E250｜mRNA的第二战场：对话英博，拆解Moderna人类首个肿瘤疫苗三期突破

[0.2s -> 4.3s] Hello 大家好 欢迎收听硅谷1015 我是红军 [4.3s -> 13.4s] 有一个好消息是9月10号我会去上海的外摊大会将会在主论坛还有Token效率论坛上和大家见面 [13.4s -> 18.4s] 外摊大会是全球高级别的前业科技与金融科技的盛会 [18.4s -> 26.3s] 本次还设置了超现实的AI音乐会、科技展、创投Meetapp这些有趣好玩的环节 [26.4s -> 31.2s] 如果大家感兴趣可以在 show notes 中找到链接来报名参与 [31.2s -> 36.6s] 名额有限先到先得 也很期待能够在线下跟大家见一见 [37.6s -> 42.8s] 我们今天的节目是评论区呼声很高的 mRNA 总有疫苗 [42.8s -> 45.7s] 先说一个数字 177% [45.7s -> 50.4s] 这个是 Moderna 的股价在8月19号这一天之内的涨幅 [50.4s -> 54.2s] 从 250 亿美金的市值到 690 亿美金 [54.4s -> 55.7s] 华尔街为什么疯狂? [55.7s -> 61.0s] 因为这一天 人类第一次在 3 期零床上验证了一件事情 [61.0s -> 64.5s] MRNA 疫苗可以用来对付癌症 [64.5s -> 67.6s] 至少先从黑色塑流开始 [67.6s -> 72.2s] 所以很多人也把他和当年新冠疫苗的突破相提并论 [72.2s -> 75.8s] MRNA 技术的第二战场正式大象了 [77.0s -> 78.6s] 他的逻辑也很特别 [78.6s -> 82.8s] 他是为每一个病人定制一只专属的疫苗 [82.8s -> 87.0s] 教会他自己的免疫系统去追杀癌细胞 [87.0s -> 89.6s] 可以说是一人一药 [89.6s -> 93.2s] 所以这期节目我们也是在看到这个新闻之后 [93.2s -> 99.8s] 很快联系到了在 mRNA 领域有资深研发和从业经验的中文嘉宾 [99.8s -> 103.2s] 他是爱博生物的创始人英博博士 [103.2s -> 107.5s] 10年前他就在 Moderna 从事肿流疗法的研究 [107.5s -> 109.7s] 2019 年回国创业做出了 [109.7s -> 114.6s] 第一个在海外获批临床使用的国产 mRNA 新冠疫苗 [114.6s -> 118.4s] 同时他也在搭建肿流疫苗的研发体系 [118.4s -> 122.5s] 可以说是这条赛道的清理者与压住者 [122.5s -> 126.1s] 不过癌症疫苗其实一直都不是一个新概念 [126.1s -> 128.2s] 科学家探索了几十年 [128.2s -> 135.6s] 为什么偏偏到今天 mRNA 肿流疫苗才第一次跨过了三期临床这道门槛 [135.6s -> 139.7s] 那这期节目我们就会从 Moderna 三期的结果出发 [139.7s -> 143.2s] 拆解个性化癌症疫苗到底是怎么工作的 [143.2s -> 145.8s] 也会聊一聊 Moderna BioNTech [145.8s -> 149.7s] 和中国公司正在压住的不同的技术路线 [149.7s -> 153.8s] 以及 AI 在其中到底解决了什么问题 [153.8s -> 162.1s] 那下面就请收听我们生物医药的研究员羽山与英博博士的对话 [162.1s -> 164.0s] 英博博士欢迎来到Begoo101 [164.0s -> 166.6s] 要不然先给我们的观众介绍一下你们自己 [166.6s -> 170.3s] 好的 首先叫英博 然后爱不送的创始人 [170.3s -> 173.0s] 以前是从06年开始的 [173.0s -> 177.2s] 因为我的整个 Professional Career 都是在和核酸药物打交道 [177.2s -> 180.8s] 做过小核酸做过 mRNA 然后做过基因治疗的产品 [180.8s -> 183.7s] 所以说在回国创业的时候已经选择了 mRNA [183.7s -> 186.0s] 作为整个公司发展的一个技术平台 [187.0s -> 192.1s] 所以我看到其实您之前也有在最近大伙的 Moderna 的从业经理 [192.1s -> 194.5s] 然后您之前在那边去担任高级科学家 [194.5s -> 196.0s] 然后以及项目负责人 [196.0s -> 199.8s] 包括您也一直在从事核酸行业的开发的工作 [199.8s -> 201.7s] 那您是为什么会选择这个领域 [201.7s -> 203.8s] 然后包括在 Moderna 期间 [203.8s -> 207.2s] 是不是当时也已经参与了一些种流疫苗的研发 [207.2s -> 210.5s] Moderna 首先它是一个平台型的公司 [210.5s -> 214.0s] 在当时的话也是整个 mRNA 领域领头的企业 [214.0s -> 218.0s] 所以说它方向上大致氛围四个当时 [218.0s -> 221.6s] 一个是种流治疗 罕见病 传染病疫苗 [221.6s -> 223.5s] 以及个性化种流疫苗 [223.6s -> 228.1s] 这四个 Peeler 都是跟不同的 Partner 一起来建立起来的 [228.1s -> 231.6s] 当时比如说种流的话是和 AZ 叫 Ankhidol [231.6s -> 233.2s] 传染病疫苗叫 Valero [233.2s -> 236.2s] 罕见病的话 LpDero 和 Alexant 当时有合作 [236.2s -> 240.8s] 最后一个的话是个性化种流疫苗是 Caperna 和 Merck 有合作 [240.8s -> 242.7s] 就是 Personalized Cancer Vaccine [242.7s -> 244.7s] 这样的话几个字我们拼起来的意思 [244.7s -> 249.9s] 对我来说最大的收益还是接触到了整个 mRNA 的一个平台 [249.9s -> 252.4s] 当然我个人也贡献了自己的一部分力量 [252.4s -> 255.2s] 就是在整个的地送 CMC 的研发上面 [255.2s -> 257.7s] 您当时是在这个四个板块中的哪一边 [257.7s -> 259.8s] Ankhidol 主要是做种流治疗的产品 [259.8s -> 261.4s] 哦 种流治疗产品 对的 [261.4s -> 263.5s] 它这个也是用 mRNA 的平台 对吧 [263.5s -> 267.3s] 但它和个性化的疫苗是有一些区别的 [267.3s -> 271.1s] Moderna 是非常专注的一家公司 [271.1s -> 274.0s] 即使在新冠疫情之后 [274.0s -> 278.1s] 它其实也只是专注于 mRNA 技术路线发展 [278.1s -> 280.7s] 而基于这样一个平台公司来判断 [280.7s -> 283.7s] 做什么样的治疗领域最符合逻辑 [283.7s -> 288.0s] 明白 后面您就回国创业做爱博生物 [288.0s -> 291.0s] 您也是就交在 mRNA 这个领域吗 [291.0s -> 293.4s] 我们只聚交在 mRNA 这个领域 [293.4s -> 295.5s] 当时像我的经历和经验的话 [295.5s -> 297.4s] 小核酸相对比较多 [297.4s -> 302.1s] 但是回国之前和国内一些做小核酸领域的前辈们也都聊了一聊 [302.1s -> 304.8s] 觉得国内不缺一家做小核酸的公司 [304.8s -> 309.8s] 而恰恰相反 当时国内做 mRNA 是相对来说公司是比较少的 [309.8s -> 312.4s] 那么总有一个人要把这件事情做起来 [312.4s -> 314.8s] 您当时回国的那个时候19年 [314.8s -> 317.9s] 国内这个 mRNA 这个产业是一个什么样的现状 [317.9s -> 322.1s] 国内很多投资人当时是对 mRNA 非常不了解 [322.1s -> 324.4s] 18年年底某个人上市 [324.4s -> 328.8s] 所以说大家对 mRNA 至少这个领域是不得不去稍微看一看 [328.8s -> 331.0s] 但是还是知知甚少 [331.0s -> 334.0s] 比起小核酸从2000年初开始有发展的话 [334.0s -> 336.9s] 大家对 mRNA 领域到底有哪些技术难题挑战 [336.9s -> 338.0s] 它能做什么样的事情 [338.0s -> 340.7s] 其实了解是非常非常之有限的 [340.7s -> 342.3s] 甚至有投资人跟我说 [342.3s -> 346.7s] 我是他见过的第一个从 Moderna 回来的活人 [346.7s -> 352.0s] 那您当时是怎么样决定离开博士顿回国去做 mRNA 的产业 [352.0s -> 353.2s] 原因比较复杂 [353.2s -> 357.2s] 最后一家公司是从 Boston 搬到了 San Francisco [357.2s -> 361.9s] 对我来说 Boston 相当于是一个具有特殊意义的城市 [361.9s -> 363.4s] 十几年都在这里 [363.4s -> 366.9s] 如果是随着公司从 Boston 搬到 San Francisco [366.9s -> 369.5s] 其实也就隔着个太平洋就回家了 [369.5s -> 371.3s] 所以说还不是我直接就回家 [371.3s -> 374.1s] 最后是在小核酸 mRNA 基因编辑之间 [374.1s -> 377.4s] 选择了不是最成熟的那条技术路线小核酸 [377.4s -> 381.1s] 但是也不是当时觉得离成熟还很远的基因编辑 [381.1s -> 383.2s] 所以是选择条折中的 mRNA 的路线 [383.2s -> 385.8s] 同时我认为 mRNA 做传染病疫苗 [385.8s -> 387.0s] 做肿瘤的治疗 [387.0s -> 390.3s] 这两个方向在国内都是有巨大的治疗的市场 [390.3s -> 392.8s] 您要不然大概跟我们介绍一下 [392.8s -> 393.6s] 您之前的求学 [393.6s -> 395.4s] 包括您的从业的经历 [395.4s -> 396.8s] 本科本来是学生物 [396.8s -> 397.9s] 出国的时候 [397.9s -> 399.5s] 本科的同学已经在国外的 [399.5s -> 400.7s] 因为我读了研究生出国

[400.7s -> 402.0s] 所以说国外同学给我建议 [402.0s -> 402.9s] 说你看看 [402.9s -> 406.0s] 你没有办法去做跟药剂学相关的 [406.0s -> 408.6s] 这样的话以后可能更接近于应用 [408.6s -> 410.7s] 对我个人的兴趣也比较适合 [410.7s -> 413.3s] 所以说我就带国外读了药剂学的博士 [413.3s -> 415.0s] 而药剂学博士的毕业论文 [415.0s -> 416.6s] 就是关于小核酸的地送 [416.6s -> 419.4s] 当时的项目还是有 L-Nilum 资助的 [419.4s -> 421.3s] 然后加入了 Dyson 这样做小核酸 [421.3s -> 424.3s] 所以小核酸对我来说工作的时间是最长的 [424.3s -> 426.7s] 在我心里永远是有一个 soft corner [426.7s -> 429.3s] 但是回国毕竟创业的时候 [429.3s -> 431.3s] 你要考虑到一是需求 [431.3s -> 433.6s] 二是跟自己的经验和经理相关 [433.6s -> 435.5s] 而正是涉及到我第二份从来的经历 [435.5s -> 437.6s] 在 Moderna 因为小核酸的话 [437.6s -> 440.0s] 在15年左右有一个巨大的转折 [440.0s -> 441.9s] 从 L-Nilum-based delivery [441.9s -> 444.8s] 就是地送到 Galnike 肝脏地送 [444.8s -> 447.5s] 而我的经验主要是基于地送系统 [447.5s -> 449.2s] 就是 L-Nilum-Lipinana particle [449.2s -> 451.2s] 所以说当时我是从原来的第一家公司 [451.2s -> 452.6s] 在三上到了 Moderna [452.6s -> 454.9s] 然后做基于 L-Nilum-Lipinana 系统的开发 [454.9s -> 457.0s] 第三份工作的话就是从 Moderna [457.0s -> 458.2s] 到基因治疗的公司 [458.2s -> 460.7s] 也是 Moderna 前高管创立的公司 [460.7s -> 463.6s] 这是整个三份在 Boston 的 Professionals 经历 [463.6s -> 466.1s] 等回国的话也是基于这三份经历 [466.1s -> 470.2s] 选了 MRI 作为公司所发展和立足的方向 [470.2s -> 472.0s] 之前你在波士顿都是在业界 [472.0s -> 472.9s] 都是在公司里面 [472.9s -> 475.9s] 其实应该也都是有一套比较完整的公司的体系 [475.9s -> 478.3s] 然后你回到国内以后开始做 MRI 创业 [478.3s -> 481.2s] 首先是国内可能对这个领域的认知也比较有限 [481.2s -> 483.2s] 然后你也是开始创业 [483.2s -> 485.0s] 就从领到一开始做一家公司 [485.0s -> 487.1s] 这个是什么样的一个转变 [487.1s -> 489.2s] 你是怎么样的一个思路里程 [489.2s -> 490.8s] 转变是挺大的 [490.8s -> 492.1s] 但是好处是这样子 [492.1s -> 494.5s] 就是国内和国外 BioTech [494.5s -> 496.9s] BioTech 其实它并谈不上什么体系 [496.9s -> 500.7s] 因为做的都是 Immersion Technology [500.7s -> 502.8s] 那么 Technology 是新的 [502.8s -> 504.3s] 所以说技术是新的 [504.3s -> 505.9s] 那么你要围绕着技术 [505.9s -> 508.0s] 搭建一套成熟的体系 [508.0s -> 510.2s] 而不是说围绕着一套传统的技术 [510.2s -> 511.4s] 搭建一套平台 [511.4s -> 512.3s] 这几家公司 [512.3s -> 515.2s] 它的体系其实都是围绕着技术来搭建的 [515.2s -> 519.1s] 而我觉得在 Boston 这些年的工作经验 [519.1s -> 524.3s] 对我整个国内创立公司是有着非常非常重大的影响的 [524.3s -> 525.7s] 最大的一个就是 [525.7s -> 528.1s] 我不畏惧去面对这些未知 [528.1s -> 530.2s] 而面对一个比较动荡的环境 [530.2s -> 531.6s] BioTech 从来就是这样 [531.6s -> 534.1s] 我们必须要时刻拥抱着对于未来 [534.1s -> 536.5s] 对于未知 对于科研的不确定性 [536.5s -> 538.3s] 嗯 是的是的 太棒了 [538.3s -> 541.8s] 那我们就来说一说最近非常大热的 Moderna [541.8s -> 545.6s] 是因为它跟 Merck 共同开发的这一个肿瘤疫苗 [545.6s -> 550.0s] 它在一个非常大型的多人参加临床实验中 [550.0s -> 552.0s] 获得了三期的积极成果 [552.0s -> 555.2s] 然后也导致它的股价盘中一度大涨百分两百 [555.2s -> 558.0s] 是一个可能在整个生物医药的二级市场 [558.0s -> 560.8s] 都非常罕见的一个实践了 [560.8s -> 563.4s] 那您怎么看待 Moderna 这一次股价来到生 [563.4s -> 566.3s] 您觉得它这个增长背后是一个什么样的逻辑呢 [566.4s -> 571.1s] 我们恰好在这个实验结果出来之前的一个周末 [571.1s -> 574.6s] 开了一个 Offsite 的战略会 这样一共三天 [574.6s -> 578.6s] 而我们在战略会上对于整个全球竞争格局的分析 [578.6s -> 581.4s] 包括 Wall Street 对于 Moderna 的认知 [581.4s -> 583.3s] 认为这个公司未来的看练 [583.3s -> 584.8s] 不在于传染病疫苗 [584.8s -> 587.8s] 而在于肿瘤疫苗 以及肿瘤治疗 [587.8s -> 589.1s] 所以说在周中的话 [589.1s -> 591.6s] 正好就看到 Moderna 的三期临床实验 [591.6s -> 592.7s] 我们不能说成功 [592.7s -> 595.5s] 但是一个非常 positive的 readout [595.6s -> 597.6s] 这个实验叫 Interpath 001 [597.6s -> 600.9s] 联合P2的在黑色素流患者中 [600.9s -> 602.1s] 手术切除之后 [602.1s -> 604.2s] 它的无复发生存时间 [604.2s -> 606.7s] 巨大的成功跟 PD1 相比 [606.7s -> 609.3s] 这个实验验证了一些 [609.3s -> 611.6s] 以前没有被证实 [611.6s -> 613.7s] 没有被confirm的一些猜想 [613.7s -> 616.4s] 第一就是 Moderna 的天花板 [616.4s -> 619.2s] 绝不是一个传染病疫苗的公司 [619.2s -> 620.9s] 如果是一个传染病疫苗的公司 [620.9s -> 623.1s] 那么它的天花板是可预期的 [623.2s -> 626.0s] 可是如果 Moderna 是一个传染病疫苗公司 [626.0s -> 628.3s] 加上一个更大的肿瘤市场 [628.3s -> 629.6s] 就是 On Colleges [629.6s -> 632.1s] 这样的话未来几乎是星辰大海 [632.1s -> 634.8s] 因为你可以想象整个肿瘤病人的群体 [634.8s -> 637.2s] 还有一个就是预防性药物的定价 [637.2s -> 639.8s] 和治疗性药物定价的空间又不同 [639.8s -> 641.9s] 这是为什么我们觉得 [641.9s -> 643.6s] Wall Street 或者整个二级上 [643.6s -> 646.8s] 给 Moderna 这么积极反馈的原因所在 [646.8s -> 648.4s] 但其实我觉得这样的反馈 [648.4s -> 649.8s] 还只是在路上 [649.8s -> 652.0s] 未来应该还会有更多更多的 [652.0s -> 654.2s] positive的 feedback 也好 [654.2s -> 655.9s] 或者是二级上正向的反馈 [655.9s -> 657.4s] 也好给到这样一家公司 [657.4s -> 659.0s] 因为对于这样一家公司来讲 [659.0s -> 660.4s] 面对着很大的未知 [660.4s -> 662.4s] 尤其是做很多开出性的研究 [662.4s -> 664.4s] 人们应该对它只有 respect [664.4s -> 665.9s] 首先是无论成败 [665.9s -> 666.8s] 更重要的是 [666.8s -> 668.8s] 它为了大家汤出了这么一条路 [668.8s -> 669.6s] 种流疫苗 [669.6s -> 672.0s] 在种流治疗以及售后防护法中 [672.0s -> 673.7s] 真的会起到巨大的作用

