组看不到的形态与定位变化。

固有难题

• 批次效应极其严重。这是这条路线最大的技术挑战。不同实验批次、不同孔板位置、不同日期的图像存在系统性差异，模型很容易学到「这是哪个批次」而非「这是什么生物学效应」。需要严格的实验设计（随机化布板、每板带对照）与计算校正。
• 表型相似不等于机制相同：完全不同的机制可能产生相似的细胞形态（如多种途径都导致细胞周期阻滞）。
• 细胞模型的相关性：体外细胞系的表型与体内疾病过程的关系需要论证。
• 机制去卷积仍然困难：即使有表型指纹的线索，确证靶点仍需大量实验（化学蛋白组学、CRISPR 筛选、共结晶）。
• 数据规模不自动等于价值：「我们有几十 PB 数据」本身不是竞争力，能否从中提取出可转化为药物的洞察才是。

可借鉴的方法论

• 自建数据是最深的护城河：公开数据人人可得，自产的、标准化的、包含失败案例的数据才是差异化来源。
• 标准化比规模更重要：一百万张条件不一致的图像，价值可能不如十万张严格标准化的。实验设计的严谨性决定数据的可用性。
• 把对照设计进流程：每块板都带已知机制的阳性对照，用于批次校正与质控。
• 表型与靶点路线互补：表型筛选找到活性分子，靶点方法做优化，两者结合比单用任一种更实际。

开源资源

# 细胞图像分析的开源生态
#   CellProfiler —— 经典的图像特征提取（形态、强度、纹理）
#   DeepProfiler —— 深度学习特征提取
#   pycytominer  —— 特征处理、归一化、批次校正
#   JUMP-Cell Painting —— 大规模公开的细胞成像数据集，
#                          可用于练习表型分析方法

# 批次校正的常用方法
#   - 按板归一化（相对同板 DMSO 对照）
#   - Combat / Harmony 等批次校正算法
#   - 用已知对照评估校正效果

延伸资源

• 转录组扰动对照：268《LINCS L1000》；细胞系数据：265《CCLE》、266《GDSC》；
• 其他公司：311《Exscientia》、321《Insitro》。