八爪鱼bioctopus

本期节目我们想把镜头拉远一点，从单个药物的研发，转向一家大型药企的整体布局。

如果一家公司手里同时有几十个、甚至几百个研发项目，它们处在不同的研发阶段，覆盖不同的疾病领域，也采用不同的技术路线，这么多项目，到底该怎么放在一起管理？公司怎么知道自己现在手里有哪些牌，未来还缺哪些牌？当资金、人才和时间都有限时，又该优先推进哪些项目，为哪些方向提前布局？

这些问题，正是本期想聊的Portfolio strategy —— 管线组合战略。它关注的不只是某一个项目有没有前景，更是这些项目放在一起，能否支撑公司当下的目标和未来的发展。

🎙️ 本期嘉宾

二水姐，生物学博士，曾任大型药企Research Scientist，后通过公司内部的轮转机会，转向Portfolio Strategy团队

⌚️ 时间轴

04:40 什么是药企的Portfolio：把不同疾病领域、不同研发阶段的在研项目放在一起看

06:01 战略的本质是选择：有限的资源和注意力，应该投入在哪里？

09:16 以“八爪鱼药业”为例：管理200个研发项目，需要怎样的整体视角？

13:30 项目取舍不能只看科学新颖性：还要考虑验证程度、竞争格局与公司的风险偏好

21:38 管线需要时间上的连续性：近期有药上市，不代表中长期没有收入缺口

30:09 如何日常追踪组合的状态？研发阶段、成本、价值与成功率

38:15 压力检验（Pressure test）是什么？用证据检验假设，理解各团队判断的依据

42:19 小 Biotech也需要战略思考

49:41 不必成为每个领域的专家：以足够广的理解搭建框架

📚 延伸阅读

• Modality｜药物类型：例如小分子、抗体、抗体偶联药物（ADC）、细胞治疗等。不同类型往往需要不同的研发与生产能力。

• Pressure Test｜压力检验：通过追问假设、比较证据和引入不同视角，检验一个判断是否站得住脚。、分析竞争对手的研发管线、临床进展等信息，为公司判断外部环境提供参考。

• Governance｜决策治理机制：规定由谁、在什么阶段、依据哪些信息做出决策，以及如何记录和跟进。本期特指决策规则与流程，不等同于公司 KPI。

• Patent Cliff｜专利悬崖：核心药物失去专利保护后，因竞争加剧而面临收入明显下降的风险。

本期节目为全英文采访，中文翻译正在进行中，中文版即将上线，敬请期待。

从记录步数、心率和睡眠，到预警高血压、识别疾病风险，可穿戴设备正在逐渐有进入真正的医疗场景的趋势。 今年 9 月，Apple 再次升级 Apple Watch 的健康传感能力，并开始用 Apple Intelligence 解读长期健康数据；与此同时，FDA 也在推进数字健康设备进入慢病管理和真实世界证据体系。我们想深入探讨的是：商业可穿戴设备每天产生的海量数据，是否可以、以及什么时候才能真正成为医生和药企可以信任的医疗证据？

本期我们和嘉宾从统计学、机器学习和药物研发的视角聊聊数字生物标志物的真实科研进展。我们也会把视角拉进药企内部：什么样的数字生物标志物项目值得立项，什么情况下应该叫停？大药企在数据、验证和临床转化上有什么独特优势？以及，当越来越多 AI 公司开始进入医疗领域，我们究竟该如何区分真正有临床价值的技术和 hype？

🎙️ 本期嘉宾

Dr. Tu 本科毕业于普林斯顿大学数学系，之后在宾夕法尼亚大学获得生物统计学博士学位，目前在一家头部药企担任首席科学家（Principal Scientist）。她长期关注统计学和机器学习在生物医学中的应用，研究涉及神经影像、数字健康和可穿戴设备等高维数据，希望通过数据和统计方法更好地理解人类健康与疾病。

⌚️ 时间轴

02:32 从理论数学到可穿戴：嘉宾的入行之路

05:07 智能手表能在心梗、中风发生前预警吗？

09:44 阿尔茨海默早筛：瓶颈是数据，不是算法

12:58 疾病诊断本身就是主观标签：算法能超过医生吗？

15:06 什么把「设备数据」变成「数字生物标志物」

18:35 可解释、可验证、透明：在医疗领域是否能信任AI模型的判断纬度

22:37 Garmin 还是 Apple Watch？商业大数据在科学研究中真的有用吗？

25:03 大数据=好数据吗：数据清洗、行为噪声与混杂变量

33:21 药企内部：什么时候立项，什么时候叫停

37:07 大药企发展数字生物标志物的优势

39:17 识别炒作的关键问题 + AI 公司进军医疗

41:26 数字生物标志物什么时候能用于临床决策？预测与展望

2026年9月，OpenAI发布GPT-6 Astra：从 coding、computer use 到 scientific discovery，模型能够承担的任务越来越复杂，也越来越接近真正的 agentic work。

当 AI 能做的越来越多，新的问题也随之出现：我们敢把多少事情交给它？什么时候应该放手，什么时候又必须介入？这一期，我们和丁杰教授聊了聊 AI Agent 走进科研的下一步。

从 AI for Science专家不可替代的“第一公里和最后一公里”，到如何为 AI 的产出增加验证与信任层；

从 AgentDS 中人与 AI 如何协作，到把多个 AI Agents “关进房间”、限制它们的信息与交流之后，反而出现意想不到的涌现行为。

也许 AI 的下一阶段，不只是变得更聪明，而是我们开始真正理解：如何约束它、如何与它协作，以及如何放心地使用它。

🎙️ 本期嘉宾：

丁杰教授
哈佛大学博士，现任明尼苏达大学统计学教授，AI Agent 初创公司 MorphMind AI 联合创始人兼 CEO。

MorphMind AI 创立于 2025 年，致力于打造更可控、可验证的 AI Agents，旨在让 AI 的结论能够被核验、解释和追溯，让人在 AI 协助下做出的决策真正值得信任。

1:38 AI 能力如何演化：从对话、写代码到生物科研

6:43 AI 越来越强，为什么可信度反而更重要？

11:11 MorphMind AI：为 AI 加“信任层”的基础设施

12:17 实验室自动化：不仅要有“手脚”，还要有“脑”

18:11 AI前沿实验室进军生物科技的两条路线：科学推理 vs. 科研助手

19:36 MorphMind AI可信度验证机制揭秘：AI 的答案到底该怎么查验？

26:25 丁教授发起的AgentDS比赛：人机协作 vs. 纯 AI，谁表现更好？

34:44 Multi-agent 怎么设计？从 Specialist 到 World Seed

39:53 科研品味怎么培养：找好问题、快速验证、跨学科

• AgentDS：一个研究 AI 与人类专家如何协作完成真实数据科学任务的 benchmark。2025 年比赛结果显示，表现最好的方案来自人机协作，而非纯 AI。AgentDS 官网 · AgentDS Technical Report

• WorldSeed：MorphMind 团队的开源 multi-agent world engine，通过人为设计规则、角色、私有信息和交互方式，观察 agents 如何协作、竞争以及产生涌现行为。WorldSeed GitHub

