Rituximab

2026 年 3 月 4 日，一份预印本出现在 bioRxiv 上。标题听起来像一场科学考试的成绩单：42 个国家的团队，提交了 12,000 个 AI 设计的分子，用来当 CAR 的"结合域"。 CAR 的结合域，可以理解成 T 细胞用来认门牌的那只手。现在全世界在用的 CAR-T，无论是 CD19、BCMA 还是 CD20，那只"手"几乎全是几十年来一代一代人手工优化出来的抗体片段。而这份预印本要问的是：能不能让 AI 直接生成一只新的手？ 成绩出来了。然后所有人都愣住了——这些团队的功能命中率，从 0.6% 到 38.4%，差了 60 倍。 最差的团队，提交上去的东西里能真正驱动 T 细胞的，不到百分之一。最好的团队，做到了三分之一以上。同一个靶点，同一套规则，同一批实验员，同样的读出标准，差距是 60 倍。 这个数字背后不是一次比赛。它是一次对"AI 到底能不能设计出可用的 CAR"的公开压力测试。而这场测试的结果，比一句"AI 造药"或"AI 没用"都复杂得多。 一、这场考试考的不是"会不会结合"，而是"能不能用" 先说清楚规则，因为这场竞赛最特别的地方就在这里。大多数蛋白设计比赛，评判标准是亲和力：你设计的分子能不能死死抓住目标蛋白，抓住的力度有多大，能排第几名。这很合理，标准清晰，测起来也不贵，问题在于它测的只是"握不握得住手"，而不是"这只手能不能干活"。Bits to Binders 这次把题目换掉了。靶点是 CD20——B 淋巴细胞表面的一个标志，也是 rituximab（利妥昔单抗）这类经典药物的靶点，属于成熟靶点，安全边界已经被几十年临床验证过。用一个成熟靶点做考卷，本身也是一种刻意的保守设计：先在相对公平的题目上看看各家到底什么水平。参与者要提交的，不是自由发挥的分子，而是80 个氨基酸长度的结合域，要能塞进 CAR 的支架里工作。而最关键的一条是：竞赛不测结合，测功能。 每个提交的分子都要被真正做成一条 CAR，装进原代人 T 细胞，然后看这条 T 细胞能不能被 CD20 阳性的东西激活、能不能增殖、能不能放出细胞因子。这意味着一万个分子背后，是一整套湿实验流程在真实运转，而不是坐在电脑前给自己打个分。 这条规则是整份预印本的立身之本。Kosonocky 和 Wierson 在后来的公开讲座里把这句话讲得很直白：不验证结合，而是直接把计算设计出来的分子当作功能性的 CAR-T 细胞来验证 [1]。为什么这个区分这么要命？因为一个分子"能结合 CD20"，和"能当一只好用的 CAR 手"，中间隔着三道关。第一关是 DNA 合成，序列能不能被正确造出来；第二关是表达与膜定位，能不能真的被翻译，并稳定呈递到 T 细胞表面；第三关是靶向特异性激活，遇到 CD20 阳性靶细胞时，信号通路能不能被真正点燃。这三关任何一关过不去，后面全部作废。 这张图是这个故事的核心：大多数分子死在第一关。 不是设计得"不够好"，而是根本没被造出来。一个必须说清楚的技术点：这批设计是从头设计（de novo）的，不是从自然界已有抗体库里"淘"出来的。这意味着连一条可借鉴的模板都没有——AI 是在一张白纸上画一只从没存在过的手。这跟今天绝大多数 CAR-T 产品的研发路径完全不同，后者通常是从已知的单抗里挑一个片段，再一代一代地突变优化。两种路线的区别，就像从现成的字库里挑一个字用，和从零开始造一个新字。 二、0.6% 和 38.4%：同一场考试的两个极端 现在来看最扎眼的那个数字。 报告方统计的是各参赛团队的功能命中率，区间从 0.6% 到 38.4% [1]： 如果按最差团队推算，他们提交的那批分子里，能真正驱动人 T 细胞的可能只有个位数的几个。最好的一支团队，则做到了差不多三分之一。差距 60 倍。但真正值得琢磨的不是"谁赢了"，而是：这 60 倍的差距，到底来自哪里？ 竞赛规则是一样的。靶点是同一种。合成外包给同一家公司，测的是同一种原代人 T 细胞，用的是同一套读出。那么差异只可能来自两个地方：一是设计方法本身的差距，不同的计算流程、不同的模型、不同的筛选策略；二是工程执行的差距，序列好不好合成、能不能表达、能不能稳定呈递到膜上。