注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 分子液体
分子液体 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 分子液体 的推特
美国FDA分子与临床遗传学专家委员会审议了GRAIL公司的Galleri多癌种早期检测产品,并在三项关键投票中亮明了态度: 10:0,认为Galleri具有合理的安全性保证; 6:4,认为其有效性具有合理保证; 7:2(1票弃权),认为Galleri的临床获益超过其风险。 虽然FDA最终的全国销售审批决定仍需在未来几个月内做出,但专家委员会的背书,已经大幅提振了市场信心。正如Guggenheim分析师Subbu Nambi所言,这几乎“消除了风险”。 #一管血筛查50多种癌症,# 这听起来像是科幻小说中的情节。但真正懂行的人知道,这场变革最值得关注的,是AI与数据在癌症筛查中吹响的时代号角。 抛弃传统路线:它出售的是一套AI癌症识别系统 谈到液体活检,很多人脑海中浮现的是寻找血液中肿瘤释放的特定“基因突变”。但Galleri走的是一条截然不同的路线。 当肿瘤细胞死亡后,会释放游离DNA(cfDNA)进入血液,这些DNA上保留着具有组织和肿瘤特异性的“甲基化模式”。Galleri的核心技术,正是通过靶向甲基化测序读取这些信号,随后将其交给机器学习(AI)模型。 模型不仅要判断样本中“是否存在癌症信号”,还要进一步预测这个信号“最可能来自哪个器官”。 因此,从商业和技术本质上看,GRAIL早已不是一家传统意义上的“检测试剂公司”。它真正出售的,是一套由分子检测、算法分类和临床解释共同组成的AI癌症识别系统。 35%敏感性与99.85%特异性:克制的产品哲学 如果你追求的是“一管血查出所有癌症”,Galleri的数据可能会让你意外:在美国PATHFINDER 2研究中,Galleri总体12个月的敏感性约为35.0%。 这意味着相当一部分癌症在检测时并未被发现。那为什么FDA专家还会投出支持票?答案藏在另一个惊人的数据里:99.85%的特异性。 在面向数千万甚至上亿普通健康人群的筛查中,最大的灾难不是“漏诊”,而是“假阳性”。哪怕只有几个百分点的假阳性,一旦放大到人口级别,都会制造海量的恐慌,并引发无数不必要的CT、PET、内镜甚至穿刺活检,足以压垮现有的医疗体系。 Galleri 99.85%的特异性,确保了它极少制造“假警报”。同时,它的阳性预测值(PPV)达到了约77.0%,意味着一旦它报警,确诊癌症的概率已经相当高。 “优先控制假阳性,精准打击致命盲区”,这就是Galleri的产品哲学。 数据显示,对于目前缺乏成熟筛查手段(如胰腺癌、卵巢癌、胆道癌等)、却造成美国约三分之二癌症死亡的12类高致死性癌症,Galleri的敏感性达到了约61.3%。 FDA委员会明确强调,Galleri的定位是现有标准筛查(如乳腺钼靶、肠镜)的“补充,而不是替代”。它的目标市场,是补足现有癌症筛查体系最明显的那块空白。 14万人大考:未达终点,却验证了“真正的价值” 围绕Galleri最大的争议,来自规模超14万人的英国NHS-Galleri随机对照试验。 英国一项针对14万人的Galleri癌症早筛技术大规模试验虽然未达到总量上减少中晚期癌症患者的预设主要终点,但在第二和第三轮筛查中使最致命的晚期癌症患者分别减少了22%和26%。 该试验成功将原本在晚期暴露的致命癌症提前至早中期发现,促使美国FDA专家组以7比2的投票结果认定其获益大于风险。 这项试验试图回答一个终极公共卫生问题:把Galleri加入医疗体系,能不能减少晚期(III/IV期)癌症?从严格的统计学意义上看,该试验没有达到预设的主要终点。 在癌症早筛领域,“发现得多”并不等于“筛查成功”(可能存在过度诊断),真正的成功是“把原本要在IV期才暴露的致命癌症,提前到了I/II期”。 这正是FDA投票出现“6:4”有效性分歧,却最终以“7:2”认定获益大于风险的核心原因。专家们认为,它虽然不完美,但其减少晚期癌症的潜力已经跨过了值得进入临床的门槛。 颠覆旧规则:AI时代的筛查模式与数据飞轮 过去几十年,人类的癌症筛查是“按器官划分”的:查肺去做低剂量CT,查肠去做肠镜。 而Galleri带来的是一场范式转移:将基本单位从“器官”变成了“人”。未来的体检,可能是先抽一管血进行全身信号扫描,一旦AI提示异常,再根据算法指引的器官去定向精查。 在这场变革中,AI的机会才刚刚开始: 纵向时间轴的AI追踪: 癌症是动态的。如果一个人连续5年抽血,单一信号可能始终未达“阳性”标准,但在AI眼中,这5年的细微变化轨迹可能已经暴露了高风险趋势。 打通“阳性后”的决策闭环: 当血液查出异常后,患者应该先做CT还是MRI?什么时候该停止检查?未来结合病历、家族史的大语言模型和多模态AI,将成为指导医生决策的最强外脑。
