今天剂泰这笔BD最有意思的地方，在于MTS-128的公开信息很少，价格却先出现了。

按现在能看到的材料，MTS-128没有公开论文，没有临床登记，也没有清楚披露三特异性靶点组合。放在传统创新药分析框架里，它很难被拆成ORR、DCR、PFS、毒理窗口和适应症峰值。换句话说，普通投资人想从分子本体下手，目前基本没有抓手。

但市场先给了一个交易价格。

2026年6月30日，剂泰科技公告称，公司与Deerfield旗下或支持的Boulevard Bio签订全球独家授权协议，授予后者MTS-128全球开发、生产和商业化权益。交易结构为2000万美元首付款，最高16亿美元开发、注册和商业化里程碑，以及基于产品销售的分级销售提成。公告还强调，MTS-128是剂泰自主开发的下一代三特异性TCE，由NanoForge平台驱动设计和优化。

就在我写这篇文章的时候，反复看这组数字，最直观的感受其实很简单：这不是一笔靠首付款震撼市场的交易。2000万美元首付很克制，16亿美元总包很会讲故事。真正需要拆的，是买方为什么愿意用小首付锁住一个公开信息有限的复杂TCE资产。

这件事的答案，不能只放在MTS-128这个分子里看。剂泰科技和普通TCE平台公司的差异，也不能只用“它也有一个TCE”来理解。

普通TCE公司卖的多半是抗体工程。剂泰这次卖出的，是一个由AI蛋白设计、mRNA/LNP工程、器官递送和体内免疫治疗拼起来的资产生成系统。MTS-128是浮出水面的那张交易票据，底下真正需要看清楚的，是NanoForge这台机器。

01

普通TCE卷抗体，剂泰多卷了一层暴露位置

TCE这个词对普通投资人并不友好。它的全称是T cell engager，直译叫T细胞接合器。说白了，它像一根分子级别的红线：一头抓住T细胞上的CD3，一头抓住肿瘤细胞或异常免疫细胞上的靶点，把T细胞拉到该杀的细胞旁边，让T细胞开火。

在血液瘤里，这个逻辑已经被验证过。血液系统天然流动，肿瘤细胞和免疫细胞更容易在同一个空间里相遇。TCE把两者牵上，很多时候就能看到明显效果。

但到了实体瘤，事情就开始变复杂。实体瘤像一座有围墙、有壕沟、有雾霾的城市。T细胞要进去，药物要进去，进去之后还要在免疫抑制微环境里继续干活。TCE蛋白药如果从静脉给药，血液里的暴露可以做得很高，可肿瘤里未必够;外周暴露越高，CRS、肝毒性、off-tumor毒性等问题又会被放大。

这就是实体瘤TCE长期尴尬的地方：杀伤机制很漂亮，药物出现的位置经常不够漂亮。

普通TCE平台公司一般卷几件事：靶点选择、CD3亲和力、抗体format、半衰期、肿瘤选择性、细胞因子释放控制、CMC可开发性。这里面每一项都重要。CD3亲和力太高，T细胞容易被过度激活;半衰期太长，安全性压力会变大;靶点在正常组织也表达，治疗窗口就会被挤窄。

剂泰的差异在于，它把问题往前推了一层：如果TCE在错误的位置暴露太多，那就先改“药去哪儿”。

这句话听起来像废话，但在药物开发里很关键。一个TCE在血液里浓度很高，不代表肿瘤里浓度高;一个TCE在体外杀细胞很漂亮，不代表实体瘤里能跑出来疗效。真正困难的地方，是让药物在该出现的位置出现，并在该消失的时候消失。

所以，剂泰和普通TCE公司的分野不在“有没有TCE”。真正的分野是，剂泰试图把TCE放进递送平台里，把TCE从一个单纯的抗体工程问题，变成一个递送位置、表达窗口、mRNA序列和蛋白结构共同优化的问题。

