2009 年，李林鲜涉足 LNP（脂质纳米颗粒）领域时，这尚非资本市场的热词。彼时他在德国海德堡大学攻读博士，专注于脂质设计与 RNA 递送。随后，他赴 MIT 在 Robert Langer 和 Daniel Anderson 团队深造，并曾任教于卡罗琳医学院。十余年间，LNP 从冷门递送工具演变为核酸药物的底层核心技术，李林鲜也从科学家转型为 Biotech 企业 CEO。
2019 年，李林鲜创立深信生物（Innorna）。初创期，公司技术高度依赖创始人个人积累；七年后，深信已构建起涵盖脂质设计、mRNA 开发、LNP 制剂、CMC 生产及临床开发的完整体系。产品管线从疫苗拓展至治疗性 mRNA，递送策略从成熟的肝脏靶向向肝外及特定细胞精准递送迈进。如今的“技术”，更多指向团队协作、数据沉淀以及基于上万次实验形成的专业判断。
创业历程中，李林鲜深刻体会到产业化与科研的差异。他曾以为从实验室到产业仅是“工程放大”，实则工艺参数的微小变动可能传导至临床安全性，工程问题往往回归为科学问题。深信生物成立不久便遭遇新冠疫情带来的 mRNA 产业周期波动：从初期的资本狂热到随后的理性回归，市场关注点转向产品实效、人体数据、重复给药安全性及肝外递送能力。李林鲜认为，泡沫挤出反而利于行业长远发展，真正的壁垒在于解决技术瓶颈的能力。
当前，深信生物正探索 AI 在 mRNA 序列设计、脂质发现及靶向递送中的应用，试图将团队多年的研发"Taste"（直觉与判断力）通过机器学习进行“蒸馏”。从个人经验到组织能力，再到人机协作，李林鲜的目标明确：定义下一代 mRNA 药物的形态。
mRNA 产业的第二周期
DeepTech：近期 Moderna 个体化 mRNA 肿瘤疫苗Ⅲ期取得阳性结果，作为深耕该领域十多年的专家，您的第一反应是什么？
李林鲜：这是重大利好。肿瘤治疗性疫苗研发难度极大，Ⅲ期阳性标志着技术路线的关键突破。很高兴看到 mRNA 技术从预防领域成功迈向治疗领域，期待更多药物上市。但需注意，不同项目在递送方式、适应症、联合用药及治疗阶段上存在差异，单个产品的成功不代表所有问题已解决，该领域仍需持续探索。
DeepTech：相比 2020-2021 年的行业狂热，当前的 mRNA 行业发生了哪些本质变化？哪些泡沫被挤出，哪些核心能力得以显现？
李林鲜：早期市场倾向于认为“只要做 mRNA/LNP 就有价值”，如今则更加务实。投资者与合作方更关注具体产品、人体数据、重复给药可行性、安全窗口及肝外递送能力。虽然行业积累了更多实证数据，应用能力增强，但市场不再轻信故事。这种理性回归对行业发展是好事。
DeepTech：若将 mRNA 发展划分为不同阶段，目前处于何种位置？下一轮机会在于疫苗还是更难的治疗性药物及体内细胞工程？
李林鲜：依据“技术成熟度曲线”，mRNA 正处于稳健爬升期。疫苗已获充分验证，未来重点在于治疗性产品。理论上 mRNA 应用空间广阔，但开发挑战巨大：治疗性产品通常剂量更高且需重复给药；若要实现肝外递送及特定细胞精准靶向，对效率、安全性和可重复给药能力提出了更高要求。这些未解难题正是未来的创新空间。
图 | 脂质研发实验室（来源：深信生物）
DeepTech：今年 3 月 IN026 获 FDA 临床试验许可后，公司较少披露新进展。近期主要在推进哪些工作？
李林鲜：团队正全力推进产品研发。IN026 是首个面向慢性病治疗的项目，也是治疗性 mRNA 的关键临床验证。获准后，我们严格按临床开发节奏推进。同时，平台端工作从未停歇，包括新型脂质开发、mRNA 优化、肝外及靶向递送研究等。药物研发具有周期性，许多实质性进展尚未到达披露节点。
LNP 技术的冷启动与演进