显示更多
看快看! 或许这才是GPT-image2.6 GIF功能的正确姿势 Prompt: 制作gif 垂直俯拍一个烧杯的杯口,里面的水在旋转形成漩涡,然后滴入液体 C8H7N3O2+H202+NaOH-Na2C8H5N204+N2 1+H20+luminol CL 烧杯中是少量罗丹明B碱性的鲁米诺溶液 和过氧化氢 胶头滴管中是含铁离子溶液 和荧光染料 C8H7N302被氧化发光放出的蓝色荧光被染料分子吸收 染料分子吸收蓝色荧光后处于激发态释放出其他波长的光 荧光素钠可以让其放出绿色荧光罗丹明B可以让其发出红色荧光 两种荧光染料混合不同的比例可以释放出不同波长的光,从而展现出五颜六色的效果
显示更多
德国和日本同为贫油国,为什么德国打了六年仗没怎么断过油?答案就藏在煤堆里。   1913年,德国化学家柏吉斯在实验室里把煤粉加氢,在400到500摄氏度、200到700个大气压的条件下,造出了液体燃料。原理不复杂,煤和石油都是碳氢化合物,区别只是氢碳比,石油大约2,煤只有0.8,煤变油本质上就是给煤补氢。   但实验室做成和工厂量产是两码事。那么高的温度和压力,设备扛不住,成本也不划算。真正把这事推上生产线的,是法本公司的工程师比尔。   他把煤磨成细粉,加入催化剂,和氢气一起送进高压反应器,打破煤的分子结构,让氢原子嵌入碳链,生成液态碳氢化合物,再蒸馏分出汽油、柴油、航空煤油。每生产1吨合成油要消耗4吨煤、2000立方米氢气和10吨水,但对于没有石油的德国,这条路再贵也得走。   希特勒上台后开始不计成本地铺开合成油产能。1936年德国合成油年产62万吨,1939年220万吨,1942年飙到600万吨。1943到1944年,合成油供应了德国57%的燃料总需求和92%的航空汽油。1944年初航空汽油库存205万吨,合成油占了190万吨。靠着这些合成燃料,德国空军才撑过了不列颠空战和东线初期的消耗,装甲部队才一路推到莫斯科城下。   但成也合成油,败也合成油。这种高度集中的工业体系一旦被端掉,整个战争机器跟着瘫痪。   1944年5月12日,美军第8航空队出动935架B-17和B-24,集中轰炸茨维考、洛伊纳、布鲁克斯等7座核心合成燃料厂,仅洛伊纳一厂就挨了2000吨炸弹。当月合成燃料产量38万吨,7月只剩8万吨。德军军备部长施佩尔后来承认,这是技术战争的转折点。   随着油荒的到来,德国空军从1944年7月起全面取消轰炸机飞行训练,新飞行员只能上模拟器,升空就是活靶子。战斗机部队每周分的油只够飞一小时,制空权彻底丧失。12月阿登反击战,装甲部队冲了大约100公里就瘫在路上,眼睁睁看着101空降师被围却没法合拢口袋。   德国绕过了没有油田的先天缺陷,却绕不开工业设施太集中的后天脆弱。为了燃油,得建合成炼化厂;为了保护炼化厂,得消耗更多燃油去拦轰炸机。这个死循环到最后也没有解开。   日本的情况其实更狼狈——它既没有德国那样的煤化工基础,也没守住东南亚油田的运输线。等到1945年,神风特攻队起飞时加的油连单程都不够。相比之下,德国靠合成油撑到几乎最后一天,已经是贫油国能做到的极限了。
显示更多