这就像打仗。普通TCE平台更多在造更锋利的刀，剂泰多问了一句：这把刀能不能被送到正确的战场。

NanoForge：一台材料发现机器

剂泰招股书里对NanoForge的描述，其实已经给了我们最核心的框架。

NanoForge被定义为剂泰AI驱动纳米材料平台的基石。它集成了纳米递送技术和AI技术，可以做分子生成、性质预测、AI驱动的干湿实验迭代，以及剂型设计和优化。招股书中，NanoForge之上分出AiTEM、AiLNP、AiRNA三大方案，覆盖小分子、mRNA、siRNA、多肽等payload，也覆盖肝脏、肺、心脏、胃肠道、肌肉、肿瘤、免疫器官、中枢神经等递送方向。

咱们普通投资人可以把NanoForge理解成一台材料发现机器。

第一步，它有材料库。招股书披露，剂泰构建了超过一千万种结构多元化脂质的专有脂质库。脂质库越大，可搜索空间越大，就像做菜时食材越多，能调出的味道越多。

第二步，它有模型。招股书提到PhatGPT用于脂质生成和优化，LipidBERT用于特性预测，还有其他基于专有实验数据训练的自研模型。这里的AI不是简单拿公开小分子模型套一层皮。LNP里的可电离脂质有自己的物理化学环境，它在膜里怎么摆、怎么质子化、怎么逃逸内涵体、怎么影响器官分布，都和普通小分子口服药不在一个问题域里。

第三步，它有实验闭环。NanoForge强调的是干实验和湿实验一起跑。干实验包括分子动力学模拟、量子化学计算和性质预测;湿实验包括高通量筛选、体内分布、PK/PD、毒性和功能验证。AI给出候选，实验验证真假，实验结果再回流模型。这个闭环才是平台的关键。

第四步，它有智能体。招股书里写到，METiS智能体可以让内部科学家用自然语言或结构化指令发起任务，比如“识别用于肺部递送的新LNP”或“推荐靶向肝脏mRNA的优化制剂”，然后由智能体拆解任务，调用PhatGPT、LipidBERT和其他内部模型及数据集。

这套叙事如果只看招股书，容易显得抽象。AI平台这几年已经被市场听麻了，什么都能叫AI，什么都能叫平台，听到最后读者只剩下一个反应：好家伙，又来了。

真正让NanoForge变得更具体的，是两篇专利和一篇MTS-105论文。

第一篇专利讲剂泰早期平台基因：AI少做无效实验

剂泰一篇较早的专利是CN113963756A，名称是《一种药物制剂处方开发的平台及应用》。这篇专利没有直接讲LNP，也没有直接讲TCE。它讲的是一个更底层的问题：药物制剂处方怎么开发得更快。

制剂开发听起来不性感，但它很现实。一个注射剂处方可能包含表面活性剂、助溶剂、缓冲体系等多个组分。每个组分有多种选择，每个选择又有不同浓度。组合一多，理论处方空间很快就会爆炸。传统开发靠经验和盲筛，可能要筛成千上万个组合。早期新药分子样品量又少，根本经不起这么折腾。

CN113963756A给出的解决思路，是把高通量实验平台和主动学习模型结合起来。先随机或由专家选取一些初始处方，用高通量实验筛出正样本和负样本;然后机器学习模型根据结果推荐更可能成功的新样本;新样本再回到高通量实验中验证;验证结果继续优化模型。如此迭代，直到模型推荐出来的大多数候选都变成负样本，说明可探索空间已经差不多被挖完。

这里最有意思的地方，是它没有把AI神化。AI不来替实验做主，AI的作用是让实验少走弯路。

这在药物制剂里非常实用。AI如果没有真实实验数据喂进去，很容易预测偏离现实。纯高通量实验又太费样品、费时间。剂泰这套方法用主动学习把两者夹在一起：实验负责接地气，AI负责少走冤枉路。

