Bepirovirsen是一款反义寡核苷酸（ASO）疗法，通过靶向乙肝病毒RNA，减少病毒蛋白尤其是HBsAg的产生，帮助免疫系统重建对HBV的控制。 该药曾获FDA突破性疗法认定，目前正在审评中。 B-Well两项3期研究合并数据显示：接受6个月治疗后，总体患者功能性治愈率为19%；在基线HBsAg≤1000 IU/mL的人群中，该比例达26%，而对照组为0%。探索性分析还发现，治疗结束一年后，近半数患者HBsAg降至≤100 IU/mL。 相关结果已发表于《新英格兰医学杂志》。

ai4bio的最本质的挑战是，生命科学中大量的核心问题属于计算不可约（Computational Irreducibility）问题。几乎不存在通用的“数学解析解”或“快捷算法”，必须一步步完整模拟其微观物理过程。 但生命科学近年来呈现出一个奇特的范式分野：底层机制是计算不可约的，但宏观功能却往往是“经验可归纳（Statistically Reducible）”的。 斯蒂芬·沃尔夫勒姆（Stephen Wolfram）提出的计算不可约性，本质是指：一个系统的演化过程本身就是获取其未来状态所需的最小计算量，无法通过某种简化的数学公式跳步求解。 生命系统的底层恰恰全盘满足这一特性的物理前提： 跨尺度的非线性与组合爆炸蛋白质动态与全原子折叠动力学---虽然 AlphaFold 系列在预测“基态静态结构”上取得了突破，但蛋白质在真实生理环境下的构象转换、别构调节、非折叠蛋白（IDPs）聚集及相分离，完全依赖于皮秒级别的范德华力、静电相互作用与溶剂熵增。只要离开统计学能覆盖的结构模体，精确求解就必须回退到底层的分子动力学（MD）模拟——每推进一个飞秒都需要全局重新计算一次能量场。 基因调控与代谢网络---单个基因的突变并非简单线性映射，它受表观遗传修饰、转录因子结合亲和力、RNA 降解速率、空间染色质构象（3D 基因组）乃至代谢物反馈的联合调控。这种由成千上万个节点组成的非线性动力系统，其相空间极其庞大，状态往往敏感依赖于微小的初始涨落（蝴蝶效应）。自指性与历史偶发性（Frozen Accidents） 生命是一个自我指涉的开放机器---DNA 编码蛋白质，而蛋白质负责复制、校对与修饰 DNA。生物演化不是在全局最优解上做梯度下降，而是由大量偶发的历史事件（例如内共生事件形成线粒体、古病毒基因整合）经过数十亿年修补（Tinkering）而成的“遗产系统（Legacy Code）”。 其缺少优雅的底层物理对称性，导致任何不包含其演化历史信息的捷径模型极易失效。细胞命运决定的分岔行为从受精卵到复杂有机体的分化、肿瘤微环境下的耐药突变产生，微观分子的布朗运动和基因表达的固有随机性（Intrinsic Noise），会驱动细胞在瓦丁顿表观遗传景观（Waddington landscape）的不同引力盆之间跳跃。 预测一个干细胞系在几百代后的确切异质性分布，本质上无法跳过真实的生长时间。 但是，现代 AI 为何能“绕开”计算不可约的壁垒？如果生命系统是严格计算不可约的，为什么近几年的 AlphaFold、ESM 等基础模型能够实现前所未有的预测精度？ 答案在于有效理论（Effective Theory）与粗粒化（Coarse-Graining）的胜利：自然选择压缩了搜索空间：在理论上，一条几百个氨基酸的多肽链可能折叠出的构象空间是无限的天文数字（Levinthal 悖论）。但真实生物圈并不是纯粹的随机漫步——演化只保留了具有热力学稳定性、功能特异性的极小构象流形。 从因果机理推演转向高维几何插值：深度学习模型并没有在物理底层上“解密”微观运动的解析方程，而是利用 MSA（多序列比对）和跨物种同源数据，隐式重构了演化历史在低维嵌入流形上的投影。 换言之，AI 并没有把不可约的方程解析掉，而是通过记忆与插值演化留下的指纹，绕过了动力学微观步进。 生命科学之所以在转化应用（尤其是新药研发和临床靶点验证）中依旧面临极高的失败率，根本原因正是工程落地往往发生在“计算不可约”的深水区： 比方说，脱靶毒性与系统副作用---你在高维表征空间里为靶点设计了一个完美的分子，但该分子在体内与数万种其他蛋白、脂质甚至肠道菌群产物的多体动力学互作，无法被任何简化模型提前全盘预知。最终仍必须依赖耗时的体内实验（In vivo）——即让活体生物作为“物理模拟器”运行自身的时间。 又比如，虚拟细胞（Virtual Cell）的瓶颈---当前计算生物学界正在攻关的“全细胞数字孪生”，每提升一个数量级的微观保真度，所需的运算步长就成指数级压缩。即使算力提升数个数量级，若底层的离散与随机多体性质导致不可约性，单纯堆叠 GPU/TPU 也只能推进微秒级的模拟。 本质上，生命系统是在宏观层面维持自组织耗散结构的、由微观计算不可约动力学驱动的实体。 目前的研究程度表明，只要问题关乎稳态模式识别，我们就能找到统计学上的捷径；但只要问题深入到跨尺度的因果动力学与时间演化，大自然依旧没有给人类留下跳过计算过程的后门。