基因测序的短读长,长读长是什么鬼? 都谁在玩? ILMN 短读长是“低成本、高通量地读取海量 DNA 碎片”;PACB 长读长是“尽量一次读完整分子,获得更多上下文信息”。 典型 read 长度: ILMN:约 2×150 bp PACB HiFi:约 15–20 kb 长读长单条 read 信息量远高于短读长。 ILMN 最强项:吞吐量、单位碱基成本、installed base、临床生态、耗材规模。 PACB 最强项:Structural Variant,结构变异,Repeat expansion,重复扩增,Phasing,同时获取部分 methylation 信息 本质上的应用分工:ILMN 更适合 Counting 问题:我要测非常多 reads。 PACB 更适合 Molecular Context 问题:我要知道完整 DNA/RNA 分子到底长什么样。 ILMN 特别适合的市场: RNA-seq、single-cell、cfDNA、液体活检、panel、exome、超深度肿瘤测序、大规模队列测序。 PACB 特别适合的市场: rare disease、复杂遗传病、SV、phasing、repeat expansion、de novo assembly、复杂基因组、full-length transcript。 真正的主战场是 Human WGS。两边正在往中间逼近:PACB:持续降低长读长 WGS 成本。 ILMN:通过 Complete Long Reads、TruPath 等技术补足 long-range information。 PACB 最大长期逻辑不是“read 更长”,而是: 长读长的 information/$ 是否能逐渐超过短读长。 Rare disease 是 PACB 最有希望率先突破的应用之一,因为临床真正应该比较的不是 $/Gb,而是: cost per diagnosis。 长读长还可能带来 assay consolidation:过去需要 panel + WGS + repeat test + SV test + methylation test,未来可能一次 long-read WGS 完成更多任务。 最终最值得跟踪的 PACB 指标核心方向: 长读长 WGS 能否持续降本,并从“补充检测”升级成“primary assay”。 如果这一点成立,PACB 的 TAM 就不再只是“小众 long-read 市场”,而是会开始真正侵入 主流 human WGS 市场。
显示更多
台湾女子涉嫌走私“太空油”依托咪酯,东京羽田机场被捕 近日,一名23岁吕姓台湾女子,从马来西亚搭乘航班抵达日本东京羽田机场,因涉嫌走私管制物质依托咪酯(俗称太空油)被日本警方拘捕。 海关在她随身行李的威士忌酒瓶内,查获3公升含有依托咪酯的液体。 女子否认走私毒品,供述自己是在网上接兼职,受托运送盒装威士忌,声称并不知晓酒瓶内藏有管制药物。 目前,日本警方正在调查,深挖背后是否存在跨国贩毒团伙。 依托咪酯(俗称:太空油) 依托咪酯原本是医用短效静脉麻醉剂,被不法分子非法加工后,常混入电子烟油,俗称“太空油”“上头电子烟”。 滥用会造成意识混乱、抽搐、呼吸抑制,严重可致死。 日本:依托咪酯属于管制药物,私自携带、走私、交易均触犯当地法律。 中国:自2023‑10‑01起,依托咪酯被列为第二类精神药品,走私、运输、贩卖均属于毒品刑事犯罪,要承担刑事责任 。 案件警示: 网上所谓“兼职带货、帮忙捎带物品”,很多是跨国贩毒团伙设下的圈套。 不法分子会利用行李箱夹层、伪装酒瓶等方式藏匿管制毒品,诱导普通人充当运毒工具人。 即便辩称不知情,一旦在入境时查获,依然要面对当地司法审判。 跨境出行,不要帮陌生人捎带、托运不明物品,不接来路不明的兼职带货任务,避免卷入毒品犯罪。
显示更多
Waters(NYSE: WAT)上周宣布加入 Anthropic 的材料与生命科学(MHS)研究计划,并发布 Waters AI Link 中间件,核心在于将 Claude 直接接入物理实验室的色谱/质谱分析仪器,实现从“干实验假说生成”到“湿实验物理验证”的闭环自动化(Lab-in-the-loop)。 Waters核心资产对anthropic来说不在硬件,而在其通过了各种认证的软件。全球主流药企 QC 放行体系深度绑定 Waters 的 Empower CDS,其数十年的合规验证资产与 FDA 21 CFR Part 11 审计追踪构成了极高替换成本。 而Empower连接的LC-MS(色谱-质谱)数据是检验分子是否成功合成、纯度与杂质含量的最终金标准,是闭环自主实验室不可或缺的物理感知器官。 在ai对软件普遍替代的时候,Empower因其数据完整性、审计溯源与药监合规信任无法被纯ai生成的软件轻易颠覆。 但其中长期增值空间(面临空心化),包括:复杂交互界面与传统高端独立分析软件的溢价被 AI 对话式入口和多模态推理能力压缩,传统工业软件面临被降级为底层“执行数据库与哑管道”的风险。 