专利里有一个紫杉醇案例。通过主动学习迭代，平均约7轮可以节省31%-34%的高通量实验;在含1.2mg紫杉醇的配方里，现有技术中的紫杉醇注射剂辅料用量为200μL，专利实施例中可将辅料用量降到140-150μL。

这个数字当然不能直接外推到LNP，也不能直接外推到MTS-128。但它说明剂泰的早期技术底色：它很早就在做“实验-模型-反馈”的闭环。

这个闭环，比单纯喊一句AI制药更有含金量。

第二篇专利讲AiLNP底层：脂质要放回膜里理解

另一篇更接近NanoForge/AiLNP核心的专利是CN118351956B，名称是《用于可电离脂质的分子性质预测方法、装置及计算机程序产品》。这篇专利的价值更大，因为它直接切进LNP最关键的组成：可电离脂质。

LNP可以粗略理解成一个脂质小球，用来包裹和递送mRNA、siRNA等核酸药物。这个小球里通常有可电离脂质、胆固醇、结构性脂质、PEG脂质等。可电离脂质是核心角色，因为它影响包封、稳定性、递送效率、器官分布，也影响内涵体逃逸。

普通投资人可以把可电离脂质理解成LNP的发动机。胆固醇、PEG脂质这些部件也重要，但发动机好不好，决定这辆车能不能跑、跑到哪里、跑多远。

传统小分子AI性质预测，常用分子指纹，比如Morgan指纹。问题在于，可电离脂质在LNP里工作的环境不是一个孤立分子。它嵌在脂质双层膜里，和水层、其他脂质、离子、pH环境发生相互作用。只看分子图像，就像只看一辆车的零件照片，然后判断整辆车在山路上的表现，容易翻车。

CN118351956B的思路，是把可电离脂质放回脂质双层膜环境里理解。它先获取包含目标可电离脂质的脂质双层膜分子模拟轨迹，再获取目标可电离脂质基于量子化学的波函数，然后从两类数据中提取描述符，最后用机器学习模型预测可电离脂质性质。

这几个词听起来很晦涩，拆开其实不难。

分子模拟轨迹，就是在计算机里模拟脂质分子在膜里的运动，看它们怎么摆、怎么晃、怎么变形。量子化学波函数，则更关注分子的电子结构，理解它的反应性、键级、轨道能级等特征。前者看“它在膜里怎么动”，后者看“它这个分子本身怎么活”。

专利中列出的描述符很有意思。来自分子模拟轨迹的第一类描述符包括双层膜厚度、脂质分子头部凸起比例、脂质分子尾部凸起比例。来自量子化学波函数的第二类描述符包括最高占据分子轨道值、最低占据分子轨道值和键级。

“头部凸起比例”和“尾部凸起比例”尤其值得解释。可电离脂质有亲水头部和疏水尾部。它在膜里如果头部高于膜表面，或者尾部翘向水层，就说明这类脂质让膜出现了某种活跃形变。这样的形变可能和LNP的稳定性、内涵体逃逸、细胞摄取相关。剂泰试图把这种膜内行为量化，然后作为机器学习模型的输入。

这就比单纯调配方更深入了一层。

普通LNP筛选看到的是结果：粒径多少、包封率多少、表达量多少、组织分布多少。CN118351956B往前追了一步：为什么这个脂质会带来这样的结果?它在膜里怎么摆?它的电子结构怎样?这些物理化学特征能不能被模型学习?