DeepTech：早在 mRNA 热潮前，您便在海德堡、MIT 及卡罗琳医学院长期深耕 RNA 递送。当时为何选择这一冷门方向？
李林鲜：该方向当时确实冷门，但我具备药物化学、分子设计及药剂学背景，且该研究反馈循环快：设计脂质、制备颗粒、验证效果，结果立竿见影。这一坚持便是十余年。
DeepTech：何时意识到 LNP 不仅是辅助工具，而是决定 RNA 药物边界的底层技术？
李林鲜：递送始终是核酸药物的核心痛点，业内戏称“三个问题都是递送”。随着技术发展，焦点从单纯的“递送效率”扩展到“安全性”，再到如今的“肝外及精准递送”。行业共识已从“递送、递送、递送”转变为“安全、安全、安全”。解决一层问题后，新的挑战随之而来，层层递进。
DeepTech：2019 年您已有稳定的科研路径，为何决定离开学术界创办深信生物？
李林鲜：初衷很纯粹：真正做出药物。企业能调动的资源与规模远超实验室。创业让我意识到，从几十毫升的实验室成果到工业化生产，中间存在巨大的科学与工程鸿沟。工艺放大带来的杂质控制、安全性影响等问题，往往是实验室阶段难以预见的科学难题。
DeepTech：深信早期投入大量资源做疫苗，但这似乎只是通向治疗性产品的跳板？疫苗在整体蓝图中处于什么位置？
李林鲜：创立之初目标即是治疗性产品。疫苗技术相对成熟且恰逢疫情需求，因此成为切入点。我们的策略是先通过疫苗跑通平台、开发、生产及临床的全流程，为后续治疗性产品奠定基础。随后逐步从肝脏拓展至更多组织，提升靶向性。技术发展需循序渐进，夯实基础才能应对复杂场景。
从疫苗到慢性病治疗的跨越
DeepTech：为何首款慢性病治疗产品选择难治性痛风？该适应症相较于蛋白药或抗体有何独特优势？
李林鲜：选品逻辑基于未满足的临床需求及现有技术短板。难治性痛风患者缺乏功能性尿酸酶，现有蛋白药存在免疫原性、耐受性及疗效递减问题。我们的思路是利用 mRNA 让肝脏重新表达这一进化中丢失的蛋白，从而提供新的治疗路径。
DeepTech：从疫苗转向慢性病治疗，意味着给药逻辑的根本改变。IN026 是否标志着深信正式接受重复给药对 LNP 的严苛考验？
李林鲜：是的，差别巨大。疫苗低剂量、少次数；慢性病治疗则需高剂量、重复给药。许多在低剂量下表现良好的 LNP，在高剂量或重复使用时会暴露免疫反应、炎症及安全窗口不足等问题。若无足够的安全窗口，产品无法成药。因此，现在的核心挑战是“安全、安全、安全”。
DeepTech：若无法解决重复给药问题，mRNA 治疗性药物的边界是否会受限？
李林鲜：必然受限。慢性病治疗必须回答长期重复给药的安全性问题。无论动物实验数据多么漂亮，最终都需人体数据验证。
DeepTech：当前行业热议肝外及细胞特异性递送。在您看来，单纯“送进去”已非难点，下一步决胜关键是什么？
李林鲜：肝脏递送已相对成熟，下一步是器官特异性乃至细胞类型的精准递送。仅靠传统 LNP 脂质组成难以实现极高精度，行业正尝试引入抗体、肽等靶向分子。未来不太可能由单一 LNP 体系解决所有问题，针对不同疾病和组织可能需要定制化的递送系统。这将大幅增加复杂度，但也极大拓展了 mRNA 的应用边界。
构建核心壁垒：数据、判断与全链条能力
DeepTech：众多 LNP 公司强调拥有庞大脂质库。对您而言，脂质数量的意义何在？真正的壁垒是什么？
李林鲜：数量有意义但非绝对。深信拥有 6000 多个可电离脂质的专有库，背后是持续的 IP 布局。更重要的是分子多样性及构效关系的积累。我们内部设计过的结构达数十万种，关键在于通过迭代明确调整方向。真正的壁垒是将脂质转化为药物并经人体验证的能力，而非单纯的数字堆砌。
DeepTech：除去脂质库规模，深信与其他平台拉开差距的核心能力是什么？