因此,Waters 选择主动自研 Waters AI Link 并原生适配开放标准(MHS + MCP),旨在从防御转向进攻,将自身确立为 AI 控制物理仪器时不可逾越的“合规把关人 同时,Anthropic 亟需能深入药企核心生产环境的物理设备与数据背书 这次合作对行业将造成连锁反应:赛默飞(Thermo Fisher)、安捷伦(Agilent)、布鲁克(Bruker)以及自动化液体处理商(Tecan、Hamilton)必然跟进推出自有的 AI 中间件或加入类似协议联盟,以防被标准边缘化。
显示更多
咖啡巨头星巴克(Starbucks)正在逐步将菜单中的菜籽油彻底淘汰,转而替换为更健康的脂肪! 这一举动瞬间引爆了美国公共卫生界。小罗伯特·肯尼迪(Robert F. Kennedy Jr.)更是公开盛赞此举,并再次重申了他的健康铁律:“消灭种子油,才能让美国人更健康!” 菜籽油作为无数家庭厨房里的“常客”,到底隐藏着什么不为人知的健康风险?今天就带你深度解密为什么星巴克要抛弃它,以及我们真正该选什么油。 ⚠️ 1. 菜籽油的“三大原罪”与大脑危机 菜籽油由油菜籽压榨而成,虽然看似天然,但商业化量产的菜籽油存在严重的健康隐患: 高度精炼与化学残留:它是高度工业化的产物,生产中涉及高温脱臭和“己烷”化学溶剂提取。这不仅剥夺了其原有的营养,更会产生反式脂肪。 极易酸败变质:高温和己烷加工破坏了脂肪分子的稳定性,导致Omega-3极易氧化酸败,产生有害的醛类、酮类等毒素。 转基因与农药残留:超过 90% 的商业菜籽油来自转基因作物,并伴随着大量除草剂和杀虫剂的滥用。 更致命的是它对大脑的损伤。发表在《自然》(Nature)子刊上的一项权威研究表明:长期摄入菜籽油(仅相当于人类每天 2 勺的量),会导致小鼠体重显著增加、记忆功能障碍,并使大脑中的β淀粉样斑块(阿尔茨海默症的标志物)大幅增加,直接加速神经退行性病变。大豆油、玉米油、花生油等种子油,同样存在类似问题。 🥑 2. 星巴克的全新选择:牛油果油与橄榄油 抛弃菜籽油后,星巴克将目光投向了牛油果油和特级初榨橄榄油(EVOO)。这类天然脂肪未经过度加工,富含单不饱和脂肪酸(主要是油酸)、抗氧化剂(生育酚、叶黄素、β-胡萝卜素)以及维生素 K 和 E。 特别是特级初榨橄榄油,通过物理冷榨保留了极高浓度的多酚类物质,堪称“液体黄金”。 🛡️ 3. 顶级橄榄油对身体的八大降维打击 调节胆固醇,洗刷血管:富含的油酸能有效降低“坏胆固醇”(LDL),并维持“好胆固醇”(HDL)的水平,同时其强大的抗氧化性还能防止 LDL 被氧化,从源头预防动脉粥样硬化。 强效抗氧化与降血压:丰富的维生素 E 与 40 多种多酚化合物能中和自由基,增加动脉壁弹性,让血压更平稳。 媲美布洛芬的天然抗炎:慢性炎症是百病之源。橄榄油中的多酚(如羟基酪醇)能抑制炎症信号通路。特级初榨橄榄油中更含有一种罕见的“油橄榄素(Oleocanthal)”,它是布洛芬的同源物质,具有极强的天然抗炎阵痛作用。 守护心血管,防血栓:维护血管内皮细胞的完整性,防止血管老化、硬化,并减少血小板聚集,全面降低血栓风险。 修复血脑屏障,降低痴呆风险:临床随机对照试验显示,特级初榨橄榄油能够降低血脑屏障的异常通透性,增强大脑功能连接,有效减轻并预防阿尔茨海默症等神经退行性变化。 激活长寿蛋白(Sirtuin):哈佛大学 David Sinclair 博士团队发现,橄榄油中的油酸能激活体内的 Sirtuin 长寿蛋白家族,在分子层面延缓细胞老化,提高抗压能力。 天然驻颜剂,防皱抗衰:橄榄油是常见植物油中角鲨烯(Squalene)含量最高的。角鲨烯能维持皮肤的水分屏障,涂抹或食用都能减缓皮肤氧化损伤,防止早生皱纹。 改善肠道微生态:发表在《营养素》等权威杂志的研究证实,橄榄油中的多酚能直接被肠道吸收,显著增加双歧杆菌等有益菌,提高免疫力,甚至有助于控制肥胖、提升饱腹感。 从星巴克的菜单变革可以看出,全球对于“健康脂肪”的认知正在发生深刻的巨变。移除不健康的种子油,换上天然的单不饱和脂肪,不仅仅是一次饮食成分的升级,更是一项对长远健康的终身投资。 你的厨房里还在用菜籽油、大豆油或花生油吗?是时候为了家人和自己的健康狠狠升级了!关注我,一起用营养提升生命质量!