基因组学研究生命“能够做什么”，蛋白质组学研究生命“实际生产了什么、这些蛋白质处于什么状态”，细胞表型研究生命“最终表现出什么行为”。 DNA → RNA → 蛋白质 → 细胞功能，再之后到组织、器官，是理解生命系统的重要主线，但真实生命活动存在复杂的双向反馈，是研究生命不同层次的互补工具。 从dna到蛋白质设计能力走向细胞系统预测能力，是AI4Science的重要技术挑战。 这应该成为分析ai bio板块投资的一条重要逻辑线条

今天Moderna股价一度暴涨110%主要原因是公司宣布，与默沙东联合开发的个体化mRNA癌症疫苗取得了里程碑式突破。 我注意到，这则新闻中有一个非常值得美股投资者关注的地方：AI在这款新药的研发和生产过程中起到了至关重要的作用。 我翻了一下Moderna官网，这款药物的制造流程大致是这样的：首先通过手术取得患者的肿瘤组织，同时采集正常血液样本；然后对肿瘤和正常组织进行DNA及RNA测序，找出肿瘤特有、正常细胞中不存在的基因突变；接下来利用AI算法预测哪些突变能够产生有效的新抗原，从大量候选突变中筛选出最多34个最可能诱发免疫反应的新抗原，再把这些抗原的编码信息写入一条合成mRNA，最终为每位患者生产专属的个体化癌症疫苗。 Moderna官网明确提到，这一系列集成流程使用了大量AI算法，包括利用AI分析肿瘤和血液样本、识别基因突变，并预测最有可能诱发免疫反应的新抗原。传统上，如果单纯依靠研究人员逐个筛选，不仅速度非常慢，也很难在有限时间内为每位患者完成个体化设计。AI的介入大幅提升了新抗原筛选、药物设计和生产的速度与效率。 另外，Moderna还使用了名为Maestro的数字化系统，管理每位患者的独立生产批次。AI调度算法会综合考虑当前生产线产能、原材料与设备约束、质量检测时间、临床给药安排以及运输物流等因素，从而提高整个个体化药物生产和交付流程的效率。 所以，这并不只是一次普通的新药研发突破，而是对“AI驱动的个体化药物生产平台”的一次重要临床验证。我认为，这则新闻是AI在医药领域的一次重要临床兑现，也说明AI革命的影响正在从软件和算力逐渐进入医药研发与临床应用。

