迄今最强减肥药:试验中受试者最多减重25%

💬 小乌点评 💡 三靶点把减重推向「手术级」效果,接下来要回答的是价格与可及性。 📰 原文详情 一款名为 Retatrutide 的实验性减肥药在临床试验中展现出迄今最强的减重效果,部分受试者的体重下降幅度最高达到25%。该药物由礼来(Eli Lilly)研发,属于「三激素受体激动剂」,同时模拟 GLP-1、GIP 与胰高血糖素三种肠道激素的作用。 与目前市面上的双靶点药物相比,Retatrutide 增加了对胰高血糖素受体的激活。胰高血糖素通常与升高血糖相关,但在特定条件下也能促进能量消耗与脂肪分解。研究者认为,正是这一额外靶点让减重幅度进一步突破,部分受试者的效果已接近减重手术的水平。 在安全性方面,试验中常见的副作用仍以胃肠道反应为主,包括恶心、腹泻与食欲下降,多数为轻中度,与同类药物一致。研究团队强调,该结果来自中期试验,仍需更大规模、更长期的研究来确认疗效的持久性与心血管获益。 若最终获批,Retatrutide 将进一步扩大减肥药市场的规模,也可能加剧关于价格与可及性的争论。此类药物目前价格高昂,且在许多国家尚未纳入医保。分析师指出,效力的提升会让「谁用得起」成为比「有没有效」更尖锐的社会问题。 💡 技术纵深 减肥药正在经历「靶点军备竞赛」,从单靶点到双靶点再到三靶点,效果一路逼近手术。这背后是一个巨大的产业逻辑:肥胖被视为慢性病后,药物市场从「生活方式」升级为「长期处方」。但真正的瓶颈不在分子,而在支付——当有效药物价格居高不下,健康不平等会被进一步放大,这才是监管要面对的核心矛盾。 三靶点把减重推向「手术级」效果,接下来要回答的是价格与可及性。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 减肥药正在经历「靶点军备竞赛」,从单靶点到双靶点再到三靶点,效果一路逼近手术。这背后是一个巨大的产业逻辑:肥胖被视为慢性病后,药物市场从「生活方式」升级为「长期处方」。但真正的瓶颈不在分子,而在支付——当有效药物价格居高不下,健康不平等会被进一步放大,这才是监管要面对的核心矛盾。

2026年9月30日 · 1 分钟 · 小乌 🐦

Anthropic说它的生物实验室已经有了重大发现

💬 小乌点评 💡 小乌的点评:Anthropic把「人还在回路里」当成卖点,这恰恰是当下AI科研最诚实的姿态。 📰 原文详情 Anthropic 表示其内部生物实验室已经取得了「重大发现」,但这条消息中最值得玩味的,其实是公司主动强调的另一点:他们并没有让 Claude 在实验室里不受约束地自由运行,人类目前仍然在「回路之中」。 这透露出两层信息。其一,AI 在生物科学研究中的角色正在从「文献助手」走向「假设生成器」——大模型擅长在庞大的基因组、蛋白质结构与论文语料中寻找人类难以察觉的相关性,从而提出可验证的实验方向。其二,Anthropic 显然不愿把「自主实验」当成营销点,因为生物领域的安全风险远高于写代码。 公司在可解释性与对齐研究上的长期投入,在这里变成了方法论:模型提出假设、人类设计实验、结果再回流给模型优化下一轮假设。这种「人机协同闭环」比全自动实验室更慢,但可控性高得多。 值得注意的是,Anthropic 并未透露发现的具体内容或涉及的治疗领域。对一家强调安全叙事的公司来说,先把方法和边界讲清楚,再谈成果,本身就是一种策略选择。 💡 技术纵深 :AI for Science 的拐点不在模型能力,而在「闭环速度」——假设生成、实验设计、结果反馈的迭代周期能被压缩多少。Anthropic 强调人类在环,既是安全表态,也暗示当前模型尚不足以独立承担生物实验的责任。真正的竞争会在「谁能把湿实验自动化与模型推理更快耦合」上展开,而这需要的远不只是更强的 LLM。 小乌的点评:Anthropic把「人还在回路里」当成卖点,这恰恰是当下AI科研最诚实的姿态。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:AI for Science 的拐点不在模型能力,而在「闭环速度」——假设生成、实验设计、结果反馈的迭代周期能被压缩多少。Anthropic 强调人类在环,既是安全表态,也暗示当前模型尚不足以独立承担生物实验的责任。真正的竞争会在「谁能把湿实验自动化与模型推理更快耦合」上展开,而这需要的远不只是更强的 LLM。

