癌症免疫疗法的一个核心瓶颈在于：研究者需要知道肿瘤表面究竟呈递了哪些HLA-结合肽段，才能设计出精准杀伤的TCR或癌症疫苗。这个看似简单的需求，背后却牵涉到极其复杂的技术链条——从组织裂解、HLA亲和纯化、高灵敏度LC-MS检测，到生物信息学定量、等位基因归属、AI驱动的结合预测，再到毒性风险评估。这几年来，出现了一系列能把这条链条从头到尾做垂直整合的科服公司；而欧洲的Alithea Bio（Alithea Biotechnology GmbH）算得上其中代表性的样本之一。公司网站：https://alithea-bio.com/。
公司脉络与创始团队
Alithea Bio 是一家总部位于德国弗莱堡（Freiburg im Breisgau）、实验室位于柏林BioCube的生物技术公司，成立于2020年。其联合创始人兼CEO Fanny Giannou是该公司最受关注的面孔——她曾获得欧盟Women TechEU奖（2023首轮），并被提名为2025年欧洲女性创新者奖（European Prize for Women Innovators）半决赛选手。2026年，她在VivaTech大会上为Alithea Bio捧回了Tech for Change大奖（健康赛道+观众选择奖）。另一位核心人物是首席科学官兼联合创始人Tim Fugmann，拥有斯特拉斯堡大学（University of Strasbourg）的研究背景。公司在2020年成立后很快在斯特拉斯堡建立了实验室，2024年则进一步把自有质谱平台搬进了柏林的BioCube孵化器。从其公开的里程碑来看，2022年签下了瑞士生物技术公司的大单，2023年拿下了大型制药客户，并获得了德国联邦经济部（BMWK）的de:hub AI Award 2025决赛入围资格——这意味着德国政府也将其视为AI+生命科学数字化生态的重要节点。
四层组学支柱作为核心技术
Alithea Bio的技术体系可以概括为四个互相咬合的支柱：免疫肽组学（Immunopeptidomics）、蛋白质组学（Proteomics）、蛋白质基因组学（Proteogenomics）和生物信息学（Bioinformatics）。
免疫肽组学是其立身之本。HLA免疫肽组学的实验流程本质上是一套精密的多步操作：组织或细胞裂解后，用HLA特异性亲和树脂捕获HLA-肽复合物，酸性条件洗脱肽段，再经C18固相萃取纯化，最后用高灵敏度质谱（其网站提到Astral和TOF平台）进行LC-MS/MS分析。Alithea对外强调其流程的”统一性”——统一的标准化样品制备、统一的数据处理管线、统一的质控标准——这对跨项目、跨客户的数据可比性至关重要。
蛋白质基因组学则是其差异化方向之一。2025年，Alithea Bio在《Diabetes》期刊发表了首个与公司团队直接关联的同行评议论文，主题是利用蛋白质基因组学方法在人类β细胞中鉴定新开放阅读框（nuORF）及其HLA免疫呈递。另一条更引人注目的研究线是HLA-Shuttle（tapasin-TM）技术，与费城儿童医院（CHOP）的John Maris、Mustafa Mir和Andrea Facciabene实验室合作开发。该技术旨在恢复”冷肿瘤”（如神经母细胞瘤）中常被下调的HLA class I抗原呈递，从而为CAR-T、TCR-T和癌症疫苗打开数百个此前不可见的治疗靶点。
生物信息学层面的核心是其统一化的数据处理管线。从质谱原始数据到最终肽段列表，整个流程基于Alithea内部的领域知识和工具链。关键一步是把每个肽段映射到其对应的HLA等位基因——这并非简单的序列比对，而是需要结合HLA结合基序（motif）和质谱证据做综合判定。据其官网介绍，所有肽段都通过其专有的HLA结合预测器进行了等位基因归属。
AI与机器学习则是最新的一层叠加。Alithea开发了HLA肽段结合预测AI（其白皮书标题为”Advancing Peptide–HLA Binding Prediction with Deep Learning”），声称在罕见等位基因和非标准长度肽段上的预测精度优于传统工具（即NetMHCpan）。
SaaS到CRO的产品矩阵
Alithea Bio的产品布局呈现出清晰的”双轮驱动”特征：一端是面向B端制药公司的CRO服务，另一端是面向更广泛研究者的SaaS数据平台。
HLA-Compass是其旗舰数据产品。这是一个基于网页访问的HLA肽段数据库，截至2026年包含了140万条唯一肽段、约1万个癌症特异性表位，总计超过1700万次鉴定，来源于4160个高质量HLA免疫肽组学样品，涵盖健康器官、癌细胞系和肿瘤组织。这个数字在免疫肽组学领域中已经相当可观——作为参照，SysteMHC Atlas和HLA Ligand Atlas等公开数据库在规模上各有千秋，但HLA-Compass的差异化在于每个肽段都 grounding 在真实的生物学样品中，并配备了Alithea内部的等位基因映射和定量信息。平台支持基因中心（gene-centric）和肽段中心（peptide-centric）两种检索模式，也可以用于off-target分析——即提交候选肽段列表，评估其在健康组织中的潜在呈递风险。