一旦能学，脂质设计就从经验筛选开始靠近材料发现。

从AiLNP到AiProtein：MTS-128让平台叙事往蛋白药扩了一步

如果只看MTS-105，剂泰最强的标签是AiLNP和AiRNA：用LNP把mRNA送到肝脏，让体内细胞短时间表达TCE。

但这次MTS-128交易，把平台叙事往AiProtein上推了一步。

剂泰在5月28日与Deerfield的战略合作新闻里写得很清楚：双方合作方向包括AI驱动蛋白工程、体内免疫疗法和可编程生物药;剂泰的AiProtein平台用于快速发现和优化新型治疗性蛋白，包括TCE、体内蛋白疗法和其他免疫调节模态。新闻还提到，剂泰已经通过AiProtein把一个lead TCE推进到preclinical candidate阶段，Deerfield拟探索潜在授权和开发机会，目标是推进IND-enabling studies和临床开发。

一个月后，MTS-128授权给Boulevard Bio。

所以这两件事不能割裂看。5月底，Deerfield先看平台;6月底，Boulevard Bio承接具体资产。MTS-128更像是一场平台合作压缩成具体资产BD的落地。

到这里，剂泰和普通TCE平台公司的差异就清楚了。

普通TCE平台的核心资产，是更好的抗体format。剂泰的核心想象空间，是它能不能持续生成适合不同payload、不同器官、不同免疫机制的复杂药物。这个想象空间比单个TCE分子大，也更难验证。

平台一旦跑通，资产是结果。平台没跑通，资产就是孤品。

02

MTS-105真正证明的，是局部表达TCE这条路能跑起来

讲完平台，再看MTS-105论文，会更容易理解它的价值。

MTS-105这篇Nature Communications论文，题目是《Organ-specific delivery of an mRNA-encoded bispecific T cell engager targeting glypican-3 in hepatocellular carcinoma》。翻成普通投资人的语言：用器官特异性递送，把编码GPC3靶向双特异性TCE的mRNA送到肝脏，用来治疗肝细胞癌。

这个分子可以拆成三层。

第一层是LNP，也就是递送壳。论文里用的是MLX0473-based LNP，强调肝脏递送。

第二层是mRNA，也就是说明书。它进入细胞后，细胞按照这份说明书生产TCE蛋白。

第三层是TCE蛋白，也就是GPC3×CD3接合器。一头识别肝癌相关抗原GPC3，一头识别T细胞CD3，把T细胞拉到肿瘤细胞旁边。

所以MTS-105的逻辑不是“给一个TCE蛋白”。它做的是“把TCE说明书送到肝脏，让肝脏局部短时间生产TCE”。这个区别非常关键。传统蛋白TCE从静脉进入全身循环，外周血暴露高，肿瘤局部未必够。MTS-105想让TCE更集中地出现在肝脏和肝癌局部。它不追求血液里到处都是TCE，追求的是肝脏/肿瘤里的TCE浓度更合适。

第一组结果：MLX0473先证明肝递送

MTS-105论文的第一组数据没有急着证明TCE，而是先证明递送。

作者基于可电离脂质库筛出MLX0473-based LNP，然后用luciferase mRNA做小鼠体内递送验证。结果显示，MLX0473-LNP在小鼠肝脏的荧光素酶表达约为Lipid5-LNP的7倍。论文还比较了GalNAc-conjugated LNP，MLX0473-based LNP同样表现出更强的肝递送。

随后，作者又在大鼠中用hEPO mRNA做多次给药，MLX0473-LNP相比Lipid5-LNP带来更高、更持续的hEPO表达。

这一组数据的意义很明确：MTS-105的讲法没有先押宝TCE本体，递送系统先打底。

如果肝递送不成立，GPC3×CD3 TCE再漂亮也没有意义。剂泰这篇论文先回答“能不能送到肝脏”，再回答“送进去之后能不能表达功能性TCE”。这个顺序很重要。

第二组结果：MTS-105翻译出的TCE确实能杀细胞

在证明递送后，论文进入MTS-105本体功能。

MTS-105编码的TCE由两个scFv组成，一个识别GPC3，一个识别CD3，中间用柔性linker连接。作者刻意去掉Fc结构。这个设计有一层药代逻辑：mRNA进入细胞后会持续翻译一段时间，形成一个缓释式表达窗口;如果再加上Fc延长半衰期，T细胞可能被过度刺激，安全性压力会变大。