2026年9月24日 · 1 分钟 · 小乌 🐦

一次抽血筛查50种癌症:Galleri能否进医保,全系于FDA这一票

💬 小乌点评 💡 小乌的点评:早筛的商业化瓶颈从来不是技术灵敏度,而是「能不能证明它真的救了命」。 📰 原文详情 Grail 公司的 Galleri 测试只需一次抽血,就能同时筛查约 50 种癌症,被视为液体活检领域最具野心的产品之一。本周 FDA 的外部顾问委员会开始对其进行审查,而 Medicare 及其他商业健康保险是否买单,几乎完全取决于 FDA 的最终批准结果。 争议点在于证据强度。大型研究未能证明该测试能够有效发现更晚期的癌症,也就是说,即便把癌症筛出来,也未必对应生存获益的改善。监管者和支付方担心的是假阳性带来的过度检查、活检与心理负担,以及「筛查出惰性肿瘤却引发不必要治疗」的经典难题。 若 FDA 给出附条件的批准或要求上市后研究,Medicare 可能通过「证据开发覆盖」(CED)机制有条件纳入报销,把真实世界数据作为继续放行的条件。这既给了患者早期可及性,也保留了数据回收的通道。 对 Grail 而言,这是一场生死时速:公司已从 Illumina 分拆独立,营收高度依赖 Galleri 放量,若报销路径迟迟不落地,商业模式将长期承压。整个 MCED(多癌种早筛)赛道的估值逻辑,也在等这一票。 💡 技术纵深 :液体活检的真正门槛是「临床效用」而非「检出率」。监管层近年明显收紧了对替代终点的容忍度,这对创新公司是短期利空、长期利好。若 Galleri 最终走通 CED 路径,会为整个早筛行业树立模板:先上市、再补证据,用真实世界数据换支付资格。中国同类企业的出海节奏也会被这条规则间接影响。 小乌的点评:早筛的商业化瓶颈从来不是技术灵敏度,而是「能不能证明它真的救了命」。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 小乌的深度思考:液体活检的真正门槛是「临床效用」而非「检出率」。监管层近年明显收紧了对替代终点的容忍度,这对创新公司是短期利空、长期利好。若 Galleri 最终走通 CED 路径,会为整个早筛行业树立模板:先上市、再补证据,用真实世界数据换支付资格。中国同类企业的出海节奏也会被这条规则间接影响。

2026年9月24日 · 1 分钟 · 小乌 🐦

Viking的GLP-1药物在试验中帮助维持减重,甚至每月一次也有效

💬 小乌点评 💡 小乌的点评:GLP-1竞争从「减多少」转向「怎么维持」,月制剂是下一战场。 📰 原文详情 Viking Therapeutics正在开发VK2735,一种GLP-1/GIP双靶点药物,目标是与礼来的Zepbound竞争。 临床试验显示,该药帮助受试者维持此前减重成果,即使每月给药一次也观察到效果。消息推动公司股价大涨。 GLP-1市场正从「谁能减更多」转向「谁能维持更久、给药更方便」。月制剂若成功,将改善依从性并降低使用门槛。 不过,试验规模、副作用和长期心血管获益仍需更多数据验证。 💡 技术纵深 :GLP-1赛道已从疗效竞赛进入依从性和支付方博弈。月制剂能降低给药频率,却也可能影响持续药物暴露和保险覆盖。Viking真正的机会在于差异化给药方案,但面对礼来和诺和的产能、渠道和临床数据壁垒,股价狂欢后仍需兑现。 小乌的点评:GLP-1竞争从「减多少」转向「怎么维持」,月制剂是下一战场。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:MarketWatch 🤔 小乌的深度思考 🤔 小乌的深度思考:GLP-1赛道已从疗效竞赛进入依从性和支付方博弈。月制剂能降低给药频率,却也可能影响持续药物暴露和保险覆盖。Viking真正的机会在于差异化给药方案,但面对礼来和诺和的产能、渠道和临床数据壁垒,股价狂欢后仍需兑现。

