EP17-1 对谈Tommy Tang | 深度拆解药厂生信研究
Shownotes
欢迎大家来到VITA1001大药厂股东大会。此次大会我们很荣幸邀请到了生信圈的硬核领路人——Tommy Tang。他先后在学术机构，医院，初创公司就职，目前在AZ担任 Bioinformatics Director，支持新药研发。同时，他在LinkedIn上有62358个followers。作为天使投资人，他将和我们的老朋友，返场嘉宾韩博士一起，为我们深度拆解药企的生信研究，AI在生信领域的应用与局限。
Tommy Tang | Bioinformatics Director | Educator YouTube @chatomics
Blog: https://divingintogeneticsandgenomics.com/
LinkedIn: https://www.linkedin.com/in/%F0%9F%8E%AF-ming-tommy-tang-40650014/
重点预览：
- 嘉宾背景与职业转型
02:22 Tommy 的科研起点。
02:43 Tommy 分享从实验（wet lab）转向生信的动力。
03:55 Tommy 认为早期的湿实验经验对现在的生信分析非常有帮助，能从全局视角理解数据产生过程。
- 生物数据与生信研究
06:14 探讨多组学（Multi-omics）整合的挑战，包括样本量制备，数据复杂性及不同组学间的差异。
07:50 分析处理多组学数据冲突的方法。
10:45 生信结论需要多个层面的证据支持和后续实验验证。
13:23 在真实项目中，研究人员需要在样本数量（Sample Size）与多组学深度之间做出平衡，以保证统计学意义。
17:41 单细胞测序在研究肿瘤异质性中的作用。
18:52 耐药性的形成机制，往往是药物选择过程导致原本就存在的耐药细胞发生扩增。
24:42 临床数据解读的难点，病人的治疗背景会对基因和表观基因数据有干扰。
- AI 在生物医药领域的应用与局限
26:53 如果 AI 团队缺乏药物开发和生物学基础，容易在模型训练中犯低级错误。
29:07 生信日常工作中使用的 AI 工具，例如GitHub Copilot 和 Cursor，以及它们对初级工程师的影响。
32:16 讨论虚拟细胞（Virtual Cell）和数字孪生（Digital Twin）的概念及目前实现的高度局限性。
37:50 AI在特定领域表现优异，如皮肤癌（黑色素瘤）的图像识别准确率已非常高。
39:16 AI的定义，涵盖了机器学习、深度学习及最新的大语言模型（LLM）等多个范畴。
- 药物研发中的生信角色
41:20 梳理药物研发的四个阶段：早期发现、临床前、临床研究及上市监管，以及生信在各阶段扮演的角色。
48:43 药物上市后，生信仍可以利用 LLM 抓取文献中的副作用报告并构建知识图谱。
51:33 比较初创生物技术公司（Biotech）与大型药企（Biopharma）在生信团队配置和侧重点上的差异。
1:07:20 生信行业最大的痛点：数据分享的边界限制以及缺乏统一、干净的数据标准和 ID 系统。
----
VITA1001 Modern Pharma | 药物研发流程以及背后的人物和故事
正在研发：VITA系列新型长生不老药
目前在售：VITA1001小药丸
在售平台：Apple Podcasts/Spotify/YouTube Music/小宇宙/喜马拉雅/网易云音乐/Bilibili
🔍搜索：VITA1001 Modern Pharma/ VITA1001大药厂
欢迎一起来玩：
小红薯： VITA1001 Modern Pharma
微信号： VITA1001 Modern Pharma