[673.7s -> 676.0s] 您刚刚说它是一个星辰大海的公司 [676.0s -> 678.0s] 然后有很多年默默的耕耘 [678.0s -> 679.0s] 是不是可以帮我们的观众 [679.0s -> 679.9s] 也简单的回顾一下 [679.9s -> 682.8s] 某种人俩在种流疫苗的这个引发 [682.8s -> 684.2s] 它是什么样的一个积累 [684.2s -> 686.0s] 到了今天这样的一个结果 [686.0s -> 686.5s] 大家看 [686.5s -> 688.9s] Moderna的公司成立是在2010年 [688.9s -> 690.2s] 当时基于的技术平台 [690.2s -> 691.8s] 就是整个的MRA [691.8s -> 692.8s] 个性化种流疫苗 [692.8s -> 694.6s] 它带来的挑战是巨大的 [694.6s -> 696.0s] 因为大家看到的 [696.0s -> 697.6s] 其实还只是科研 [697.6s -> 700.0s] 但实际上做药从来不简简单单 [700.0s -> 701.2s] 是一个科研挑战 [701.2s -> 705.2s] 更多的是科研加上整个CMC生产 [705.2s -> 707.0s] 是一个应用技术的挑战 [707.0s -> 708.7s] 如何能把一款药生产出来 [708.7s -> 710.8s] 而个性化种流疫苗就代表着 [710.8s -> 712.8s] 对于CMC整个生产 [712.8s -> 715.0s] 公益技术要求的一个极限 [715.0s -> 717.4s] 因为它是一个个性化疗法的产品 [717.4s -> 718.8s] 同时对于监管来说 [718.8s -> 720.1s] 也是一个新的产品 [720.1s -> 723.6s] 监管也要面临很多的一些新的要求 [723.6s -> 726.0s] 去怎么样是控制这样一款产品的质量 [726.0s -> 728.6s] 在过去十几年的时间里面 [728.6s -> 730.6s] 某种人作为这个行业的先驱 [730.6s -> 732.6s] 真的是做了很多很多 [732.6s -> 735.7s] 在幕后的研发 开发 [735.7s -> 737.0s] 包括对于风险的客服 [737.0s -> 740.4s] 是我们在屏幕前面可能是感受不到的 [740.4s -> 743.2s] 嗯 那我们也非常期待它后面的机器的结果 [743.2s -> 745.5s] 也想请您稍微给大家介绍一下 [745.5s -> 746.9s] 它的这个临床三期实验 [746.9s -> 748.6s] 它大概是一个什么样的设计 [748.6s -> 750.6s] 像您说是一个机器结果 [750.6s -> 752.6s] 那它到底对于黑色组罗这个治疗 [752.6s -> 754.1s] 它到底意味着是什么 [754.1s -> 757.3s] 嗯 InterPath001这样一个实验的话 [757.3s -> 759.1s] 是一个全球多中心 [759.1s -> 761.2s] 大概入组了1000多位病人 [761.2s -> 764.8s] 它的是双盲随机疗法的这样一个实验 [764.8s -> 767.0s] 一个ARM就是更加好种类苗 [767.0s -> 769.9s] 加上PD1 加上Kichu的和Morocco合作的 [769.9s -> 772.3s] 另一个ARM就是PD1 only [772.3s -> 775.1s] 在数后切除黑色素肿瘤的患者中 [775.1s -> 778.9s] 它是因为是比较晚期的黑色素肿瘤的患者 [778.9s -> 780.8s] 这样的患者一般来说 [780.8s -> 783.6s] 在手术切除掉肿瘤之后 [783.6s -> 787.0s] 三个月到一年之内就会有复发 [787.0s -> 789.1s] 也就是肿瘤会重新长出来 [789.1s -> 792.4s] 那么它带给公司一个机会 [792.4s -> 794.6s] 就是我可以在很短的时间内 [794.6s -> 797.0s] 我就可以看到我的药物是否有效 [797.0s -> 798.4s] 如果有效的话 [798.4s -> 801.0s] 那么它的不复发时间 [801.0s -> 802.8s] 均该大大的延长 [802.8s -> 805.3s] 这也是整个实验设计的一个主要终点 [805.3s -> 806.7s] primary endpoint [806.7s -> 809.8s] 就是recurrence free survival [809.8s -> 811.9s] 在这样的一个实验的对比上 [811.9s -> 814.7s] 个性化种类苗联合PD1Kichu的 [814.7s -> 817.6s] 是要远远好于PD1 only的 [817.6s -> 818.7s] 这两个之间的差异 [818.7s -> 820.7s] 达到了统计学的显出的意义 [820.7s -> 822.2s] 所以说这也是大家认为 [822.2s -> 823.6s] 这样一款产品目前 [823.6s -> 826.3s] 才是有极大极大的成功率 [826.3s -> 828.0s] 当然最后的话还是要看 [828.0s -> 829.4s] overall的survival [829.4s -> 833.2s] 就是OS生存率是否能有进一步的延长 [833.2s -> 836.5s] 可是目前来讲recurrence free survival [836.5s -> 840.1s] 就应该是直接对应着生存期的延长 [840.1s -> 842.8s] 它和最早免疫原性 [842.8s -> 845.4s] 是否能转化成生存率的延长 [845.4s -> 846.5s] 还是不一样的 [846.5s -> 847.9s] 因为没有复发 [847.9s -> 850.9s] 那么必然生存期会有一定的延长 [850.9s -> 852.0s] 刚才向您讲到 [852.0s -> 853.8s] 它临床设计的两个arm [853.8s -> 856.1s] 也就是两个不同的分组 [856.1s -> 858.0s] 一边它是联合PD1药物 [858.0s -> 859.6s] 我们也可以稍微展开讲一讲 [859.6s -> 861.7s] 首先这个PD1药物它是什么 [861.7s -> 864.0s] 为什么是要做这样的一个联合的机制 [864.0s -> 865.6s] 相比于做这个联合 [865.6s -> 868.4s] 包括它的实验设计背后的一些考虑吧 [868.4s -> 869.8s] PD1可以被称之为 [869.8s -> 872.8s] 种流免疫治疗上最伟大的发现之一 [872.8s -> 875.2s] 当然发明者也得了诺奖 [875.2s -> 877.8s] 它我们简称为email checkpoint inhibitor [877.8s -> 880.3s] 因为种流之所以它无限生长 [880.3s -> 882.4s] 是因为它可以抑制免疫系统 [882.4s -> 883.6s] 对它的识别 [883.6s -> 885.6s] 而PD1的作用就是去掉 [885.6s -> 888.4s] 种流细胞对于免疫系统的这样一个结抗 [888.4s -> 889.6s] 使得我们的免疫系统 [889.6s -> 891.5s] 可以作用在种流细胞上 [891.5s -> 893.5s] 使它不再能无序的生长 [893.5s -> 895.6s] 所以说PD1目前已经成为 [895.6s -> 897.6s] 整个种流免疫疗法的基石 [897.6s -> 898.9s] 就是Connor Stone [898.9s -> 900.9s] 目前认为所有的免疫疗法 [900.9s -> 903.5s] 都是应该基于PD1的基础上 [903.5s -> 905.9s] 甚至是对于PD1低表达的病人 [905.9s -> 907.3s] 临床有些医生认为 [907.3s -> 911.6s] 病人也真有可能从PD1的使用中获益 [911.6s -> 912.6s] 而这样的话 [912.6s -> 913.6s] 个性化种流疫苗 [913.6s -> 916.4s] 它相当于是给免疫系统点上一把虎 [916.4s -> 919.2s] 让免疫系统能更好的识别种流细胞 [919.2s -> 920.8s] 但是如果识别了种流细胞 [920.8s -> 923.2s] 可是如果能抑制免疫系统攻击的话 [923.2s -> 925.6s] 这就是email tolerance的一个概念 [925.6s -> 927.0s] 那么还是没有效果 [927.0s -> 930.2s] 而PD1的话就可以把去结抗的作用去掉 [930.2s -> 932.1s] 所以说免疫系统可以识别

[932.1s -> 933.0s] 可以攻击 [933.0s -> 935.3s] 这样的话可以起到了一加一大约二的作用 [935.3s -> 936.5s] 所以说这也是个性化种 [936.5s -> 937.9s] 疫苗和PD1联用 [937.9s -> 939.0s] 能起到非常好的 [939.0s -> 941.0s] 这么一个疗效的原因所在 [941.0s -> 942.6s] 对 个性化种流疫苗 [942.6s -> 944.1s] 在Moderna的发布中 [944.1s -> 947.0s] 它用的是个性化新抗原疗法 [947.0s -> 948.0s] 首先这个个性化 [948.0s -> 949.1s] 然后包括新抗原 [949.1s -> 950.2s] 包括您刚刚提到 [950.2s -> 951.7s] 其实利用这个种流疫苗 [951.7s -> 953.6s] 是可以帮助免疫细胞 [953.6s -> 954.9s] 更好去识别种流 [954.9s -> 957.2s] 那它这个个性化的新抗原疗法 [957.2s -> 958.2s] 或者这个种流疫苗 [958.2s -> 960.5s] 它大概是一个什么样的机制呢 [960.5s -> 963.6s] 首先传统的种流药物 [963.6s -> 965.4s] 基本上都是会面临一个 [965.4s -> 967.1s] 杀敌1000自损800 [967.1s -> 969.1s] 甚至是杀敌800自损1000的 [969.1s -> 970.0s] 这样一个局面 [970.0s -> 973.4s] 因为它很少可以完全区分 [973.4s -> 975.8s] 快速分生的种流细胞 [975.8s -> 979.0s] 和快速分化的人体正常的细胞 [979.0s -> 980.5s] 所以说我们可以看到 [980.5s -> 983.0s] 病人有这种恶心有突脱发的现象 [983.0s -> 984.3s] 这就是因为这些药物 [984.3s -> 986.1s] 也会攻击未尝到的细胞 [986.1s -> 988.1s] 以及我们的毛囊细胞 [988.1s -> 989.6s] 而个性化种流疫苗 [989.6s -> 990.7s] 它的作用是 [990.7s -> 992.4s] 我们一定是针对 [992.4s -> 995.2s] 只在种流上表达的新生抗原 [995.3s -> 996.4s] 我们叫它疫苗 [996.4s -> 999.3s] 也是因为它应用了传染病疫苗的一些原理 [999.3s -> 1001.5s] 使得我们机体把这种种流细胞 [1001.5s -> 1004.0s] 当做一个外来病毒来识别 [1004.0s -> 1006.8s] 所以说可以起到精准杀除的作用 [1006.8s -> 1007.3s] 这样的话 [1007.3s -> 1010.4s] 个性化种流疫苗的受释者在临床上 [1010.4s -> 1011.9s] 不良反应是极低的 [1011.9s -> 1014.0s] 而且病人的医从性也会非常好 [1014.0s -> 1015.0s] 我个人的观点 [1015.0s -> 1016.1s] 个性化种流疫苗 [1016.1s -> 1018.1s] 可以是基于所有疗法上 [1018.1s -> 1020.6s] 对于病人的一种极好的补充 [1020.6s -> 1022.2s] 可以使得你的免疫系统 [1022.2s -> 1025.2s] 能更有效的更准确的杀伤 [1025.2s -> 1026.1s] 种流细胞 [1026.1s -> 1028.6s] 而不去攻击正常的人体细胞 [1028.6s -> 1030.2s] 个性化的意思就是 [1030.2s -> 1031.2s] 一人一药 [1031.2s -> 1032.4s] 针对不同的病人 [1032.4s -> 1034.6s] 我们要有不同的药物的开发 [1034.6s -> 1036.2s] 而每个人的种流 [1036.2s -> 1039.4s] 它其实是一个非常非常抑制化的 [1039.4s -> 1041.8s] 它的Hitur-Zenity是非常高的 [1041.8s -> 1043.3s] 这个抑制化是指的 [1043.3s -> 1044.5s] 因为每一个人的种流 [1044.5s -> 1046.8s] 其实是自身的细胞突变产生的 [1046.8s -> 1048.2s] 虽说都叫肠癌 [1048.2s -> 1050.0s] 非小细胞肺癌 [1050.0s -> 1051.5s] 或者是都叫一线癌 [1051.5s -> 1053.7s] 但是每个人的种流是不一样的 [1053.7s -> 1055.3s] 如果你把这样的一个种流 [1055.3s -> 1057.4s] 当做一类病来处置的话 [1057.4s -> 1059.8s] 那么病人最后只能获得一个 [1059.8s -> 1061.4s] 预期之内的此外物 [1061.4s -> 1063.0s] 但是个性化种流苗不一样 [1063.0s -> 1064.9s] 是我把每一个人的种流 [1064.9s -> 1067.7s] 当做一个个性化的疾病来处置 [1067.7s -> 1069.8s] 只有开发真的每个人 [1069.8s -> 1072.3s] 种流上面的特异性的新抗原 [1072.3s -> 1074.9s] 就是种流上面的特异的标记物 [1074.9s -> 1077.0s] 我们把这段识别出来 [1077.0s -> 1078.2s] 把它做成疫苗 [1078.2s -> 1079.6s] 打回到人体内 [1079.6s -> 1081.7s] 相当于是指导免疫系统 [1081.7s -> 1085.1s] 特异性的去杀伤带有这些标记物的 [1085.1s -> 1086.2s] 种流细胞 [1086.2s -> 1087.8s] 从而可以使得免疫系统 [1087.8s -> 1089.9s] 不去攻击那些正常的细胞 [1089.9s -> 1091.4s] 这是整个个性化种流疫苗 [1091.4s -> 1092.3s] 设计的原理 [1092.3s -> 1093.7s] 以及它为什么可以达到 [1093.7s -> 1095.2s] 这样疗效的一个作用 [1095.2s -> 1096.6s] 那它实际上从一个 [1096.6s -> 1097.8s] 生产制造的过程 [1097.8s -> 1100.6s] 大概又要经历一些什么样的步骤呢 [1100.6s -> 1102.0s] 生产过程来说的话 [1102.0s -> 1102.8s] 个性化种流疫苗 [1102.8s -> 1106.6s] 堪称是药品制造的Nightmare [1106.6s -> 1108.2s] 噩梦 [1108.2s -> 1110.3s] 因为从开始的取样 [1110.3s -> 1112.2s] 到最后产品生产出来 [1112.2s -> 1112.8s] 记住 [1112.8s -> 1115.5s] 它跟传统的细胞疗法还不一样 [1115.5s -> 1116.8s] 因为种流的病人 [1116.8s -> 1118.6s] 它的病情发展是非常快的 [1118.6s -> 1119.9s] 那么我们不可能让种流病人 [1119.9s -> 1121.6s] 在树后等太久 [1121.6s -> 1122.6s] 业界认为 [1122.6s -> 1124.6s] 四到六周是一个最佳的期间 [1124.6s -> 1126.5s] 因为切除掉种流之后 [1126.5s -> 1127.7s] 病人不管怎么样 [1127.7s -> 1130.8s] 都要有这样一段时间的恢复期再用药 [1130.8s -> 1132.0s] 在树后恢复期 [1132.0s -> 1133.6s] 如果你那么药物生产出来 [1133.6s -> 1135.8s] 就等于说是一点都没有去影响 [1135.8s -> 1139.2s] 去耽搁病人接受治疗的一个窗口 [1139.2s -> 1140.8s] 如果是你耽搁了的话 [1140.8s -> 1141.8s] 这些种流细胞 [1141.8s -> 1143.8s] 可能很快又会重新生长出来 [1143.8s -> 1144.6s] 大家可想而知 [1144.6s -> 1146.3s] 给治疗就会带来巨大挑战 [1146.3s -> 1147.7s] 可是在四到六周 [1147.7s -> 1149.9s] 把这样一个个性化的产品生产出来 [1149.9s -> 1151.4s] 对于任何公司来说