而第二项，是这场竞赛最反直觉的发现。 三、赢的不是一个更强的模型，而是一个更干净的流程 报告方的结论是：从数据里识别出那些与 DNA 合成、表达水平、靶向特异性激活相关的共同设计方法与因素，把它们做成一个回溯过滤器（retrospective filter） [1]。 过滤器本身非常朴素：GC 含量 ≥60%、DNA 序列熵 <1.9、DNA 重复片段 ≥45 个氨基酸、谷氨酸重复 ≥8 个、α 螺旋中 K+E 残基占比 ≥30%——这几条规则加在一起剔掉了 4,600 条序列。效果是：CD20 特异性增殖率从 5.9% 提到 7.6%，再去掉含半胱氨酸的序列后达到 10.6% [1]： 5.9% 到 10.6%，1.79 倍——这就是摘要里"接近翻倍"的准确出处。 同一套过滤器还顺手解决了一个更朴素的问题：把增殖后的回收率从 56.8% 拉到 81.2%（再加半胱氨酸这一刀会回落到 72.6%）[1]。翻译成人话就是：那些被剔掉的分子里，很大一部分不是设计得不好，而是在细胞里根本活不下来。 这句话的分量在于：它把一个看似"算法优劣"的问题，重新定义成了一个"产线良率"问题。 工业界的语言叫 yield——良率。同样一条产线，前面每一道工序的失败率决定最后的成品率。蛋白设计长期被当作"生成模型的艺术品"来评价，但这次的数据在说：当设计跨过数千个分子这个量级，瓶颈往往不在"想"，而在"造"。 而最扎人的是它的对照实验。报告方也试过用结构预测模型的置信度（Boltz-1 ipTM）做同样的事——回收率只多涨 0.7%、增殖率只多涨 0.3%，而且会误删 Top 10 里两个真正有功能的设计 [1]。 几条朴素的序列规则，赢了一个专门的深度学习打分模型。 还有一层更实用的价值：这份数据被作为开放资源完整释出，并附带了面向后续设计者的实践建议 [1]。 这可能是整份预印本对行业最实在的贡献。1.2 万个设计、数以万计的失败与成功，换来一份别人可以直接拿去复用的"排雷图"。 四、这套工具是怎么长出来的 要理解 2026 年的这场竞赛，得往回看四年。这条工具线其实走得很快。 时间 里程碑 意义 2021 AlphaFold2 把蛋白结构预测推到原子级精度 结构预测不再是瓶颈，设计的起点变了 2023 RFdiffusion 实现蛋白结构与功能的从头设计 设计从"改"走向"造" 2025 BindCraft 宣称"一次成靶"（one-shot）设计功能结合蛋白 把设计直接对齐到功能验证 2026 Bits to Binders：42 国、12,000 个设计、真实功能筛选 第一次在大规模、同规则、跨实验室条件下检验 AI 设计 CAR AlphaFold2 的结构预测精度不必多说 [2]。RFdiffusion 证明了扩散模型可以从零生成不仅结构合理、功能也说得通的蛋白 [3]。BindCraft 把门槛进一步压低，主张一次设计就能拿到能结合的蛋白 [4]。 而 Bits to Binders 把这些能力放到了一个硬核场景里验收：不是看看能不能折叠、能不能结合，而是能不能让一个人的 T 细胞动起来。 这也是为什么这次竞赛值得关注——它把"AI 能不能设计蛋白"这个已经被讨论了三年的问题，翻译成了一个细胞治疗从业者能读懂的数字：0.6% 到 38.4%。 五、必须泼的三盆冷水 说到这里，有三条边界必须划清楚，否则这篇就成了营销稿。 第一，这是预印本，不是同行评议论文。 发表在 bioRxiv，日期 2026 年 3 月 4 日 [1]。bioRxiv 不做同行评议。里面的结论可能在新一轮评审后被调整。在正式期刊版本出现之前，请把它当作"待验证的强信号"，而不是"已定论的事实"。 第二，这离患者有一整个制药工业的距离。 这次竞赛从头到尾没有涉及任何患者，没有动物实验，没有毒理，没有 GMP，没有稳定性，没有冻存，没有批间一致性——而这些恰恰是细胞治疗最贵的部分。一个能在实验板上让 T 细胞增殖的设计，距离能打进病人的静脉，还隔着数年和数亿美元。 第三，CD20 是成熟靶点，不是困难靶点。 