Longevity、Healthspan、Wearables 与“量化自我”的边界

这一期，我们从在斯坦福大学举办的一场 AI + Healthcare 峰会聊起，分享听到的许多关于衰老、基因、穿戴设备和长寿的前沿观点，讨论一个越来越贴近普通人生活的问题：当手表、戒指、CGM、血液检测和各种“生物年龄”测试开始不断告诉我们自己的身体发生了什么，我们究竟应该相信多少？

在这一期里面，我们聊到了最近刷屏的一些名词：longevity、healthspan、个体化血糖反应、CGM、Oura Ring、Hallmarks of Aging......以及刷屏社交媒体的硅谷富豪Bryan Johnson换血的科学来源与依据。

希望听了这期播客的你，能够更加自由地生活在这个数据过剩的时代。

“Be data-informed, not data-driven.” 数据是工具，不是裁判。不让分数绑架你的感受，学会倾听自己的身体。

时间轴：

01:09｜从 Stanford AI & Healthcare 峰会聊起：为什么我们越来越关心 Healthspan？
Longevity ≠ Healthspan：寿命到底有多少由基因决定？环境和生活方式又扮演什么角色？

06:31｜搬到美国之后，会老得更快吗？
从不同族群的迁徙研究聊 biological aging，以及基因与环境如何共同影响衰老。

11:16｜正常人为什么要测血糖？
CGM、个体化血糖反应，以及为什么“同一种食物”对不同人的影响可能完全不同。

21:18｜我们是不是低估了心理状态对健康的影响？
从 meditation 到“不同器官以不同速度衰老”，重新理解 longevity。

22:39｜Hallmarks of Aging：衰老到底发生在身体的哪里？
从 DNA 损伤、端粒缩短到线粒体、炎症、干细胞和肠道菌群，拆解衰老的 12 个生物学标志。

28:30｜Biomarker：我们到底能从身体数据里读出什么？
HRV、PPG、皮肤温度、睡眠指标……手表和戒指究竟测到了什么？APP打分又有什么依据？

33:13｜当“睡眠分数”开始让你焦虑
完美睡眠强迫Orthosomnia：为什么越关注睡眠数据，有时候反而越睡不好？

41:25｜Data-informed, not data-driven
到底应该怎么看待 wearable 给出的各种“身体分数”？

42:51｜从测量到干预：Longevity 离我们到底还有多远？
Measure → Predict → Prevent。从年轻血液、parabiosis，到 epigenetic reprogramming、干细胞和新一代 longevity biotech。

🧬 本期关键词

• Healthspan：健康寿命。与单纯追求 lifespan（总寿命）不同，healthspan 更关注一个人在多长时间内保持健康、独立和良好的生活质量。

• Biomarker：生物标志物。可以被客观测量，并反映某种生理状态、疾病状态或生物过程的指标。

• CGM：Continuous Glucose Monitoring，连续血糖监测。通过传感器连续记录血糖变化，让我们看到不同食物、运动和生活方式带来的动态反应。

• HRV：Heart Rate Variability，心率变异性。描述连续心跳之间时间间隔的变化，是 wearable 常用的生理信号之一。

• PPG：Photoplethysmography，光电容积描记。通过光学方式检测血容量变化，是很多智能手表和戒指测量心率的基础技术。

• Orthosomnia：“完美睡眠强迫”。指一些人过度依赖 wearable 提供的睡眠数据，执着于获得“完美”的睡眠指标，反而产生焦虑。

• Hallmarks of Aging：衰老标志。一个用于描述 aging biology 的重要理论框架。2013 年提出 9 个 hallmarks，2023 年更新至 12 个。

• Epigenetics：表观遗传学。研究不改变 DNA 序列本身、却能够影响基因表达的调控机制。

• Parabiosis：联体动物模型。通过连接两只动物，使它们共享循环系统，用于研究不同生理状态之间的相互影响。

• Epigenetic Reprogramming：表观遗传重编程。尝试重新调整细胞的表观遗传状态，从而恢复部分更加年轻的细胞功能。

📚 延伸阅读

• Hallmarks of Aging：
  López-Otín C, Blasco MA, Partridge L, Serrano M, Kroemer G. The Hallmarks of Aging. Cell. 2013;153(6):1194–1217.
  López-Otín C, Blasco MA, Partridge L, Serrano M, Kroemer G. Hallmarks of aging: An expanding universe. Cell. 2023;186(2):243–278. 2013 年框架的更新版，将原来的 9 个 hallmarks 扩展为 12 个。

• Michael Snyder组关于不同人对于不同碳水的血糖反应的文章：
  Wu Y, Ehlert B, Metwally AA, et al. Individual variations in glycemic responses to carbohydrates and underlying metabolic physiology. Nature Medicine. 2025; 31: 2232–2243.

• 完美睡眠强迫症/正睡症Orthosomnia
  Baron KG, Abbott S, Jao N, Manalo N, Mullen R. Orthosomnia: Are Some Patients Taking the Quantified Self Too Far? Journal of Clinical Sleep Medicine. 2017;13(2):351–354.

• Bryan Johnson自认为的换血的论文依据
  Rebo J, Mehdipour M, Gathwala R, et al. A single heterochronic blood exchange reveals rapid inhibition of multiple tissues by old blood. Nature Communications. 2016; 7: 13363.
  Conboy IM, et al. Rejuvenation of aged progenitor cells by exposure to a young systemic environment. Nature. 2005;433:760–764.

• Michael Snyder组关于不同居住区域的衰老速度不同的文章（东亚人到北美衰老加速）：
  Barapour N, Cao JZ, Wu Y, et al. A comparison of deep multiomics profiles across ethnicity, geography, and age. Cell. 2026;189(10):3004–3024.e35. doi:10.1016/j.cell.2026.04.032.

嘉宾：小橙｜《生物解码 BioDecoder》主播

过去几十年，人们不断尝试把计算带入药物发现：从早期的定量构效关系和专家系统，到深度学习、生成式模型、生物学基础模型，再到今天被频繁讨论的 Lab in the Loop。

但 AI Drug Discovery 并不是一条单一的技术路线。不同公司对于“药物发现究竟是什么问题”有着截然不同的判断：有人把它看作化学问题，有人相信数据规模，有人坚持物理规律，有人试图在巨大的分子空间中进行生成与搜索，也有人认为，关键不是训练出一个全知全能的模型，而是让模型和真实实验持续交换信息，在一轮轮反馈中完成闭环优化。

这一期，八爪鱼 Bioctopus 邀请《生物解码 BioDecoder》的主播小橙，一起回顾 AI 制药的发展脉络，梳理其中的主要技术流派，并把视角从模型本身推进到实验室、机器人、组织结构和商业制度。

我们也讨论了更现实的问题：当实验中的许多判断仍然依赖研究人员的经验，当传统药企的数据散落在不同部门和系统里，当所谓的“自动闭环”仍然需要大量人工参与，Lab in the Loop 距离真正自主运行的 AI Scientist，究竟还有多远？

