mRNA腫瘤疫苗，闖入寵物世界

氨基觀察-創新藥組原創出品

作者 | 武月

當OpenAI總裁和DeepMind CEO都在為同一個故事歡呼時，你就應該知道，有什么東西被打破了。

2026年3月，一個故事引爆全球：悉尼科技企業家保羅·康寧漢姆，為他罹患晚期癌癥的愛犬Rosie，利用ChatGPT和AlphaFold，設計出一款定制mRNA疫苗。注射治療后，短短數周Rosie腫瘤驚人地縮小了75%。

這是世界上第一例專為狗設計的個性化癌癥疫苗。正如新南威爾士大學的Páll Thordarson教授所說，它證明了在mRNA技術的加持下，針對個體突變的個性化療法可以以極具時間效率的方式完成。

社交網絡瞬間沸騰，“AI手搓疫苗”、“醫療平權”的驚呼不絕于耳。硅谷大佬們更是盛贊，這是“AI賦能普通人跨越專業壁壘”的里程碑。

然而，在這背后，被簡化的技術路徑、被忽略的專業壁壘、被低估的系統支撐，以及生命科學不容僭越的嚴謹邊界，說明這絕不是AI單槍匹馬的神跡，而是數據能力、頂尖科研、倫理合規與AI工具共同托舉的個案。

這個“賽博神話”也引發了關于單例證據、缺乏對照組和AI角色邊界的討論。真正值得行業深思的，不是所謂的奇跡，而是AI究竟以何種方式介入藥物研發，以及這場“跨界實驗”為AI+mRNA帶來的真實啟示。

一個AI極客的“自救”

故事始于2024年。保羅·科寧厄姆的愛犬Rosie被診斷出患有晚期肥大細胞瘤，這是一種犬類常見且兇險的皮膚癌。在花費數萬澳元嘗試手術、化療均告無效后，獸醫宣判Rosie僅剩數月壽命。

擁有17年機器學習和數據分析經驗的保羅不甘心坐以待斃，他做出了一個驚人的決定：將Rosie的癌癥視為一個“數據問題”，利用AI發起一場自救，最終締造了全球首個犬類個性化mRNA癌癥疫苗的案例。

于是就有了初見成效的“奇跡”。在接種第一針及加強針后的數周內，Rosie腳踝處網球大小的腫瘤縮小了約50%至75%。原本萎靡不振的Rosie重新煥發了活力，甚至能跳過圍欄追逐兔子。

這并非完全“治愈”，但確實為Rosie爭取到了更高質量的生存時間。整個過程的清晰且極具顛覆性，其關鍵點可分為以下四點：

基因組測序，將生命轉化為數據。在ChatGPT的建議下，保羅聯系新南威爾士大學的Ramaciotti基因組中心，支付3000澳元，對Rosie的健康DNA與腫瘤DNA進行全基因組測序，獲得了約320GB的海量原始遺傳數據。

這相當于70萬張A4紙的信息量，通過比對鎖定腫瘤特異性突變位點，完成個性化治療的基礎。保羅將其形容為：“就像對比一臺新發動機和一臺跑了30萬公里的發動機，通過比對來發現受損的地方。”

ChatGPT作為“總架構師”，規劃研究路線。無生物學背景的保羅以ChatGPT為“跨學科導師”，快速建立基因測序、突變分析、免疫療法的完整認知地圖。

AlphaFold進行結構建模，鎖定攻擊靶點。保羅借助AlphaFold完成突變蛋白3D結構建模，這是疫苗研發的關鍵，因為免疫系統需要識別這些特定突變產生的“新抗原”。AlphaFold生成的蛋白質折疊模型，為后續匹配能夠觸發免疫反應的藥物或肽序列提供了關鍵blueprint。

在申請現有藥物同情用藥被藥廠拒絕后，保羅轉向mRNA技術，其將數月的工作濃縮成“半頁紙的配方”——針對Rosie個體突變的mRNA序列公式。他將這份資料交給新南威爾士大學RNA研究所所長Páll Thordarson教授。后者團隊在專業實驗室內，根據序列合成了包裹在脂質納米顆粒（LNP）中的mRNA疫苗。

最后，保羅耗時3個月撰寫100頁倫理申請文件，借助昆士蘭大學Rachel Allavena教授的現有倫理許可完成合規流程，2025年12月為Rosie完成首針注射。

難以復制的壁壘

這件事對于外界最大的震撼，莫過于一個毫無生物醫學背景的人，居然能夠利用AI制造出一款個性化腫瘤疫苗，并成功挽救一條被獸醫“放棄”的狗狗。

OpenAI總裁Greg Brockman與谷歌DeepMind CEO Demis Hassabis更是親自下場轉發，進一步點燃了網絡對于這場AI救援的追捧。

盡管這個真實的案例，充滿了賽博朋克式的英雄色彩，但這絕非普通人可復刻的DIY科學實驗，AI更沒有獨立發明疫苗。

保羅的成功，建立在17年機器學習硬核能力、持續交付的專業成果、不可替代的科研協作，以及嚴苛藥物研發流程之上，所謂“低門檻奇跡”，本質是一場被簡化的認知誤區。

其中，第一道不可逾越的壁壘，就是保羅的專業數據能力與提示工程壁壘。保羅并非“普通人”，而是悉尼AI公司Core Intelligence Technologies的聯合創始人，曾任澳大利亞數據科學與AI協會董事，擁有約17年機器學習與深層神經網絡研發經驗，精通算法搭建、數據處理與邏輯指令設計。