[1151.4s -> 1152.6s] 对于符合药品 [1152.6s -> 1155.6s] 生产制造管理的条例的角度来说的话 [1155.6s -> 1156.8s] 都会是一个巨大的挑战 [1156.8s -> 1157.7s] 因为第一 [1157.7s -> 1160.7s] 要先从病人上面取种流细胞 [1160.7s -> 1163.2s] 以及种流旁边的正常组织 [1163.2s -> 1165.2s] 两相对比 测序 [1165.2s -> 1166.5s] 去获取 [1166.5s -> 1169.2s] 我们认为哪些可能是 [1169.2s -> 1171.1s] 只在种流上表达 [1171.1s -> 1173.9s] 并且可能引起高度免疫原性的 [1173.9s -> 1175.7s] 我们叫新生种流抗原 [1175.7s -> 1177.2s] 也就是Neoantigen [1177.2s -> 1180.0s] 然后把这些Neoantigen用反向 [1180.0s -> 1182.1s] 就是Reverse Engineering的方式 [1182.1s -> 1185.4s] 把它编码成MRNRA的个性化种流疫苗 [1185.4s -> 1188.6s] 再包裹在L1P就是Lip & Nano Particle [1188.6s -> 1190.1s] 指示纳米颗粒中 [1190.1s -> 1193.0s] 最后还要经过一系列的QC过程 [1193.0s -> 1194.7s] 然后打到病人体内 [1194.7s -> 1197.4s] 整个过程要在4到6周之内完成 [1197.4s -> 1200.6s] 对于整个生产的挑战是非常巨大的 [1200.6s -> 1203.0s] 这和生产一个Generic的drop [1203.0s -> 1205.0s] 或者是一个通用型的产品 [1205.0s -> 1206.2s] 大量的生产 [1206.2s -> 1207.8s] 广普型适用于病人 [1207.8s -> 1210.6s] 它面能挑战是完全不一样的 [1210.6s -> 1212.6s] 可以给我们再稍微细讲一讲 [1212.6s -> 1213.6s] 就是您说4到6周 [1213.6s -> 1215.3s] 其实是一个挺长的时间 [1215.3s -> 1217.0s] 那从做这个种流疫苗 [1217.0s -> 1219.1s] 个性化的新抗原疗法 [1219.1s -> 1220.4s] 它这个眉部大概 [1220.4s -> 1222.6s] 它是需要经历多长的这个周期 [1222.6s -> 1224.6s] 这个也可以给我们稍微拆析讲讲 [1224.6s -> 1226.6s] 可以稍微讲一讲几个步骤 [1226.6s -> 1228.0s] 第一步是取样 [1228.0s -> 1229.1s] 第二步测序 [1229.1s -> 1230.6s] 测序的这一步很关键 [1230.6s -> 1234.2s] 因为它是识别我们种流细胞里面 [1234.2s -> 1237.6s] 特有的这些新抗原和正常细胞里面 [1237.6s -> 1240.2s] 哪些是在正常细胞里面没有覆盖的 [1240.2s -> 1242.0s] 通过这些新抗原的话 [1242.0s -> 1243.5s] 要通过自己的算法 [1243.5s -> 1244.6s] 这点又很重要 [1244.6s -> 1247.3s] 因为基于现在整个AI的发展 [1247.3s -> 1251.2s] 它要预测哪些是真正有意义上的新抗原 [1251.2s -> 1254.0s] 这些过程都可以很快相对而言 [1254.0s -> 1255.6s] 因为随着技术的发展 [1255.6s -> 1256.8s] 我们可以说是 [1256.8s -> 1258.3s] In the order of days [1258.3s -> 1259.4s] 几天就可以生产 [1259.4s -> 1261.0s] 一周之内就可以完成 [1261.0s -> 1262.7s] 但是下面一步就是我们要 [1262.7s -> 1264.1s] 有了这些序列之后 [1264.1s -> 1265.9s] 我们要生产mRNA [1265.9s -> 1267.3s] 通常mRNA的生产 [1267.3s -> 1269.5s] 是用叫Invital Transcription [1269.5s -> 1270.7s] IVT的方式 [1270.7s -> 1272.8s] 那么我们需要DNA的模板 [1272.8s -> 1274.9s] 这个模板获取的方式不同 [1274.9s -> 1276.0s] 可以有指令的方法 [1276.0s -> 1277.2s] 可以有其他的方法 [1277.2s -> 1278.6s] 所以说这里面又可以体现出 [1278.6s -> 1280.0s] 每个公司每一家 [1280.0s -> 1283.1s] 对于整个CMC技术的把握 [1283.1s -> 1284.5s] 生产了DNA模板之后 [1284.5s -> 1286.4s] 在DNA模板的前提下 [1286.4s -> 1288.0s] 我们在题外 [1288.0s -> 1288.8s] 就是IVT [1288.8s -> 1290.4s] 我们叫Invital Transcription [1290.4s -> 1291.9s] 整个是Self-Raid的方式 [1291.9s -> 1293.1s] 把mRNA生产出来 [1293.1s -> 1294.7s] 生产出来之后要进行存化 [1294.7s -> 1295.6s] 因为这是产品 [1295.6s -> 1296.4s] 这是药物 [1296.4s -> 1297.6s] 生产出来之后的话 [1297.6s -> 1299.6s] 得到了存化的mRNA [1299.6s -> 1301.0s] DNA templates [1301.0s -> 1304.8s] 可能是要Multiple days to weeks [1304.8s -> 1306.7s] 然后是到mRNA生产 [1306.7s -> 1309.0s] 这个基本上一天就可以完成 [1309.0s -> 1310.2s] 然后包封 [1310.2s -> 1312.0s] 就是包裹在植植纳米克力里面 [1312.0s -> 1313.8s] 大概一天到两天也可以完成 [1313.8s -> 1314.6s] 但后面的话 [1314.6s -> 1315.9s] 因为是一个药品 [1315.9s -> 1317.0s] 它的质量检测 [1317.0s -> 1318.4s] 它的QC过程 [1318.4s -> 1319.8s] 这个是必不可少的 [1319.8s -> 1320.7s] 整个这个过程 [1320.7s -> 1322.8s] 我们说的就是一到两周 [1322.8s -> 1324.8s] 再把它打回到病人体内 [1324.8s -> 1326.1s] 所以说四到六周 [1326.1s -> 1328.0s] 其实给我们真正生产的时间 [1328.0s -> 1330.3s] 流程并没有想象中的那么多 [1330.3s -> 1331.5s] 而整个的过程的话 [1331.5s -> 1332.8s] 是要完全地按照 [1332.8s -> 1334.6s] 非常紧凑的流程来做的 [1334.6s -> 1336.1s] 这也就是目前来讲 [1336.1s -> 1337.5s] 为什么各个公司 [1337.5s -> 1339.4s] 包括不是我们的大力发展 [1339.4s -> 1340.9s] 自动化的一个原因 [1340.9s -> 1342.6s] 因为如果没有自动化的话 [1342.6s -> 1345.9s] 整个流程就不可能做到无人干预 [1345.9s -> 1348.0s] 然后在这样一个紧凑的时间范围内 [1348.0s -> 1349.0s] 把它完成出来 [1349.0s -> 1350.3s] 那您说的这个自动化 [1350.3s -> 1352.3s] 是在刚刚提到的步骤中 [1352.3s -> 1354.7s] 什么样的环节可以做到自动化呢 [1354.7s -> 1357.4s] 几乎是从取样测序 [1357.4s -> 1358.8s] 拿到了序列之后的话 [1358.8s -> 1361.0s] 整个过程可以通过自动化来完成 [1361.0s -> 1363.4s] 这是我们目前可以做到的一个水平 [1363.4s -> 1364.6s] 我再理解一下 [1364.6s -> 1367.2s] 就是我们从售后的这个肿瘤患者 [1367.2s -> 1369.4s] 从它切除了这个肿瘤的组织中 [1369.4s -> 1370.6s] 拿到这个样本 [1370.6s -> 1372.2s] 把这个样本后面的环节 [1372.2s -> 1373.9s] 就都挪到公司

[1595.6s -> 1598.3s] 或者是说把它变到可以清除 [1598.3s -> 1599.9s] 那么这一类病人 [1599.9s -> 1601.2s] 就可以又回过头来 [1601.2s -> 1603.6s] 适用于个性化肿瘤疫苗的疗法 [1603.6s -> 1604.8s] 还有一种的话是 [1604.8s -> 1606.9s] 大家认为即使手术切除 [1606.9s -> 1608.4s] 可能也不会祸异 [1608.4s -> 1610.5s] 是因为已经有很多多发病造 [1610.5s -> 1612.2s] 微小病造的转移了 [1612.2s -> 1613.1s] 那么这个时候 [1613.1s -> 1614.6s] 现在整个个性化肿瘤疫苗 [1614.6s -> 1616.7s] 就可能改变这一认知 [1616.7s -> 1618.6s] 从临床医生的角度 [1618.6s -> 1621.0s] 我把最大的原发性的肿瘤切除 [1621.0s -> 1622.6s] 其他的很微小的肿瘤 [1622.6s -> 1624.1s] 它的免疫截抗免疫系 [1624.1s -> 1625.3s] 还不是很强的时候 [1625.4s -> 1627.1s] 是不是通过个性化肿瘤疫苗 [1627.1s -> 1628.4s] 和PD1的联用 [1628.4s -> 1631.1s] 我也能起到极大程度上 [1631.1s -> 1632.0s] 杀死肿瘤 [1632.0s -> 1635.1s] 甚至是大大延长这种复杂周期的可能 [1635.1s -> 1636.8s] 我觉得它给人带来的想象 [1636.8s -> 1638.8s] 空间是巨大的 [1638.8s -> 1640.6s] 切除了一个肿瘤 [1640.6s -> 1642.2s] 那它可能有一些微小转移 [1642.2s -> 1644.0s] 到了身体的其他部分 [1644.0s -> 1646.6s] 也可能是靠我们的PD1这个药物 [1646.6s -> 1648.5s] 联合肿瘤疫苗一起去清除 [1648.5s -> 1650.1s] 其他的身体中的残余 对吧 [1650.1s -> 1652.4s] 就实际上我们用了这个PD1 [1652.4s -> 1653.8s] 和肿瘤疫苗这个药 [1653.8s -> 1656.0s] 它其实是分散在身体各处的 [1656.0s -> 1658.2s] 是可以违追堵截其他那些 [1658.2s -> 1660.6s] 讨异的肿瘤的微小的这些病造 [1660.6s -> 1662.1s] 对 它的本身的基礎 [1662.1s -> 1664.3s] 就是训练我们的免疫系统 [1664.3s -> 1665.3s] 使得我们的免疫系统 [1665.3s -> 1666.7s] 可以识别散落在 [1666.7s -> 1668.6s] 身体各个部位的肿瘤细胞 [1668.6s -> 1669.8s] 你把它当作分散的 [1669.8s -> 1671.7s] 身体各部分的病毒来处理 [1671.7s -> 1673.2s] 所以说它叫各性化肿瘤疫苗 [1673.2s -> 1675.9s] 但是它其实并不是一个预防性的基礎 [1675.9s -> 1677.7s] 它更多的是一个治疗性的基礎 [1677.7s -> 1680.3s] 明白 我看到有张亮他的新闻稿里面 [1680.3s -> 1682.1s] 他还提到说他的设计 [1682.1s -> 1683.5s] 就是因为这个新抗原 [1683.5s -> 1684.6s] 他会设计就针对 [1684.6s -> 1686.5s] 肿瘤患者身上的可学出来的 [1686.5s -> 1688.1s] 肿瘤特异的标志物 [1688.1s -> 1689.7s] 他说是不超过34个 [1689.7s -> 1691.2s] 为什么是不超过34个 [1691.2s -> 1693.0s] 这个背后是有什么门道吗 [1693.0s -> 1695.6s] 理论上讲有多少个我们都能做 [1695.6s -> 1699.3s] 但是当mRNA达到一定长度之后 [1699.3s -> 1701.1s] 它翻译成蛋白的效率 [1701.1s -> 1702.6s] 可能会有所降低 [1702.6s -> 1704.6s] 生产的挑战也会大 [1704.6s -> 1706.6s] 34个的话是上限 [1706.6s -> 1708.3s] 但是不是生产的上限 [1708.3s -> 1710.2s] 只不过是我们认为它是一个风险 [1710.2s -> 1711.0s] 收益比 [1711.1s -> 1713.0s] 这样的话可能是更make sense [1713.0s -> 1715.1s] 但实际上还有一点的话是 [1715.1s -> 1717.9s] 这个项目的开展是远在10年前了 [1717.9s -> 1719.8s] 那么早期的时候 [1719.8s -> 1723.6s] AI以及各种算法新抗原的预测 [1723.6s -> 1725.4s] 并没有那么发达 [1725.4s -> 1728.0s] 我们当时想的是整个业界 [1728.0s -> 1731.2s] 即使是只有10%的命中率 [1731.2s -> 1733.0s] 34个新抗原也好 [1733.0s -> 1734.4s] 20个新抗原也好 [1734.4s -> 1735.8s] 我有两个新抗原 [1735.8s -> 1739.3s] 是可以精准的识别种流细胞的话 [1739.3s -> 1740.2s] 那么免疫系统 [1740.2s -> 1742.7s] 就已经可以去把种流细胞杀死了 [1742.7s -> 1745.0s] 这跟病毒的抗原的纪律是一样的 [1745.0s -> 1746.0s] 我们并不需要很多个 [1746.0s -> 1748.0s] 我只需要识别你身体的任一个部分 [1748.0s -> 1750.0s] 我都可以去识别种流细胞 [1750.0s -> 1751.8s] 所以说把上限设置到34个 [1751.8s -> 1754.0s] 只不过是给自己更大的一个空间 [1754.0s -> 1754.8s] 但是目前的话 [1754.8s -> 1756.8s] 随着我觉得AI技术的发展 [1756.8s -> 1758.5s] 随着预测能力的提升 [1758.5s -> 1762.2s] 其实我们应该是绝大多数种流的患者 [1762.2s -> 1766.2s] 并不需要up to34个这样新抗原这么多 [1766.2s -> 1768.3s] 但反而它识别了这么多的新抗原 [1768.3s -> 1769.7s] 然后又都很精准的话 [1769.7s -> 1771.6s] 就说明这个种流疫苗 [1771.6s -> 1774.4s] 它去猎杀种流的概率就会更高了 [1774.4s -> 1774.9s] 对吧 [1774.9s -> 1777.1s] 这里面是有prose and cons [1777.1s -> 1779.4s] 就是说量是固定的 [1779.4s -> 1781.8s] 那么你只做一个新抗原的话 [1781.8s -> 1783.8s] 那针对这一个新抗原的免疫反应 [1783.8s -> 1784.8s] 肯定是最强的 [1784.8s -> 1786.0s] 你如果分散到多个的话 [1786.0s -> 1788.8s] 可能每一个反应就没有那么那么强 [1788.8s -> 1791.5s] 但是也不会说是降低了30倍那个样子 [1791.5s -> 1792.2s] 可是另外一点 [1792.2s -> 1794.6s] 你说的非常非常的准求 [1794.6s -> 1797.4s] 种流细胞为什么抗药性这么强 [1797.5s -> 1800.2s] 是因为它会逃逸 [1800.2s -> 1802.9s] 如果我们能覆盖的新抗原越多 [1802.9s -> 1806.6s] 那么种流细胞逃逸的几率也就会越低 [1806.6s -> 1810.0s] 这是人类和种流细胞这样一场斗争中的话 [1810.0s -> 1811.7s] 我这个网洒的越大 [1811.7s -> 1813.1s] 那么理论上讲种流细胞 [1813.1s -> 1814.8s] 我就可以杀死的越干净 [1814.8s -> 1815.7s] 您说那个逃逸 [1815.7s -> 1816.9s] 如果我去想点去理解 [1816.9s -> 1818.8s] 就相当于说可能我们针对的 [1818.8s -> 1820.9s] 本来是这个种流身上这个新抗原 [1820.9s -> 1822.1s] 结果它突变掉了 [1822.1s -> 1823.0s] 所以就抓不住它 [1823.0s -> 1824.7s] 但是我们因为抓手很多 [1824.7s -> 1826.5s] 所以说就可以更好地抓住它 [1826.5s -> 1827.0s] 没错

[1827.0s -> 1830.0s] 它一次性突变掉一个新抗原的概率是很高 [1830.0s -> 1832.0s] 可是一次你要突变掉五个新抗原 [1832.0s -> 1833.2s] 我觉得这种概率的话 [1833.2s -> 1834.4s] 你可以做个惩罚 [1834.4s -> 1836.5s] 基本上就变得非常非常低了 [1836.5s -> 1839.6s] 我们有一个业界大概公认的一个标准 [1839.6s -> 1843.2s] 比如说多少个抗原是有五个或者十个 [1843.2s -> 1845.5s] 这多少个抗原是一个比较稳的 [1845.5s -> 1848.0s] 去抓住这个种流的一个底线 [1848.0s -> 1850.7s] 每个病人的情况可能都不一样 [1850.7s -> 1854.8s] 一个假想就是至少只要能识别一条种流抗原 [1854.8s -> 1857.6s] 那么我们的免疫系统就有可能去杀死 [1857.6s -> 1859.8s] 包含这部分抗原的种流细胞 [1859.8s -> 1861.7s] 至于要有多少个的防止突变的话 [1861.7s -> 1863.1s] 我觉得是需要未来 [1863.1s -> 1865.5s] 真的这个临床实验随法到很久之后 [1865.5s -> 1866.4s] 我们才能看到 [1866.4s -> 1869.5s] 是不是要新生的种流细胞 [1869.5s -> 1872.3s] 那么是所有的这些新抗原都没有的 [1872.3s -> 1875.3s] 还说新生的种流细胞也可能是包含了 [1875.3s -> 1877.4s] 这34个新抗原的某几个 [1877.4s -> 1879.8s] 但是实际上它就已经可以避开免疫系统 [1879.8s -> 1880.8s] 对它的识别了 [1880.8s -> 1882.9s] 或者它可以开发出对免疫系统的耐受 [1882.9s -> 1886.2s] 是的 我们这个还是一个临床的科学 [1886.2s -> 1889.0s] 还是需要不断经由这个数据和实验才能看到 [1889.0s -> 1889.8s] 没错 没错 [1889.8s -> 1891.8s] 即使临床实验最后观察到成功 [1891.8s -> 1893.2s] 观察到生存期的延长 [1893.2s -> 1895.0s] 可能还需要更长的随访期 [1895.0s -> 1897.6s] 能给我们提供更多的一些信息 [1897.6s -> 1899.6s] 以及科学上的判断 [1900.4s -> 1901.8s] 然后还有一个问题 [1901.8s -> 1903.9s] 是就刚刚也是针对这个实验 [1903.9s -> 1906.8s] 它的设计是针对黑色塑流的这个适应症 [1906.8s -> 1910.9s] 那华尔街二级市场之所以对种流疫苗 [1910.9s -> 1914.0s] 有这么大的希望和愿景 [1914.0s -> 1916.1s] 也是因为觉得它可能未来可以 [1916.1s -> 1918.7s] 覆盖到更广泛的种流的范围 [1918.7s -> 1921.2s] 那也想请您帮我们理解一下 [1921.2s -> 1923.8s] 首先为什么某种证上它先选黑色塑流 [1923.8s -> 1926.6s] 作为一个第一个适应症来研究 [1926.6s -> 1928.8s] 然后您觉得它后面再去 [1928.8s -> 1930.6s] 延展到其他的这个种流类型中 [1930.6s -> 1932.6s] 可能会遇到什么挑战吗 [1932.6s -> 1935.2s] 还是其实也是大概率会使用的 [1935.2s -> 1936.4s] 为什么选了黑色塑流 [1936.4s -> 1938.8s] 比如说它包含了其实是临床 [1938.8s -> 1939.8s] 如果没记错的话 [1939.8s -> 1942.4s] 是二B到四B的这样一个黑色塑流患者 [1942.4s -> 1944.6s] 它的原理就是因为这一部分患者 [1944.6s -> 1946.0s] 数后最快三个月 [1946.0s -> 1948.4s] 慢一点的话一年会有种復发 [1948.4s -> 1949.8s] 所以说可以给我们一个 [1949.8s -> 1951.1s] early readout [1951.1s -> 1953.8s] 就是我不需要去等很久很久 [1953.8s -> 1955.9s] 才知道我这款产品有没有效 [1955.9s -> 1957.4s] 对于科技公司而言 [1957.4s -> 1960.2s] 快速成功和快速失败都可以接受 [1960.2s -> 1961.2s] 这样我可以赶紧 [1961.2s -> 1963.1s] 基于我成功要好失败的经验 [1963.1s -> 1964.7s] 我去开发下面的产品 [1964.7s -> 1966.8s] 但是最难以接受的就是 [1966.9s -> 1969.6s] 要等了很久之后我才知道答案 [1969.6s -> 1971.2s] 所以说黑色塑流等于说是 [1971.2s -> 1973.2s] 它第一有非常大的市场需求 [1973.2s -> 1975.0s] 第二的话它确实可以给公司 [1975.0s -> 1977.0s] 提供一个early readout的窗口 [1977.0s -> 1980.0s] 这我觉得是公司在选择适应证方面 [1980.0s -> 1982.1s] 一个非常明智的stress [1982.1s -> 1983.7s] 一个非常明智的策略 [1983.7s -> 1986.2s] 而它目前在黑色塑流上的成功 [1986.2s -> 1988.8s] 验证了它不是针对某一个肿瘤 [1988.8s -> 1990.6s] 它是针对于个人化肿瘤疫苗 [1990.6s -> 1993.4s] 对于肿瘤杀伤的激励性的验证 [1993.4s -> 1995.1s] 对于未来其他的流种 [1995.1s -> 1997.6s] 我们认为只是一个时间问题 [1997.6s -> 1999.7s] 就是临床实验需要达到 [1999.7s -> 2001.3s] 它的经验上的进展的时间 [2001.3s -> 2002.5s] 对 就会你观察到 [2002.5s -> 2004.4s] 整个拥要患着它的一个受益 [2004.4s -> 2005.9s] 这个时间到底有多久 [2005.9s -> 2007.2s] 所以说某的人很快 [2007.2s -> 2008.8s] 我相信也是基于他们 [2008.8s -> 2011.5s] 在黑色塑流方面进展的一些 [2011.5s -> 2013.5s] 临床结果的获取 [2013.5s -> 2014.4s] 阅读 [2014.4s -> 2015.7s] 所以说他们非常快速的 [2015.7s -> 2018.1s] 也开了非小细胞肺癌的 [2018.1s -> 2018.9s] 临床三期实验 [2018.9s -> 2020.3s] 一系列的这个适应证 [2020.3s -> 2020.7s] 对 [2020.7s -> 2022.4s] 它接下来比较快速 [2022.4s -> 2024.5s] 可能下一个会出现的这个 [2024.5s -> 2026.5s] 读书的这个适应证是什么 [2026.5s -> 2027.7s] 你明白了解吗 [2027.7s -> 2029.8s] 我觉得我们先不要太急着去看 [2029.8s -> 2030.8s] 下一个适应证 [2030.8s -> 2031.8s] 因为这个实验的话 [2031.8s -> 2033.2s] 目前只是一个 [2033.2s -> 2034.9s] 无复发的这样的一个终点 [2034.9s -> 2035.9s] 我们还是最后 [2035.9s -> 2038.8s] 希望它尽快能获得一个正式的获批 [2038.8s -> 2039.4s] 而这样的话 [2039.4s -> 2040.3s] 它的获批 [2040.3s -> 2042.3s] 代表整个一条路线的打通 [2042.3s -> 2044.4s] 就像当年新冠疫苗的获批一样 [2044.4s -> 2046.0s] 所以说某人快速又开发了 [2046.0s -> 2047.8s] RSV及流感疫苗 [2047.8s -> 2048.6s] 而肿瘤疫苗 [2048.6s -> 2050.2s] 我们相信也会是这样的 [2050.3s -> 2052.6s] 它代表着不是一个产品 [2052.6s -> 2054.3s] 不是一个病种的成功 [2054.3s -> 2056.5s] 是整个MRG式路线 [2056.5s -> 2058.6s] 对于整个肿瘤治疗领域的 [2058.6s -> 2060.5s] 一个巨大的突破而成 [2060.5s -> 2061.8s] 是的 也非常期待 [2061.8s -> 2062.6s] 不同的肿瘤 [2062.6s -> 2064.7s] 它的现在的标准治疗方案 [2064.7s -> 2066.0s] 是有很大差异的

