Immunai

什么是 Immunai？

生物制药团队通常期望 AI 药物发现工具能直接输出现成的化合物。但 Immunai 提供了截然不同的解决方案。它在单细胞水平上提供了庞大的人类免疫系统图谱。用户可以访问包含 2500 万个免疫图谱的数据库（这一规模是大多数内部生物制药团队无法企及的），从而找出药物有效或失效的原因。

Immunai Inc. 构建了这一生物技术平台，旨在解决临床试验失败的问题。该软件利用单细胞多组学和机器学习来预测患者对免疫疗法的反应。它的目标客户是大型制药公司和企业研究团队。

核心功能与 Immunai 的工作原理

单细胞数据整合

• AMICA 数据库： 访问 2500 万个经过整理的单细胞免疫图谱。限制：数据主要适用于肿瘤学和自身免疫性疾病。
• 多组学处理： 整合转录组学、蛋白质组学和基因组学数据。限制：处理数千个细胞需要庞大的云计算资源。
• 高通量测序： 处理数千个临床样本。限制：物理样本处理会显著增加数字分析流程的时间。

机器学习与预测

• 专有 ML 模型： 使用神经网络预测临床结果。限制：预测结果仍需要多年的生物学验证。
• 生物标志物检测： 寻找分子特征以追踪疾病进展。限制：罕见的生物标志物可能缺乏足够的历史数据来保证高置信度。
• 靶点发现引擎： 自动识别潜在的药物靶点。限制：输出结果需要专业的生物信息学知识才能解读。

临床试验优化

• 临床分层： 根据免疫特征对患者进行分组，以提高试验成功率。限制：需要从所有试验参与者那里收集高分辨率样本。
• 协作工作区： 为生物制药合作伙伴提供安全的云环境。限制：API 访问和技术文档仅限于企业合作伙伴。

Immunai 的优缺点

优点

• 拥有 2500 万个单细胞图谱的庞大数据护城河，为罕见细胞识别提供了强大的基线。
• 单细胞分析能够捕捉到传统批量测序方法遗漏的细微生物信号。
• 拥有可靠的业绩记录，包括与 AstraZeneca 和 Sanofi 等全球制药巨头建立的多年合作伙伴关系。
• 将深厚的免疫学专业知识与先进的计算生物学相结合，为后期临床开发提供支持。

缺点

• 目标客户为大型企业级生物制药公司，没有为小型学术实验室提供可访问的层级。
• 需要专业的生物信息学和免疫学知识才能解读平台输出结果。
• 尽管有 AI 加速，生物学验证和临床试验仍然是需要耗时多年的过程。

谁应该使用 Immunai？

• 企业级生物制药团队： 大型公司需要通过对患者队列进行分层来挽救失败的临床试验。
• 转化医学研究人员： 希望重新利用现有药物资产的科学家可以绘制免疫系统交叉反应图谱。
• 小型学术实验室（不推荐）： 独立研究人员会发现定制的企业定价和缺乏公共 API 使得该平台难以触及。

Immunai 定价与计划

Immunai 不提供免费试用或自助订阅服务。

该公司采用定制化定价模式。具体成本取决于临床试验的范围和所需的高通量测序量。

• 企业/战略合作伙伴： 定制价格。该层级包括对 AMICA 平台和单细胞免疫学数据库的完全访问权限。它还涵盖了专门的药物发现合作。

Immunai 与替代方案的比较

与 Insitro 类似，Immunai 使用机器学习来推动药物发现。但 Insitro 专注于使用诱导多能干细胞创建疾病模型。Immunai 则利用单细胞多组学绘制免疫系统图谱。Insitro 构建了更广泛的细胞模型，而 Immunai 则深入研究肿瘤学中的免疫细胞相互作用。

与 Recursion Pharmaceuticals 不同，Immunai 不依赖于自动化显微镜和细胞图像分析。Recursion 绘制细胞形态图谱，以寻找各种遗传疾病的药物靶点。Immunai 则依赖转录组学和蛋白质组学数据来预测免疫疗法反应。Recursion 适合广泛的表型筛选。Immunai 则最适合靶向免疫分析。

企业级生物制药的最终结论

Immunai 为开展昂贵肿瘤学试验的大型制药公司提供了巨大的价值。AMICA 数据库为患者分层提供了无与伦比的单细胞分辨率。

但小型实验室应该寻找其他选择。该平台需要雄厚的资金和专业的生物信息学团队。独立研究人员应考虑使用开源的单细胞分析工具。

该平台能够提供真实的临床洞察。

最现实的限制仍然是生物学的速度。AI 可以在几秒钟内找到靶点，但临床验证仍然需要数年时间。