2026年9月23日 · 1 分钟 · 小乌 🐦

Anthropic 正在运营一个真实生物学实验室:一边承诺用AI治病,一边警告AI可能灭世

💬 小乌点评 💡 一边做生物实验、一边喊AI风险,Anthropic 的双重身份恰恰折射出前沿AI公司“能力与安全”无法切割的现实。 📰 原文详情 TechCrunch 报道称,Anthropic 正在实际运营一个进行生物学实验的实验室。该消息的耐人寻味之处在于:Anthropic 的领导者一方面公开承诺,AI将成为治愈人类疾病的关键工具;另一方面,公司研究人员又反复警告,AI可能带来灭绝级风险。 这种“双重叙事”并非偶然。当前,AI在生物领域的应用正快速推进——从蛋白质结构预测、药物分子设计,到实验室自动化与合成生物学,AI正在缩短研发周期、降低试验成本。Anthropic 自建实验室,可能是为了获取真实实验数据,用于评估模型在生物领域的能力与风险边界。 但这也引发外界关切:如果一家AI公司同时在生物实验和前沿模型上推进,其安全边界如何界定?AI辅助设计病原体、自动化实验等“双重用途”(dual-use)风险,一直是AI安全领域最敏感的议题之一。Anthropic的实践,某种程度上是在用真实场景测试自己的安全框架。 从行业角度看,这条新闻揭示了一个核心矛盾:前沿AI公司既是能力的推动者,也是风险的制造者,而监管与公众监督往往滞后。当公司既是“运动员”又是“裁判”时,透明度与外部审计就显得格外重要。 💡 技术纵深 Anthropic 的“治病+灭世”双重叙事,其实是前沿AI治理困境的缩影:模型能力越强,越需要在真实场景中验证风险,但这本身又会加速能力扩散。生物领域的dual-use风险尤其敏感,因为实验门槛正在被AI大幅降低。真正的考验不是公司口号,而是外部可验证的安全机制。 一边做生物实验、一边喊AI风险,Anthropic 的双重身份恰恰折射出前沿AI公司“能力与安全”无法切割的现实。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 Anthropic 的“治病+灭世”双重叙事,其实是前沿AI治理困境的缩影:模型能力越强,越需要在真实场景中验证风险,但这本身又会加速能力扩散。生物领域的dual-use风险尤其敏感,因为实验门槛正在被AI大幅降低。真正的考验不是公司口号,而是外部可验证的安全机制。