[2066.0s -> 2067.1s] 比如说像一线癌 [2067.1s -> 2069.0s] 大家都会说它是一个癌王 [2069.0s -> 2071.8s] 因为现在没有很好的治疗的方案 [2071.8s -> 2073.7s] 那对于比如说像肥小细胞肺癌 [2073.7s -> 2074.7s] 因为有非常多的 [2074.7s -> 2076.1s] 关于肿瘤 驱动基因 [2076.1s -> 2077.8s] 抑制性的这样的一些研究 [2077.8s -> 2079.6s] 所以其实也是有非常多 [2079.6s -> 2080.4s] 气氛的疗法 [2080.4s -> 2081.4s] 它的标准治疗方案 [2081.4s -> 2082.9s] 也在非常快速迭代 [2082.9s -> 2085.1s] 当然对于所有流种来说都是一样 [2085.1s -> 2086.9s] 从这个角度来看的话 [2086.9s -> 2088.0s] 对于不同的肿瘤 [2088.0s -> 2090.2s] 可能它现在标准的治疗方案 [2090.2s -> 2092.0s] 就在不断的迭代和提升 [2092.0s -> 2093.0s] 可能比如说数前 [2093.0s -> 2094.4s] 通过这个药物的治疗 [2094.4s -> 2095.8s] 肿瘤可以有一个比较好的控制 [2095.8s -> 2097.0s] 那对于它后续的复发 [2097.0s -> 2099.1s] 肯定也有一个更好的预后 [2099.1s -> 2101.3s] 随着治疗标准的不断提升 [2101.3s -> 2103.3s] 那其实流给肿瘤疫苗 [2103.3s -> 2104.8s] 需要解决的复发的问题 [2104.8s -> 2107.4s] 它的验证的标准也在越来越提高 [2107.4s -> 2109.8s] 如果考虑到现有的治疗方案 [2109.8s -> 2110.8s] 对于肿瘤疫苗来说 [2110.8s -> 2112.9s] 您觉得可能更适合的是一些 [2112.9s -> 2114.8s] 什么样的肿瘤的范围 [2114.8s -> 2116.8s] 是不是对它的阴谋范围来说 [2116.8s -> 2119.0s] 其实也还是有应的局限的呢 [2119.0s -> 2121.3s] 对它阴谋范围来说应该没有局限 [2121.3s -> 2124.0s] 只不过是对于它的临床设计上来讲的话 [2124.0s -> 2126.7s] 会有比较多的一些挑战 [2126.7s -> 2127.8s] 但是这对于病人 [2127.8s -> 2129.9s] 对于患者来说也是一个好事 [2129.9s -> 2133.0s] 如果现有的药物已经非常的有效了 [2133.0s -> 2136.0s] 那么必然会代表着它的一个生存期的延长 [2136.0s -> 2138.6s] 如果想证明肿瘤疫苗的进一步获益的话 [2138.6s -> 2141.5s] 那就要在这个生存期上有再延长 [2141.5s -> 2143.6s] 所以说可以证明肿瘤疫苗 [2143.6s -> 2145.0s] 在现有的基础疗法上 [2145.0s -> 2146.8s] 也可以使得病人获益 [2146.8s -> 2149.5s] 这是我觉得临床设计的一个挑战 [2149.5s -> 2151.3s] 就是说你要观察的时间可能长 [2151.3s -> 2152.5s] 但是我们观察到一点 [2152.5s -> 2154.9s] 因为爱博生物自己也做肿瘤疫苗 [2154.9s -> 2157.3s] 包括固定抗原的和个性化的 [2157.3s -> 2160.9s] 就是我们发现肿瘤疫苗效果最好的时候 [2160.9s -> 2164.2s] 是在你的免疫系统还比较健全的时候 [2164.2s -> 2167.0s] 你不可能在免疫系统已经被化疗放疗 [2167.0s -> 2169.3s] 药物摧毁之后再用个性化肿瘤疫苗 [2169.3s -> 2172.4s] 期待还能换起免疫系统的激活 [2172.4s -> 2174.2s] 对肿瘤细胞进行攻击 [2174.2s -> 2175.4s] 有一句话就是 [2175.4s -> 2177.5s] You can't keep beating a dead horse [2177.5s -> 2179.4s] 免疫系统已经都垮掉了的话 [2179.4s -> 2181.8s] 那么个性化肿瘤疫苗也是无处发力 [2181.8s -> 2183.6s] 所以对于个性化肿瘤疫苗而言 [2183.6s -> 2185.7s] 它旋选了一个数后切除 [2185.7s -> 2186.9s] 也就是它的免疫系统 [2186.9s -> 2188.5s] 是在一个比较正常的状态 [2188.5s -> 2191.5s] 当然了根据每一个流种病人的情况 [2191.5s -> 2193.5s] 医生可能会有不同的判断 [2193.5s -> 2196.6s] 包括未来它是不是一个total的game changer [2196.6s -> 2199.1s] 尽管现有的药物也比较好 [2199.1s -> 2201.2s] 但是如果把肿瘤切除掉 [2201.2s -> 2203.9s] 各些化肿瘤疫苗可以极大的程度上 [2203.9s -> 2206.1s] 去杀死剩余的这些肿瘤细胞 [2206.1s -> 2210.2s] 可以使得无尽展的生存期得到巨大的一个延长 [2210.2s -> 2212.2s] 这一步我们未来也是乔说已判的 [2212.2s -> 2217.4s] 它有可能是改变整个肿瘤治疗机制的临床实验 [2217.4s -> 2219.5s] 我觉得我也帮观众朋友们理解一下 [2219.5s -> 2220.2s] 因为刚刚您说 [2220.2s -> 2222.4s] 我们一直都在说无尽展生存期 [2222.4s -> 2223.9s] 那这个是不是意味着 [2223.9s -> 2227.6s] 其实这个肿瘤疫苗或者说现在这些癌症疗法 [2227.6s -> 2231.3s] 它其实达到治愈还是比较艰难的呢 [2231.3s -> 2233.1s] 因为后面可能还要再进展 [2233.1s -> 2234.0s] 正好你提到 [2234.0s -> 2236.0s] 刚才就是有一个表述不准确 [2236.0s -> 2238.2s] 就是在某个人的这个临床实验中 [2238.2s -> 2240.7s] 它其实用的是无复发生存期 [2240.7s -> 2243.2s] 无尽展生存期和无复发还不一样 [2243.2s -> 2245.4s] 无复发的话简单说就把肿瘤切除 [2245.4s -> 2247.0s] 然后的话肿瘤没有复发 [2247.0s -> 2250.6s] 那这样的话病人实际上是一个tumor free的状态 [2250.6s -> 2251.3s] 没有肿瘤了 [2251.3s -> 2251.9s] 没有肿瘤 [2251.9s -> 2253.4s] 那么它对于肿瘤而言 [2253.4s -> 2255.7s] 它就是起到了治愈的这样一个效果 [2255.7s -> 2260.4s] 相比于原来三个月到一年之内肿瘤就复发 [2260.4s -> 2262.8s] 那么我们对于这一部分的肿瘤患者 [2262.8s -> 2266.6s] 其实对它生存期的延长是有一个巨大的期待的 [2266.6s -> 2267.9s] 而且我想大家听到 [2267.9s -> 2269.4s] 现在已经知道这个肿瘤疫苗 [2269.4s -> 2272.3s] 它不是针对健康人的预防肿瘤的一个疫苗 [2272.3s -> 2273.4s] 而是针对肿瘤患者 [2273.4s -> 2275.6s] 但是我们识别这个肿瘤患者之后 [2275.6s -> 2277.4s] 还是有很大的几率后面去 [2277.4s -> 2279.4s] 可以给它治愈的利用这个肿瘤疫苗 [2279.4s -> 2282.1s] 没错 它只不过是用了疫苗的一个机率 [2282.1s -> 2283.6s] 更准确的说是 [2283.6s -> 2285.8s] 用肿瘤疫苗来唤醒 [2285.8s -> 2287.6s] 激活我们自身的免疫系统 [2287.6s -> 2289.0s] 去攻击肿瘤细胞 [2289.0s -> 2293.1s] 所以说这是它被称之为肿瘤疫苗的一个原因所在 [2293.1s -> 2295.8s] 对 然后刚才英文博士你也提到说 [2295.8s -> 2297.4s] 就包括像爱博生物其实 [2297.4s -> 2301.4s] 除了在用这种个性化的肿瘤疫苗的技术路线以外 [2301.4s -> 2303.2s] 还有一些像您刚刚说的是 [2303.2s -> 2305.1s] 固定的抗原的这一些疗法 [2305.1s -> 2308.2s] 那其实确实在肿瘤疫苗的研发的领域里边 [2308.3s -> 2309.9s] Moderna的这一款药物 [2309.9s -> 2311.5s] 它采取的是一个个性化的 [2311.5s -> 2312.6s] 性抗病的路线 [2312.6s -> 2313.4s] 但在这个之外 [2313.4s -> 2316.0s] 其实还有很多其他的产品 [2316.0s -> 2317.1s] 然后其他的公司 [2317.1s -> 2320.4s] 包括爱博生物都在做肿瘤疫苗的研发

[2320.4s -> 2322.2s] 也想请您帮我们谈典一下 [2322.2s -> 2324.4s] 就是现在Moderna是第一个 [2324.4s -> 2326.6s] 冰窗三期有一个表情的结果 [2326.6s -> 2330.4s] 那其他的一些公司在冰窗进展比较靠后 [2330.4s -> 2333.2s] 比较接近上市的这样的一些产品管线中 [2333.2s -> 2335.6s] 哪些公司在布局国内国外的 [2335.6s -> 2337.9s] 他们又是采用一些什么样的技术路线 [2337.9s -> 2340.1s] 想要治疗一些什么样的种流类型 [2340.1s -> 2343.2s] 首先种流疫苗的概念 [2343.2s -> 2344.6s] 不是一个新概念 [2344.6s -> 2347.1s] 而种流疫苗包括的技术路线 [2347.1s -> 2349.7s] 也不只是mRNA这一条技术路线 [2349.7s -> 2351.1s] 它包含了核酸 [2351.1s -> 2353.4s] 比如说是DNA RNA [2353.4s -> 2354.7s] 它包含了多泰 [2354.7s -> 2356.9s] 像最早在美国有一些公司 [2356.9s -> 2358.1s] 我就不提名字了 [2358.1s -> 2359.9s] 有些公司已经不复存在了 [2359.9s -> 2361.9s] 然后还有用细胞疗法 [2361.9s -> 2364.8s] 比如说是病毒载体或者是DC这样疗法 [2364.8s -> 2367.8s] 这几大类是整个种流疫苗的技术路线 [2367.8s -> 2370.8s] 然后它的基礼可以是固定抗原的 [2370.8s -> 2372.0s] 就是off the shelf [2372.0s -> 2374.0s] 它的优势是比较快捷 [2374.0s -> 2375.9s] 马上就可以用 集叉集用 [2375.9s -> 2377.9s] 它主要针对的是一些 [2377.9s -> 2379.0s] driver mutation [2379.0s -> 2380.7s] 驱动性的突变基因 [2380.7s -> 2383.3s] 像EGFR 像Keras [2383.3s -> 2385.1s] 但是它的挑战就是 [2385.1s -> 2387.2s] 首先不是所有的种流病人 [2387.2s -> 2388.8s] 都一定有非常明确的 [2388.8s -> 2391.1s] driver mutation 就是突变基因 [2391.1s -> 2392.2s] 其次的话是 [2392.2s -> 2395.2s] 这些突变基因在人体内已经存在了很久 [2395.2s -> 2396.7s] 它是慢慢发展来的 [2396.8s -> 2399.2s] 机体可能对它有了一定的耐受 [2399.2s -> 2400.8s] 但是这样的话就需要看 [2400.8s -> 2403.0s] 到底是疫苗的力量更强 [2403.0s -> 2406.4s] 还是种流让机体对它耐受的力量更强 [2406.4s -> 2407.6s] 这两条技术路线 [2407.6s -> 2411.0s] 个性化种流疫苗和固定抗原种流疫苗 [2411.0s -> 2413.0s] 都是有很多的公司在做 [2413.0s -> 2414.2s] 我们还统计了一下 [2414.2s -> 2415.4s] 大概一半一半吧 [2415.4s -> 2417.6s] 技术路线的话是各有优势 [2417.6s -> 2420.5s] 如果是off the shelf产品就可以做的话 [2420.5s -> 2421.6s] 很简单 [2421.6s -> 2424.6s] 更快 更便捷 成本更低 [2424.6s -> 2426.4s] 如果是这些都没有的话 [2426.4s -> 2428.7s] 那么个性化种流疫苗带来的优势 [2428.7s -> 2431.4s] 肯定是它的免疫耐受是比较低的 [2431.4s -> 2433.5s] 其次的话它是一个individually的疗法 [2433.5s -> 2436.6s] 使得每个病人针对于自身的种流 [2436.6s -> 2438.9s] 都有了一个更好的治疗的方案 [2438.9s -> 2440.7s] 但是它带来的挑战就是 [2440.7s -> 2443.0s] 周期长成本要高 [2443.0s -> 2444.8s] 这也是为什么爱博生物 [2444.8s -> 2448.5s] 在这些年我们不断地通过自动化 [2448.5s -> 2449.9s] 要开发的产品 [2449.9s -> 2452.5s] 除了在科学上它是行得通的 [2452.5s -> 2454.7s] 就是scientifically sound [2454.7s -> 2457.2s] 其次的话它对于中国这套病人群体 [2457.2s -> 2459.2s] 还必须是affordable [2459.2s -> 2460.8s] 让病人可以承担得起 [2460.8s -> 2463.1s] 这样一个个性化疗法的费用 [2463.1s -> 2465.8s] 这样的话我们认为才是一款真正的好产品 [2465.8s -> 2467.6s] 我们认为我们的产品在价格上 [2467.6s -> 2468.8s] 是会非常有竞争的 [2468.8s -> 2470.8s] 可以让老百姓都负担得起 [2470.8s -> 2472.3s] 那除了某种那之外 [2472.3s -> 2473.8s] 还有哪些国外 [2473.8s -> 2475.6s] 包括国内的这个公司 [2475.6s -> 2478.9s] 它现在是在种流疫苗上有比较广泛的布局 [2478.9s -> 2481.0s] 然后那如果是从技术路线来说的话 [2481.0s -> 2483.2s] 可以看到比如说明确的不同的派系吗 [2483.2s -> 2485.4s] 还是其实大家都是在篮上头走路的 [2485.4s -> 2486.0s] 很显然 [2486.0s -> 2488.2s] BioNTech也是在这方面有布局 [2488.2s -> 2490.4s] 它的路线包括它的给要的基礼 [2490.4s -> 2492.0s] 都和某种的不一样 [2492.0s -> 2492.8s] 目前来讲的话 [2492.8s -> 2494.2s] 我们觉得某种的成功 [2494.2s -> 2496.7s] 代表了这条技术路线的成功 [2496.7s -> 2499.9s] 但是不代表其他路线不可以走得通 [2499.9s -> 2502.9s] 所以说整个的行业还是在一个摸索的阶段 [2502.9s -> 2504.6s] 我记得国内有很多公司 [2504.6s -> 2507.3s] 国外也有很多公司在做这样一方面的事情 [2507.3s -> 2510.3s] 大家前复后继就是因为我们都看到了 [2510.4s -> 2513.8s] 种流疫苗在种流治疗方面巨大的潜力 [2513.8s -> 2515.8s] 以及它对于现有的所有的疗法 [2515.8s -> 2518.1s] 都可以是一个很好的补充 [2518.1s -> 2520.4s] 而不是一个竞争者的角度 [2520.4s -> 2523.6s] 因为其实现在中国的生物科业技术公司的 [2523.6s -> 2527.2s] 原发创新和技术能力其实都是有目共睹 [2527.2s -> 2530.8s] 在全球也是越来越卓柱的一个地位 [2530.8s -> 2532.3s] 然后我们也可以看到 [2532.3s -> 2534.8s] 领先的这个快播要期也是来中国 [2534.8s -> 2535.6s] 疯狂扫货 [2535.6s -> 2538.7s] 然后去获得这些中国的BioNTech [2538.7s -> 2542.2s] 他们的产品在全球的这些研发权益 [2542.2s -> 2545.2s] 在这个里边种流疫苗算是其中一个 [2545.2s -> 2547.8s] 在中国BioNTech研发生态里边 [2547.8s -> 2549.6s] 它的这个能力和比如说美国 [2549.6s -> 2552.7s] 相比您现在怎么看待两边的研发能力的比较 [2552.7s -> 2555.1s] 中国是比较齐猴并进 [2555.1s -> 2558.8s] 还是说其实可能还是在技术水平上有一定的差距 [2558.8s -> 2560.9s] 在进度上肯定是有差距 [2560.9s -> 2564.0s] 因为毕竟临场研发上人家已经是三期 [2564.0s -> 2566.1s] 有一个非常好的radout [2566.1s -> 2567.9s] 但是在理解认知上面 [2567.9s -> 2570.7s] 我觉得大家的差距并没有显示那么大 [2570.7s -> 2573.3s] 尤其是现在随着AI技术的发展 [2573.3s -> 2575.6s] 随着大家对于算法的提升 [2575.6s -> 2579.0s] 我觉得甚至是不排除有一定的后发优势 [2579.0s -> 2581.6s] 同时国内的临床的推广 [2581.6s -> 2583.6s] 或者临床资源也比较丰富 [2583.6s -> 2586.7s] 只要大家坚定了相信选择这条路线的话 [2586.7s -> 2590.2s] 那么应该很快就会有一些pulse的结果 [2590.2s -> 2593.1s] 可以在近几年内和大家分享