换句话说，MTS-105没有追求越久越好。它真正想要的是刚刚够用：TCE在肿瘤局部出现48-72小时，足以激活T细胞，又尽量避免长期过度激活。

论文先在体外验证MTS-105翻译出的TCE能结合human CD3和hGPC3。随后在人PBMC和GPC3阳性Hepa1-6-hGPC3-luc细胞共培养体系中，MTS-105翻译TCE能诱导靶细胞杀伤，效果接近ERY974 analog和与MTS-105序列相同的重组TCE。对GPC3阴性的MC38-luc细胞，没有明显杀伤。

这说明杀伤是靶点依赖的，不是T细胞被乱激活。

同时，MTS-105还能诱导IFN-γ和TNF释放，提升CD25、CD69、CD107a等T细胞激活标志物。更进一步，小鼠或食蟹猴接受MTS-105给药后，其血清也能介导GPC3阳性细胞杀伤，说明体内给药后确实翻译出了具备功能的TCE。

这组数据解决了第二个问题：mRNA送进去之后，细胞生产出来的TCE能不能干活。答案是能，而且杀伤依赖GPC3和CD3结合。

第三组结果：肝原位模型里，MTS-105打出了完全回归

这篇论文的高潮，是人CD3转基因免疫完整小鼠肝原位HCC模型。

因为MTS-105编码的TCE不交叉结合小鼠Cd3e，作者用了human CD3转基因小鼠，把小鼠Cd3e、Cd3d、Cd3g替换成人源CD3E、CD3D、CD3G。随后把Hepa1-6-hGPC3-luc细胞接种到肝脏，建立肝原位肿瘤模型。

给药组包括MTS-105不同剂量、MLX0473 empty LNP、Tris vehicle和ERY974。论文中，MTS-105在肝组织和肝原位肿瘤中富集更明显;ERY974作为传统抗体型TCE，血浆暴露更高，但肿瘤里检测不到有效穿透。这个对比非常关键。

传统TCE容易血里多、肿瘤少。MTS-105要证明的是肝里多、肿瘤里也多。

药效上，MTS-105诱导剂量依赖性肿瘤回归，高剂量组达到完全回归，84天随访未观察到复发。组织学上，给药后24小时就能看到肿瘤内T细胞浸润和Granzyme B释放，72小时更加明显。也就是说，它不只是让影像信号下降，肿瘤局部的免疫杀伤链条也被启动了。

论文还做了再挑战实验。达到肿瘤回归的小鼠在56天后再次接种Hepa1-6-hGPC3-luc细胞，没有出现肿瘤生长;外周血和脾脏中effector memory CD8 T细胞增加，naive CD8 T细胞下降。这说明MTS-105可能诱导了一定免疫记忆。

这里可以说一句很直白的话：如果只看这组动物数据，MTS-105在论文里打得确实漂亮。

当然，动物模型说实话，很多肿瘤微环境和人体还是有很大的差距。尤其肝癌患者真实肿瘤微环境复杂得多，基础肝病、肝硬化、免疫抑制、肿瘤异质性都会拉低转化确定性。但作为一个平台样板间，Fig.3的数据已经足够说明MTS-105想解决的问题：把TCE暴露重新搬到肿瘤所在器官里。

第四组结果：人PBMC重建模型补上人免疫细胞背景

论文还用NOG小鼠做人PBMC重建模型，并在肝脏原位接种Hep3B-luc细胞。这个模型的作用，是进一步验证在人免疫细胞参与的背景下，MTS-105能否介导肿瘤杀伤。

结果显示，MTS-105和ERY974都能有效清除GPC3阳性异种移植肿瘤。比较有意思的是，ERY974血清浓度高于MTS-105，但MTS-105依然打出了疗效。