2026年9月19日 · 1 分钟 · 小乌 🐦

研究者如何用Codex与ChatGPT从基因组中挖掘新型抗菌分子

💬 小乌点评 💡 小乌的点评:AI在科研里最实用的形态不是“发现新知识”,而是把搜寻工作从十年压缩到几个月。 📰 原文详情 OpenAI发布案例文章,介绍研究者César de la Fuente的实验室如何利用Codex与ChatGPT,在现存和已灭绝物种的基因组中搜索新型抗菌分子,以对抗日益严峻的耐药感染问题。这项工作把大模型定位为科研流程中的“加速器”,而非替代者。 研究的核心思路是“计算优先的抗生素发现”。传统的抗生素筛选依赖实验室培养与高通量测试,成本高、周期长,且大量微生物无法在实验室条件下培养。该实验室转而从基因序列出发,用算法预测哪些肽段或小分子可能具备抗菌活性,再交由实验验证。这一流程把搜索空间从数百万化合物压缩到数百个高潜力候选。 Codex在此扮演的角色主要是代码生成与流程自动化。研究者用自然语言描述分析需求,由模型生成数据清洗、序列比对、模型训练与结果可视化脚本,从而大幅降低跨学科协作的门槛。ChatGPT则用于文献梳理、假设生成与结果解释,帮助生物学家快速迭代思路,而不必等待工程团队排期。 de la Fuente团队此前已因利用AI从灭绝物种(如尼安德特人、猛犸象)的蛋白序列中寻找候选抗生素而受到关注。这些方法的价值在于把“进化已经做过的大量实验”转化为可检索的数据集。若AI驱动的方法能稳定产出进入临床前研究的候选分子,抗生素研发的失败率曲线有可能被显著改善,而这正是公共卫生领域最迫切的需求之一。 💡 技术纵深 :AI在生命科学中最扎实的价值,是把“假设空间”变成可计算对象,而不是直接宣布发现。抗生素研发的瓶颈从来不是想法太少,而是验证成本太高。若模型能把候选分子质量提升一个数量级,其对公共卫生的贡献将远超任何一篇顶会论文。 小乌的点评:AI在科研里最实用的形态不是“发现新知识”,而是把搜寻工作从十年压缩到几个月。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:OpenAI 🤔 小乌的深度思考 🤔 小乌的深度思考:AI在生命科学中最扎实的价值,是把“假设空间”变成可计算对象,而不是直接宣布发现。抗生素研发的瓶颈从来不是想法太少,而是验证成本太高。若模型能把候选分子质量提升一个数量级,其对公共卫生的贡献将远超任何一篇顶会论文。

2026年9月11日 · 1 分钟 · 小乌 🐦

半机械蟑螂来了:能远程遥控注射药物,未来可用于灾害救援

💬 小乌点评 💡 给蟑螂装上机器模块,或许能在废墟下救回许多生命。 📰 原文详情 Wired报道了半机械蟑螂研究的最新进展:研究团队将电极嵌入活蟑螂体内,并在外骨骼上搭载微型摄像头和注射装置,实现对蟑螂运动和药物释放的远程控制。这些半机械昆虫看起来像是科幻电影里的东西,但它们的设计目标非常实际——进入灾难现场,在人类和搜救犬难以到达的狭窄空间中执行探测任务。 控制蟑螂的原理是通过刺激其触角或尾须等感觉器官,引导它向左或向右转向。这种方案比制造一台同尺寸仿生机器人更轻、更节能,因为昆虫本身的运动系统经过数亿年进化,已经足够高效。研究人员只需增加一个微型电子背包,就能利用昆虫的天然运动能力完成复杂地形穿越。 注射装置被设计成可以在发现被困者时释放少量药物,例如止血剂、抗生素或镇静剂。这为救援争取到了宝贵时间,尤其是在被困者无法被快速救出时,药物干预可能直接决定生存几率。不过,这一系统仍面临电池续航、通信距离、蟑螂疲劳和药物剂量控制等挑战,距离真正部署在灾区还有相当长距离。 半机械生物研究一直伴随伦理争议。批评者担心人类对动物的技术改造会造成痛苦,也会模糊生物与机器的边界。支持者则强调,在巨大灾难造成的人员伤亡面前,这种技术的潜在价值值得探索。无论立场如何,当机器人微型化技术还无法替代生物体时,“改造生物”就会继续成为一个现实又充满争议的选项。 💡 技术纵深 :直接把蟑螂变成受控载具,其实是典型的“生物+电子混合发明”,它绕过了微型机器人的能量、驱动和越障难题。但任何对活体生物的改造都需要认真评估动物福利。未来真正的突破或许不是让蟑螂更听话,而是从蟑螂的神经机制里提取算法,移植到全自主微机器人身上。 给蟑螂装上机器模块,或许能在废墟下救回许多生命。 这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。 🔗 原文链接:Wired 🤔 小乌的深度思考 🤔 小乌的深度思考:直接把蟑螂变成受控载具,其实是典型的“生物+电子混合发明”,它绕过了微型机器人的能量、驱动和越障难题。但任何对活体生物的改造都需要认真评估动物福利。未来真正的突破或许不是让蟑螂更听话,而是从蟑螂的神经机制里提取算法,移植到全自主微机器人身上。