[2593.1s -> 2594.2s] 但是另外一点的话 [2594.2s -> 2597.7s] 就是个性化种流疫苗它不是一个产品 [2597.7s -> 2600.8s] 它是整个一套算法和公益 [2600.8s -> 2603.5s] 所以说国外大要起载扫货也好 [2603.5s -> 2606.6s] 或者是来中国并购项目也好的话 [2606.6s -> 2609.6s] 它不是简简单单的要拿走一个产品 [2609.6s -> 2613.0s] 它要整个要把你的算法公益 [2613.0s -> 2615.3s] 都要进行当地化的部署 [2615.3s -> 2618.3s] 才能真正去开发个性化种流疫苗 [2618.3s -> 2619.8s] 因为你很难想象 [2619.8s -> 2623.3s] 在中国或者在其他地方生产出的 [2623.3s -> 2624.4s] 个性化种流疫苗 [2624.4s -> 2626.3s] 要运到欧洲美国 [2626.3s -> 2628.0s] 去给那边的病人使用 [2628.0s -> 2628.9s] 那么这样的话 [2628.9s -> 2630.6s] 路程整个运输的时间 [2630.6s -> 2632.6s] 它的成本都会巨大的提升 [2632.6s -> 2634.4s] 所以说个性化种流疫苗 [2634.4s -> 2636.0s] 它包含了所有的这些 [2636.0s -> 2638.3s] 都需要进行的一个本地化的部署 [2638.3s -> 2639.8s] 尤其是在生产的环节 [2639.8s -> 2642.4s] 听起来像您提到这里面的算法 [2642.4s -> 2643.7s] 包括这一些公益技术 [2643.7s -> 2644.5s] 尤其是算法 [2644.5s -> 2646.2s] 其实它里面是有非常多的 [2646.2s -> 2647.8s] 独有的知识产权也好 [2647.8s -> 2649.2s] 其实我觉得就越来越像这个AI [2649.2s -> 2651.7s] 因为我们现在看到中美之间的AI之争 [2651.7s -> 2653.7s] 其实美国也是对中国有很多限制 [2653.7s -> 2655.6s] 两边在保护自己的AI知识产权上 [2655.6s -> 2657.5s] 其实都有很大的动力 [2657.5s -> 2658.7s] 那您觉得尤其对于 [2658.7s -> 2660.1s] 比如说像种流疫苗这样 [2660.1s -> 2661.6s] 它AI元素很重 [2661.6s -> 2663.2s] 那这个是不是将来也会 [2663.2s -> 2665.9s] 可能在地缘政治的冲突下 [2665.9s -> 2667.5s] 这个会不会也是成为一个 [2667.5s -> 2668.8s] 要敏感的领域呢 [2668.8s -> 2670.0s] 首先它用到的算力 [2670.0s -> 2672.0s] 远远没有我们想象中那么高 [2672.0s -> 2673.7s] 其次的话就是各个国家 [2673.7s -> 2675.7s] 都对于自己的人类资源 [2675.7s -> 2677.2s] 有着很好的保护 [2677.2s -> 2679.8s] 简单来说就是人类遗传资源不出境 [2679.8s -> 2681.1s] 出境需要审批 [2681.1s -> 2683.8s] 所以说只要在本地化进行了部署 [2683.8s -> 2684.7s] 人类的遗传资源 [2684.7s -> 2685.9s] 测试的资源不出境的话 [2685.9s -> 2688.2s] 那么我觉得没有什么真正大的风险 [2688.2s -> 2691.5s] Moderna如果是在2015 2016年 [2691.5s -> 2692.5s] 可以做的事情 [2692.5s -> 2694.8s] 远远违 before [2694.8s -> 2696.9s] 我们说的所谓的AI时代 [2696.9s -> 2697.9s] 您可以想象 [2697.9s -> 2700.6s] 它对于算法算力的要求是没有那么高的 [2700.6s -> 2703.2s] 它不是一个特别高精尖的一个 [2703.2s -> 2704.0s] 没错的 [2704.0s -> 2704.8s] 了解 [2704.8s -> 2706.0s] 其实刚才你也提到 [2706.0s -> 2707.7s] 种流疫苗安全性上 [2707.7s -> 2709.1s] 好像也是相对标可控的 [2709.1s -> 2711.5s] 这话我也想稍微展开理解一下 [2711.5s -> 2714.0s] 因为我们知道像Karty治疗 [2714.0s -> 2717.4s] 其实它还是有很大的不良反应的风险 [2717.4s -> 2719.8s] 然后也是需要在治疗之后 [2719.8s -> 2722.4s] 是要非常紧密监控和管理的 [2722.4s -> 2723.8s] 那对于种流疫苗来说 [2723.8s -> 2725.2s] 它现在这个安全性上 [2725.2s -> 2726.8s] 我们是什么样的理解 [2726.8s -> 2729.3s] 如果种流患者本身需要住院 [2729.3s -> 2731.4s] 那病人就正常的住院就好了 [2731.4s -> 2733.5s] 如果是种流患者不需要住院 [2733.5s -> 2736.1s] 那么几乎种流疫苗可以做到outpatient care [2736.1s -> 2738.6s] 就是到医院来打一阵种流疫苗 [2738.6s -> 2739.4s] 打一阵PD1 [2739.4s -> 2740.2s] 然后回家 [2740.2s -> 2741.2s] 从机制上来说 [2741.2s -> 2742.1s] 它不会有什么 [2742.1s -> 2743.1s] 就是会遇见的 [2743.1s -> 2745.2s] 不会有超过MRA [2745.2s -> 2747.4s] 其他传染病疫苗的不良反应 [2747.4s -> 2748.9s] 再给我们克服一下 [2748.9s -> 2750.6s] 常规的这个MRA的传染病疫苗 [2750.6s -> 2752.0s] 它有哪些不良反应 [2752.0s -> 2752.9s] 其实根据林传的报道 [2752.9s -> 2754.7s] 无非就是发热 [2754.7s -> 2756.7s] 核心 口吐 乏力 [2756.7s -> 2758.2s] 注射部位 肿脏 [2758.2s -> 2759.4s] 这一些头痛 [2759.4s -> 2762.0s] 但是相对于传统的化疗药物 [2762.0s -> 2764.0s] 和种流的其他药物相比的话 [2764.0s -> 2766.5s] 种流疫苗或者MRA的不良反应 [2766.5s -> 2768.0s] 简直是可以忽略不及了 [2768.0s -> 2769.7s] 比如说个性化的新抗原疗法 [2769.7s -> 2771.5s] 它是相当于把这个新抗原 [2771.5s -> 2774.0s] 编买的这个MRA注射到这个人的体内 [2774.0s -> 2777.3s] 它不会引起免疫系统的过激反应 [2777.3s -> 2778.2s] 比如说CARTY的话 [2778.2s -> 2779.5s] 它可能会有一些 [2779.5s -> 2780.7s] 免疫系统的过激反应 [2780.7s -> 2783.0s] 然后会导致比较严重的不良反应 [2783.0s -> 2784.4s] CARTY的不良反应主要 [2784.4s -> 2786.2s] 是因为T-C包的快速激活 [2786.2s -> 2787.6s] 我们简称是 [2787.6s -> 2789.0s] Sat-Kan Relief Syndrome [2789.0s -> 2790.3s] 就是CRS [2790.3s -> 2791.9s] 所以说它的基礎是不一样的 [2791.9s -> 2793.0s] MRA的种流疫苗 [2793.0s -> 2795.9s] 毕竟它是有一个先缓慢 [2795.9s -> 2796.6s] 注射到体内 [2796.6s -> 2798.9s] 然后缓慢表达抗原 [2799.0s -> 2800.1s] 然后激活免疫系统 [2800.1s -> 2801.3s] 激活T-C包 [2801.3s -> 2803.2s] 来对它进行识别的一个过程 [2803.2s -> 2805.7s] 所以说MRA的种流疫苗 [2805.7s -> 2807.3s] 目前在临床上 [2807.3s -> 2810.6s] 对于CRS或者免疫因子风暴CRS [2810.6s -> 2811.6s] 这方面的暴躁 [2811.6s -> 2813.6s] 目前应该是少之又少的 [2813.6s -> 2816.6s] 我似乎没有了解到很多

[2816.6s -> 2817.5s] 从经理上来说 [2817.5s -> 2819.4s] 它不会这么快速的 [2819.4s -> 2820.8s] 剧烈的去引发 [2820.8s -> 2821.8s] 免疫系统的反应 [2821.8s -> 2823.2s] 对的 而且它是肌肉注射 [2823.2s -> 2824.6s] 当然也有经脉注射 [2824.6s -> 2825.5s] BioNTech的话是 [2825.5s -> 2827.5s] 才是经脉注射的方式在一线爱 [2827.5s -> 2830.0s] 这个还是一个百花齐放的时代 [2830.0s -> 2832.8s] 不是说只有某一条技术路线能成功 [2832.8s -> 2835.1s] 对 也想请您介绍一下 [2835.1s -> 2837.5s] 爱博生物现在在种流疫苗方面 [2837.5s -> 2839.4s] 是一个大概什么样的布局 [2839.4s -> 2840.7s] 然后什么样的一个思路 [2840.7s -> 2843.6s] 在做种流疫苗的开发 [2843.6s -> 2846.3s] 我们基本上是特性的种流疫苗 [2846.3s -> 2848.6s] 我们叫TSA Tumor Specified Antigen [2848.6s -> 2851.0s] 还有的话 Tumor Associated Antigen [2851.0s -> 2852.3s] 它们区别就是 [2852.3s -> 2853.4s] Tumor Specified Antigen [2853.4s -> 2855.1s] 几乎是那些Driver Mutation [2855.1s -> 2856.7s] EJFR CRAS [2856.8s -> 2858.2s] Tumor Associated Antigen的话 [2858.2s -> 2861.8s] 就是这些抗原是和种流密切相关的 [2861.8s -> 2863.9s] 像NYESO这一些 [2863.9s -> 2866.1s] 像TP53这一些 [2866.1s -> 2867.6s] 个性化的种流疫苗 [2867.6s -> 2870.0s] 那就完全是这种Neo Antigen [2870.0s -> 2871.4s] 但是每个病人都不一样的 [2871.4s -> 2872.9s] 是一段很短的太短 [2872.9s -> 2875.4s] 然后把不同的太短传接在一起 [2875.4s -> 2876.6s] 所以说这三个技术路线 [2876.6s -> 2878.8s] 我们都在进行的一些尝试 [2878.8s -> 2879.6s] 我再理解一下 [2879.6s -> 2881.8s] 就是您说特意性的种流图变合 [2881.8s -> 2882.6s] 一个是Specific [2882.6s -> 2884.2s] 一个是Associate [2884.2s -> 2886.3s] 就他们这个基地上的区别是什么 [2886.4s -> 2888.0s] 是否是Driver Mutation [2888.0s -> 2889.3s] 是否是驱动基因的图变 [2889.3s -> 2889.9s] 对 [2889.9s -> 2892.5s] 它这个驱动基因再帮大家理解一下 [2892.5s -> 2893.3s] 驱动基因的话 [2893.3s -> 2894.2s] 简单来说 [2894.2s -> 2895.6s] 你的种流的发生 [2895.6s -> 2898.4s] 就是因为某一个基因的图变 [2898.4s -> 2900.9s] 点图变或者多个点图变造成的 [2900.9s -> 2903.6s] 像非小细胞肺癌和EJFR的图变 [2903.6s -> 2905.1s] 是有明确的证据的 [2905.1s -> 2906.6s] 然后像一线癌 [2906.6s -> 2907.7s] 非小细胞肺癌 [2907.7s -> 2908.4s] 截至肠癌 [2908.4s -> 2911.0s] 跟CRAS的图变也是直接相关的 [2911.0s -> 2913.0s] 但是有更多的种流 [2913.0s -> 2914.2s] 其实它是没有 [2914.2s -> 2916.6s] 非常非常明确的Driver Mutation [2916.6s -> 2918.0s] 就是驱动基因 [2918.0s -> 2919.2s] 是因果和关联 [2919.2s -> 2919.6s] 对的 [2919.6s -> 2924.0s] 只不过是在很多很多的种流患者里面 [2924.0s -> 2926.0s] 我们通过种流采样 [2926.0s -> 2929.0s] 都观察到了这个基因突变的表达 [2929.0s -> 2933.0s] 所以说我们把它称之为Tumor Associated Antigen [2933.0s -> 2936.7s] 如果是有足够多的病人表达这样一个抗原的话 [2936.7s -> 2938.8s] 那么我们就可以针对这个抗原 [2938.8s -> 2940.2s] 设计一款种流疫苗 [2940.2s -> 2942.0s] 回过头来这一部分病人 [2942.0s -> 2945.2s] 都可以在这种现货型的种流疫苗 [2945.2s -> 2947.7s] 它的优势就是便捷成本低 [2947.7s -> 2948.8s] 那是不是可以理解 [2948.8s -> 2951.3s] 个性化的新抗原疫苗 [2951.3s -> 2952.8s] 其实它也就是一种 [2952.8s -> 2956.0s] 种流相关性的基因突变的一个自己 [2956.0s -> 2957.4s] 但是它是一个个性化的 [2957.4s -> 2958.4s] 它肯定相关 [2958.4s -> 2959.9s] 它是跟每个人相关 [2959.9s -> 2962.2s] 可能每个人与每个人之间 [2962.2s -> 2964.8s] 它的交叉overlap就会很低很低 [2964.8s -> 2965.0s] 对 [2965.0s -> 2965.8s] 那刚刚打断您 [2965.8s -> 2966.6s] 您在讲的是 [2966.6s -> 2970.3s] 爱博生物在种流疫苗方面的技术路线和布局 [2970.3s -> 2971.5s] 然后请您继续 [2971.8s -> 2974.7s] 您是怎么去设计整个一个种流疫苗的原来 [2974.7s -> 2975.9s] 有突变基因的吗 [2975.9s -> 2977.1s] 就试试突变基因 [2977.1s -> 2979.2s] 像EGFR 像KRAS [2979.2s -> 2981.8s] 没有的话先看associate的案件 [2981.8s -> 2984.2s] 最后的话如果真的个性化种流疫苗 [2984.2s -> 2985.0s] 我们可以做到 [2985.0s -> 2987.3s] 把它的周期变到四周 [2987.3s -> 2989.5s] 目前来讲的话看起来是可行的 [2989.5s -> 2991.9s] 然后把它的整个一次的生产成本 [2991.9s -> 2994.3s] 控制在病人可以接受的范围内 [2994.3s -> 2997.0s] 那么我们觉得未来可能个性化种流疫苗 [2997.0s -> 2998.5s] 它随说是个性化的 [2998.6s -> 3001.7s] 反倒有可能变成一种通用性的疗法 [3001.7s -> 3003.4s] 因为它几乎是可以 [3003.4s -> 3006.9s] 不去看病人的种流类型 [3006.9s -> 3009.2s] 不去看病人的原因 [3009.2s -> 3010.4s] 所有的种流 [3010.4s -> 3011.4s] 所有的病人 [3011.4s -> 3013.0s] 我们用个性化种流疫苗 [3013.0s -> 3015.0s] 可能都会起到一定的疗效 [3015.0s -> 3016.9s] 那您说这个成本 [3016.9s -> 3018.7s] 控制在病人可以接受的范围 [3018.7s -> 3021.8s] 这个大概是一个什么样的定价水平 [3021.8s -> 3024.9s] 这个不是很方便 [3024.9s -> 3025.9s] 完全透露 [3025.9s -> 3027.6s] 但是可以想象 [3027.6s -> 3028.9s] Carty的话 [3028.9s -> 3030.4s] 如果是几十万一帧 [3030.4s -> 3031.7s] 大家对于Carty的疗效 [3031.7s -> 3032.8s] 非常百万一帧 [3032.8s -> 3033.8s] 很认可的 [3033.8s -> 3036.3s] 但是就是因为它价格的高昂 [3036.3s -> 3038.6s] 使得很多老百姓是承担不起 [3038.6s -> 3040.1s] 医保也负担不起 [3040.1s -> 3043.1s] 那使得它的受众群体就大为受限 [3043.1s -> 3046.4s] 而且Carty公司在国内也面临着一个