推荐这份报告，OpenAI 记录了 8 个科学软件加速项目的实况。 核心发现：瓶颈不在写代码，在验证——agent 经常对明显错误表达高度自信。 OpenAI 在 7 月 28 日发布了一份实地报告，记录了 8 个用 coding agent 加速科学计算软件的案例。全文基调不是"AI 将取代科学家"，而是一个更具体的观察：瓶颈已经不在代码实现，而在验证。 8 个项目 覆盖基因组学、免疫学、统计学和 RNA 测序。5 个项目独立使用 Codex，3 个结合 Codex + Claude Code。任务分三类：打包和构建系统清理、现有代码的性能优化、以及完整的语言或后端迁移。 几个具体数据： • HI.SIM（DNA 测序读段模拟器）：GPT-5.2 和 GPT-5.6 分别做了一轮自主优化，运行时减少 31%，输出不变 • Hifiasm（基因组组装）：优化目标上减少 25%，独立的人类测序数据上减少约 15% • MHCflurry（蛋白质片段预测）：TensorFlow/Keras 后端完整迁移到 PyTorch，保持已发布模型权重兼容 • bayesm-rs（R 统计模型的 Rust 移植）：单线程快 2.3-2.7 倍，8 线程快 4.4-9.5 倍 两个更极端的案例： • RustQC 把 15 个独立 RNA 质量检测工具合并成单一程序，运行时减少 60 倍，磁盘 I/O 减少 25 倍 • HelixForge 是 GPU 原生重建的突变模拟工具 BAMSurgeon，在真实人类数据 benchmark 上运行时减少约 60 倍 核心发现：验证，不是代码生成，是真正的瓶颈 所有贡献者一致观察到同一个模式：agent 处理有明确边界和可衡量目标的实现请求时能力很强，但无法判断自己的输出是否科学上正确。agent 经常对包含明显错误的工作表达高度自信。 这意味着研究者的实际负担从"写代码"转移到了"构建验收测试"——精确输出匹配、与现有工具的等价性检查、或者用模拟数据预先建立的标准答案。单个 reference 不足以验证 agent 的输出，需要多个维度的确认。 一个贡献者的原话被引用了两次："让 agent 跑得快是一回事，让科学走得远仍然需要专家的指导、理解、品味和 care。" 维护问题 报告提出了一个值得注意的警示：更低的工程成本双向作用。它让一个两三人团队可以承担原本需要资助性工程雇佣的重建工作，但也让三个不同实验室更容易产生同一工具的三种不兼容版本。报告建议在 agent 生成第一行代码之前就确定谁负责维护重建的工具。 原文： #Codex# #ScientificComputing# #AgentEngineering#

我身边的确有一批通过特斯拉实现财务自由，天天开房车旅游美国各地的，他们全身心相信： 马斯克： 已掌握“耶稣级技术”——脑机接口让瘫痪者重新走路、哑巴开口、盲人见光 ，相信他说的，过去5000年医学就像在森林捡棍子，现在有了合成RNA，未来医学本质是数字。只要知道往RNA里写什么程序，几乎能治愈癌症、阿尔兹海默、糖尿病等一切不治之症。 相信：2031年AI智能将超越全人类总和，5年内人形机器人有望达10亿台；SpaceX的目标始终是让生命成为多行星物种。 这就是马斯克的魅力，尽管这批朋友应该已经有三四年没挣钱了吧？

又出大瓜 马斯克在福克斯250创新者晚宴上断层第一，被评为在世最伟大的创作者 本来只是一场颁奖致辞，结果马斯克聊嗨了爆了好多猛料👇 1⃣️马斯克已经掌握耶稣级技术水平 2⃣️他举例通过脑机接口让瘫痪的人重新走路 3⃣️让哑巴开口，让瞎子看见光 4⃣️更牛逼的，5000年的医学发展就是在森林捡棍子，随着合成RNA技术，未来的医学本质上就是数字。只要知道往RNA里面编入什么程序，就几乎可以治疗任何疾病！例如阿尔兹海默症、糖尿病、癌症等等。未来这些不治之症只需要找到正确指令，然后写进RNA就能治愈 5⃣️到2031年AI智能将超越全人类总和 6⃣️预计5年内会有10亿人形机器人 7⃣️太空互联网比想象中容易得多 8⃣️SpaceX的目标是让生命成为多行星物种，把意识扩展到星星上

