9 月 8 日，Douglas Yao 在 X 上宣布了他的第二个候选新药 PAC-3310。紧接着他又发出一条更长的推文：为公司 Pace Pharmaceuticals 公开融资，接受天使轮和 VC。联系方式只有一个邮箱，但这家公司的全部员工只有他一个人。
两个候选新药都已经完成发现阶段，零外部投资。听起来像噱头，但分子已经摆在那里。
他宣称成本比常规路径低几个数量级。
Yao 的履历并不"草根"。2023 年哈佛计算生物学博士毕业，曾在 Nature Biotechnology 和 Nature Genetics 上发表论文。但过去一年多，他没有加入任何机构，实验室就是自己家的车库。
车库里的一年：AI 设计，机器人做实验
他花了一笔读博期间攒下的积蓄，把车库改造成化学实验室。视频里能看到冷凝管、分液漏斗、加热搅拌器和成排试剂瓶。设备不新，但足够合成小分子。
过去一年，他在这个实验室里合成了数十个化合物。样品瓶摆满了整个台面，标签全是手写编号。但真正的效率质变来自自动化。
所有体外筛选由一台 OpenTrons OT-2 移液机器人完成。这是一台开源设备，价格约 4000 美元，只占半个实验台。但足以跑完他全部的细胞实验。
分子设计、文献调研、数据分析，他交给了 ChatGPT Pro。
他自称这套流程能以传统研发千分之一的成本，拿到临床前药效证据。
但"一个人"的说法需要打个折扣。PAC-832 的技术报告注明，细胞实验用了湾区社区实验室 BioCurious 的培养间和 HPLC 设备。两份技术报告的署名栏里，都还有一位 Dongyuan Yao。
数据倒是全开源：原始数据和分析代码在 GitHub，小鼠行为学视频在 Zenodo。但截至目前，这个仓库 0 star、0 fork，还没有第三方真正检查过这些数据。
两个分子，一个叫板 140 亿美元的神药
第一个分子 PAC-832 治阿尔茨海默。主流路线过去二十年押注清除 β-淀粉样蛋白斑块。但按他的梳理，获批的 lecanemab、donanemab 既不能明显改善症状，还有脑出血风险，医生不愿开。
Yao 反过来捡起 1983 年就被发现的胆碱能路线。多奈哌齐通过提高脑内乙酰胆碱改善记忆。40 多年过去，它仍是临床上最常用的阿尔茨海默药物，但整个领域没能做出更好的。
他的切入点是甘丙肽（galanin），可以把它理解成乙酰胆碱释放的"刹车"。但甘丙肽有三个受体，其中 GalR2 介导神经保护作用，不能一起堵。
PAC-832 只抑制 GalR1。体外活性 IC50 = 0.28 μM；在 10 μM 浓度下，对 GalR2/3 测不到任何活性。选择性数据干净，但还只是体外实验。
成药性数据也漂亮：口服生物利用度 90%，脑/血浆比 0.7，小鼠 1000 mg/kg 仍耐受。但这些数字全部来自他自己的实验台。
在新物体识别实验里，给药组小鼠探索新物体的时间占比从 47.2% 升到 62.5%，每组 18-23 只。他自称效果与多奈哌齐相当，但实验由他一人设计、执行、分析。
第二个分子 PAC-3310 治精神分裂症，直接对标 Cobenfy。后者 2024 年 9 月获批，是 50 多年来第一个新机制的精神分裂症药物。但 Cobenfy 有个结构性的麻烦。
它的有效成分 xanomeline 会同时激活全部五种毒蕈碱受体，而这类受体管着从心率到胃肠蠕动的许多基础功能。误激活 M2、M3 会带来恶心、呕吐、心率加快，但 Cobenfy 只能靠捆绑另一种药来压制。BMS 当年为了它背后的 Karuna，付了 140 亿美元。
PAC-3310 的思路是只激活 M4 这一个亚型。思路直接，但选择性数据撑得住：M4 活性 EC50 = 97 nM，对 M1/M2/M3/M5 的选择性超过 100 倍。
在 MK-801 诱导的小鼠过度活动模型中，10 mg/kg 和 30 mg/kg 剂量分别把跑动距离压低了 43.8% 和 66.5%。且在 10 倍有效剂量下，没有观察到典型的胆碱能副作用。但药代数据同样扎实：口服生物利用度超 70%，脑/血浆比大于 0.5。
40 倍效率和"5 年超辉瑞"，账算得过来吗
融资推文里最抓眼球的是一组对比：辉瑞目前有 137 个临床阶段药物，行业第一。但他宣称自己的模式能让每美元产出的临床阶段药物数量，达到典型药企的 40 倍以上。
但这本账的分母有讲究：他至今的花费只覆盖到"发现"阶段。而新药研发的成本大头，在临床。
他自己也清楚这一点。推文里写明，接下来要在旧金山自建 GMP 生产设施，在中国做 GLP 毒理研究。仅这套 IND 申报前的合规研究就要 1-2 年，但这正是他开口融资的原因。
更需要冷静的是证据等级。
从"车库里做出活性分子"到"临床上有效的药"，中间隔着 IND 和三期临床。这些关卡不会因为发现阶段便宜而消失，但它们恰恰是最贵的部分。
黄金时代的故事，这次讲到哪了
Yao 给这套模式找的历史锚点，是 1950-60 年代的"药物发现黄金时代"。他的偶像是那个时代最多产的药物化学家 Paul Janssen：快速合成、快速动物测试、凭直觉选靶点。但核心只有一条：快。
那个年代，新药从合成到临床测试可以在 1 年内完成。但他认为今天同样的流程被拉长了 10 倍，而 AI 加机器人可以把那个速度找回来。
这个叙事有一半已经成立。发现的入场券，确实被压到了个人负担得起的程度，两个分子和全开源的数据就是证据。但另一半还没有答案。
药物研发真正的成本在临床，而临床恰恰是他还没证明能压缩的环节——阿尔茨海默又是临床失败率最高的适应症之一。但资本市场会不会为"一人AI药企"买单，未来 12 个月，看他的 IND 批不批就知道了。