显示更多
0
18
102
36
转发到社区
人类历史上成功率最高、商业上最赚钱的一款火箭,正在被它的研发者亲手推向淘汰。 说的就是 SpaceX 的猎鹰9号(Falcon 9)。 它的最新主力型号 Block 5 飞了 600 多次,成功率超过 99.8%。 全世界大部分商业卫星发射订单,几乎都被它包揽。 商业发射单次报价 7000 万美元上下,SpaceX 自己的单次边际成本还不到 3000 万美元。 客户为了抢发射工位,排期已经一路订到了好几年之后。 无论从哪个商业指标看,它都是人类航天史上最成功的赚钱机器。 但 SpaceX 已经开始给它安排退役倒计时了。 为什么要把一个垄断市场、疯狂印钞的王牌产品亲手杀掉? 要搞懂这件事,得先看明白猎鹰9号到底凭什么颠覆了整个航天业。 在猎鹰9号之前,全世界所有的轨道火箭都是一次性的。 几千万乃至上亿美元造出来的庞然大物,点火飞上天几分钟,完成任务后就一头扎进大海,摔成废铁。 航天成本居高不下,根子就在这里。 相当于你买了一架波音747客机,从北京飞到纽约,乘客下来之后,当场把飞机炸掉。 下一次飞,再买一架新的。 任何产业如果这么玩,都不可能有规模经济。 马斯克一开局就认准了一件事:必须把第一级火箭完整收回来,擦干净再飞。 听起来很简单,做起来全是工程难题。 传统的火箭发动机点一次火就行,在发射台上有地勤设备伺候着。 火箭一级把飞船送上天之后,如果要自己飞回来,就必须在空中多次重新点火。 这时候麻烦就来了。 像默林(Merlin)这种煤油液体火箭发动机,对点火时机的要求是毫秒级的。 如果高压煤油和液氧喷进燃烧室后,哪怕迟滞了几毫秒才着火,燃烧室里就已经积聚了过量的推进剂。 一旦突然引爆,巨大的超压会直接把发动机炸碎。 常规的火箭在太空中很难保证次次顺畅电火花点火。 SpaceX 怎么解决的? 他们用了一种化学混合物:三乙基铝和三乙基硼(简称 TEA-TEB)。 这玩意有一种极其剧烈的化学特性,只要一碰到氧气,瞬间就会自燃。 在物理上,它把点火迟滞的可能性在分子层面抹掉了。 解决了空中点火,更要命的问题来了:火箭怎么落地? 很多人在视频里看猎鹰9号降落,以为它像无人机一样,慢慢飘在空中,找准位置再稳稳停下。 根本不可能。 一个默林发动机,哪怕把油门拧到最低档,推力也有三四十吨。 而火箭一级飞回来的时候,400 吨燃料几乎烧光了,空重只剩大约 25 吨。 哪怕只开一台发动机,最小推力也远远大于火箭自身的重量。 推重比大于一。 这意味着,猎鹰9号在物理上永远不可能悬停在空中。 只要发动机开着,它就会立刻往天上蹿。 所以它只能做一种被称为自杀式点火的动作: 火箭从高空超音速往下掉,计算机精确计算高度、速度和风向,在最后关头把发动机点着,用最大的减速度猛烈刹车。 速度降到零的那一个微秒,火箭底部必须刚好接触地面。 早了,火箭会被重新推向空中;晚了,几十吨的铁疙瘩会以几百公里时速砸进水泥地。 全靠底部的钛合金网格翼和三台冗余机载计算机实时算力,猎鹰9号硬是把这个动作做成了流水线操作。 回收成功之后,商业账本彻底变了。 造一枚新火箭要几千万美元,给回收回来的火箭做一次检测和翻新,成本不到新造的 10%。 同一枚火箭飞到第三次,硬件成本就已经完全收回,后面每一次发射都是纯利润。 既然猎鹰9号已经做到了这种地步,为什么 SpaceX 还要急着淘汰它? 答案藏在两个物理限制和一个商业逻辑里。 第一个物理限制是:猎鹰9号的复用是不彻底的。 它只能回收第一级火箭,也就是最底下那个大粗筒。 上面那截第二级火箭,每次依然跟着有效载荷一起飞进轨道,完成任务后直接废弃在大气层烧毁。 为什么不把第二级也回收了? 因为轨道速度接近每秒 8 公里。 要把第二级火箭从这种速度减下来安全着陆,必须给它装上厚重的隔热瓦、控制翼面和额外的降落推进剂。 