Recursion

概述

Recursion 成立于十多年前，核心理念是使用细胞图像训练人工智能以识别驱动疾病的细胞表型，并将这些见解转化为可开发的药物候选物。公司通过将 高通量成像、自动化湿实验室 与 大规模数据平台（Recursion OS） 相结合，建立了一个持续自我学习和改进的药物发现与开发生态系统。其目标是显著提高早期研发的成功率、加速从命中到 IND 的进程，并降低传统药物发现的高失败率与高成本。

核心能力

1. Recursion OS 平台: 一个端到端的操作系统，整合数据采集、存储、模型训练与候选分子设计，支持从实验到临床的反馈闭环。

2. 大规模生物与化学数据: 拥有约 65 PB 的专用数据集，涵盖 表型组学（phenomics）、转录组学（transcriptomics）、InVivomics、蛋白质组学（proteomics）、ADME 及去标识化的患者数据，为模型训练与验证提供深厚数据基础。

3. 自动化湿实验室与计算机视觉: 利用机器人自动化进行数百万次细胞实验，并通过计算机视觉解析细胞图像，快速生成可用于机器学习的高质量表型数据。

4. 机器学习与分子设计: 基于表型与多组学数据训练的智能模型能够识别新靶点、预测化合物效应并设计优化分子，加速命中到候选物的筛选过程。

5. 高性能计算与合作生态: 与 NVIDIA 合作建设 BioHive-2 超级计算系统，用以处理海量训练与推理任务；并通过与药企、技术公司及数据伙伴的战略合作扩展能力与商业化路径。

推荐原因

Recursion 将自动化实验、深度表型学与先进 AI 模型结合，形成了可重复、可扩展的药物发现流程，特别适合需要大规模筛查与复杂表型解析的项目。其在肿瘤学与罕见病方向已有临床项目进展（如 REC-4881、REC-3565 等），对希望缩短研发周期、提升命中质量的制药公司、投资者与研究机构具有吸引力。总体而言，Recursion 代表了将生物学实验与数据科学深度融合、推动 AI 药物发现落地的典型范例，适合寻求技术驱动型药物发现加速方案的各类合作方。