美国AI制药公司insitro近日在肥胖与代谢疾病研究领域取得突破性进展。该公司利用人工智能技术，首次实现对棕色脂肪组织（BAT）的大规模人群遗传学分析，并成功识别出与BAT功能相关的多个基因位点，其中关键靶点BAT-01的调控在动物模型中展现出显著减重效果，且不依赖于抑制食欲的中枢机制。 传统上，棕色脂肪组织因分布分散、功能复杂，难以在大规模人群中进行有效测量。此前主要依赖PET扫描，但该技术成本高、可及性差，限制了遗传研究的开展。insitro基于其ClinML™平台，通过分析UK Biobank中超过6.9万名受试者的常规MRI数据，利用机器学习算法提取“腹部与锁骨上脂肪信号分数之差”作为BAT含量的影像学表型，实现了对棕色脂肪的规模化、低成本量化。 研究发现，该表型具有明显的季节性变化，冬季时信号最强，与已知BAT活性随温度变化的规律一致，且与体脂分布、血脂水平、血糖稳态及血管健康等代谢指标显著相关。通过全基因组关联分析（GWAS），insitro识别出多个此前未在肥胖研究中发现的特异性基因，为理解BAT的遗传调控提供了全新视角。 基于这些遗传证据，insitro进一步利用CellML™平台在原代人类脂肪细胞中筛选潜在靶点，最终将BAT-01列为优先候选。在饮食诱导肥胖的小鼠模型中，通过脂肪组织靶向siRNA敲低BAT-01表达，4周内实现15%的体重下降，脂肪质量减少25%，同时有效保留了肌肉质量，且未影响摄食量。分子分析显示，该干预诱导了白色脂肪向“类棕色”状态转化，表现为Ucp1表达上升、Leptin表达下降，提示其作用机制可能源于外周脂肪重塑，而非中枢神经调控。 insitro首席执行官、AI先驱Daphne Koller表示，AI使原本难以实现的“大规模人类遗传学研究”成为可能，为揭示棕色脂肪在代谢健康中的核心作用提供了坚实证据，并可能开辟全新的肥胖治疗路径——即通过靶向外周脂肪组织实现减脂，避免现有药物常见的食欲抑制等副作用。 该成果已在Keystone肥胖治疗研讨会公布，目前insitro正基于GWAS结果，继续评估其他潜在靶点，构建针对肥胖及心血管代谢疾病的差异化药物管线。公司依托其“虚拟人类”AI平台，正推动药物发现从经验驱动转向数据与因果推理驱动的工业化模式。