从专注财经动态的应用中了解到，GIP（葡萄糖依赖性促胰岛素多肽）与GLP-1（胰高血糖素样肽-1）同属于肠促胰岛素家族。其受体GIPR在人体代谢调节中发挥着多方面的核心作用：它能促进脂肪组织对脂质的摄取与储存；调节骨骼的生成与转换；并且参与到中枢神经系统（CNS）的食欲调控过程中。近期，英矽智能宣布发现了一款创新的GIPR拮抗剂ISM0676，该候选分子在临床前的小鼠模型中，实现了用药27天减重31%的显著疗效，为评估GIPR通路在减重治疗中的作用提供了新的临床前数据支撑。
据披露，ISM0676由英矽智能借助其Pharma.AI人工智能药物发现平台进行赋能设计，从立项到临床前候选化合物提名仅耗时14个月，累计合成测试不超过200个分子，体现了其以AI辅助提升早期研发效率的探索路径。那么，GIPR拮抗剂是否会成为行业竞相追逐的下一款“神药”？人工智能在机制探索与分子优化等环节，又将发挥多大作用？
GLP-1的隐忧：减重数据的另一面
在飞速发展的减重药物市场，GLP-1作为数十年前被发现、机制相对成熟的靶点，率先进入临床应用阶段，吸引了初创公司、制药巨头乃至跨界玩家纷纷入局。仅2025年，礼来、诺和诺德等全球顶尖药企的GLP-1产品销售额已经突破500亿美元，体现出减重赛道巨大的临床需求和商业化潜力。
不过，随着用药人群扩大和随访时间拉长，GLP-1疗法在实际应用中的一些局限也逐渐受到关注。例如，会导致肌肉量的减少，减重成分中约40%来源于肌肉（瘦体重）的流失，导致基础代谢率下降；存在疗效平台期，患者在用药第二年往往面临减重停滞，即使持续用药也很难看到进一步的减重效果；停药后易反弹，由于未能从底层扭转脂肪储存信号，停药往往会导致快速的体重回升和脂肪组织重量反弹；以及长期注射与胃肠道不良反应对患者依从性的影响。
在此背景下，市场开始寻求在减重强度之外，进一步兼顾安全性、依从性的改善方案。一些研发方向将目光投向GIPR拮抗剂与GLP-1R激动剂的联用策略，希望在实现减重的同时有效保留肌肉量。
AI驱动设计与优化，引领减重疗法新纪元
在上述需求背景下，英矽智能选择以GIPR为切入点推进相关候选分子的早期发现与优化。其在Pharma.AI平台支持下，利用Chemistry42生成化学引擎和Alchemistry自由能结合预测引擎等AI应用工具，开展分子设计和结合模式预测。在早期研发中模拟药物分子与GIPR受体的相互作用细节，从而辅助新颖性、成药性等指标优化，以及药物相互作用（DDI）风险降低。公司称，这种以计算筛选为先、再进行针对性实验验证的流程，有助于提升迭代效率与研发精准度，并将早期研究控制在相对有限的分子合成与测试规模内。
从临床前研究数据显示，在饮食诱导肥胖（DIO）人源化GIP小鼠模型中，ISM0676与司美格鲁肽联用，用药27天实现了约31.3%的减重；对照的司美格鲁肽单药组约为16.2%。此外，ISM0676单药组在该模型下也显示出约10.4%的体重下降。上述结果为“GIPR拮抗剂与GLP-1联用”策略提供了进一步的临床前依据。
据披露，ISM0676在体内代谢稳定性、潜在药物相互作用风险评估、安全性以及临床预测剂量等方面显示出较为积极的临床前特征，为其后续开发提供了支持。公司同时认为，该分子在体成分改善（如瘦体重占比）方面具备潜在价值，且与GLP-1方案联用可能带来协同效应；相关结论仍需在进一步研究与临床试验中验证。
靶向底层生物机制：从体重管理迈向健康长寿
此前，英矽智能创始人兼CEO Alex Zhavoronkov博士曾表示，代谢性疾病领域有望成为全球首个实现大批量健康寿命延长的突破口。学术界也有相关理论依据：例如2024年，发表于学术期刊Cell的论文就将营养感应失调、线粒体功能障碍和长期慢性炎症列为“衰老标识”框架，为肥胖、2型糖尿病、心血管疾病等常见健康问题提供了可供研究的底层生物机制视角。
据英矽智能介绍，其AI驱动研发流程覆盖从大规模数据与通路分析、靶点发现，到生成式分子设计与多维性质预测优化等环节，并已形成一定规模的研发管线布局：目前临床或临床前阶段项目约27项，其中包括其所称进展较快的AI驱动FIC项目Rentosertib，亦有多项合作或自研项目进入I期临床阶段。随着ISM0676等项目在临床前数据上显示出一定的减重与体成分改善潜力，人工智能在代谢疾病药物研发中的应用边界与实际产出，也有望在后续研究与临床验证中进一步明晰。