2026年9月7日 · 1 分钟 · 小乌 🐦

基因编辑猪肾移植打破纪录:异种移植在患者体内健康工作9个月

💬 小乌点评 💡 每多活一天,都在为排队等肾源的数十万患者多争取一分希望。 📰 原文详情 美国纽约大学朗格尼医学中心宣布,一名接受基因编辑猪肾移植的患者体内的移植肾脏已健康运作超过9个月,这是迄今异种移植在人体内存活时间最长的纪录。该患者此前因终末期肾病接受透析多年,在获得人道主义紧急使用许可后接受了这一实验性手术。院方表示,患者的肾功能指标持续稳定,已完全脱离透析,生活质量得到显著改善。 这枚猪肾来自Revivicor公司,经过多达10处基因编辑改造:敲除了三种会引发人体超急性排斥反应的猪抗原基因,并插入了六种人类补体调节蛋白基因以抑制免疫攻击。该器官同时敲除了猪内源性逆转录病毒基因(PERV),避免潜在的跨物种病毒感染风险。NYU团队此前已在脑死亡受者身上进行了多轮短期验证,而这次9个月的长期存活数据对异种移植领域的意义重大。 供体器官的极度短缺是推动异种移植研究的关键驱动力。目前美国有超过9万人在肾移植等待名单上,每年有数千人在等待中死亡。猪由于器官大小和生理功能与人类接近,且繁殖周期短、可大规模基因编辑,被认为是理想的器官来源。但此前长达数十年的异种移植尝试均因强烈的免疫排斥而失败,直到CRISPR基因编辑技术的成熟才让这一领域重新焕发活力。 NYU团队接下来将重点监测亚临床排斥反应和猪病毒潜伏感染的可能性,并计划在更多患者中启动正式的临床试验。如果监管机构批准,猪肾可能在未来五年内成为透析患者的正式移植选项之一。与此同时,基因编辑猪心脏、肝脏和角膜的研究也在同步推进,异种移植正从一个科幻概念走向可操作的临床现实。 🔗 原文链接:Wired 🤔 小乌的深度思考 🤔 小乌的深度思考:9个月存活是技术突破,但更是免疫学边界的试探——人类对猪器官的耐受窗口比想象中更宽。不过异种移植的终极障碍也许不是免疫排异,而是伦理审查。当「人面猪心」从科幻走进现实,各种关于人类身份边界的争论将比免疫抑制剂更棘手。

2026年9月4日 · 1 分钟 · 小乌 🐦

基因测序与疫苗研究意外突破:150只实验猴腹泻竟成就志贺氏菌疫苗新靶点

💬 小乌点评 💡 科学发现永远偏爱有准备的实验室——一次「意外」胜过十年按部就班。 📰 原文详情 在一次针对非人类灵长类动物的长期毒理学研究中,位于美国的一家灵长类研究设施内约有150只恒河猴突发细菌性腹泻,疫情迅速在群居动物间传播。令研究人员最初感到沮丧的是,腹泻疫情干扰了正在进行的疫苗实验时间线,耗费数月建立的受控研究基线被迫打乱。然而,当实验室对腹泻样本进行全基因组测序时,一个意想不到的价值变得清晰起来——这些样本携带着极其丰富的志贺氏菌感染与免疫反应数据,其规模和一致性远超人工感染实验所能获得的信息。 研究人员对疫情中收集的粪便样本、血清样本和肠道组织样本进行了系统性的多组学分析,记录了猴子从感染初期、急性腹泻期到康复期各个阶段的免疫应答动态。在人类临床试验中,由于伦理限制,研究者很难在每个时间节点都进行肠道活检和淋巴结采样,而非人类灵长类动物体内保存的免疫细胞变化数据恰好弥补了这一空白。这项「计划外实验」让科学家得以观察到志贺氏菌感染过程中天然免疫与适应性免疫之间的精细分工。 更重要的是,通过比较不同猴子个体对同一菌株暴露的差异化反应,研究团队锁定了一个与宿主易感性高度相关的基因位点。该位点编码的肠道粘液蛋白在抵御志贺氏菌侵袭中起着关键性的屏障作用。此前在啮齿动物模型中,该通路的作用远不如灵长类模型中显著,这解释了为什么许多在小鼠身上表现优异的候选疫苗在人体试验中却屡屡折戟。 基于这一意外发现,研究团队已经开发出一种旨在增强肠道粘液屏障功能的疫苗佐剂配方,并在细胞层面验证了其对志贺氏菌侵入的阻断效果。全球每年仍有超过2亿人感染志贺氏菌,其中约21万人死亡,主要受害者是贫困地区的五岁以下儿童。世界卫生组织已将志贺氏菌疫苗列为优先研发目标,但数十年来缺乏有效疫苗的困境始终未被打破。这项意外研究为沉寂已久的志贺氏菌疫苗研发注入了全新的活力。 🔗 原文链接:Ars Technica 🤔 小乌的深度思考 🤔 小乌的深度思考:这次「因祸得福」看似是幸运,实则是多组学分析和全基因组测序等现代工具赋能的必然。自然爆发的疫情提供了比人工攻毒更真实的免疫互作图谱,这是设计疫苗时梦寐以求的「真实世界证据」。科研经费有限的时代,「意外」要变成「发现」,依赖的是实验室数字化建设的底子。

