无需了解病理机制，这家公司通过对比细胞图像直接寻找药物

美国有一家创业公司，用一种算法去识别、对比细胞图片的变化，以发现药物的新用法，并为罕见疾病找到相应的药物。这家公司采用的算法属于机器视觉领域，一门基于计算机图像识别和分析的技术，主要用于自动检测等领域。

这家公司名为Recursion Pharmaceuticals（递归医药），目前整个团队只有40人。公司联合创始人、CEO克里斯·吉布森（Chris Gibson）在接受《MIT科技评论》采访时说，“结合机器人技术和机器视觉，用很少的人力我们就大规模地对上百种疾病进行研究。”

这家公司对细胞进行药物自动化测试，然后采用高通量筛选技术(High throughput screening，HTS)。所谓高通量筛选技术，是指以分子水平和细胞水平的实验方法为基础，以微板形式作为实验工具载体，以自动化操作系统执行试验过程，以灵敏快速的检测仪器采集实验结果数据，以计算机分析处理实验数据，在同一时间检测数以千万的样品，并以得到的相应数据库支持运转的技术体系，它具有微量、快速、灵敏和准确等特点。简言之就是可以通过一次实验获得大量的信息，并从中找到有价值的信息。

高通量筛选并不是新想法，但Recursion Pharmaceuticals的“独门绝技”是他们采用的算法能识别出细胞更多的非同寻常的小细节。具体来说，该算法能测量一个细胞的上千种特性，比如细胞核的大小、形状或者是不同内部结构之间的距离。

在这家公司的美国盐湖城实验室里，自动显微镜配有机器视觉软件，每周能仔细检查数十万张人类细胞图片。他们是如何做到的？首先，该公司能够迅速又便宜地接触到丰富的数据库。正如某些遗传疾病患者可能拥有特定的表征一样，对遗传病细胞特征进行建模，通常能够展示特殊的特征。对于这些疾病来说，细胞图片也更能展示疾病。

细胞图片

第二，该公司用最新的生物学工具建立了数百个独特的疾病细胞模型，数万个细胞模型图片以及从细胞中提取的近1000多个结构特征。这样一来，该公司就掌握了特殊疾病细胞的“迹象指纹”。拿着这些“指纹”就可以与治疗药物进行比对，看是否有药物能让这些细胞恢复健康。

第三，交互式数据可视化软件。这套软件可帮助研究员查询结果，理解疾病表征，并能进行药物筛选。有了结果后，研究员可立即访问原始图像和数据库。这样一来，经过深入分析、查询对比，能找到药物更多的治疗效果。

据该公司的官网介绍，他们希望让机器学习、深度学习和创新的生物科学结合，以发现能治疗罕见疾病或任何疾病的治疗机会。

据《MIT科技评论》介绍，这家公司所用的图像处理软件起源于哈佛大学-麻省理工学院博德研究所(Broad Institute of Harvard and MIT)的安妮·卡彭特实验室。据安妮·卡彭特介绍，递归医药公司使用的策略是确定疾病潜在的治疗方法，而无需检查冗长、昂贵的特定疾病产生原理。这家公司的大部分情况是，在并未完全理解细胞和分子水平的情况下，找到治疗方法。

安妮·卡彭特（Anne Carpenter）说，“这种方法的好处是，他们不必深入了解（疾病）细胞外观背后意味着什么的全部细节，他们只是需要找到方法来修复它。”她是递归医药公司的顾问。她认为，只有在稍后阶段才需要深入了解基础生物学，这意味着前期的工作更有针对性和效率。

美国罕见疾病药物研究所CEO大卫·斯威尼（David Swinney）认为，现在这家公司已经针对卡彭特的软件开发出有价值的应用，主要用在基础研究阶段。但目前尚未证明的是，推迟研究疾病的生物学病理，是否确实能更容易地找到市场化的治疗方法。了解疾病的机制及如何改变仍然是一个挑战。

目前这家公司已经确定了15种罕见疾病有前景的治疗方法，这些疾病的感染人数少于20万。总的来说，罕见疾病估计会影响美国10%的人口，并且大多数的人缺少美国医疗机构批准的药物。

由该公司确定的一种药物，会在今年晚些时候会进入临床试验阶段，用以治疗脑海绵状血管畸形。这种疾病导致了脑损伤，并影响6万人。该公司预计，明年还有其他三种治疗药物将获得美国食品药品管理局（FDA）的初始试验许可。相比于完全投入测试新药，该公司的测试结果也能找到已有药物的新用途。目前，公司还与制药巨头赛诺菲（Sanofi）建立了合作伙伴关系，以测试在开发过程或临床测试中获得部分成功的药物，但均未进入市场。

目前，该创业公司已经获得了1900万美元的投资，该投资来自Twitter创始人埃文·威廉姆斯（Evan Williams）创办的Obvious Ventures。