这一套死重加上去,第二级火箭能够运载的有效载荷就被吃得干干净净。 这意味着,猎鹰9号每次升空,依然在往海里扔掉一台昂贵的高空默林发动机和一整套精密航空电子设备。 它的边际成本被卡死在了这个物理天花板上。 第二个限制是它的运载极限。 猎鹰9号的直径只有 3.7 米,近地轨道运力在 20 吨左右。 这个尺寸运送常规商业卫星绰绰有余,但面对下一代低轨卫星互联网就不够用了。 SpaceX 自家的第二代星链卫星体积越来越大,单星重量翻了几倍,猎鹰9号一次只能塞进二十多颗。 要铺满几万颗卫星的星座,用猎鹰9号发射,运力和频次都会撞墙。 真正让 SpaceX 下决心的,是更底层的商业机制。 SpaceX 总裁肖特韦尔(Gwynne Shotwell)在行业会议上说过一句话: 如果我们不主动淘汰自己的产品,别人早晚会找办法淘汰我们。看看我们当年是怎么对付这个市场的。 当年由传统军工巨头垄断的发射联盟,就是因为手握舒适的政府订单,守着昂贵的一次性火箭不肯革新,才被 SpaceX 撕开了一道无法填补的口子。 一旦 SpaceX 躺在猎鹰9号的高利润里睡大觉,只要别家在全复用火箭上取得突破,猎鹰9号建立的优势会在几年内被冲垮。 接替它的星舰(Starship),设计目标是 100% 完全复用。 第一级超重助推器和第二级飞船,全部用不锈钢制造,落地时用机械臂在空中直接夹住,加注甲烷液氧后就能再次升空。 一次能送 100 到 150 吨载荷进入轨道。 一旦星舰常态化运行,每次发射的吨位成本会比猎鹰9号再降一个数量级。 到了那个时候,留着猎鹰9号只会分流生产线资源、霸占发射台工位,让工程师把精力浪费在上一代技术里。 商业史上最难的决断,从来发生在巅峰期。 在自己最赚钱、市场最无敌的时候,主动切断退路。 猎鹰9号没有输给任何外部对手。 它证明了火箭可以回收,把人类送进了廉价太空时代。 然后,把自己的位置让给了胃口更大的后继者。
显示更多
生命科学长期以来被称为“集邮式科学”(Stamp Collecting Science)——它充斥着海量的自然语言叙述、非标准化的显微图像、碎片化的湿实验论文、手工调配的试剂配方以及充满模糊经验的机理猜想。 这种高度“非形式化(Informal)”的本质,正是过去生物科研突破周期长、试错成本极高、且无法像芯片设计或物理学那样实现自动化编译的根本原因。 AI 的核心进化能力之一是,将非形式化问题转化为形式化问题(Formalization)。 因此,AI 对生命科学的加速将不是简单的“找靶点速度加快”,而是一场从底层表征、实验执行到假设验证的全局编译化革命。 生命科学长期作为一门“经验科学”,根本原因确实在很大程度上是“有效数据规模和高保真计算量严重不足”。本质上是被以下三个极度缺乏 Scale 的现实所迫: 1、观察到的数据只是冰山一角(稀疏与长尾) 人类现有的公共生物数据,大部分是“结果快照”而非“动力学过程”。例如全球蛋白质数据库(PDB)几十年来积累的结构仅有 20 多万个,且绝大多数是结晶状态下的单一静态构象。面对大自然数以亿计的动态蛋白互作,样本量少得可怜。 2、严重的观测偏差与批次效应(Batch Effects) 过往生物学论文中的数据,来自全球数万个实验室、不同操作人员、不同批次试剂和不同显微设备。这种数据充满了系统性噪音和“幸存者偏差”(往往只报道阳性结果,海量阴性失败数据从未被记录)。用充满噪音的异构数据训练模型,很容易遭遇“垃圾进,垃圾出”。 3、维度的诅咒(Curse of Dimensionality) 一个文本 token 的嵌入维度是几千维;但一个活细胞不仅有 30 亿对碱基的 DNA,还有表观遗传修饰、数万种转录本的时空丰度、数万种蛋白质的翻译后修饰以及微环境动力学——这是一个横跨皮秒(分子运动)到数十年(衰老、疾病)的时空连续多尺度系统。