概念框架梳理

• 一款药从靶点发现、先导化合物优化到临床上市，要经历什么？

• AI Drug Discovery 并不是新概念：从 QSAR、专家系统到深度学习，从AlphaFold到生成式 AI

• 药物发现的五种路线：化学、数据、物理、生成搜索与闭环学习

• Lab in the Loop 到底是什么，怎样才算真正形成“闭环”

• 从 ENIAC、集成电路到 GPU：如何理解自动化实验室的发展阶段

行业版图与代表玩家

• LabGenius：通过实验闭环，同时优化抗体的效力、选择性等多个目标。

• Genentech Prescient Design：在传统药企既有研发流程中引入 AI 与机器人。

• Lila Sciences 与 Periodic Labs：直接押注 AI Scientist 和自动化科学发现平台。

• Insilico Medicine：作为 AI 制药的代表性公司，展示其临床研发进展与阶段性成果。

• Schrödinger 与 BenevolentAI：分别从物理建模和生物知识图谱切入药物发现。

• 科技公司、传统药企与初创企业：Amazon、NVIDIA 等基础设施提供者，以及药企和 TechBio 公司，在 AI 制药生态中承担不同角色。

• Bottom-up 与 Top-down：围绕具体任务逐步跑通闭环，与从通用科学平台出发的两种发展路径。

• 中美产业生态：软件、资本、硬件、供应链和实验执行能力塑造了不同的发展模式。

• AI 与药物专利：随着 AI 在分子设计中承担更多工作，现有发明人认定与专利制度面临新的挑战。

3:15 AI for Drug Discovery 与 Lab in the Loop 关系

3:31 传统药物发现流程回顾（临床前 / 临床 / 上市）

4:57 AI for Drug Discovery 简史 （1960s - 现在）

15:04 AI 制药五大流派：化学派 / 数据派 / 物理派 / 生成搜索派 / 闭环优化派

19:18 深入 Lab in the Loop：人类参与度光谱与 AI Scientist 终极形态

21:16 类比计算机硬件四个时代：从 ENIAC 到 GPU 看 Lab in the Loop 发展阶段

27:54 公司案例：Lab Genius——抗体优化的标杆闭环

29:35 公司案例：Genentech 与 Aviv Regev 的 AI 转型之路

34:48 公司案例：Lila Sciences 与 Periodic Labs 的全自动 AI 科学家豪赌

36:46 市场参与者全景总结：科技大厂 / 传统药企 / 初创公司三分类

38:16 中国 AI 制药的独特优势，与专利法对 AI 发明的挑战

QSAR、专家系统、知识图谱、生成式模型、AlphaFold、生物学基础模型、Virtual Cell、Digital Twin、主动学习、闭环优化、实验室自动化、多智能体系统、AI Scientist、LabGenius、Genentech、Prescient Design、Lila Sciences、Periodic Labs、Amazon BioDiscovery、Insilico Medicine、BenevolentAI，Schrödinger

小橙是《生物解码 BioDecoder》的主播，长期关注生物医药、药物研发、产业趋势，以及新技术如何改变生命科学研究和商业化路径。

八爪鱼 Bioctopus 是一档关注生命科学、计算、生物技术与产业变化的播客。我们希望从不同触角进入复杂问题，把技术概念放回真实的科研、商业和社会语境中讨论。

本期内容仅用于科学与产业讨论，不构成医疗或投资建议。

这期播客我们邀请到了连续创业者高华一，一位在2013年就入局无创血糖监测赛道的创业者。他亲历了这个行业从医疗刚需到消费品兴起的全过程，也亲身体验了"无创血糖"这个诱人陷阱有多深。从Google Verily的千人人体基线研究，到FDA临床路径的残酷现实，再到健康人到底需不需要一直戴CGM、可穿戴设备真的能改变人的行为吗，以及对精准医疗和银发经济的判断......这一期播客希望带给大家一次既有技术深度又有商业视角的行业复盘。

嘉宾：高华一（华一哥）— 连续创业者，现为第四次创业。滑铁卢大学纳米工程背景。2013年从本科毕设出发，创办智能隐形眼镜公司，尝试通过泪液检测血糖。

03:33 入局：2013年技术宅做毕设，"10级去刷100级副本"

06:34 无创血糖：市场极诱人，但是一片沼泽地，即使Google也败阵于此

07:31 中国5亿糖前患者，需求从"救命"悄悄变成了"health span"

13:19 真正的障碍不是工程技术，而是生理学——Google Verily花巨资研究1000人后，直接解散项目

22:46 美国兴起"上门护士"式慢病管理公司：技术不行就用人力

26:02 产品路径三选一：消费电子、医疗器械、精准医疗，逻辑完全不同

34:35 过了FDA就有垄断定价权；消费品则是完全竞争，没有壁垒

40:08 临床试验的残酷现实：产品一旦进入临床便锁定不能迭代，技术团队只能解散

46:01 一型 vs 二型糖尿病：为什么是两个截然不同的市场

47:46 健康人群真的需要一直戴CGM吗？从医疗刚需到"health span社交单品"

51:15 可穿戴设备能改变人的行为吗？创业时机的三个驱动力：政策、用户行为改变、元器件成本骤降

54:31 华一哥最看好的方向：精准医疗 × 银发经济，从服务切入、长期积累数据所有权

58:26 AI时代的核心资产：谁掌握高质量健康数据的pipeline，谁就有优势

Dexcom：CGM市场老大，约占60-70%市场份额

Abbott（雅培）：CGM市场老二，旗下有Libre（医疗级）和Lingo（消费级）；扎手指市场老大

Medtronic（美敦力）：CGM市场老三，主打CGM+胰岛素泵组合

Google Verily：Alphabet旗下，做了千人人体基线研究后解散血糖项目，现转做长寿研究

Oura Ring：消费级智能戒指，健康监测，无法做血糖监测但可做其他biomarker

CGM：Continuous Glucose Monitor，连续血糖监测仪，微创贴在皮下持续监测

MARD：Mean Absolute Relative Difference，平均绝对相对差，CGM精度核心指标，低于8～10%为优

CAGR：复合年增长率，CGM市场约8.7%，属于成熟市场

一型糖尿病：胰腺无法分泌胰岛素，需CGM实时监测+胰岛素注射

二型糖尿病：胰岛素抵抗，细胞对胰岛素不响应，治疗靠生活方式管理

糖前/糖尿病前期：血糖到临界值，中国约5亿人，可逆但需严格管控饮食；临床上主要通过以下三项指标来判断是否处于糖前状态：

• 空腹血糖 (FPG)：5.6 ~ 6.9 mmol/L（100 ~ 125 mg/dL）

• 糖耐量试验 (OGTT 2小时血糖)：7.8 ~ 11.0 mmol/L（140 ~ 199 mg/dL）

• 糖化血红蛋白 (HbA1c)：5.7% ~ 6.4%

人工胰岛：CGM + 胰岛素泵 + 算法三合一，FDA需分三个device code分别审批，极难实现

Razor blade model：剃须刀商业模式——硬件低价，消耗品（传感器biofouling需定期替换）持续收费

Health span：健康寿命（区别于lifespan），追求活得长的同时活得好

关于我们:

小羊 - 生物科技公司生信岗打工人，专注于肿瘤精准医疗。什么都想学一学，想要成为生活杂家，攀岩烘焙修炼中。

Alex - 计算机生物PhD在读，梦想成为生命探险家，过有趣的一生。

小泽 - 非典型生物物理学博士生，从力学跳槽到生物领域，身体力行成为了无知者无畏的真实写照😅，目前专注单细胞测序技术开发。

很多时候，癌症被发现，靠的是症状的出现，甚至是一些偶然状况。但如果有一天，主动权完全交到我们手里呢？不需要内窥镜、拍片、各种繁琐的检查，仅仅靠一管血，就能在 50 多种癌症还未出现症状时发现隐患呢。这个听起来像天方夜谭的技术，其实已经触手可及。这背后，是一整个备受瞩目的领域，叫“多癌种早期筛查”。

本期节目是我们从公司看行业的第二期，我们选择了多癌种早筛的明星公司Grail，想透过它，聊聊这个领域目前走到了哪一步，未来在哪里。Grail最近在ASCO（美国临床肿瘤学会）会议中展示的一些临床数据也正在引发业界对一个根本性问题的讨论：癌症早筛在现实生活里到底有没有真正的用处？

🎙️ 本期嘉宾：

JC | 分子生物学博士，拥有肿瘤学临床与科研背景，长期专注液体活检技术在癌症早筛和精准医学中的应用。曾在Grail参与早期癌症筛查产品开发，具有从分子机制到产品落地的深厚专业背景。

Senkei | Microtrace的联合创始人；癌症流行病学博士。曾任分子诊断独角兽 BillionToOne 肿瘤部门的数据科学及AI平台负责人；前Meta数据科学家，专注因果推断。https://www.linkedin.com/in/senkei-feng/

03:29 什么是癌症早期筛查?

09:45 Grail的故事开始：从 Illumina 的无创产前检测说起

28:36 Grail的临床表现 —— Pathfinder2 数据解读

34:02 Grail的临床表现—— NHS-Galleri 数据解读

43:08 多种癌症早期检测（MCED）法案的通过

46:57 Grail如何实现商业化?销售模式与财务数据

50:57 Grail与Hims & Hers的合作

55:48 中国和美国在多癌种早筛领域的异同

58:08 未来发展趋势：癌症早筛的"自动驾驶"等级（L1-L5）

📖 延伸阅读：

CCGA (Circulating Cell-free Genome Atlas)
游离基因组图谱研究。Grail的基础研究，分为三个阶段：发现(海选甲基化)、开发(设计panel)、验证(临床验证)。

LDT (Laboratory Developed Test)
实验室自建检测。在美国，检测试剂不需要 FDA 批准，可以通过临床诊断实验室的管理条例(CLIA)认证进行商业销售。Galleri就是通过这条路上市的。

cfDNA (Cell-free DNA)
游离DNA。正常细胞和癌细胞死亡后破裂，DNA 碎片会进入血液漂浮。癌症早筛就是在这些碎片中寻找肿瘤信号。

甲基化 (Methylation)
DNA 上的化学修饰标记。不同组织、正常 vs 癌细胞的甲基化模式差异很大，是Grail选中的核心检测特征。

PPV (Positive Predictive Value)
阳性预测值。检测阳性的人中，有多少真的患有疾病

CMS (Centers for Medicare & Medicaid Services)
美国医疗保险和医疗补助服务中心。决定联邦医保(Medicare / Medicaid)是否报销检测的机构。

MCED法案 (Nancy Gardner Sewell Medicare Multi-Cancer Early Detection Screening Coverage Act)
2026 年 2 月 3 日签署成为法律，为多癌种早筛创造了联邦医保的覆盖路径。

Wellness Channel
健康消费渠道。Hims & Hers 这类平台通过 DTC(direct-to-consumer)销售健康产品，Galleri 进入这个渠道引发了关于知情同意和过度诊断的伦理讨论。

关于我们:

小羊 - 生物科技公司生信岗打工人，专注于肿瘤精准医疗。什么都想学一学，想要成为生活杂家，攀岩烘焙修炼中。

Alex - 计算机生物PhD在读，梦想成为生命探险家，过有趣的一生。

小泽 - 非典型生物物理学博士生，从力学跳槽到生物领域，身体力行成为了无知者无畏的真实写照😅，目前专注单细胞测序技术开发。

自 2017年FDA首次批准CAR-T上市以来，全球已有超过 6 万名患者接受治疗。一些反复复发、无药可用的白血病和淋巴瘤患者实现了完全缓解——这在以前几乎是不可能的事。

但科学和临床的成功，只是故事的开始...

一款药从实验室走到病人手里，中间还隔着一整套被外界忽视、却决定产品能否真正抵达患者的系统，它负责把产品定义清楚、把风险管控住、把制造与放行标准建立起来，并让产品在持续演进中保持一致性。这套工作就是CMC -Chemistry, Manufacturing and Controls。

这一期，我们将从IND申报、临床试验、BLA上市申请、再到商业化与全球化，一站一站地走，看 CMC 在每个阶段的工作重心是什么，以及这些决策如何在关键节点上影响项目的进度、风险和最终成败。

🎙️ 本期嘉宾：

Zhen姐 ｜ CMC 领域深耕十年，目前担任全球药企CMC Senior Director

时间戳：

05:56 第一站 | IND

22:53 第二站 | 临床阶段

37:36 第三站 | BLA

47:39 第四站 | 上市

58:19 第五站 | 全球化

📖 延伸阅读：

CAR-T | Chimeric Antigen Receptor T-cell Therapy 嵌合抗原受体T细胞治疗。把患者的 T 细胞分离出来，通过基因工程让它识别并攻击肿瘤细胞，再回输到患者体内。

Autologous CAR-T 自体 CAR-T，原料 T 细胞来自患者本人，“一个病人，一个批次”。

Allogeneic CAR-T 异体 CAR-T(off-the-shelf)，原料T细胞来自健康捐献者，经过基因改造后可用于多个患者。

In Vivo CAR-T 体内 CAR-T，不在体外改造 T 细胞，而是直接把基因递送载体注射到患者体内，让T细胞在体内被改造。

Leukapheresis 白细胞分离术。从患者血液中分离出包含 T 细胞的白细胞层(PBMC)的过程，是 CAR-T 制造的第一步。

PBMC | Peripheral Blood Mononuclear Cell 外周血单个核细胞。包含 T 细胞、B 细胞、NK 细胞等。

Make 1 / Make 2

• Make 1:在医院/采集中心完成的细胞采集与冻存

• Make 2:在药厂完成的细胞改造、扩增与冻存

Transduction 将外源基因(如 CAR 基因)导入细胞的过程。CAR-T 中通过慢病毒载体完成。

Lentiviral Vector 慢病毒载体。把 CAR 基因递送进 T 细胞的"运输工具"。

Vein-to-Vein Time 从患者第一次抽血,到最终细胞回输到体内的总时长。是 CAR-T 商业化阶段的关键竞争点。

Cytokine Release Syndrome (CRS) 细胞因子释放综合征。CAR-T 回输后最常见的严重副作用之一，免疫系统瞬间释放大量细胞因子导致的全身反应。