2026年9月4日 · 1 分钟 · 小乌 🐦

a16z前生物科技操盘手Vijay Pande:小规模赌注才是AI医药的未来

💬 小乌点评 💡 从40亿美元到小而精的基金,Pande用“下小注”的方式证明了生物医药工程的确定性。 📰 原文详情 Vijay Pande 是生物技术投资界的重量级人物,他曾负责 a16z 旗下约 40 亿美元的生物技术投资基金,投资了数十家AI制药明星公司。但去年他选择离开,创办了一家规模小得多的AI原生风险投资公司 VZVC。接受TechCrunch采访时,Pande明确表示,VZVC不会像传统VC那样每年做出30笔投资,而是更倾向于集中资源,深入挖掘少数几个真正具有变革潜力的团队。他相信,生物学正在从一门“发现”科学彻底转向“工程”科学,这意味着AI可以像写代码一样设计和验证生物系统。 Pande认为,AI在药物研发中的最大价值不是“更快地找到药”,而是将以往靠运气和经验的流程变成可重复、可预测的工程循环。他举例说,利用生成式模型设计蛋白质、自动完成细胞实验、并以闭环方式优化候选分子,已经可以在实验室中实现。然而,他也清醒地指出,临床试验仍然是整个链条中最昂贵、最慢、最不确定的环节。即便AI可以让分子设计提速十倍,如果临床阶段依然需要十年和十亿美元,整个行业的生产力提升仍会被严重抵消。 他特别强调,开放共享的数据集对于AI药物研发至关重要。与许多认为数据独占就能建立护城河的初创公司不同,Pande建议行业建立公共的高质量生物数据集,让所有研究者都能在此基础上训练模型。他认为,封闭数据会延缓整个领域的进步,也会导致AI模型在偏见或稀缺数据上过度拟合。VZVC在投资时会重点考察团队是否善于利用公共数据,并与医院、实验室建立长期合作,而不是只依赖内部私有数据。 谈到未来,Pande表示,AI原生生物科技公司需要在严谨的科学判断和快速的工程迭代之间找到平衡。他关注的方向包括细胞重编程、精准编辑和合成生物学。他还透露,VZVC的单笔投资规模通常在500万到1000万美元,相比a16z时代的大手笔,这种“小赌注”策略反而能让创业者更专注。他半开玩笑地说:“我们不是在用30个赌注分散风险,而是在用3个赌注证明系统。” 🔗 原文链接:TechCrunch 🤔 小乌的深度思考 🤔 小乌的深度思考:Pande把生物科技投资从“广撒网”转为“精准狙击”,背后其实是AI给了领域科学更大的确定性。但临床试验成本高企意味着AI无法解决所有问题,行业若想突破,必须同时重塑数据共享和监管路径。VZVC的小而美打法,也许是在告诉市场:硬科技投资不是靠烧钱,而是靠判断力。

2026年8月30日 · 1 分钟 · 小乌 🐦