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。

八月最后一周：Jackson Hole和NVDA财报前先防守，半导体暂时别碰 这周的关键词只有两个：防守，以及避开最脆弱的交易。 Jackson Hole将在8月27日至29日举行，NVDA财报又会把AI交易重新推到聚光灯下。 我的结论很直接： 半导体和存储暂时不碰，NVDA财报完全不赌； 黄金依然是当前的最优解。 还想主动找机会，主要看两个方向：铀矿、核能，以及医药板块的事件驱动。 一、Jackson Hole：本周一定要防守 这次Jackson Hole，市场关注的已经不只是降不降息。 真正需要判断的是，美联储主席沃什会如何处理通胀、增长、财政诉求和美联储独立性之间的关系。 市场会反复猜测，他会不会回应财政端希望降低融资成本的诉求，给出更有利于股市的政策信号；还是继续强调美联储独立性，把控制通胀和维护政策信誉放在更重要的位置。 这个答案机构也不可能提前押注。 所以在会议之前，资金很难大规模押注那些估值高、资本开支重、对利率和流动性又非常敏感的热门板块。任何一句偏鹰的表态，都可能放大市场波动。 二、半导体和存储：就算牛回，也未必值得做 我目前对半导体的态度很明确：真不能玩了。 就算大盘重新转强，我也会尽量避开半导体和存储。 最近最明显的变化，是资金从这个方向撤出的意愿非常强。跌的时候承接不足，反弹的时候持续性也越来越差。 与此同时，AI产业正在进入一个比较尴尬的催化窗口。 Anthropic确实正在推进IPO，这会是整个AI行业非常重要的Milestone。但Milestone不等于持续不断的Catalyst。Anthropic已经为IPO推进融资和治理结构准备，市场对此也有了充分预期。上市之前，我认为它很难再拿出一个足以重新推高整个AI产业链估值的新故事。 OpenAI这边，据我了解，近期也很难推出一个真正Killer级别的App。 应用端如果没有新的超预期，芯片端想继续扩张估值，就只能依赖更高的盈利预期和更激进的资本开支。但恰恰在这两个地方，目前整个产业链都非常脆弱。 很多人还在讨论半导体和存储的Forward PE有多低。 问题在于，Forward PE并不是安全垫，它建立在未来盈利预测能够兑现的前提上。 无论是Vera Rubin的量产节奏、供应链成本与定价，还是数据中心和Hyperscaler越来越高的CapEx、越来越紧的FCF缓冲，只要其中一个环节出现问题，半导体、存储和数据中心产业链都会一起被下调盈利预测。 到时候并不是股价相对盈利便宜，而是盈利预测本身开始向下修正。 现在滞涨交易也越来越明显。后面无论演化成衰退还是滞涨，依赖持续高资本开支、同时又没有宽裕现金流缓冲的公司，都会率先受到挑战。 ———————————— 所以我的判断没有变化： 半导体和存储后面的上涨，更适合寻找反弹空的机会，暂时不要按照趋势反转去做。 三、黄金与加密：黄金依然是最直接的答案 近期很多问题，最后其实都指向同一个答案：黄金。 利率路径不确定、增长质量下降、滞涨风险上升，再加上热门科技板块高度拥挤，黄金依然是目前最直接、最干净的防守方向。 加密这边则需要继续留意风险。 现在还很难说加密市场已经完全安全。即使要保留风险资产敞口，我仍然认为，加密股的安全性要明显高于大多数加密原生代币。 至少在当前环境下，我会优先考虑有股票市场资金承接的加密公司，而不是直接押注一篮子流动性和基本面都更不稳定的代币。 四、铀矿和核能：继续寻找独立行情 那么，半导体不能做，这周还能做什么？ 目前研究下来，铀矿和核能依然值得继续跟踪。 标的主要看： CCJ、UUUU、OKLO。 这三个标的的属性并不完全相同，但至少它们的交易逻辑没有完全绑定在AI芯片、数据中心和Hyperscaler的资本开支上。 在科技交易过于拥挤的时候，这种相对独立的产业逻辑，反而更容易获得资金关注。 五、医药、AI制药和医疗检测：有机会，但风险很高 医药、AI制药和医疗检测，是另外一个值得重点研究的方向。 医药股本身就属于高弹性资产。一次关键临床数据，尤其是三期临床结果，经常能够带来20%以上的波动。 所以这类交易可以做单向期权，也可以围绕重大数据披露进行双向押注。 但风险必须讲清楚： 单向押错，权利金基本可能接近归零；双向押注也要计算好隐含波动，否则结果出来之后的IV Crush，同样可能吃掉大部分收益。 近期几个值得留意的时间点包括： CRSP将在8月28日披露CTX310相关临床更新；SYRE预计在9月公布SPY003以及部分SPY072数据；BEAM则将在9月8日披露并解读BEAM-302临床数据。 如果偏长期跟踪，可以拆成几条线来看： AI医疗与检测：TEM、TWST、TXG、CAI。 AI制药平台：GENB、SDGR。 RNA与基因药物：IONS、ALNY。 如果后面确认整个生物科技板块进入趋势行情，最直接的交易工具可以看 $LABU ，甚至可以考虑Call。 但要注意，LABU追踪的是生物科技指数的三倍每日涨幅，并不是广义医药板块的普通ETF。它本身已经有三倍日内杠杆，再叠加期权后，仓位必须明显降低，也不适合按照普通长期ETF的方式持有。 六、消费板块：暂时也很难做 整个消费板块，目前同样是一个很难处理的方向。 WMT财报后单日下跌超过9%，也带动其他零售和消费公司一起承压。对市场来说，这不只是WMT一家公司跌了，而是消费韧性和零售增长预期同时受到质疑。 WMT这种级别的公司一旦财报后大跌，往往会压制整个消费板块的风险偏好。 即使部分公司的基本面没有立即恶化，资金也会先降低整个板块的估值，再慢慢寻找个股差异。 所以这周我不会急着在消费板块里找反弹。 七、NVDA财报：完全不赌 最后是NVDA财报。 我的选择是：完全不赌。 原因很简单，赌不起。 这并不代表我一定看空NVDA，而是当前这个位置的交易条件非常苛刻。 向上需要财报、指引、供应链和后续需求全部足够强，才能继续推动市场上调预期；向下只需要一个环节出现瑕疵，就可能被拥挤仓位和脆弱情绪迅速放大。 在Jackson Hole、美债利率、滞涨交易和半导体资金撤离同时存在的情况下，这种二元事件的盈亏比并不值得参与。 —————————— 最后的结论 这周先防守。 半导体和存储暂时回避，即使反弹，也优先按照修复和反弹空来理解；NVDA财报完全不赌；消费板块继续谨慎；加密优先考虑加密股，少碰原生代币。 真正值得继续研究的方向，是铀矿、核能，以及医药板块的事件驱动。 但如果一定要在当前市场里找一个最明确的答案，我近期的判断依然没有变化： 黄金。