Chain of Identity / Chain of Custody 身份追溯链 / 监管链。CAR-T 这种“一个病人一个批次”的产品，必须全程追溯这袋细胞来自哪个病人、最终要回到哪个病人。

PPQ | Process Performance Qualification 工艺性能确认。BLA 阶段最重要的里程碑之一，必须连续 3 个批次成功，以此证明工艺真正可控、可重复。

CQA | Critical Quality Attribute 关键质量属性。指那些必须被严格控制、直接关系到药物安全性和有效性的产品质量指标。

OOS | Out of Specification 超标 / 不合规。产品某项指标超出 spec 范围。CAR-T 早期商业化阶段 OOS 率一度高达 20-30%。

关于我们:

小羊 - 生物科技公司生信岗打工人，专注于肿瘤精准医疗。什么都想学一学，想要成为生活杂家，攀岩烘焙修炼中。

Alex - 计算机生物PhD在读，梦想成为生命探险家，过有趣的一生。

小泽 - 非典型生物物理学博士生，从力学跳槽到生物领域，身体力行成为了无知者无畏的真实写照😅，目前专注单细胞测序技术开发。

美国最新版膳食指南把蛋白质推荐量提高了近一倍，高蛋白饮食的热潮也正席卷超市货架和咖啡馆菜单。但这股风潮真的适合每一个人吗？

本期我们邀请到美国注册营养师 Joy，从膳食指南的争议聊起，深入拆解高蛋白饮食的真相——蛋白质到底吃多少才够、动物蛋白和植物蛋白有什么区别、蛋白质吃多了会怎样，以及为什么光靠自律解决不了饮食问题。

营养摄取没有放之四海而皆准的答案，找到适合自己的方式，才是长期健康的起点。

🎙️本期嘉宾：

Joy ｜ 南加州大学营养与膳食长寿学硕士，美国营养与饮食学会（Academy of Nutrition and Dietetics）认证注册营养师

现居美国南加州，目前从事个人营养咨询与健康管理（Nourimax.co)，关注肠道健康，体重管理以及高血脂、糖尿病等慢性疾病相关的饮食与生活方式支持，同时就职于加州某医院的糖尿病专科门诊，具备丰富临床实践经验。

Joy的小红书：https://xhslink.com/m/AMkWf8h09Na

时间戳：

02:01 注册营养师介绍

07:03 金字塔倒了？聊聊美国新版膳食指南

13:15 早餐麦片也是精加工食品

15:03 蛋白质的重要性

16:40 动物蛋白vs植物蛋白

* 更正：节目中提到豆科缺乏亮氨酸，经核实应为蛋氨酸（Methionine），Joy 的核心观点 - 豆类搭配全谷物可以互补氨基酸仍然正确

21:13 蛋白质没有标准答案，摄取量因人而异

29:05 为什么会刮起一阵"高蛋白风"？

37:51 配料表是最强避坑指南：读懂了才能做聪明选择

40:38 普通人去哪里找靠谱的营养知识？

45:39 情绪性进食：体重管理中最容易被忽视的问题

延伸阅读：

• The New Food Pyramid：于2026年1月正式发布，核心信息简明直接：吃真正的食物 (realfood.gov)。

• MyPlate：美国2011年推出的饮食指导图示，以餐盘形式直观呈现每餐中蔬菜、水果、谷物、蛋白质和乳制品的建议比例，取代了沿用近二十年的食物金字塔。

• RDA（Recommended Dietary Allowances，膳食营养素推荐摄入量）是美国制定的营养摄入参考标准，定义为满足97%-98%健康人群避免营养缺乏的最低摄入量。它更多用于指导学校、医院等机构的餐饮政策，而非针对个人的精准建议。
• GLP-1（胰高血糖素样肽-1）是一种由肠道分泌的天然激素，能够调节血糖、减缓消化速度并增强饱腹感。以Ozempic、Wegovy为代表的GLP-1类药物近年在美国被广泛用于糖尿病管理和减重治疗，但停药后若未改变饮食习惯，体重往往容易反弹。
• 在美国，注册营养师提供的服务属于医疗营养治疗，可参考以下信息：

关于我们:

如果过去十年中国医药行业有一条最重要的主线，那大概就是从仿制走向创新，从中国走向全球。但这条主线并不只是产业升级的故事 —— 它背后是资本周期的潮起潮落，是医保改革重塑市场规则，也有 AI 与数字医疗带来的新想象与新幻灭。

这一期，我们邀请到 Alex，一位在咨询、跨国药企与创业公司之间穿行过的亲历者，一起回看这十年究竟发生了什么，又有什么还远未结束...

🎙️ 本期嘉宾：

Alex，从顶级咨询公司起步，后转型至跨国药企主导商业创新，并在创业公司中亲历过从0到1的摸索与挑战，是中国医药行业过去十年变革的亲历者与观察者。

01:48 他亲历的中国医药十年

03:38 从仿制到创新：中国 Biotech 为什么起来了？

08:25 医保改革如何改写行业规则

10:19 外资药企在中国：从高溢价到以价换量

13:13 医药增长最难的，不是卖药

15:30 做过 3D 数字医疗以后，才知道药企怎么看 Digital Health

22:04 一个糖尿病项目为什么没做成？

35:41 AI 医疗的荒诞现实：药企和互联网大厂互相“薅羊毛”

44:02 创业没有神话，只有日常

📖 延伸阅读

• 专利悬崖（Patent Cliff）：原研药专利到期后，仿制药大量涌入导致销售额骤降的行业现象
• Me-too / Me-better 药物：在已有药物基础上微调结构、略作改进的创新路径，是中国药企早期创新的主要形态
• PD-1 抑制剂：一类肿瘤免疫治疗药物，被 Alex 视为中国本土创新开始与海外正面叫板的转折点
• 国家医保谈判：每年一次的药品准入谈判机制，以价换量，深刻重塑了创新药的商业逻辑
• 数字生物标志物（Digital Biomarker）：通过可穿戴设备或行为数据捕捉疾病信号，用于辅助或替代传统临床终点
• GLP-1：近年全球最热门的药物靶点之一，中国药企在此赛道上已与跨国药企形成正面竞争
• License-out / BD：中国 Biotech 将资产授权给海外药企的商业模式，是出海的重要路径之一

关于我们:

🎙️本期嘉宾：

• 殷梦雅：生物统计Associate Director, 北加州清华校友会会长

很多女性在成长过程中，都经历过一种隐形的焦虑 -- 害怕错过窗口期，害怕不够优秀，害怕被规则落下...