李林鲜：是团队长期实践形成的“判断力”或"Taste"。包括筛选有价值的结构、选择验证模型、识别看似漂亮但无效的数据等。这些认知源于无数次试错与积累，难以简单复制。不同应用场景需匹配特定的细胞与动物模型，哪些指标更具参考价值，均需长期积淀。最终，这些认知还需通过人体数据不断修正。
DeepTech：这种“判断力”是否类似科学家的直觉？
李林鲜：是的，这是一种难以复制的判断力与创造力。它不仅仅是结构与数据的罗列，而是基于上万次实验形成的深层构效关系理解。
DeepTech：深信选择了从脂质合成到 cGMP 生产的全链条自建模式，为何坚持这条“重资产”路线？
李林鲜：并非偏爱重资产，而是早期阶段不得不为之。mRNA/LNP 作为新技术，外包生产往往无法深入理解工艺变化对药效及安全性的影响。自建能力实现了前端设计与后端生产的闭环验证，通过反复推敲优化，不仅提升了速度，更确保了质量可控。随着技术成熟，未来部分环节可外包，但在当前阶段，自建是效率与质量的最优解。
图 | cGMP 工厂灌装线（来源：深信生物）
DeepTech：如何理解 Biotech 的全球化？
李林鲜：全球化是必选项。核心在于从一开始就遵循全球统一的高标准（CMC、生产、临床），确保产品具备与国际顶尖药物竞争的实力。随着管线推进，临床开发与团队建设也将同步国际化。
AI 赋能与未来愿景
DeepTech：从科学家到 CEO，七年最大的变化是什么？
李林鲜：可谓“不当家不知柴米贵”。科研关注单点技术突破，创业则需构建资金、团队、生产、监管及临床的完整体系。最意外的是，产业化过程中的工程问题往往回归为科学问题，且多为学术界未曾触及的难题。我们在摸索中前行，底气源自技术的持续进步。
DeepTech：七年中是否曾怀疑过这条路？
李林鲜：未曾真正怀疑。技术进步是渐进的，旧瓶颈解决后会有新挑战，但方向始终向前。技术进展是凝聚团队与资源的基石。“立志取经”与“历经八十一难”是两种截然不同的体验，后者更为厚重。
DeepTech：您如何看待团队与技术的作用？
李林鲜：两者密不可分。技术驱动型公司中，技术进步引领团队方向。初创期技术集中于个人，现已转化为团队共同能力。复杂问题的解决需多背景人才协作，将大问题拆解并共同推进。
DeepTech：mRNA/LNP 技术与 AI 的契合度如何？深信有哪些具体尝试？
李林鲜：契合度极高。mRNA 序列设计、脂质结构发现及抗体筛选等环节均适合引入 AI。我们已在多个研发环节应用 AI 并初见成效。随着 AI 技术成熟，其应用场景将进一步深化。
DeepTech：AI 能否改变 LNP 的发现方式，从大规模筛选走向理性设计？
李林鲜：潜力巨大，但尚未达到完全理性设计的阶段。LNP 涉及复杂的物理自组装及生物过程，在新骨架或跨物种验证上仍依赖实验。现阶段 AI 的价值在于减少无效尝试，加速研发循环。未来随着数据积累，有望根本性改变发现范式。
DeepTech：团队的研发"Taste"能被 AI 学习吗？
李林鲜：可以，甚至比想象中容易。过往的决策记录（推进或终止某项目的原因）构成了训练数据。我们正尝试将团队的经验“蒸馏”给 AI，将其培养成超越老师的助手。未来将是人机协作模式，AI 负责加速筛选与判断，但动物实验、毒理及临床等耗时环节仍需耐心等待。前提是拥有高质量数据及正确的数据解读能力。
DeepTech：再过七年，希望外界如何定义深信生物？
李林鲜：希望深信能在治疗性产品领域做出实质性贡献。若七年后，行业发现某些过去无法研制的药物得以问世，某些难以抵达的组织实现精准递送，而其中包含深信的成果，那便是成功。简言之，我希望由深信来定义下一代 mRNA 药物的形态。