1 这次是真的牛来，空单一天炸了快30亿美金。最近一个月etf基本都是缓慢流入，终于在白宫配合发力+牛来电影+牛来meme一起发力，拿下了最近半年的最大一波涨幅。 市场总是会朝着阻力最小的方向前进。 2 情绪上来看，确实不错，山寨切勿轻易开空，iv前段时间已经到极度低位，要么暴跌，要么爆啦，市场选择了爆拉。 3 目前手里流动性还不错的朋友，可以多关注一下房地产版块，当然仅限欧美市场。ai带来的生产力的释放，对商业地产可能是利空，对居家需求一定是长期慢性的改造。大部分时间，我们都在等ai交付的过程中。。 4 三星宣布拿自由现金流分红，这属于玩的比较过火的一种玩法，但是在很多地方是允许的···我真的很佩服韩国人的梭哈天赋。但目前我扫了一下全网的信息，起码dram赛道已经超多人要加大产能释放了，这波红利顶多再吃一年，现在怎么看去买三星都不是一个好的节点 ps：半导体我认为这个阶段分红好于回购，虽然分红会产生税收，但是对长期持有者来看，分红会改变企业的某种估值和持有逻辑，而回购反而有投机倒把的嫌疑。毕竟增发和回购前后脚的海力士，怎么看这俩行为都在左右互搏。 5 最近在玩一个steam游戏，贸易之路，模拟经营的，里面最爽的就是我天天找下面的领主征税。。可见权力多么上瘾，感兴趣的可以玩玩，特别好评很多 6 最近沉迷流星花园，b站有正版，弹幕吐槽看的很欢乐，虽然当年被禁播了，2018又重新引进了。开场一句很地狱的弹幕 大s已经变成一颗流星了 7 牛来今天的排片已经下跌到4%了，下沉市场反映不强烈，今天又有新电影上映，分化了一波。奥德赛随着大家返回大城市票房也能打，就是片长有点劝退。 ps：人民娱乐应该是去中心化的，电影少点宣发，多点诚意，能捕获不少真正的观众的消费力。建议多来点小众影片，少点批判和说教，才能拯救我们的娱乐业。 8 今晚会减仓一些web3相关的股票，超买了太多了。这依然是个持久战，离ath还需要很多实打实的圈外玩家进来游戏 9 ti全是国外队了，这下子和世界杯一个级别了··· 10 医疗股因为癌症rna赛道爆啦。不用太兴奋，因为癌症从世界上消除，其实就能拉高人均寿命不到2岁，这病主要是名气大··而且熊市很长，基本能把周围的人折腾很多年，真正要命的从来都是心脑血管