ChatGPT對他來說，是一個需要高超“提示工程”能力才能驅動的強大工具，這種能力是普通用戶難以企及的壁壘。畢竟，AI不會替人思考，只會放大專業者的能力，普通人即便擁有同款工具，也無法完成高質量數據挖掘與靶點識別。

而保羅之所以能夠說服科研機構，靠的也不是一個溫情的故事，而是利用AI工具不斷拿出成果。

保羅最初聯系新南威爾士大學的Martin Smith教授請求為狗做基因測序時，對方明確拒絕合作，而保羅的破局關鍵在于，他每次接觸科學家前都“做完了作業”。他獨立分析了320GB的基因組數據，找到了有意義的突變，用AlphaFold建模，并初步匹配了靶點。

Martin Smith教授的支持，源于專業認可而非情感共鳴，更在關鍵節點為保羅指明mRNA疫苗方向，成為轉折核心。

第二道壁壘，也是最不可復制的環節是算法設計。保羅不僅分析數據，還自己編寫了機器學習算法來篩選新抗原、指導mRNA設計，最終Thordarson教授團隊完成了疫苗的制造。

正如Thordarson教授的評價：“What I find most remarkable is that a data engineer with no background in biology managed to generate the mRNA recipe.”

而這遠非普通用戶通過與大模型的聊天，就能實現的。

更進一步而言，AI的加速作用存在明確邊界。藥物從發現到上市，有十分嚴格的流程，AI能加速的只是其中一小段。保羅僅完成早期設計環節，疫苗合成、倫理審批、臨床注射均依賴專業機構與合規流程，脫離這套系統，在強大的AI工具也無法挽救其愛犬Rosie。

AI+mRNA如何重塑癌癥治療的未來

盡管“治愈”Rosie的是一個獸用疫苗，動物實驗成功與人類臨床應用之間，隔著監管、生產、安全性、科學驗證的巨大鴻溝。但其對mRNA疫苗行業仍有顯著的啟示意義，再次驗證了mRNA疫苗在極短時間內完成“序列到藥物”轉化的可行性。

Thordarson教授指出，這是世界上第一例專為狗設計的個性化癌癥疫苗，它證明了在mRNA技術的加持下，針對個體突變的個性化療法可以以極具時間效率的方式完成。

在傳統癌癥疫苗開發中，預測哪些突變能夠引發免疫反應需要數月甚至更長時間的實驗室模擬。而保羅通過AlphaFold分析蛋白質結構的置信度和預測結合親和力，篩選出那些最容易被Rosie免疫受體識別的肽序列，極大壓縮研發周期；新南威爾士大學團隊不到兩個月完成疫苗合成，再次證明mRNA技術能完美適配個體突變定制需求，為實體瘤個性化治療提供了可行路徑。

事實上，AI 驅動的藥物發現正在加速進入臨床驗證階段，AI與mRNA的結合也已處于爆發前夜。

AI已經能夠優化 mRNA的穩定性和翻譯效率，并預測抗原的免疫原性。簡單來說，就是采集患者的腫瘤樣本和健康人血液樣本，對其進行各種序列分析對比，從而找出該患者癌癥特有的突變。然后，使用深度學習的預測算法將突變列表轉化為癌細胞表面的新抗原，進而設計出該患者獨有的mRNA。

AI能夠推動mRNA藥物研發從經驗驅動向“數據+AI驅動”轉型，這將帶來兩個顯而易見的好處：第一，顯著縮短了從研發到臨床試驗的時間周期，提升了效率；第二，大幅提升了研發成功率。海外如Moderna等企業，國內如云頂新耀等企業，均早已投入AI的建設，并在AI加持下，加速臨床研究進程；日前BioNTech聯合創始人更是透露，離職后將投身聚焦下一代“mRNA+AI”技術的新事業。

AI競爭的本質是算法。數據越多，技術越成熟，迭代越快，反饋到臨床研究層面，即分子的產出效率更高，質量越高，形成一個正循環。因此，頭部藥企之間的效率和成功率，差距只會越拉越大。

需要說明的是，當前的AI也絕非萬能的，其局限性同樣清晰：AlphaFold 在點突變細微結構預測上存在偏差，AI可能產生“幻覺”導致預測失誤，一旦應用可能引發過敏、自身免疫等致命風險。保羅的c-KIT蛋白AlphaFold渲染置信度為54.55。AlphaFold的置信度量表中，70以下被視為低置信度，50附近接近"不確定"。

對此，新南威爾士大學結構生物學家Kate Michie表示："I think people put a little bit too much trust in it at the moment. We're still working out the things that it doesn't do."

同時，LNP送技術專利壁壘、腫瘤異質性導致的治療無效、長期安全性觀察周期不可壓縮，都是行業亟待解決的難題。

而保羅與Rosie的故事，之所以引發這么大的反響，還在于它揭示的是一個更深刻、也更復雜的命題：AI在生物醫學領域的能力邊界，或許正以超出預期的速度擴張。

在2026年，AI深刻變革的當下，一個具備數據分析能力但沒有任何生物醫學訓練的人，借助公開的AI工具和開源數據庫，能夠在數月內走完從“理解疾病分子機制”到“產出可用治療方案”的全程。但是，正如前文所說，將其變為現實，仍需要頂級科研機構、專業實驗室和監管審批的參與。

換句話說，AI不可能很快就治愈癌癥，但它正在做一件更根本的事。

目前，保羅正基于最新的測序結果研發第二款疫苗以打擊Rosie體內剩余腫瘤。在他看來，癌癥未來可能不再是終點，而是一門可以通過不斷迭代算法來應對的“管理科學”。

PS：歡迎掃描下方二維碼，添加氨基君微信號交流。