在数据规模没有覆盖这个高维流形前,人类科学家只能退守到经验法则、动物实验和手工对照。 而对比大模型(LLM)的涌现依赖于 Transformer 架构 + 互联网级文本 + 自动回归自监督任务。生命科学要实现同等级别的泛化突破,其底层要素必须对齐: 1. 规模化生成“无批次效应”的原生数据(Biofoundry 工业化) 纯靠人工在高校实验室里移液,永远不可能凑齐大模型所需的自监督 Tokens。生命科学的 GPT-3 时刻,前提必须是数据生产的工业化——利用全自动化的生物铸造厂(Biofoundry)、硅基高通量芯片合成和标准化液体处理机器人,在完全一致的物理环境下,规模化、连续性地生成数十亿级的单细胞扰动、突变体结合与高内涵表型图谱。没有自动化的物理数据工厂,生命科学就没有训练集。 2. 自监督预训练任务的重构:从“掩码预测”到“物理能量与因果扰动” 在文本中,“预测下一个词”极其有效。但在生物学中,单纯的掩码语言模型(Masked Language Modeling)有其天花板。未来的基础模型需要将几何等变性、非平衡态统计物理和热力学约束直接编入注意力先验中。正如人类大脑理解物理世界不是靠背诵文字,而是靠视觉和触觉的连续交互,生命大模型需要直接在连续的时空流形中学习因果演化。 3. 闭环主动学习(Active Learning Loop) 生命系统太庞大,随机或暴力采集全部数据在物理上不可行(分子组合空间超过 10的60次方。大模型必须扮演“科学假设生成器”,自动计算出认知不确定性最高的领域,自动指挥物理机器人去合成、测试并回传数据。这种“模型假设 -》自动化实验-〉权重更新”的循环加速,是催生 Scaling 质变的关键催化剂。 当然,生命科学的发展终局,可能也不会彻底变成纯粹的数学推演,而会演化为一种“极高置信度推演 + 物理不可约验证”的新范式: 大模型确实能把目前人类难以理解的万级基因互作网络,压缩为高度精准的潜空间向量变换,人类不用再手工去画繁琐的通路图。从这个角度看,传统的“经验直觉”会被强大的高维统计几何彻底取代。 正如物理世界的计算不可约性时规律所告诉我们的,哪怕大模型在数字空间里给出了 99.9% 确定性的抗癌药设计方案,药物在真实复杂活体(包含免疫系统、肠道微生物、全身循环系统)中的毒副作用与代谢,仍受微观随机多体动力学统治。它依然需要活体或器官芯片运行自身的物理时钟来进行终极校验。 从科学发展史来看,化学在门捷列夫之前也是纯粹的“炼金经验科学”,直到元素周期律和量子力学奠定了物理底座;生命科学当前正处在类似的拐点——它过往的“经验属性”,在很大程度上确实是因为我们只能用肉眼和试管观察局部。当数据通量和算力 Scale 越过特定相变阈值时,生命科学将从一门靠经验归纳的描述性学科,质变为一门具备高预测精度的形式化工程科学。
显示更多
0
25
220
43
转发到社区
从半导体微缩到精准医疗:拆解 Twist Bioscience 的技术护城河与产业突围 在合成生物学与生命科学工具赛道中,Twist Bioscience(NASDAQ: TWST) 常被称为“生物界的台积电”。通过将传统的 DNA 化学合成搬上半导体硅芯片,Twist 实现了单碱基合成成本 1~2 个数量级(90%~99%)的断崖式削减。 这种颠覆性的制造范式究竟构建了多宽的护城河?为什么在面对 IDT、金斯瑞(GenScript)等传统巨头以及新一代无细胞/酶法合成玩家时,市场呈现出分庭抗礼而非完全替代的格局? 1. 认知基石:DNA、基因与合成生物学的“物理约束” 要理解合成生物学的商业逻辑,首先需要理清底层的生物学与物理常识: 基因是 DNA 的一部分: 基因是具有遗传效应的特定 DNA 片段。