[3046.4s -> 3049.3s] 非常非常困难盈利的情况 [3049.3s -> 3051.2s] 那么从我们的角度来讲的话 [3051.2s -> 3052.6s] 如果做这样一款产品 [3052.6s -> 3054.5s] 就必须要把它做成 [3054.5s -> 3056.9s] 是大家可以经济上承受的 [3056.9s -> 3058.4s] 所以说我们针对这方面 [3058.4s -> 3060.2s] 做了非常非常多的研究 [3060.2s -> 3062.2s] 为什么要在这个阶段做 [3062.2s -> 3063.9s] 这方面的研究是因为 [3063.9s -> 3065.2s] 你的算法 [3065.2s -> 3067.0s] 你的生产工艺流程 [3067.0s -> 3068.7s] 一旦进入了临床 [3068.7s -> 3070.4s] 你就不能再变了 [3070.4s -> 3074.0s] 那么说未来五到七年的临床时间内 [3074.0s -> 3077.4s] 整个算法和工艺是不能有任何的更改的 [3077.4s -> 3079.6s] 所以说必须要在进入临床之前 [3079.6s -> 3081.9s] 把这套算法和工艺确定下来 [3082.0s -> 3084.6s] 而且我们必然是有信心 [3084.6s -> 3087.0s] 它在未来既可以做到有效性 [3087.0s -> 3089.4s] 同时要兼顾经济上的可及性 [3089.4s -> 3091.4s] 是不是稍微可以帮我们拆解一下 [3091.4s -> 3094.3s] 就是在不透露太多敏感信息的情况下 [3094.3s -> 3096.8s] 在做个性化的种流疫苗中 [3096.8s -> 3099.2s] 哪一些环节的成本是特别高的 [3099.2s -> 3101.6s] 然后如果您用一个自动化的一个方式 [3101.6s -> 3102.9s] 和您的优化的一个设计 [3102.9s -> 3104.6s] 可以在什么样的方面实现 [3104.6s -> 3106.8s] 大概什么水平的结架呢 [3106.8s -> 3107.7s] 这里面的话 [3107.7s -> 3109.6s] 其实要有很多像我刚才讲的 [3109.6s -> 3110.9s] 一次性的耗产 [3110.9s -> 3112.9s] 因为要避免交叉的污染 [3112.9s -> 3115.4s] 这一部分的成本其实是比较昂贵的 [3115.4s -> 3117.5s] 如果我们用一个100%来看 [3117.5s -> 3118.3s] 比如说Moderna [3118.3s -> 3119.7s] 它现在去做个性化 [3119.7s -> 3122.0s] 种流疫苗的总体成本的话 [3122.0s -> 3123.4s] 它大概分布会在什么地方 [3123.4s -> 3124.7s] 然后您觉得什么样的环节 [3124.7s -> 3126.2s] 可能是有一个结架的 [3126.2s -> 3128.6s] 首先每一个公司的CMC [3128.6s -> 3129.8s] 它的工艺都是保密的 [3129.8s -> 3131.4s] 但是美国的医保系统 [3131.4s -> 3133.1s] 它可以附在那些添加药 [3133.1s -> 3134.0s] 基因治疗的产品 [3134.0s -> 3135.7s] 可以卖到百万美元一帧 [3135.7s -> 3138.2s] 而中国的话我们自己估算了一下 [3138.3s -> 3142.0s] 大概最多一个几十万的费用 [3142.0s -> 3143.1s] 不是成本 [3143.1s -> 3144.7s] 是老百姓可以接受的 [3144.7s -> 3145.8s] 而这样的一个费用 [3145.8s -> 3148.5s] 我们认为是一个lifetime的cost [3148.5s -> 3150.4s] 所以说你把它往回推的话 [3150.4s -> 3151.1s] 那么我们认为 [3151.1s -> 3153.7s] 我要把成本控制在怎么样一个范围内 [3153.7s -> 3155.4s] 才能真正的实现 [3155.4s -> 3156.4s] 既能负担得起 [3156.4s -> 3158.0s] 公司又可以实现 [3158.0s -> 3160.9s] 引力的水平就是一个profitable [3160.9s -> 3162.8s] 其实有的时候做大容易 [3162.8s -> 3164.2s] 做小反而难 [3164.2s -> 3166.0s] 从大个大到现在的iphone [3166.0s -> 3167.2s] 你要把很多的零部件 [3167.2s -> 3168.9s] 放在一个很小的设备内 [3168.9s -> 3170.9s] 它其实面临的挑战是最大的 [3170.9s -> 3172.6s] 而我们的话目前就是 [3172.6s -> 3174.9s] 可以把整个的生产流程 [3174.9s -> 3176.8s] 做成一个缩小化的 [3176.8s -> 3178.9s] 全自动的设备端到端 [3178.9s -> 3182.0s] 从mr的质备到最后致绩的生产 [3182.0s -> 3183.7s] 你按照一个开始键 [3183.7s -> 3185.0s] 过几个小时之后 [3185.0s -> 3187.3s] 整个的mr疫苗就可以生产出来 [3187.3s -> 3189.5s] 而这样每一次开机 [3189.5s -> 3191.2s] 它生产的mr疫苗 [3191.2s -> 3194.3s] 几乎是病人整个lifetime所需要的 [3194.4s -> 3196.0s] 整个生存期 [3196.0s -> 3197.6s] 种流疫苗的量 [3197.6s -> 3199.6s] 所以说我们觉得目前 [3199.6s -> 3200.7s] 它的产能 [3200.7s -> 3202.6s] 它的成本是一个可控 [3202.6s -> 3204.7s] 而且是一个可持续的一个状态 [3204.7s -> 3206.9s] 相当于说可能一针下去 [3206.9s -> 3208.8s] 一次就可以解决这个问题 [3208.8s -> 3209.9s] 后面也不会再复发 [3209.9s -> 3211.1s] 这个是我们的一个愿景 [3211.1s -> 3213.5s] 一次可以解决一次的问题 [3213.5s -> 3214.7s] 还是需要多次的 [3214.7s -> 3217.0s] 它和PD1是一样每三周一针 [3217.0s -> 3217.6s] 对 [3217.6s -> 3218.5s] 就是一个辽城 [3218.5s -> 3220.0s] 就是整个一个辽城下来 [3220.0s -> 3220.9s] 我记得那个moderna [3220.9s -> 3223.4s] 应该是大概一年左右的一个辽城 [3223.4s -> 3224.6s] 基本上差不多了 [3224.6s -> 3225.6s] 因为回头的话 [3225.6s -> 3227.0s] 我们绝对不同的种流 [3227.0s -> 3228.0s] 不同的情况 [3228.0s -> 3230.7s] 也许辽城也会有长短不一样 [3230.7s -> 3232.5s] 但好处就是 [3232.5s -> 3234.0s] 还是回到那句话 [3234.0s -> 3236.4s] 病人的依从性是比较好的 [3236.4s -> 3238.4s] 因为它真的是比较安全 [3238.4s -> 3240.4s] 不至于说是生活的质量 [3240.4s -> 3241.8s] 受到巨大的影响 [3241.8s -> 3242.3s] 是 [3242.3s -> 3243.7s] 那再说回来这个成本 [3243.7s -> 3244.8s] 比如说您刚刚提到 [3244.8s -> 3246.4s] 有取样测序 [3246.4s -> 3248.2s] 然后后面要做nA的这个模板 [3248.2s -> 3249.1s] 然后再要生产出来 [3249.1s -> 3251.6s] mrna再要做qc质检 [3251.6s -> 3253.8s] 然后最后再回收到这个病人的体内 [3253.8s -> 3254.7s] 就这个环节中 [3254.7s -> 3256.4s] 可能大概它的成本分布 [3256.4s -> 3257.3s] 比如说百分之多少 [3257.3s -> 3259.0s] 就是大头可能是在什么地方 [3259.0s -> 3260.0s] 然后如果您说 [3260.0s -> 3261.2s] 有一些自动化 [3261.2s -> 3262.5s] 或者工艺上的优化

[3262.5s -> 3263.9s] 它可能是在什么样的环节 [3263.9s -> 3265.4s] 造成一些成本上的结架 [3265.4s -> 3267.0s] 刚才其实我稍微讲一下 [3267.0s -> 3269.5s] 大头还是在一次性的这种耗材上面 [3269.5s -> 3270.8s] 就全流程中的一次性 [3270.8s -> 3271.4s] 对全流程 [3271.4s -> 3272.2s] 因为这个部分 [3272.2s -> 3274.0s] 你如果要避免交叉污染的话 [3274.0s -> 3275.1s] 必须用一次性的 [3275.1s -> 3275.9s] 这部分的耗材 [3275.9s -> 3277.9s] 我们认为未来也是有巨大的空间 [3277.9s -> 3279.8s] 它的成本会进一步的下降的 [3279.8s -> 3282.1s] 因为随着需求的上升 [3282.1s -> 3283.3s] 耗材生产 [3283.3s -> 3284.4s] 规模的提升 [3284.4s -> 3285.5s] 每一单的成本 [3285.5s -> 3286.9s] 可能就会大幅的下降 [3286.9s -> 3289.6s] 你如果说哪一步成本是最高的 [3289.6s -> 3291.0s] 我们现在看起来 [3291.0s -> 3292.7s] 可能它是分身的各个部分 [3292.7s -> 3294.3s] 而这套自动化的设备的话 [3294.3s -> 3295.4s] 它不只是说 [3295.4s -> 3297.7s] 从XIN號的使用上做到了一个优化 [3297.7s -> 3299.6s] 它同时对于整个系统的 [3299.6s -> 3301.3s] 死体积的控制 [3301.3s -> 3302.4s] 整个系统中 [3302.4s -> 3305.8s] 废弃业它的一个控制降到了最低 [3305.8s -> 3307.1s] 如果没有人工参与 [3307.1s -> 3309.9s] 那你把人的这部分成本也节省了下来 [3309.9s -> 3311.4s] 节省人这个很好理解 [3311.4s -> 3312.9s] 您说死体积 [3312.9s -> 3314.5s] 然后废弃业这个市值 [3314.5s -> 3315.2s] 在什么环境部分 [3315.2s -> 3317.3s] 如果是你需要用人来接 [3317.3s -> 3319.4s] 它流出来的业体的时候 [3319.4s -> 3321.2s] 你就要考虑到我接多少 [3321.2s -> 3322.6s] 是不是最开始这些 [3322.6s -> 3323.5s] 你不要接 [3323.5s -> 3324.9s] 最后面那一段你不要接 [3324.9s -> 3326.7s] 这就每一步都会有损失 [3326.7s -> 3328.0s] 可是如果我们把它设置成 [3328.0s -> 3329.1s] 自动化控制的话 [3329.1s -> 3330.2s] 你可以精准的控制 [3330.2s -> 3331.3s] 所以说每一步的死体积 [3331.3s -> 3332.4s] 把它降到最低 [3332.4s -> 3334.0s] 那么你整个生产过程中 [3334.0s -> 3336.0s] 所用到的这种consumable的话 [3336.0s -> 3337.6s] 或者是它的real material [3337.6s -> 3340.2s] 它在这部分的使用就可以降到最低 [3340.2s -> 3342.8s] 每一个环节都需要去考虑 [3342.8s -> 3345.4s] 最后才能出来一个总体成本上 [3345.4s -> 3346.8s] 有一个大幅的下降 [3346.8s -> 3347.7s] 明白 [3347.7s -> 3349.6s] 就相当于其实是在每一个步骤 [3349.6s -> 3350.8s] 都要扣细节 [3350.8s -> 3352.2s] 都要把节奖给做出来 [3352.2s -> 3354.1s] 那确实是要在整个路线上都要有 [3354.1s -> 3356.8s] 这是因为也是得益于我们在 [3356.8s -> 3358.4s] 早些年的一些积累 [3358.4s -> 3360.5s] 像公司建立了一套大规模的 [3360.5s -> 3362.6s] MRA生产自动化的平台 [3362.6s -> 3364.1s] 以及包括了QC [3364.2s -> 3366.3s] 但这个的话是整个一间房间 [3366.3s -> 3367.9s] 所以说做大容易 [3367.9s -> 3369.0s] 做小难 [3369.0s -> 3370.4s] 你要把那么多的仪器 [3370.4s -> 3372.9s] 现在要重新把它做成小的设备 [3372.9s -> 3375.1s] 把它放到一个几乎是可以 [3375.1s -> 3378.2s] portable的这样一套device里面去的话 [3378.2s -> 3379.0s] 你可以想象它的 [3379.0s -> 3381.0s] Android用的挑战是比较大 [3381.9s -> 3384.2s] 那您公司在做这个自动化的里面 [3384.2s -> 3387.6s] 是怎么样可以实现这个工程上的优化 [3387.6s -> 3389.3s] 就是您是有一些 [3389.3s -> 3391.8s] 什么样的团队它去实现这种 [3391.8s -> 3394.6s] 肯定还是原来做技术开发的这个团队 [3394.6s -> 3396.0s] 做过它的放大 [3396.0s -> 3397.6s] 现在的话是同样的思路 [3397.6s -> 3399.0s] 但是你要反向思维 [3399.0s -> 3401.0s] 把它怎么样子做到最小化 [3401.0s -> 3402.9s] 然后我们再和外部的一些 [3402.9s -> 3404.0s] partner来合作 [3404.0s -> 3406.8s] 指导他们按照我们的思路设计 [3406.8s -> 3408.2s] 帮助我们把仪器做出来 [3408.2s -> 3410.4s] 然后我们不断的测试验证 [3410.4s -> 3412.6s] 这个过程其实是需要一点时间的 [3412.6s -> 3413.8s] 但是它的好处是 [3413.8s -> 3415.5s] 未来可以实现标准化 [3415.5s -> 3417.3s] 这样整个一套的生产 [3417.3s -> 3419.1s] 不再依赖于人 [3419.1s -> 3421.7s] 完全是机器程序来完成 [3421.8s -> 3424.3s] 所以说它可以做到可复制性 [3424.3s -> 3427.0s] 如果是临庄实验1727的话 [3427.0s -> 3429.6s] 十几个几十个病人你很容易控制 [3429.6s -> 3432.0s] 三期临庄实验上千个病人 [3432.0s -> 3433.4s] 最后商业化的上 [3433.4s -> 3435.3s] 我们是百万剂的病人的时候 [3435.3s -> 3437.6s] 只能靠一台一台不同的仪器 [3437.6s -> 3439.9s] 来控制它公益的可重复性 [3439.9s -> 3441.1s] 这里面是不是也需要一些 [3441.1s -> 3442.6s] 跨界的人才参与 [3442.6s -> 3445.1s] 就不是常规的生物要领域的人才 [3445.1s -> 3446.4s] 我们公司的话 [3446.4s -> 3448.4s] 从新抗原的设计的角度 [3448.4s -> 3450.0s] 从算法的优化的角度 [3450.1s -> 3451.5s] 这方面本身就需要一些 [3451.5s -> 3453.6s] interdisciplinary的人才 [3453.6s -> 3455.2s] 所以说我们也邀请了Moderna [3455.2s -> 3458.4s] 当年负责新抗原算法设计的 [3458.4s -> 3459.5s] 总裁Yim [3459.5s -> 3461.9s] 担任公司的首席A.I. [3461.9s -> 3463.3s] 就是Chief AI Officer [3463.3s -> 3464.2s] 然后我们搭建了 [3464.2s -> 3467.0s] 自己的整个computational science的团队 [3467.0s -> 3469.0s] 整个团队里面我们还加入了 [3469.0s -> 3470.7s] 做automation的人员 [3470.7s -> 3472.2s] 这一部分的团队是一个 [3472.2s -> 3474.2s] 非常非常unique [3474.2s -> 3475.6s] 非传统的 [3475.6s -> 3477.8s] biotech的这样一个部门