这一节不用神化。它的证据等级仍然是动物模型，但它补上了一个重要环节：MTS-105不仅能在人CD3转基因小鼠里工作，也能在human PBMC参与的系统里调动人免疫细胞。

第五组结果：单细胞测序解释肿瘤为什么消失

如果Fig.3告诉我们肿瘤消失了，Fig.5在解释肿瘤为什么会消失。

论文对肿瘤组织进行scRNA-seq，发现MTS-105处理后，肿瘤内T细胞群体增加。进一步拆T细胞亚群，MTS-105相比Tris和ERY974，上调CD8/CD4 T细胞比例，降低Treg、Pro_T和Xcl1+ T细胞比例，并带来更高的T cell activation gene signature。

在CD8 T细胞内部，作者进一步识别出12个cluster。MTS-105显著扩增C2群体，这一群体高表达Hspa1b、Hspa1a、Nr4a3。伪时间分析显示，C4和C5状态向C2状态转变，C2相关基因包括B2m和Ccl5。

咱们科研外的人不用记住这些cluster名字。记住结论就够了：MTS-105并没有简单提高血药浓度，它在肿瘤局部把免疫细胞状态往更激活、更偏CD8、更有记忆特征的方向推。

这也是mRNA-LNP局部表达TCE相对传统蛋白TCE最值得讲的地方。它的核心追求，不在“外周血里更多TCE”，在“肿瘤微环境里更合适的TCE刺激”。

第六组结果：食蟹猴PK和GLP毒理，才是转化的关键

很多LNP在小鼠里好看，到了灵长类会变脸。跨物种转化，是LNP平台最难的一关之一。

MTS-105论文补了食蟹猴数据。作者进行了4周重复给药GLP毒理研究。MTS-105给药后，翻译TCE的Tmax为6-9小时，说明蛋白表达较快;首次给药后终末半衰期在雌性和雄性中分别约为13.7小时和13.6小时，明显长于普通BiTE格式TCE的典型短半衰期。

组织分布方面，作者在小鼠、大鼠和食蟹猴中系统给药50μg/kg MTS-105，24小时后检测TCE蛋白。三个物种中，TCE最高浓度一致出现在肝脏;其他可检测组织主要是脾脏和肾脏。大鼠时间序列中，TCE最高积累在肝脏，其次是血浆、脾脏和淋巴结;食蟹猴中也确认了更高的肝/血浆浓度比。

安全性方面，GLP毒理设置了4周恢复期。论文称没有观察到临床显著不良反应或肉眼病理异常。IL-6在首次给药后24小时升高，D7恢复基线;ALT、AST、ALP、TBIL、DBIL、UREA、CREA等肝肾功能指标首次给药后短暂升高，第二次每周给药前恢复基线。病理上，给药期末肝脏有轻度炎症细胞浸润，恢复期末完全恢复;脾脏和肾脏未观察到炎症反应。

这一组数据的价值很直接：MTS-105的肝富集并没有停留在小鼠，至少在公开论文中跨到了大鼠和食蟹猴。

这不是人体有效性的证明，但它是临床转化前必须过的一道门。过不了这道门，平台故事只能停在小动物层面。过了这道门，才有资格进入FIH。

MTS-105给MTS-128提供的仅仅是路径背书

这里我们需要说清楚一个边界。

MTS-105不能直接证明MTS-128好。MTS-105是GPC3×CD3 mRNA编码TCE，靶向肝癌场景;MTS-128是三特异性TCE，公开资料尚未披露靶点组合、format、适应症和具体临床前数据。两者不能混成一个分子。

MTS-105给MTS-128提供的，是平台路径背书。

它证明剂泰确实能通过AiLNP/AiRNA找到肝脏递送系统，能让mRNA编码TCE在体内表达，能在肝原位肿瘤模型中打出强药效，能把组织分布和安全性推进到食蟹猴GLP毒理。它像一个样板间，告诉外部买方：这家公司不是只有PPT，也跑通过一条从平台到管线、从小鼠到灵长类的路径。

