DeepCyte刚融了150万美元：单细胞代谢组 AI毒理是好故事，但转录组可能才是更划算的路
2026年4月9日，美国-丹麦创业公司DeepCyte宣布完成150万美元种子轮融资，宣布用单细胞代谢组+AI预测药物毒性。圈内热议，但好故事不等于最聪明的商业路径。
01
DeepCyte到底在做什么？
DeepCyte推出了两个产品，构成一套“数据+AI”的闭环。第一个是MetaCore——高通量单细胞代谢组学平台，核心技术是激光采样与质谱联用，逐个细胞测量代谢分子谱，直接反映细胞内实际的代谢物变化——这是细胞功能的直接执行层。其优点是捕获批量分析无法检测的细胞异质性反应，但具体细胞通量未公开披露，且质谱-based单细胞代谢组学通量难以同时优化。
第二个产品是DeeImmuno——AI毒理预测工具。基于MetaCore产生的单细胞代谢组学数据，DeepCyte训练了一套专有机器学习模型，声称在100种保留药物上验证，以94%的准确率预测17种毒性机制。这个数字听起来震撼，但需要追问：训练数据规模是什么？具体覆盖哪些毒理终点？$150万种子轮能支撑多少商业化落地？坦白说，这更像概念验证，而非产品化里程碑。
02
转录组高通量筛选：更轻、更快、更便宜
药物作用后，细胞转录组变化比代谢物更早、更系统、更容易被捕获。转录组是细胞功能的中间层，上游是基因突变和信号通路，下游是代谢物和表型。如果你想知道一个药物对细胞做了什么，转录组几乎是性价比最高的信息层。
DRUG-seq技术正是基于这一逻辑：药物处理细胞后提取RNA建库测序，获得全转录组表达谱，再由AI模型识别毒性特征、靶点信号和作用机制。DRUG-seq2进一步优化了成本和通量，支持上万级别的细胞处理和多样本混样标记，成本约10-20美元/样本，远低于单细胞代谢组学。数据可积累复用，兼容后续靶点验证、功能分析和生物标志物发现。
更重要的是，转录组和代谢组并非非此即彼的关系——预算充足、样本珍贵时，两者结合是最优解；但对于绝大多数药企研发团队，转录组筛选是那个“先跑起来”的最佳起点。
03
两条路线真实对比
|
对比维度 |
MetaCore（单细胞代谢组） |
DRUG-seq2（转录组） |
|
核心技术 |
激光采样+质谱 |
RNA提取+高通量测序 |
|
单样本成本 |
高（质谱耗材昂贵） |
低（约10-20美元/样本） |
|
AI模型成熟度 |
早期，专有数据封闭 |
成熟，FRoGS等开源工具可用 |
|
商业化成熟度 |
概念验证阶段 |
已有CRO商业落地案例 |
04
DeepCyte释放的三个关键信号
尽管DeepCyte技术路径存在局限，但有几个信号值得所有做药物筛选服务的团队重点关注。
1、AI+组学毒理已从概念走向商业验证。DeepCyte喊出了“单细胞AI毒理SaaS”概念，说明药企客户对“测序筛选+AI预测”一体化服务的需求是真实的，有人愿意为此付费。
2、FDA/EMA推动“去动物化”的监管压力是真实的风口。FDA已正式呼吁药物开发从动物测试转向人类相关模型。这正在改变药企的决策链：更早、更准地预测人体毒性是刚需。谁能提供“人源细胞+AI预测”的解决方案，谁就站在了这个趋势的正中央。
3、多组学联合是下一个兵家必争之地。DeepCyte解决的是代谢层的问题。但能打通“转录组筛选+代谢组验证”双层数据管线，能完成从筛选到机制验证的全流程，那将是极具竞争力的服务差异化壁垒。
结语
DeepCyte融了150万美元，讲了一个单细胞代谢组+AI毒理的好故事。故事是好故事，但对于真正需要解决药物筛选问题的药企来说，这条路贵、通量未知、成熟度不够。相比之下，转录组高通量筛选——尤其是DRUG-seq2这类结合了成本优化、AI分析和多样本混样能力的平台——是当下更可落地、更可规模化、性价比更高的选择。也是昕瑞再生“数字细胞”平台正在布局的方向。
联系方式
官网：www.xremed.com
南京昕瑞再生医药科技有限公司
官方技术支持
关于昕瑞再生
南京昕瑞再生医药科技有限公司成立于2019年，先后获中科创星、红杉资本两轮融资，依托北京大学分子医学南京转化研究院软硬件支持。公司核心团队源自北京大学，承载创始团队在干细胞、再生医学及小分子创新药领域20余年经验，搭建了世界领先的细胞表型药筛平台——整合细胞疾病模型、表型组学定量、AI技术，聚焦“细胞疾病/衰老表型逆转”研发新药。
公司拥有自主知识产权的DRUG-seq2、PHDs-seq高通量测序技术，已在早期药物开发、靶点发现、人工智能大模型建立等场景见效，既服务自研项目，也为科研领域提供高质量技术解决方案。