在本期【她定义】特别企划中，我们邀请到的嘉宾殷梦雅。当一位女性成为母亲、成为管理者、成为社群建设者，她如何在多重身份之间，定义自己的人生节奏？

人生没有标准答案，你的人生，你来定义。

• 08:06 养育窗口期仅是漫长职业生涯中的一小段，不必因短期机会的流失而过度焦虑 。

• 11:15 打破被动：从“等待分配任务”转变为“积极表达需求”，并习惯处理无法被量化指标衡量的灰色地带 。
• 14:05 定义卓越：Great Coworker 会带着好奇心寻找问题的根因，并主动接手职责边缘的工作 。
• 18:22 信任积累：利用 20% 的时间通过“多问为什么”来扩展业务边界，建立专业度与好奇心的口碑 。

• 25:38 思维升维：执行者关注“怎么做”，管理者则需深挖需求背后的“为什么”，并具备拆解宏观问题的能力 。
• 30:57 客观视角：学会跳出主观情绪，识别那些客观存在且短期无法解决的问题，避免团队陷入内耗 。
• 34:23 高效沟通：将复杂问题“翻译”成简短、可操作的小问题，并利用LLM快速拓宽知识边界 。
• 39:43 逻辑胜出：非母语者不必纠结语言精准度，严密的逻辑和系统化拆解问题的能力才是核心竞争力 。

• 47:28 身份转变：从北加州清华校友会活动的“受益者”，转变为社区建设的“贡献者” 。
• 51:54 认知对齐：通过社群交流发现，职场早期最核心的痛点在于“预期与现实的偏差”，以及对晋升规则的不透明认知 。
• 58:47 成功的定义：不依赖外在评价，追求理性的决策执行，以及每天对客观真相多一点点的了解。

关于我们:

从神经外科到计算建模，从实验小鼠到脑计划蓝图——本期我们与两位计算神经科学探索者深入探讨智能的本质、人脑与AI的根本差异，以及这个神秘领域如何在数据洪流与理论困境中前行。无论你是对意识好奇的哲学爱好者，还是关注AI极限的科技观察者，这场对话都将带你触及智能科学的深邃边界。

🎙️ 本期嘉宾：

• 曹老师：日本某脑科学研究所研究员，计算神经科学博士生。研究方向：元认知、感知的计算建模
• 阿苏：美国高校脑启发人工智能（Brain-inspired AI）方向博士生。研究方向：基于神经科学原理设计AI算法。
• 主持人：小羊，小泽

时间轴：

01:19 – 嘉宾背景：从神经外科到计算神经科学

07:23 – 计算神经科学是什么？
用代码和数学模型研究大脑，基于fMRI、单细胞记录等数据；与实验神经生物学的关系。

11:49 – 理解大脑 = 重建智能吗？

14:53 – 我们该如何定义智能？
细菌、线虫、狗——智能的边界在哪里？资源限制原来对于智能的产生如此重要

22:24 – LLM与人脑可比吗？“语言”的地位为何如此特殊？

25:58 – AI有“主观能动性”吗？
AI缺乏生存压力与资源限制，其“进化”是人类设计的优化；

33:08 – 具身性：AI需要身体吗？

40:49 – 计算神经科学简史

50:11 – 全球脑计划面面观：美国，欧盟，日本，中国的不同视角。

56:30 – 结尾：神经科学如何改变我们看世界的方式？到底人类智能和AI智能有什么本质差异？

“人类最宝贵的部分，可能是我们非理性的部分。”

🧠 关键概念：

• 计算神经科学：用数学与计算模型研究大脑工作机制
• Qualia（感受质）：主观体验（如颜色、痛感）的内在感受
• 具身性：智能需通过身体与外界交互获得体验
• 预测编码：大脑通过自上而下预测与自下而上误差修正处理信息

🔗 相关提及

• 书籍：《Theoretical Neuroscience》（理论神经科学经典教材）
• 理论：整合信息论（IIT）、预测编码、贝叶斯脑假说
• 机构：美国BRAIN计划、欧盟Human Brain Project、日本Brain/MINDS、中国脑计划

关于我们:

2025 年的最后一期节目，我们想慢下来，聊点更走心的东西。这一期的灵感来自我们很喜欢的播客《没理想编辑部》——我们从一份10个问题的清单出发，开启了一场年底的坦白局。

这期节目我们也邀请到了斯坦福在读PhD小篱，同时她也是播客《X的多重宇宙》的主播之一，一起加入这场关于回顾、困惑与成长的对话。

这一期不只是我们的复盘，也邀请正在听这期节目的你，一起参与进来：如果你也想在年末认真回望这一年，却不知道从哪里开始，不妨拿走这 10 个问题，和我们一起，把 2025 再走一遍。

02:08 今年捅过的一个篓子

08:12 在哪方面我是专业的

14:16 最有挑战性的一件事

29:10  最有趣的事

31:05 最绝望的时候

35:47 最恍然大悟的事

39:18  最令人难忘的评价

41:07 今年的一个奇遇

44:12 思考最久的一个问题

47:19 明年希望探索和践行的事

49:35 八爪鱼bioctopus播客明年的愿景

我们聊到的内容：

小篱加入的创业组织 — 华源HYSTA，总部位于硅谷的非营利组织，致力于服务华裔专业人士与创业者，重点关注科学与技术领域的领导力、创业与职业发展。

小泽参加的跑山活动 — 斯巴达勇士赛（Spartan Race），将越野跑、障碍挑战与斯巴达勇士的坚韧精神结合，是一项全球性的极限健身和障碍跑活动。

小篱提到的利他性相关书籍 — 《人性的弱点》

Alex的人生艺术家 — Georgia O'keeffe，美国现代主义艺术的重要代表人物，以大胆的色彩、简洁而富有力量的形式著称，尤其以花卉、动物骨骼与新墨西哥风景闻名。

小泽的花栗鼠

Alex和小羊看的音乐剧 — 《Suffs》，是一部讲述美国女性争取选举权运动的百老汇音乐剧它以真实历史人物为核心，聚焦不同女性在理念、策略与代际之间的分歧与合作，呈现了一段关于权利、坚持与改变的群像故事。

片尾曲：《Keep Marching》from Suffs

本期节目，我们邀请到硅谷AI生物科技新锐公司EvolutionaryScale的机器学习工程师Tina，一起深入探讨蛋白质生成式AI模型ESM3如何颠覆传统生物研究。从Meta实验室被裁到组建初创公司，再到加入扎克伯格生物中心，这支团队如何用“科技公司思维”破解蛋白质设计难题？我们还将讨论AI制药的现状、模型可解释性的挑战，以及硅谷工程师如何用“初学者心态”推动基础科学。

本期嘉宾:

Tina｜Evolutionary Scale机器学习工程师，前自动驾驶领域产品经理，从零转型AI生物领域的跨行者

时间轴：

06:10 AI制药行业光谱：传统药厂 vs. 科技巨头

08:00 为什么AI特别适合解决生物问题？

12:39 “失败经验限制想象力”：科技公司背景团队的“初学者心态”优势

17:48 蛋白质结构预测的演进史

23:43 Scaling Law的坚定信仰: 为何相信“数据+算力”优于复杂模型架构？

27:07 最浪漫的评估指标：生成具有发光功能的GFP蛋白质，模拟自然界5亿年演化

32:32 AI制药的现实挑战：结构预测的“失之毫厘，谬以千里”、毒性、特异性等临床前障碍

相关提及:

• 公司：Evolutionary Scale, Meta FAIR, Google Health, OpenAI, Chan Zuckerberg Biohub
• 文章：《The Bitter Lesson》

我们的小红书账号也开始运营啦！如果不想要错过我们的内容更新，欢迎大家关注我们的小红书账号 @八爪鱼bioctopus🐙 

感谢收听！欢迎订阅、转发给身边感兴趣的朋友们！

关于我们:

本期节目，我们对话位于硅谷的初创公司Kepler AI的两位联合创始人Ashton与Quinn，深入探讨AI Agent如何解决生物信息学中的"最后一公里"难题，科学家与AI的合作新模式，以及从大厂到创业的心路历程。

Kepler AI是一家位于硅谷的初创公司，专注于开发企业级别的生物信息AI Agents，加速科学发现。

时间轴：

02:15 - 为什么生物信息学需要AI Agent？

生物信息学领域知识碎片化，湿实验专家、数据分析师和软件工程师之间存在巨大沟通壁垒。LLM技术在工具调用和自然语言交互上的突破赋能各个职位。

08:30 - Kepler的应用场景

湿实验科学家现在无需编写代码就能分析自有数据，生物信息学家可以大幅加速项目迭代过程。AI Agent正在处理那些曾经因为时间和技术限制而被忽略的80%数据。

14:22 - 药厂的"最后一公里"难题

在生物医药，客户愿意为提升最后那5%的准确度，而支付5倍甚至100倍的价格。Kepler通过接入专业数据库和提供结构化输出，解决了通用大模型在生物医药专业领域"最后一公里"的问题。

19:45 - AI Scientist的未来展望

当前的AI Scientist更多是单点解决方案，专注于实验设计、文献查询等具体任务。未来将向端到端串联发展，但复杂的人机沟通仍然是实现真正AI Scientist的主要挑战。

27:44 -  全职创业的心路历程

Ashton和Quinn分享自己全职创业的心路历程、发展规划和底层动力。

35:44 - 创业者的日常与成长

创业的典型一天是怎么样的？怎么选择你的团队？如何定义成功与失败？身处硅谷，如何在这样一个信息爆炸的环境中自处？听创始人分享自己的思考和感悟。

我们的小红书账号也开始运营啦！如果不想要错过我们的内容更新，欢迎大家关注我们的小红书账号 @八爪鱼bioctopus🐙

感谢收听！欢迎订阅、转发给身边感兴趣的朋友们！

关于我们:

本期节目深入探讨生物医药领域最火热的前沿技术：类器官。我们邀请到了国内类器官公司的一线研发者，揭秘类器官如何替代动物实验、加速抗癌药筛选、甚至未来实现“器官定制”。从肝脏毒性测试到皮肤芯片国家标准，从肿瘤精准医疗到全脑类器官的伦理争议，带你看懂类器官的现在与未来。

00:00 – 开场：辉瑞减肥药翻车，为什么动物实验救不了新药？

• FDA推进类器官替代动物实验：为什么动物模型不靠谱？

03:11 – 类器官是什么？从海绵（是一种动物！）自组织到iPSC干细胞革命

• 请看文尾图：）

07:10 – 类器官 vs 器官芯片：城市 vs 高速公路系统

• 类器官是三维细胞团，器官芯片为其提供微流体“营养公路”

09:46 – 类器官实战应用

• 肝脏毒性检测：一颗类器官100元，提前筛出60%漏检毒物
• 皮肤芯片：国内首个国家标准，替代兔子滴眼实验，欧莱雅早期探索
• 肿瘤替身：患者活检样本2–3周试多药，加速精准治疗
• 全脑类器官：40天胎儿脑模型引发“意识风险”伦理讨论
• 再生医学：全球首例唾液腺移植成功，未来或替代肝肾移植

36:12 – 行业现状

• 国内上下游80+公司参与展会，但重要外支架Matrigel仍被美国CORNING垄断
• 政府基金入场，痛点：标准化缺失、患者认知不足

45:54 – 自动化设备：液滴工程如何实现高通量生产？

51:39 – 主讲人的小红书使命：让更多人知道类器官的存在

• “患者不知道类器官，才是最大阻碍！”

52:11 – 结尾重磅新闻：NIH成立类器官标准化中心

• 美国国立卫生研究院设立SOM Center，推动类器官替代动物实验

（小编偷偷放的网图 嘘🤫

本期节目是生物医药咨询主题的下半场，我们继续与神经生物学PhD、咨询顾问Susie深度对话。揭秘咨询公司到底是如何在药企背后运筹帷幄，并解析全球医药市场的最新趋势。

八爪鱼温馨提醒：本期为咨询主题下半场，如果感兴趣转型经验+行业入门，建议收听EP6.1。

时间轴：

00:00 – 开场介绍

本期聚焦四大板块：市场准入、战略咨询、全球拓展、商业优化。

02:10 – 市场准入：药价怎么定？保险公司凭什么说了算？

访谈医疗保险和资深医生、建立定价模型，药企定价背后的逻辑大揭秘。

13:25 – 战略咨询：10 年后的阿尔茨海默市场要怎么玩？

以阿兹海默为例，讲述从 patient journey 到文献综述，咨询公司如何帮助药企预测未来市场格局。

24:40 – 全球化挑战：医保、政策、流行病学差异下的市场进入难题。

32:50 – 商业战略优化：药效好不够，还要能卖得动

专利期、竞争格局、定价博弈，咨询顾问如何帮药物商业成功。

42:00 – 近几年的行业趋势探究，为什么大药企都在缩减科研开支？

关于我们:

本次节目八爪鱼邀请到了在北美精品生物医药咨询公司工作的Susie博士，聊了聊我们一直好奇的生物医药咨询行业。节目分为上下两期，本期聚焦PhD转型咨询的经验分享，下一期节目将会给大家带来更多生物医药咨询的行业洞见。

时间轴：

00:00 – 开场介绍

嘉宾Susie：神经生物学PhD转型咨询，现就职于北美精品生物医药咨询公司。

02:35 – 咨询公司的“魔幻”案例：从纽约垃圾桶到苹果供应链

纽约市政府花200万请麦肯锡设计新垃圾桶为何被骂？苹果的废料回收和阿联酋国民银行的AI转型又如何在咨询公司的帮助下如虎添翼？

20:55 – Susie的转型故事：从实验室老鼠到商业战场

PhD中期觉醒之路：如何逃离5个月才能验证一个假设的神经生物学研究？

29:00 – 生物医药咨询面试通关秘籍

Case interview刷题准备面试；快速学习能力成为咨询人必备技能。

33:42 – 咨询顾问的日常：每天写PPT？干到最后变销售？

39:12 – 咨询是终点吗？Susie对未来的的职业规划。

关于我们:

本期节目是八爪鱼的一次全新尝试：我们希望以明星公司为切入点，聊聊背后的行业趋势与发展。这一期，我们聚焦近期热度颇高的 Tempus AI，以及它所代表的精准医疗赛道。欢迎收听！