至于MTS-128这套三特异性TCE本身到底怎么样，还要等靶点组合、IND-enabling数据、FIH安全性和初步PD信号。

这块逻辑我自己也不想写得过满，因为公开信息确实不够。MTS-105能证明平台肌肉，不能证明MTS-128已经跑完比赛。这个边界不画清楚，文章就会滑向软文。

03

20M首付与16亿总包：MTS-128卖的是期权

回到今天的MTS-128交易。

如果按临床资产打分，MTS-128现在很难评分。靶点组合不清楚，format不清楚，适应症不清楚，公开药效和毒理不清楚。传统分析师最舒服的那套表格：适应症、患者数、渗透率、定价、峰值销售、PoS、折现，现在都很难展开。

但BD市场有时候很现实。它不一定等你把所有答案写清楚再定价。很多早期交易，本质上买的是下一轮验证的门票。

MTS-128就是一张门票。

交易结构也在告诉我们这一点：2000万美元首付，最高16亿美元里程碑，加分级销售提成。首付款不算夸张，总包很亮眼，大额价值高度后置。买方先用相对可控的现金成本锁住全球权益，后续如果IND、临床、注册、商业化一路跑出来，再把钱逐段释放。

这类交易的含金量，不能只看headline value。headline value很容易让市场兴奋，但首付款才是今天真正进账的钱，里程碑是未来每个节点上的期权。把期权和现金混在一起喊“16亿美元BD”，普通读者当然会爽，财务上却不能这么算。

所以对剂泰来说，这笔交易的正确读法是：商业验证已经出现，但分子验证还在路上。

和近两年TCE交易相比：MTS-128总包进入高位，现金很克制。

把MTS-128放进近两年TCE交易里看，位置会更清楚。

MTS-128：2000万美元首付，最高16亿美元里程碑，外加分级销售提成。它的首付低于Curon、泽璟、德琪，也低于UCB收购Candid的现金规模;但总包处在近两年TCE授权交易的高位，尤其考虑到MTS-128公开资料有限，这个headline value很有冲击力。

总体来说，我们觉得MTS-128不是现金最厚的一笔，却是期权味最浓的一笔。

这也更符合它现在的阶段。买方没有把它当成熟临床资产给出巨额首付，同时也没有把它当普通早期分子随手试试。它更像一个由NanoForge生成的复杂TCE资产期权：先低成本锁定，后续看IND和临床数据兑现。

然后可以描摹一下买方画像啦：Boulevard Bio在前台，Deerfield在后台。

MTS-128这笔交易里，前台买方是Boulevard Bio。公开资料有限，公告称其为Deerfield旗下或支持的美国生物科技公司，获得MTS-128全球开发、生产和商业化权益。真正需要看的是Deerfield。

Deerfield不是普通财务投资人。它长期以医疗健康投资和创新平台见长，能够连接资本、转化医学、临床开发和全球合作资源。剂泰5月28日与Deerfield的战略合作新闻里，也明确写到Deerfield具备医疗创新、转化医学、临床开发和全球合作经验。双方合作目标，是推动下一代体内蛋白疗法和免疫疗法。

这就让MTS-128交易变得更像“资产孵化”而非传统MNC买管线。

MNC买资产，通常是把分子塞进自己的研发和商业体系里，进入全球临床开发矩阵。Deerfield/Boulevard这类模式更像搭一个新公司或资产平台，把早期资产推进到下一个价值拐点：IND-enabling、IND申报、FIH、初步安全性和PD，再决定继续融资、再授权、联合开发或退出。