2026年的一个新动作是HLA-Compass AI Copilot——一个自然语言查询接口。用户可以直接输入类似”KRAS G12D在A*02:01上的肺组织肽段有哪些？”的问题，系统会自动选择合适的MCP工具、查询数据库、返回结果，并附带完整的审计追踪（audit trail）和算力消耗记录。这种模式在蛋白质组学领域仍属前沿，其核心理念是将免疫肽组学的专业知识”封装”进AI工具链，降低非专业用户的使用门槛。
NeoZOOM则是其高灵敏度CRO服务品牌。经典的DDA策略在检测肿瘤新抗原时经常铩羽而归——Alithea给出的案例是某样品用DDA策略零检出、而用NeoZOOM流程检出了14条新抗原肽段。考虑到文献中典型的免疫肽组学实验仅能检出0–5条新抗原，这个数字意味着其方法在灵敏度上确有实质性提升。NeoZOOM本质上是一套多步生物信息学策略，用于从数千条潜在8–12mer变异肽段中筛选高置信度的新抗原。
Off-Target毒性预测是安全层面的核心产品。TCR和TCRm抗体疗法的一个致命风险是在健康组织中识别到脱靶肽段——Alithea的策略是将自有健康组织参考数据与机器学习模型结合，在临床试验前评估候选疗法的脱靶风险。
| 产品/服务 | 类型 | 核心数据/能力 | 目标客户 |
|---|---|---|---|
| HLA-Compass | SaaS数据库 | 140万肽段 · 4160样品 · AI Copilot | 药企研发 · 学术研究者 |
| NeoZOOM | CRO服务 | 超高灵敏度新抗原检测（DDA 0→14） | 癌症疫苗 · TCR-T开发者 |
| HLA结合预测AI | 算法工具 | 深度学习 · 罕见等位基因 · 非标准长度 | 疫苗设计 · 免疫治疗 |
| Off-Target预测 | 安全评估 | 健康组织参考数据 · ML毒性模型 | TCR/TCRm疗法开发者 |
| 标准化试剂盒 | 耗材 | HLA免疫肽组学样品制备套装 | 实验室终端用户 |
第三方背书与行业定位
从客户证言来看，Alithea已经积累了相当的外部信任。费城儿童医院的Nikolaos G. Sgourakis教授称其为”HLA免疫肽组学领域无可匹敌的灵活性和精确度”；札幌医科大学的Toshihiko Torigoe教授表示借助HLA-Compass可以将候选表位筛选时间缩短80%；而Deck Bio首席科学官Johanna Kaufmann则特别提到HLA-Compass的半定量数据对TCR疗法安全预测的关键价值。值得玩味的是，这些背书恰好覆盖了Alithea试图打通的两个端点——学术靶点发现（Sgourakis/Torigoe）和工业安全评估（Kaufmann）。
甜区和陷阱
从笔者的视角，Alithea Bio的技术路线中有几个值得注意的决策点。第一是其对”统一化”的强调。免疫肽组学是一个 notorious 地难以标准化的领域——不同实验室的亲和树脂、裂解条件、梯度程序、搜库参数都会导致结果差异巨大。Alithea声称内部采用统一流程处理超过4000个样品，这意味着其数据库的纵向可比性可能优于很多拼凑来源的公开资源。
第二是其对AI Copilot的投入。蛋白质组学/免疫肽组学界对”AI助手”的探索目前仍处于早期阶段，大多数工具链仍以命令行或GUI为主。HLA-Compass Copilot采用的自然语言→MCP工具→审计追踪的模式，实际上是把蛋白质组学的工作流抽象成了类似DevOps的pipeline，这对于降低药企非计算科学家的使用门槛是有价值的。但这里也存在一个风险：免疫肽组学的质谱鉴定本身就是一个充满假阳性和生物学变异性的领域，AI的”黑箱化”输出如果不配备充分的质谱级证据展示，可能会在临床决策中引入新的不确定性。
第三是其商业化路径的清晰性。从弗莱堡的初创团队到柏林的自有实验室，从CRO服务到SaaS订阅，Alithea展示了一条相对成熟的欧洲生物技术公司成长曲线。与很多同阶段初创公司相比，它已经拥有了付费客户、发表记录、政府资助和多轮融资迹象——这在当前的融资环境中并不容易。
当然，作为一家初创公司，Alithea也面临典型的挑战。其HLA-Compass数据库的广度和深度虽然在持续增长，但与Immunopeptidomics领域的一些老牌公共数据库（如SysteMHC Atlas、HLA Ligand Atlas）以及大型CRO（如Pure MHC）的专有数据库相比，其生态位仍需进一步巩固。此外，其AI结合预测器声称优于NetMHCpan等传统工具，但学界对这类声明的验证通常需要独立基准测试的公开数据；这方面尚需更多透明度。
结语
Alithea Bio或许可以被视为欧洲质谱组学初创公司中的一个典型案例：从大学实验室的技术积累出发，围绕HLA肽段这一高度专业化的垂直领域构建全栈能力，再通过CRO服务和SaaS平台实现双轮驱动的商业化。它的故事也印证了一个更广泛的行业趋势：从”卖数据”进化到”卖决策”。森林中的这两条路，前者让你短期走的欢快但很快疲累；后者目前还是荆棘遍布，但穿越它的回报永远诱人。
内容经AI校正和润色，审慎阅读