[3477.8s -> 3479.8s] 而公司在成长的过程中 [3479.8s -> 3481.0s] 这个部门始终是在 [3481.0s -> 3482.2s] 扩招的过程中 [3482.2s -> 3484.4s] 因为我们越来越意识到 [3484.4s -> 3485.9s] 从计算科学 [3485.9s -> 3487.5s] 从AI制要的角度 [3487.5s -> 3489.4s] 核算要务是最有可能 [3489.4s -> 3492.0s] 被AI驱动的这样一个产品 [3492.0s -> 3493.6s] 因为它的底层就是 [3493.6s -> 3495.8s] AUCC这四个字母 [3495.8s -> 3496.8s] 它从某种意义上 [3496.8s -> 3498.0s] 就是一个计算科学 [3498.0s -> 3499.2s] 驱动的学科 [3499.2s -> 3500.6s] 这也是我们不断的在发展 [3500.6s -> 3502.2s] 公司内部的计算科学 [3502.2s -> 3503.4s] computational biology [3503.4s -> 3504.6s] 这样一个部门的原因 [3504.6s -> 3505.5s] 而这里面加入了 [3505.5s -> 3508.1s] 确实很多international language的人才 [3508.1s -> 3509.2s] 发现的人才 [3509.2s -> 3510.6s] 您觉得自动化和AI [3510.6s -> 3511.8s] 就是整个全流成 [3511.8s -> 3513.4s] 自动化这样的一个 [3513.4s -> 3514.2s] 优化方向吗 [3514.2s -> 3515.7s] 这个是一个行业趋势吗 [3515.7s -> 3517.0s] 其他的做主流疫苗公司 [3517.0s -> 3518.2s] 包括moderna [3518.2s -> 3519.0s] biotech [3519.0s -> 3519.9s] 然后还有其他一些 [3519.9s -> 3520.6s] 国内这个公司 [3520.6s -> 3521.4s] 大家都是在 [3521.4s -> 3523.6s] 往这个方向去努力的吗 [3523.6s -> 3524.4s] 国外的话 [3524.4s -> 3526.4s] moderna肯定是这样子的 [3526.4s -> 3527.8s] biotech的话 [3527.8s -> 3528.9s] 目前我们了解的 [3528.9s -> 3529.9s] 不是特别多 [3529.9s -> 3532.0s] 但我们猜测应该是 [3532.0s -> 3533.6s] 包括它的一些并购 [3533.6s -> 3534.6s] 大家都是通过 [3534.6s -> 3536.4s] 收购AI的公司 [3536.4s -> 3537.8s] 或者算法的公司 [3537.8s -> 3538.7s] 而爱博生物的话 [3538.8s -> 3540.0s] 这边主要采取了 [3540.0s -> 3541.3s] 自主搭建的模式 [3541.3s -> 3542.7s] 从我们的角度来讲 [3542.7s -> 3545.0s] AI离开自动化就是空谈 [3545.0s -> 3546.3s] 因为AI需要的是 [3546.3s -> 3547.7s] 大量的数据训练 [3547.7s -> 3548.7s] 没有自动化的话 [3548.7s -> 3550.0s] 是不可能去训练出 [3550.0s -> 3551.8s] 一个好的AI模型文的 [3551.8s -> 3553.4s] 所以说这是公司内部 [3553.4s -> 3556.0s] 在同时一手抓着自动化 [3556.0s -> 3557.4s] 另一方面用自动化的数据 [3557.4s -> 3558.5s] 来驱动AI的发展的 [3558.5s -> 3559.7s] 一个原因所在 [3559.7s -> 3561.1s] 那我们再具体聊一聊 [3561.1s -> 3563.0s] AI在种流疫苗的 [3563.0s -> 3564.9s] 整个研发和制造过程中 [3564.9s -> 3565.8s] 它现在是在什么样的 [3565.8s -> 3567.2s] 一些环节有应用吗 [3567.2s -> 3567.9s] 从最开始的 [3567.9s -> 3569.4s] 抗原序列的预测 [3569.4s -> 3571.5s] 到最后MR序列的优化 [3571.5s -> 3572.4s] 甚至未来 [3572.4s -> 3573.9s] 像在爱博生物的内部 [3573.9s -> 3575.3s] 在纸质分子的研发 [3575.3s -> 3577.3s] 就是低送系统的开发上面 [3577.3s -> 3579.0s] 几乎它是贯穿 [3579.0s -> 3580.8s] 整个核酸药的 [3580.8s -> 3582.6s] 生产研发的过程中 [3582.6s -> 3584.0s] 尤其是在更加化种流疫苗中 [3584.0s -> 3586.4s] 应该是把它开发到了极致 [3586.4s -> 3588.3s] 或者它的应用发展到了极致 [3588.3s -> 3589.3s] 每一个病人的 [3589.3s -> 3590.5s] 新抗原的序列 [3590.5s -> 3591.9s] 是算出来的 [3591.9s -> 3593.0s] 固定抗原的话 [3593.0s -> 3594.7s] 像这种Driver Mutation [3594.7s -> 3595.9s] 这是长期的 [3595.9s -> 3597.2s] Disease Biology [3597.2s -> 3598.3s] 来积累下来的 [3598.3s -> 3599.1s] 我们发现的 [3599.1s -> 3599.6s] 对吧 [3599.6s -> 3601.3s] 它不需要什么变化 [3601.3s -> 3602.5s] 就是在那摆着 [3602.5s -> 3603.4s] 而个性化种病苗 [3603.4s -> 3604.7s] 每一个人都是算出来的 [3604.7s -> 3605.7s] 而算得好坏 [3605.7s -> 3606.8s] 算得准确与否 [3606.8s -> 3608.0s] 我就对你未来的 [3608.0s -> 3609.0s] 临床实验的结果 [3609.0s -> 3611.0s] 是病人最后整个的 [3611.0s -> 3612.0s] 生存期的延长 [3612.0s -> 3613.6s] 会有一个举桌轻重的作用 [3613.6s -> 3613.9s] 对 [3613.9s -> 3615.1s] 然后之前你也提到说 [3615.1s -> 3616.8s] 这个AI其实像Moderna [3616.8s -> 3618.9s] 它的做这些序列的设计 [3618.9s -> 3620.9s] 其实也是从很多年前就开始了 [3620.9s -> 3622.2s] 你觉得最近的这一波 [3622.2s -> 3623.2s] 包括现在可能 [3623.2s -> 3624.4s] Anthropica这样公司 [3624.4s -> 3625.5s] 它也很快就要上市了 [3625.5s -> 3627.0s] AI其实是在突飞猛进地 [3627.0s -> 3628.0s] 再往前发展 [3628.0s -> 3630.8s] 您觉得最新的这一些AI的技术 [3630.8s -> 3632.1s] 已经有应用在 [3632.1s -> 3633.7s] 种流疫苗的这个研发过程中吗 [3633.7s -> 3635.6s] 它是一个大概什么样的AI的阶段 [3635.6s -> 3637.6s] 和现在的硅谷的AI的发展系统 [3637.6s -> 3638.8s] 是什么样的关系 [3638.8s -> 3640.4s] 互联网已经成为 [3640.4s -> 3643.2s] 今天整个社会发展的一个Foundation [3643.2s -> 3645.2s] 在前面一二十年 [3645.2s -> 3646.1s] 那么未来的话 [3646.1s -> 3647.9s] AI就是这样一个趋势 [3647.9s -> 3650.4s] 可是AI的价值的实现 [3650.4s -> 3651.8s] 是需要一个出口的

[3651.8s -> 3652.4s] 前面的话 [3652.4s -> 3654.4s] 我们可以看到有很多的工具 [3654.5s -> 3656.3s] 但是在药物的研发上 [3656.3s -> 3658.1s] 我们觉得AI可以实现的价值 [3658.1s -> 3660.0s] 应该是非常大的 [3660.0s -> 3661.9s] 而在这一部分里面还是回到 [3661.9s -> 3663.1s] 整个的药物的种类 [3663.1s -> 3665.2s] 比如小分子 蛋白 核酸药 [3665.2s -> 3667.8s] 那么核酸药是最有可能被AI所驱动的 [3667.8s -> 3671.0s] 因为它是一个完全计算性的药品的设计 [3671.0s -> 3673.5s] 而不设计太复杂的三维的结构 [3673.5s -> 3674.6s] 它有四个字母 [3674.6s -> 3676.3s] 所以说计算也不需要太 [3676.3s -> 3677.9s] 就是一个四斤制的算法 [3677.9s -> 3679.0s] 不像蛋白一样 [3679.0s -> 3680.9s] 二十个按计算还有三维的结构 [3680.9s -> 3682.5s] 它的算法相对会复杂一些 [3682.5s -> 3684.4s] 会用到现在这些最新的大模型 [3684.4s -> 3686.8s] 需要很大算力这样的应用吗 [3686.8s -> 3688.7s] 我们曾经考虑过 [3688.7s -> 3692.1s] 要计算整个L1P的排队组合 [3692.1s -> 3694.0s] 因为公司的投资人很多 [3694.0s -> 3696.5s] 像国内的一些知名的做AI [3696.5s -> 3698.3s] 或者TMT领域的投资人 [3698.3s -> 3700.7s] 也有国际上像软银这样的投资人 [3700.7s -> 3703.2s] 所以说大家对我们这方面的应用 [3703.2s -> 3704.8s] 其实都是保持了一个 [3704.8s -> 3707.2s] 特别积极紧密交流的这样一个态度 [3707.2s -> 3709.5s] 如果是算整个单个MR分子 [3709.5s -> 3711.8s] 单个指示分子是可行的 [3711.8s -> 3713.8s] 我们能不能把一个复杂的 [3713.8s -> 3714.8s] 指示纳米颗粒 [3714.8s -> 3716.3s] 999的Parsquade算出来 [3716.3s -> 3718.3s] 那大家后来考虑一下 [3718.3s -> 3719.3s] 这个用到的算力 [3719.3s -> 3722.2s] 将是目前很难很难实现的一件事情 [3722.2s -> 3724.2s] 可是未来的话 [3724.2s -> 3726.1s] 真的这一部分是有可能实现 [3726.1s -> 3728.2s] 那么它对于整个核酸药物的发展 [3728.2s -> 3730.9s] 将是一个又一次极大的促进 [3730.9s -> 3732.8s] 目前的话看起来还有挑战 [3732.8s -> 3733.8s] 但是科技的发展 [3733.8s -> 3735.7s] 从来都是不可能变成可能 [3735.7s -> 3737.0s] 对 区分一下 [3737.0s -> 3739.2s] 您刚刚说的新抗原的序列这个地方 [3739.2s -> 3740.8s] 因为它只有四个剪辑 [3740.8s -> 3743.2s] 所以它的预测可能相对不需要那么高的算力 [3743.2s -> 3745.4s] 听起来好像也不是一个需要非常复杂的 [3745.4s -> 3746.9s] 一套AI的算法 [3746.9s -> 3749.2s] 但是您刚刚说这个纸质的纳米颗粒 [3749.2s -> 3750.6s] 这个其实相当于是 [3750.6s -> 3751.8s] 递送这个MRA [3751.8s -> 3755.5s] 进到患者体内的这样的一个包裹的一个环境 [3755.5s -> 3758.2s] 为什么我们需要对这个LNP做优化 [3758.2s -> 3760.4s] 需要用到这么强大的算力呢 [3760.4s -> 3764.2s] LNP里面最主要的是一个可电力的杨丽茲纸质 [3764.2s -> 3765.8s] 这个纸质分子像是一个小分子 [3765.8s -> 3767.9s] 它用到算力是有限的 [3767.9s -> 3769.4s] 可是整个LNP的话 [3769.4s -> 3773.1s] 涉及到不同的纸质分子和MRA一套自主装的系统 [3773.1s -> 3773.8s] 目前的话 [3773.8s -> 3778.4s] 大家还是用传统的体内体外筛选的方式 [3778.4s -> 3780.3s] 来选择更好的递送系统 [3780.3s -> 3783.2s] 显然它的时间成本就会很高 [3783.2s -> 3785.3s] 因为它需要去做实验 [3785.3s -> 3789.6s] 如果未来能通过电脑模拟MRA和纸质分子的反应 [3789.6s -> 3791.1s] 以及在细胞内的释放 [3791.1s -> 3794.0s] 可以模拟出整个LNP递送的效率的话 [3794.0s -> 3796.1s] 那么它会极大极大的加速 [3796.1s -> 3797.9s] 整个递送领域的发展 [3798.0s -> 3798.6s] 现在的话 [3798.6s -> 3801.8s] 如果是一个MRA可以表达100分蛋白分子 [3801.8s -> 3803.5s] 随着递送系统的提升 [3803.5s -> 3804.2s] 一个MRA [3804.2s -> 3807.2s] 如果我们可以通过递送系统通过MRA蓄制的优化 [3807.2s -> 3809.6s] 可以表达1万个蛋白质分子的话 [3809.6s -> 3811.7s] 就是它的递送效率再提高100倍 [3811.7s -> 3815.0s] 那么未来有很多的蛋白分子或者蛋白药物 [3815.0s -> 3817.0s] 都可以通过MRA这种形式 [3817.0s -> 3819.2s] 可以得到一个更快速的研发 [3819.2s -> 3820.8s] 您说的递送的效率 [3820.8s -> 3824.0s] 包括就是去优化LNP它的壳 [3824.0s -> 3826.2s] 比如说现在在做这个种流疫苗 [3826.2s -> 3827.8s] 它是用的是一个现货的LNP [3827.8s -> 3830.6s] 还是说針对每一个个性化的MRA [3830.6s -> 3832.9s] 还要去为它设计不同的LNP [3832.9s -> 3835.2s] 那如果要是把它计算更好的LNP [3835.2s -> 3838.5s] 它是在什么样的环节上有一个优化呢 [3838.5s -> 3840.2s] 所以说是个性化的种流疫苗 [3840.2s -> 3841.8s] 但是我们也不希望里面有 [3841.8s -> 3844.4s] 太多太多个性化的部件和产品 [3844.4s -> 3845.1s] 因为这样的话 [3845.1s -> 3847.6s] 它就面临着更大的复杂性和不可控性 [3847.6s -> 3848.4s] 个性化种流疫苗 [3848.4s -> 3849.4s] 它的个性化的部分 [3849.4s -> 3851.1s] 只是在于核酸的序列 [3851.1s -> 3852.0s] 新抗原的预测 [3852.0s -> 3853.4s] 以及基于新抗原的序列 [3853.4s -> 3855.0s] 我们适能出来的MRA序列 [3855.0s -> 3856.6s] 它的低送系统是固定的 [3856.6s -> 3857.1s] 而这样的话 [3857.1s -> 3858.6s] 你的一套低送系统 [3858.6s -> 3861.5s] 面对这么多复杂的不同的MRA的序列 [3861.5s -> 3862.4s] 它的长度 [3862.4s -> 3864.2s] 必然你要对这套的系统 [3864.2s -> 3866.6s] 进行着一个非常扎实的开发 [3866.6s -> 3868.6s] 使得它能兼容 [3868.6s -> 3869.2s] 未来的话 [3869.2s -> 3870.9s] 如果这部分有进一步的提升 [3870.9s -> 3872.9s] 那么我们可能把种流疫苗 [3872.9s -> 3874.3s] 或者新抗原种流疫苗的伎倆 [3874.3s -> 3875.6s] 进一步的降低 [3875.6s -> 3877.7s] 那么它的成本也会进一步的下降 [3877.7s -> 3880.2s] 可能给大家带来的不良反应 [3880.2s -> 3881.9s] 也会得到进一步的控制 [3881.9s -> 3883.2s] 所以说目前的不良反应 [3883.2s -> 3885.2s] 是完全在一个可结束的范围内 [3885.2s -> 3887.4s] 嗯 了解这样很清楚 [3887.4s -> 3888.4s] 既然说到AR [3888.4s -> 3890.3s] 其实有很多硅谷大佬

[3890.3s -> 3893.6s] 都会说随着拆GPT大模型的发展 [3893.6s -> 3895.2s] 那像25年的时候 [3895.2s -> 3897.3s] Stargate这个项目加古文的创始人 [3897.3s -> 3900.0s] 他觉得将来有了个性化的种流疫苗 [3900.0s -> 3902.5s] 就可以在AI的帮助下很快的设计出来 [3902.5s -> 3903.7s] 整个这个疫苗制造 [3903.7s -> 3905.3s] 48小时就可以完成 [3905.3s -> 3906.0s] 包括前两天 [3906.0s -> 3908.6s] 马斯克针对Moderna的零创三期的突破 [3908.6s -> 3909.9s] 他也说以后疫苗 [3909.9s -> 3911.5s] 它就变成了一个软件问题 [3911.5s -> 3913.1s] 变成了一个software problem [3913.1s -> 3916.1s] 您怎么看硅谷的这一些技术的先驱者 [3916.1s -> 3918.5s] 他们对于AI在种族疫苗 [3918.5s -> 3919.8s] 在生物一些种族这个应用 [3919.8s -> 3921.3s] 您觉得他们会很乐观吗 [3921.3s -> 3923.3s] 还是您怎么看待他们的这个判断 [3923.3s -> 3924.8s] 他们说的没有错 [3924.8s -> 3926.4s] 在技术层次上 [3926.4s -> 3928.4s] 它就是一个软件的问题 [3928.4s -> 3929.6s] 在另一个方面的话 [3929.6s -> 3931.7s] 像我说是一个engineering的挑战 [3931.7s -> 3934.2s] 这些都可以不断的解决 [3934.2s -> 3935.8s] 但是还面临着一个就是 [3935.8s -> 3938.0s] 现有一套监管体系 [3938.0s -> 3939.3s] 毕竟是药品 [3939.3s -> 3940.8s] 所以说我们对它的监管 [3940.8s -> 3942.8s] 还是要有一定的要求 [3942.8s -> 3944.7s] 它的生产放行 [3944.7s -> 3946.2s] 这个时间相对来说 [3946.2s -> 3947.7s] 在两周之内 [3947.7s -> 3950.4s] 目前来讲还没有一个特别好的办法 [3950.4s -> 3953.6s] 可以把这部分时间进一步的缩短 [3953.6s -> 3957.2s] 所以说从他们讲的计算的挑战 [3957.2s -> 3958.3s] 和算力的要求 [3958.3s -> 3959.7s] 包括算法 设计 [3959.7s -> 3962.5s] 这些部分确实可以在很短的时间的完成 [3962.5s -> 3964.8s] 因为它就是一个软件和工程学的问题 [3964.8s -> 3966.0s] 对 您提到监管挑战 [3966.0s -> 3967.4s] 那是不是也可以展开讲一讲 [3967.4s -> 3970.0s] 就是现在对于一个个性化的种族疫苗 [3970.0s -> 3973.2s] 来说监管上可能有什么样的一些区别 [3973.2s -> 3976.1s] 然后会导致在监管上产生一些挑战 [3976.1s -> 3978.0s] 目前来讲的话就是 [3978.0s -> 3980.4s] 从进入到一期开始 [3980.4s -> 3982.9s] 你的算法公益就不能再变 [3982.9s -> 3985.5s] 可是从生物技术的角度而言 [3985.5s -> 3986.9s] 一期和二期临床实验 [3986.9s -> 3989.7s] 往往还是给你提供进一步改进的空间 [3989.7s -> 3991.2s] 你从临床上获得数据 [3991.2s -> 3993.5s] 包括回头来优化算法 [3993.5s -> 3995.4s] 所以说在三期临床之前 [3995.4s -> 3999.2s] 你最好是能把所有的可提升的空间 [3999.2s -> 4000.2s] 再进一步应用 [4000.2s -> 4002.0s] 但个性化种旅苗目前来讲 [4002.0s -> 4004.6s] 监管是已经对个性化种旅苗 [4004.6s -> 4006.3s] 有了很大的突破 [4006.3s -> 4009.4s] 但是有一些生产公益流程上的这些要求 [4009.4s -> 4010.4s] 还是不能变的 [4010.4s -> 4013.0s] 就是公益不能再允许更改 [4013.0s -> 4015.5s] 因为这会影响到你产品的一个安全性有效性 [4015.5s -> 4017.4s] 在临床一期二期验证过的安全性 [4017.4s -> 4018.4s] 现在在三期内 [4018.4s -> 4021.2s] 你不能重新再进行一些变更 [4021.2s -> 4024.5s] 所以说要品有要品自身的一套管理方法 [4024.5s -> 4028.1s] 从软件 从AI 从数据算法上 [4028.2s -> 4030.0s] 它又有不断迭代的需求 [4030.0s -> 4031.4s] 而这两方面的话 [4031.4s -> 4033.6s] 目前我觉得是未来可能 [4033.6s -> 4036.1s] 我们会需要去跟监管不断讨论 [4036.1s -> 4037.9s] 不断研究的一个方向 [4037.9s -> 4039.6s] 对 以及我想这个里边 [4039.6s -> 4041.2s] 尤其是个性化的种旅苗 [4041.2s -> 4043.4s] 它相当于是要为每一个患者去设计 [4043.4s -> 4047.5s] 针对它的重流的突变的新抗原的疗法 [4047.5s -> 4049.5s] 它是在什么层面上去监管 [4049.5s -> 4052.1s] 它肯定也没有办法一个人一个人的去 [4052.1s -> 4054.3s] 监管上怎么去确保这一套算法 [4054.3s -> 4056.4s] 设计出来新抗原的这个序列 [4056.4s -> 4058.6s] 这套MRA 它其实在每个人身上 [4058.6s -> 4059.9s] 都是可以试用的 [4059.9s -> 4061.9s] 会不会这里面其实有一些人是更适用 [4061.9s -> 4063.9s] 有一些人法是没有那么有效的 [4063.9s -> 4066.2s] 就跟现在的要品一样 [4066.2s -> 4068.6s] 所有的要品也不是对每个人的来说都一样 [4068.6s -> 4071.7s] 第一 监管也保证这个产品它的安全性 [4071.7s -> 4074.6s] 所以说它审批的其实不是一个产品 [4074.6s -> 4076.6s] 它审批的是一套平台技术 [4076.6s -> 4078.8s] 而某的恰好就是在新冠期间 [4078.8s -> 4081.1s] 它证明了它平台技术的一个安全性 [4081.1s -> 4083.3s] 而在零创1727又证明了 [4083.3s -> 4085.5s] 它在这个给要计量下 [4085.5s -> 4087.7s] 整个平台技术的一个可靠性 [4087.7s -> 4090.0s] 所以说最后有效性的话 [4090.0s -> 4092.6s] 是在三期零创实验中就获得了 [4092.6s -> 4094.0s] 但是能否尽三期 [4094.0s -> 4095.9s] 首先要看你一个公益的可重复兴 [4095.9s -> 4097.1s] 以及你的安全性 [4097.1s -> 4098.7s] 监管上现在还有很多挑战 [4098.7s -> 4100.9s] 但是我看到就是也有报道说 [4100.9s -> 4102.3s] 某种人哪他们其实是希望 [4102.3s -> 4104.6s] 2027年要务就可以上市的 [4104.6s -> 4106.9s] 那您觉得它这个上市时间点 [4106.9s -> 4109.3s] 是一个比较现实的时间点吗 [4109.3s -> 4111.9s] 就是从一个监管的角度来说的话 [4111.9s -> 4114.4s] 现在是有一个三期的积极的结果 [4114.4s -> 4116.6s] 那他们可能会在今年晚一点的大会上 [4116.6s -> 4118.6s] 公布他们具体的这个零创实验数据 [4118.6s -> 4119.9s] 那到上市的时间 [4119.9s -> 4121.0s] 就监管的Vadiness [4121.0s -> 4123.4s] 它的这个监管的流程都很清晰 [4123.4s -> 4124.2s] 你觉得27年后 [4124.2s -> 4125.6s] 我们是可以期待到第一款 [4125.6s -> 4127.6s] 个性化的种有疫苗吗 [4127.6s -> 4129.5s] 我们肯定是很期待这样一款产品 [4129.5s -> 4131.0s] 能尽早的上市 [4131.0s -> 4133.0s] 我们也相信从公司 [4133.0s -> 4134.6s] 患者群体以及监管的角度 [4134.6s -> 4136.8s] 都有动力去做这样一件事情 [4136.8s -> 4137.7s] 那从现在