这也解释了交易结构。2000万美元首付足够锁定权益和启动早期推进，但真正的大额里程碑要等后面的关键节点。买方要的是选择权，卖方要的是平台认可和未来收益空间。

MTS-128未来会不会被重点推进?大概率是会的，毕竟是一个非常有价值的范式转换，至少会被推进到下一个价值拐点。原因很简单：Deerfield一个月前刚和剂泰围绕AI蛋白药和体内免疫疗法达成战略合作，新闻里已经提到lead TCE进入preclinical candidate阶段，并拟探索授权和开发机会。一个月后，MTS-128授权落地。时间线太紧，逻辑太连贯。

它现在更像Deerfield体系下的早期资产孵化项目。第一个真正验证点，16亿美元总包背后，要看IND-enabling能否完成、FIH何时启动、靶点组合和适应症逻辑何时披露。

不要去盯一个还没发生的钱。先盯它会不会进入人体。

这笔BD对剂泰的意义上，可以说是科学验证和商业验证第一次咬合吧

MTS-105和MTS-128放在一起，才是剂泰这家公司今天真正需要写的地方。

MTS-105提供科学验证。它告诉市场，剂泰的AiLNP/AiRNA体系可以把mRNA编码TCE送到肝脏，在动物肝癌模型中产生局部表达、T细胞激活、完全回归和跨物种肝富集，并且推进到食蟹猴GLP毒理。

MTS-128提供商业验证。它在告诉市场，海外买方愿意为剂泰通过

NanoForge/AiProtein生成的复杂TCE资产支付期权价格，即使公开资料仍然有限。

前者回答“这台机器有没有跑出过东西”。后者回答“外部买方愿不愿意为这台机器的下一个产品买票”。

这两个答案合在一起，才构成剂泰这次BD的核心叙事。

当然，风险也很清楚。MTS-128没有靶点组合，没有公开临床前详细数据，没有临床时间表。NanoForge能不能稳定复制MTS-105路径，还需要更多资产验证。MTS-105自己进入临床后，也要面对真实肝癌患者的复杂性。平台公司最怕的一件事，就是样板间很漂亮，交房时发现每套房都不一样。

但资本市场买平台，从来买的都是一部分确定性加一部分想象力。剂泰现在拿出的确定性，是MTS-105论文和灵长类转化数据;拿出的想象力，是MTS-128这张三特异性TCE的外部期权票。

结语：TCE下一场竞争，会发生在药物出现的位置。

过去几年，我们理解TCE公司，很容易盯着抗体工程。

谁的CD3更温和，谁的靶点更安全，谁的format更稳定，谁的半衰期更合适，谁的CRS更可控。

这些问题仍然重要，而且会一直重要。但剂泰给了另一个切口：TCE的差异化，还可能发生在药物出现的位置。如果一个TCE只能在血液里堆出高暴露，它就要一直和外周毒性赛跑。实体瘤的问题从来不温柔，它不会因为体外杀伤曲线好看，就主动把门打开。

如果一个TCE能在肿瘤所在器官局部表达，它就有机会重新定义治疗窗口。这个机会很诱人，也很难。它需要LNP递送，需要mRNA表达控制，需要蛋白结构设计，需要跨物种转化，还需要人体临床最后点头。

剂泰的故事，今天还没到终局。

MTS-105是样板间，MTS-128是交易票据。样板间漂亮，不代表所有房子都能按时交付;交易票据醒目，不代表未来每一笔里程碑都会兑现。

但今天这笔BD已经足够说明一件事：海外买方开始愿意为剂泰这台机器提前买单。它看中的不只是一个还看不清全貌的MTS-128，也包括背后那套能够持续生成复杂药物资产的NanoForge。锚沉下去的时候没有声音。一个平台被市场重新定价，很多时候也是这样。

风险提示： 本文仅基于公开信息讨论相关行业及公司经营情况，不构成任何投资建议，也不作为买卖决策的依据。股票投资需综合考虑公司基本面、估值水平、管理层能力及市场环境等多重因素。文中观点存在时效性与认知局限，请投资者独立判断、审慎决策并自行承担风险。