02:28 – Tempus AI在资本市场浮浮沉沉：佩洛西抛售英伟达、苹果，重仓Tempus AI；做空机构严重指控；Tempus AI为何是市场焦点

03:48 – 精准医疗的本质突破：从“千人一方”到基因定制疗法，如何通过基因组测序、电子病历和生活方式数据实现个性化治疗？

16:05 – 创始人Eric的争议人生：“被女友甩后卖地毯年入十几万"——Groupon黑历史与癌症数据帝国的诞生。

22:10 – 创业契机：妻子患癌暴露的行业痛点，“医生治疗没有数据支持，因为没有完整数据库”，Tempus如何从绝望中诞生？

25:40 – Tempus AI领跑的核心：医生下单到获取报告的完整流程解析。

27:55 – 盈利模式的争议：数据授权给药厂年收千万美元，AI只是噱头？

32:32 – 做空报告实锤Tempus AI？ 患者年龄标记错误、样本记录矛盾，前员工爆料“不在乎科学”。

37:33 – AI医疗火热，Tempus AI为何领跑？

关于我们:

在这期节目中，我们邀请到刚刚从美国医学院毕业的Nina，分享她成为医生的心路历程。从希波克拉底誓言的仪式感，到AI在医疗中的应用，再到不同科室的收入差异和职业选择，Nina用真实的故事和深刻的思考，带我们走进医学生的世界。

时间轴：

00:00 – 本期嘉宾Nina是刚从美国医学院毕业的新晋医生，即将开始内科住院医培训
“签工作合同时，感觉像签了卖身契——人生的一部分已经属于医学。”

03:36 – 美国医学院的4+4培养体系
四年本科+四年医学院的学制和申请医学院的隐形门槛，USMLE（美国医师执照考试）与专科选择。

11:30 – 面对生离死别：医生的情感挑战
“病人永远是医生最好的老师，他们活在我的心里。”

13:42 – AI在医疗中的应用
AI书写员、OpenEvidence，AI融入医生生活的机遇与挑战。

26:13 – 科室收入差异与职业选择，以及中美医疗体系的差异

37:56 – 学医的代价与坚持
“1/3的美国医生至少被告过一次。”

42:37 – 结尾：对医学的敬畏与热爱
“不要神化医生，职业和做人是两码事。脚踏实地，仰望星空。”

关于我们:

五一劳动节特辑来啦！在这期节目里八爪鱼和你一起深度探讨「向上管理」的生存智慧。从实验室到职场，从讨薪特种兵到导师安抚大师，聊聊那些我们与老板相处的实用经验。

时间轴：

01:10 - 选组如嫁人：决定未来5年幸福的关键选择

05:33 - 小泽谈好老板的黄金标准：有钱+给试错空间

09:01 - 微观管理（Micromanagement）的窒息体验

每两小时Slack查岗？Alex被质问"为什么没抄送我"？

13:53 - 老板的格局决定牛马的破局

19:20 - 人文关怀重要吗？破洞牛仔裤引发的实验室温情回忆

27:21 - 讨薪大作战

小羊历经大半年拉锯战最终涨薪成功的血泪史。

35:37 - 老板预期管理：为什么总说"下周就能好"是灾难？

42:48 - 会议纪要救大命："青天大老爷，这是你昨天让我做的！"

关于我们：

2025年2月20日，罗氏发布了全新测序技术SBX（Sequencing by Expansion），引发业界关注。SBX发布会上宣传的测序准确性达到Q39令人震惊，但这究竟是技术革命还是虚张声势？本期节目中，新主播小泽和小羊将带你深入解析SBX测序技术的核心创新、亮点和潜在局限，探讨其在学界和业界的应用前景。

时间轴：

00:00 – SBX测序技术来了！

小羊和新主播小泽带你聚焦罗氏SBX测序技术！

03:12 – 罗氏的测序执念：一路的收购与尝试

从454测序技术到最新的SBX技术，罗氏十几年在测序领域屡次尝试与挣扎背后的故事。

05:06 – 纳米孔技术 vs. Illumina：测序到底怎么测？

详细解读纳米孔测序与illlumina测序技术的根本区别，以及Roche副总裁“我们高效测序DNA的办法是不测序DNA”的神秘含义。

07:09 – 什么是Xpandomer？罗氏的技术秘密武器

深度剖析SBX的核心Xpandomer技术如何实现信号增强，让测序更清晰、更高效。

08:45 - SBX是纳米孔测序，但是为什么测不长？

作为纳米孔测序的SBX，为什么最终的测序长度止步在一两千？

10:25 – SBX的技术优势在哪里？

从“flexible operation”，到惊人的高通量和高准确度，小泽为你深度解读SBX的多维优势。

21:21 – SBX听起来很厉害，但它有哪些局限？

新技术固然诱人，但价格未知加上技术的潜在局限，让想上桌吃饭的SBX面临挑战。

27:49 – 学术界和工业界，谁更适合SBX？

SBX能否真正挑战Illumina的江湖地位？小泽和小羊从各自领域的角度展开探讨。

33:36 – 总结与展望：SBX的未来值得期待吗？

SBX带来了短读长测序的新方案，尽管前景光明，但最终影响力还得看价格。

参考资料：

• Roche的SBX测序发布的Webinar Recording：https://sequencing.roche.com/us/en/videos/webinar-sequencing-by-expansion-technology.html
• X-NTP以及Xpandomer的结构：

• 纳米孔读Xpandomer得到的清晰到肉眼可做basecalling的电信号（so crazyyyyyy。。。）：

• 大家一起来学习一下大佬名言：
  "Our approach to efficiently sequencing DNA is to not sequence DNA." -- Mark Kokoris, Vice President, Head of SBX Technology at Roche Diagnostics Seattle.

关于我们：

八爪鱼bioctopus第一期节目来啦！在这里我们聚焦生物科技、医疗、AI的前沿动态，也分享个人成长的思考与实践。

去年，Alex做了一个让人惊讶的决定：她从美国某药厂R&D部门的生信组辞职，选择回到学术界读博，目前是Berkeley的PhD Student👩‍🔬。在这期节目里，Alex分享了她的心路历程。

时间轴：

00:00 – 我们是谁？

Alex和小羊开场打招呼，从生物科技到AI，从成长故事到行业八卦，咱们啥都聊！

01:15 – 你疯了吧？！辞掉高薪工作去读博？

小羊听说Alex要辞职去读博时，一脸震惊：“你之前的工作不是很不错吗？”Alex讲述自己的纠结——是继续稳定工作，还是追求更深层次的科研？

02:49 – 读博到底是信仰，还是现实考量？

Alex回忆自己大学时的“跟风”心理，聊聊当初为什么没有立刻选择读博，而是先工作了几年再回到学术圈。

06:48 – 学界 vs. 业界：科研的意义感从哪里来？

是在学术圈深耕研究、突破未知？还是在业界把技术落地，真正改变患者的生活？Alex和小羊有着不同的答案。

09:14 – 业界到底可以培养人吗？

Alex读博的终极目标是成为独立的科研者、影响行业的决策者；那么业界能否给她带来这样的成长呢？

12:10 – 没有 PhD，在业界会被轻视吗？

讨论职场里“学历鄙视链”的现实情况。没有博士学位，真的意味着升职更慢、话语权更少吗？

17:14 – 为什么我没有选择读博？小羊的思考

既然行业里PhD偏多，为什么小羊没走这条路？

21:49 – “小决定睁眼做，大决定闭眼做”

这句研讨会上听来的话，彻底点醒了 Alex，也帮她下定了决心——有些事情，分析再多都没用，去做了才知道值得不值得。

关于我们：