[4137.7s -> 4139.8s] 您也现在也在做这个研发吗 [4139.8s -> 4141.4s] 那可能也会跟国内的一些监管 [4141.4s -> 4142.3s] 会不会有一些交流 [4142.3s -> 4143.5s] 就是在上市的上面 [4143.5s -> 4145.5s] 可能在哪些环节会比较挑战 [4145.5s -> 4147.3s] 应该大的挑战是不会有了 [4147.3s -> 4150.0s] 因为大家都对于平台技术的一个认可 [4150.0s -> 4151.2s] 所以说也知道 [4151.2s -> 4152.4s] 批这样一款产品 [4152.4s -> 4154.1s] 不是在批一款产品 [4154.1s -> 4156.2s] 而是在基于平台技术的技术上 [4156.2s -> 4158.3s] 去看待这样一款产品的研发 [4158.3s -> 4160.8s] 所以我们目前不认为在国内外 [4160.8s -> 4161.8s] 在监管上 [4161.8s -> 4164.9s] 还有真正的一些障碍没有跨过去的 [4164.9s -> 4166.7s] 然后我们再来回顾一下 [4166.7s -> 4168.1s] 从COVID疫苗 [4168.1s -> 4170.4s] 到我们现在种流疫苗的演化 [4170.4s -> 4171.4s] 其实应该是说 [4171.4s -> 4172.3s] 整个种流疫苗 [4172.3s -> 4175.4s] 有十多年很漫长的研发的进程 [4175.4s -> 4177.4s] 但是在20年前后 [4177.4s -> 4178.9s] 有这个COVID疫情 [4178.9s -> 4180.2s] MRNA的这个出现 [4180.2s -> 4182.7s] 和当时对于MRNA疫苗的投资 [4182.7s -> 4184.4s] 其实可能是加速了 [4184.4s -> 4186.8s] 整个MRNA疫苗领域的一个进展 [4186.8s -> 4187.9s] 也想请问一下您 [4187.9s -> 4189.2s] 从一个内行角度来说 [4189.2s -> 4191.9s] COVID的这个MRNA疫苗的这个研发 [4191.9s -> 4194.1s] 对于种流疫苗的研发 [4194.1s -> 4196.8s] 它中间会有什么样的产业上 [4196.8s -> 4199.0s] 或者整个这个行业是有什么助力吗 [4199.0s -> 4200.4s] 它对于整个平台技术 [4200.4s -> 4202.8s] 我觉得是有一个巨大的推动的 [4202.8s -> 4204.8s] 整个生产工艺生产流程 [4204.8s -> 4206.3s] 哪些地方我们可以进一步 [4206.3s -> 4207.4s] 提升产品的质量 [4207.4s -> 4208.3s] 就比如说是 [4208.3s -> 4211.1s] 进一步提升产品的纯度降低它的杂质 [4211.1s -> 4214.6s] 用这样一个在工艺上提升的产品 [4214.6s -> 4216.2s] 再去开发种流疫苗 [4216.2s -> 4217.8s] 或者应用到种流疫苗的产品上 [4217.8s -> 4219.4s] 对于整个种流疫苗产品的质量 [4219.4s -> 4220.8s] 也是一个巨大的提升 [4220.8s -> 4224.1s] 相当于说借着COVID疫苗的争产 [4224.1s -> 4225.5s] 相当于做了一次电兵 [4225.6s -> 4229.2s] 可以这么说加速了一个技术的成熟 [4230.2s -> 4231.0s] 还有一个点 [4231.0s -> 4232.2s] 就是因为您之前也说 [4232.2s -> 4234.4s] 为什么先选了黑色塑流这个试验症 [4234.4s -> 4237.0s] 是因为可能它可以比较快的去验证 [4237.0s -> 4239.6s] 种流疫苗是不是可以有一个比较好的结果 [4239.6s -> 4241.8s] 那为什么这个种流疫苗整个的研发 [4241.8s -> 4243.1s] 我们看是到了 [4243.1s -> 4246.5s] 现在才有一个三期的积极的一个结果读出 [4246.5s -> 4248.1s] 为什么需要这么多年的时间 [4248.1s -> 4250.2s] 这个种流疫苗的研发才可以有一个突破 [4250.2s -> 4251.8s] 但是相比于MRA疫苗 [4251.8s -> 4253.1s] COVID期间这个疫苗 [4253.1s -> 4254.8s] 它其实就是很快地制造出来 [4254.8s -> 4257.0s] 为什么种流疫苗会这么的艰难 [4257.0s -> 4259.0s] 种流首先它要复杂得多 [4259.0s -> 4261.1s] 它不是一个病毒 [4261.1s -> 4262.5s] 所以说针对一个病毒 [4262.5s -> 4264.2s] 而且新冠疫苗的话 [4264.2s -> 4266.5s] 它的成功也是基于人类 [4266.5s -> 4271.2s] 以前对于R-SV疫苗抗原的识别的一个突破 [4271.2s -> 4275.0s] 就是我们找到PreyF的叫抗原序列 [4275.0s -> 4278.0s] 所以说可以使得针对于新冠疫苗 [4278.0s -> 4280.0s] 它的抗原的认定 [4280.0s -> 4283.2s] 以及新冠疫苗的开发可以迅速的推进 [4283.2s -> 4285.7s] 而种流的话它从来都是多病因的 [4285.7s -> 4289.5s] 再有的话就是新冠疫苗的临庄实验箱的来说 [4289.5s -> 4292.1s] 当时在大流行期间发病比较高 [4292.1s -> 4293.6s] 病例比较容易捕捉 [4293.6s -> 4295.1s] 那么它入组也会快 [4295.1s -> 4297.5s] 而种流的话是要种流患者的 [4297.5s -> 4299.4s] 这里面的话入组了1000多人 [4299.4s -> 4302.1s] 因为有入组的标准和条件 [4302.1s -> 4305.2s] 可能筛选的病人要远远高过1000 [4305.2s -> 4307.4s] 你就可以想象一个是给健康人 [4307.4s -> 4308.7s] 一个是给病人 [4308.7s -> 4311.9s] 健康人的群体是远远远超过病人群体 [4311.9s -> 4314.6s] 同时病人的话还要经过大规模的筛查 [4314.6s -> 4316.3s] 是否适合入组的条件 [4316.3s -> 4319.3s] 所以说种流产品或者治疗性产品 [4319.3s -> 4322.6s] 它的时间就是比预防性的产品要长一些 [4322.6s -> 4324.7s] 这也是为什么 [4324.7s -> 4327.0s] Moderna在新冠疫苗之后 [4327.0s -> 4330.4s] 最先上市的两款产品是RSV和流感 [4330.4s -> 4332.0s] 而不是种流疫苗 [4332.0s -> 4334.9s] 而目前来讲我们种流疫苗的开发 [4334.9s -> 4338.9s] 现在也只是到了一个有非常积极的信号 [4338.9s -> 4341.9s] Raid out的阶段还没有正式货币上市 [4341.9s -> 4344.6s] 离正式货币上市其实还是有一段路要走 [4344.6s -> 4347.8s] 那后面如果这个疫苗可以大规模的生产 [4347.8s -> 4349.0s] 那现在看来的话 [4349.0s -> 4351.9s] 您觉得主要的瓶颈会在什么样的地方 [4351.9s -> 4353.3s] 在这个产业化上 [4353.3s -> 4356.8s] 最重要的还是要拿出令人幸福的数据吧 [4356.8s -> 4358.2s] 至于工业化 [4358.2s -> 4362.1s] 我觉得在现在的一个技术发展的前几下 [4362.1s -> 4364.7s] 应该都不是一个特别大的挑战 [4364.7s -> 4366.3s] 工程发展你都是可以被解决的 [4366.3s -> 4366.7s] 没错 [4366.7s -> 4368.5s] 重要还是需要看到了效 [4368.5s -> 4369.3s] 对技术 [4369.3s -> 4371.2s] 但是这个疗效的话 [4371.2s -> 4374.6s] 其实它是包含了从一开始算法 [4374.6s -> 4376.8s] 到最后你生产工艺 [4376.8s -> 4378.6s] 然后以及临床的策略 [4378.6s -> 4380.6s] 所以把这些方方面们都包含起来 [4380.6s -> 4382.8s] 最后一个总体的结果 [4382.8s -> 4383.8s] 那我们展望一下 [4383.8s -> 4387.0s] 您觉得未来的5到10年中长期的一个时间 [4387.0s -> 4389.8s] 你觉得种流疫苗领域会发生什么样的变化 [4389.8s -> 4392.0s] 我们可以期待一些什么样的结果呢 [4392.0s -> 4395.2s] 我觉得这款疫苗上市货币之后 [4395.2s -> 4398.6s] 它会整个改变种流病人治疗的现状

[4398.6s -> 4399.8s] 很多临床医生相信 [4399.8s -> 4401.6s] 即使对于PD1低表达的病人 [4401.6s -> 4404.8s] 也可能从PD1的产品中获益 [4404.8s -> 4406.7s] 如果这一款种流疫苗获批 [4406.7s -> 4409.4s] 那么我相信会有更多的医生认为 [4409.4s -> 4411.5s] 即使在没有获批的市营证里面 [4411.5s -> 4412.9s] 这些病人也有可能从 [4412.9s -> 4414.4s] 个性化种流疫苗这款产品中 [4414.4s -> 4416.4s] 获得一个极大的生存上面的获益 [4416.4s -> 4419.2s] 现在这一款疫苗它是针对黑色素流吗 [4419.2s -> 4421.1s] 那如果我们把这个时间拒绝到 [4421.1s -> 4422.1s] 未来的5到10年 [4422.1s -> 4424.1s] 您觉得是会我们是可以期待 [4424.1s -> 4425.1s] 有越来越多的流种 [4425.1s -> 4426.7s] 它会有这种疫苗的获批 [4426.7s -> 4429.3s] 如果是在落实到具体的一个层面的话 [4429.3s -> 4431.1s] 您觉得5到10年可能会发生什么 [4431.1s -> 4433.3s] 5到10年PD1获批的市营证 [4433.3s -> 4435.4s] 我觉得MR种类疫苗都会入序获批 [4435.4s -> 4437.8s] 哦 那还是一个非常广阔的 [4437.8s -> 4439.6s] 一个种流的病普的 [4439.6s -> 4440.6s] 是的 [4440.6s -> 4442.7s] 好的 那刚才我们的整个讨论中 [4442.7s -> 4444.1s] 您觉得还有哪一些 [4444.1s -> 4445.1s] 可能我们还没有附带到 [4445.1s -> 4446.1s] 但是您觉得也对于 [4446.1s -> 4447.4s] 这个种流疫苗的领域 [4447.4s -> 4449.0s] 非常重要的点吗 [4449.0s -> 4451.0s] 问得已经非常详细了 [4451.0s -> 4454.4s] 我们讨论了从机制 工艺 [4454.4s -> 4457.1s] 监管的挑战以及未来的预期 [4457.1s -> 4458.9s] 这也是我在Moderna [4458.9s -> 4461.6s] 这样一个370上结果公布之后的话 [4461.6s -> 4464.1s] 可能做得最深入的一次探讨吧 [4464.1s -> 4465.3s] 看好了 好的 [4465.3s -> 4467.4s] 那我们今天的这个访谈就到这里 [4467.4s -> 4468.9s] 非常感谢英博博士的时间 [4468.9s -> 4469.6s] 好的 谢谢您 [4469.6s -> 4474.1s] 谢谢 谢谢你 谢谢大家 [4474.1s -> 4475.7s] 以上就是我与英博博士 [4475.7s -> 4478.3s] 关于MRNA种流疫苗的对话 [4478.3s -> 4479.7s] Moderna这次三期读出 [4479.7s -> 4481.9s] 为个性化新抗原MRNA [4481.9s -> 4484.8s] 联合免疫检查点意志计这条路线 [4484.8s -> 4487.7s] 提供了迄今最强的临床验证 [4487.7s -> 4490.3s] 但这场竞争才刚刚开始 [4490.3s -> 4492.0s] Biontech同样在推进 [4492.0s -> 4493.9s] 个体化新抗原疗法 [4493.9s -> 4496.3s] 在一线癌这个最难啃的癌种上 [4496.3s -> 4498.0s] 早期研究已经观察到 [4498.0s -> 4500.1s] 持续数年的免疫应答 [4500.1s -> 4501.3s] 但真正的疗效 [4501.3s -> 4504.3s] 还需要三期临床试验验证 [4504.3s -> 4506.4s] 与此同时 现货型路线 [4506.4s -> 4507.9s] 也在同步推进 [4507.9s -> 4511.4s] Elizio针对共享Keras突变开发疫苗 [4511.4s -> 4513.2s] 但最新民床二期研究 [4513.2s -> 4514.3s] 在总体人群中 [4514.3s -> 4517.5s] 并没有达到无病生存期主要终点 [4517.5s -> 4520.5s] 只在部分亚组中看到积极信号 [4520.5s -> 4521.3s] 事实上 [4521.3s -> 4523.7s] Moderna和Biontech都同时布局了 [4523.7s -> 4526.6s] 个性化和现货型的种流疫苗产品 [4526.6s -> 4528.2s] 国内包括爱博生物 [4528.2s -> 4529.6s] 云顶新药等公司 [4529.6s -> 4532.7s] 也在同步压住这两种不同方向 [4532.7s -> 4534.7s] 不过 资本市场的热情 [4534.7s -> 4537.0s] 往往跑在完整数据前面 [4537.0s -> 4539.0s] 到我们录制这期节目为止 [4539.0s -> 4539.9s] Moderna公布的 [4539.9s -> 4543.2s] 还只是临床三期试验的初步关键结果 [4543.2s -> 4545.1s] 试验达到了主要终点 [4545.1s -> 4546.8s] 但具体的HR风险笔 [4546.8s -> 4548.9s] 以及不同患者亚组的结果 [4548.9s -> 4550.5s] 都还没有披露 [4550.5s -> 4552.6s] 这些数据将进一步告诉我们 [4552.6s -> 4554.5s] 疗效到底有多显著 [4554.5s -> 4558.1s] 以及获益在不同患者中是否一致 [4558.1s -> 4561.5s] 要等之后的学术会议中进一步披露 [4561.5s -> 4564.4s] 而在公布结果暴涨之后的几个交易日里 [4564.4s -> 4567.9s] Moderna的股价也已经回吐了部分涨幅 [4567.9s -> 4570.6s] 市场同样在等待完整数据 [4570.6s -> 4573.3s] 一款要从临床三期取得积极成果 [4573.3s -> 4575.7s] 到真正获批并进入临床使用 [4575.7s -> 4580.0s] 中间仍然要经过完整数据披露和监管审评 [4580.0s -> 4581.5s] 对于这些不确定性 [4581.5s -> 4583.4s] 身处这个赛道的英博博士 [4583.4s -> 4586.5s] 在节目里也提醒我们保持审慎 [4586.5s -> 4588.1s] 肿瘤疫苗值得期待 [4588.1s -> 4590.8s] 但他的答案还需要时间 [4590.8s -> 4593.3s] 以上就是我们这期节目的全部内容了 [4593.3s -> 4595.3s] 大家也可以在B站与YouTube上 [4595.3s -> 4597.3s] 观看这一期的视频播客 [4597.3s -> 4600.6s] 欢迎大家在视频渠道或者小宇宙Spotify [4600.6s -> 4602.7s] 苹果播客上持续关注我们 [4602.7s -> 4603.5s] 我是雨珊 [4603.5s -> 4605.1s] 感谢大家的收听