在人类基因组约 30 亿个碱基对中,直接编码蛋白质的功能基因区仅占 1%~2%,其余 98% 为调控元件、内含子等非编码序列。 传统合成的物理天花板: 传统的 96 孔板或柱式固相合成采用微升($\mu\text{L}$)级反应槽。由于物理体积大,反应必须注入过量的亚磷酰胺单体与脱水乙腈等昂贵试剂。 惊人的材料浪费: 传统工艺中超过 99% 的昂贵试剂最终作为废液被冲洗掉,导致试剂成本直接占到成品售价的 20% ~ 50%(约 $\$0.10 \sim \$0.20$ / bp)。这一化学物理极限,长期将高通量基因应用的商业化门槛死死封锁。 2. 硅芯片微缩:降维打击的成本革命 Twist 的底层创新并非发明了新化学,而是完成了一场将半导体微纳制造、微流控与分子生物学高度融合的跨学科工程重构。 Twist 将反应体积微缩至皮升($\text{pL}$)级别,在单张标准尺寸的硅芯片上集成了 超 100 万个独立反应位点。单碱基成本直接被打到了 $\$0.007$ 甚至更低。 削减 1-2 个数量级为何是“质变”而非“量变”? 成本下降 90%~99% 不是常规利润率的优化,而是跨越了商业可行性的生死临界点: 液体活检与肿瘤微小残留病灶(MRD): 动辄数万至数十万条探针的杂交捕获 Panel,成本从数万美元压缩至几百美元以内,直接激活了肿瘤早筛与术后监测的百亿级临床市场。 抗体与蛋白工程的“暴力穷举”: 药企不再受限于几十个突变体的试错,可直接订购包含百万种序列变异的合成抗体库,进行饱和突变扫描(DMS)。 全基因组 CRISPR 筛选: 数万条 gRNA 引物池的合成成本降至科研实验室日常经费可承受区间。 DNA 数据冷存储: 成为人类将二进制数据编码写入 DNA 介质的早期工业敲门砖。 3. 技术护城河深度与物理边界 Twist 的技术护城河极深,但由于其特殊的物理特性,这道护城河也存在明确的边界。 核心壁垒(跨学科工程与下游粘性) 表面化学与微纳制造: 芯片表面必须实现极高精度的亲水/疏水微图案化,抵御强酸强碱与有机溶剂的反复冲蚀,防止皮升级液滴交叉污染。 微量拼接与生化纠错算法: 芯片单点产物仅为飞摩尔($\text{fmol}$)级别(肉眼不可见)。如何将这些超微量短链寡核苷酸高效洗脱、并高保真地酶促拼接为 1~5 kb 的长链基因,涉及高度专有的酶学配方与软件调度。 临床注册锁定(IVD 转换成本): 肿瘤诊断公司的探针库一旦通过 FDA/NMPA 的临床验证与注册,更换上游探针耗材需重新进行昂贵的临床试验,迁移成本极高。 固有局限与边界 物理得量(Yield)极低: 产物必须经过 PCR 扩增,无法直接交付微克至毫克级别的未扩增纯引物。 “拼单发车”的交付节奏: 芯片开机成本高,需要汇聚全网订单集中“烧录”,在单条/极小批量的应急订单(24~48 小时隔日达)上,灵活性逊于柱式合成。 长链与复杂序列受限: 化学合成单链极限在 300~500 nt,长基因依赖算法拼接。面对极端高 GC、发夹结构或长重复序列时,拼接成功率面临挑战。 结语:从“试剂作坊”到“半导体生物学” Twist 的本质,是用半导体制造范式颠覆了传统湿实验的耗材与试剂经济学。它并没有消灭传统引物合成或 CRO 巨头,而是通过断崖式的成本削减,在超高通量探针库、全外显子富集、高位点 MRD 液体活检等领域开辟了原本不存在的增量市场。 随着未来无细胞合成与酶法技术的演进,基因合成赛道的下半场竞争,正从单纯的“单碱基化学成本”比拼,升级为“通量、保真度、交付时效与全流程生物解决方案”的综合多维博弈。 免责声明: 本人持有推文提及标的,观点充满偏见,非投资建议dyor
显示更多
0
39
11
5
转发到社区