这是一个已经被单抗验证过安全性边界的靶点。用一个"相对容易"的问题去测设计能力，得到的命中率不能直接外推到那些全新的、难成药的靶点。 但这三条冷水，并不否定这次竞赛的价值。恰恰相反——在一个成熟靶点上只有 0.6% 到 38.4% 的区间，本身就说明这条路的工程难度远高于宣传口径。如果连 CD20 都这样，那真正难的靶点会是什么样？ 六、为什么这件事值得普通患者关心 也许有人会说：这不就是科学家内部的 benchmarking，跟我有什么关系？ 关系在于，它决定的是未来一针 CAR-T 的价格、周期，和能不能覆盖更多的患者。 今天绝大多数 CAR-T 的瓶颈不是"能不能找到 CD19"，而是造不起、等不起。整个流程是个性化的：采血、体外改造、扩增、清淋、回输，每个患者的产品都不一样，成本高、周期长、排队长。 如果 AI 设计的结合域真的能把"试错成本"降下来——哪怕只是让良率从 0.6% 提到 38.4% 这个量级——它改变的就不只是研发效率，而是能不能把 CAR-T 从"少数人的最后一线"，往前挪，甚至挪到更早的线路上。 而这条路线正在从血液肿瘤一路往外走。就在 2025 年，relma-cel（靶向 CD19 的自体 CAR-T）在系统性红斑狼疮的 Ⅰ 期开放标签研究中报告了安全性与初步临床有效性 [5]——一款为肿瘤设计的细胞药物，被拿到了自身免疫病的病房里。 设计端的每一个百分点，最终都会落到患者端的可及性上。 七、回到那 0.6% 现在，我们再回到那个最差的团队。 他们不是不努力，也不是模型不够先进。他们提交的所有分子，在计算机里看起来都很合理——折叠能量对得上，界面形状说得通，按理说该work。 但绝大多数，止步于"没能被造出来"。 这件事最有教育意义的落点在于：AI 已经很擅长"想出一个看起来对的分子"，但细胞治疗要的是"一个真的能用、能量产、合规、能冷藏运输、能通过审评的分子"。 这两件事之间的距离，比 2021 年 AlphaFold2 刚出来时人们想象的还要远。 好消息是，剩下这段距离，开始变得可测量了。1.2 万个设计、42 个国家、60 倍的差距、一份公开数据集——这些是笨功夫，但笨功夫是能垒出路的。 下一次再有人告诉你"AI 明年就能造出 CAR-T"的时候，你可以把这两个数字递过去：0.6%，38.4%。 顺便再问一句——您说的是哪个？ 参考文献 1. Kosonocky CW, Abel AM, Feller AL, Cifuentes Rieffer AE, Woolley PR, et al. Validation and analysis of 12,000 AI-driven CAR-T designs in the Bits to Binders competitions. bioRxiv. 2026 Mar 4. PMID: 41867703. DOI: 10.64898/2026.03.03.709355 2. Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596(7873):583-589. PMID: 34265844 3. Watson DJ, Bhang J, Baker D, et al. De novo design of protein structure and function with RFdiffusion. Nature. 2023;620(7875):1089-1100. PMID: 37433327 4. Bennett TM, Mui JN, Moore EJ, et al. One-shot design of functional protein binders with BindCraft. Nature. 2025. PMID: 40866699 5. Daste A, et al. Safety and clinical efficacy of Relmacabtagene autoleucel (relma-cel) for systemic lupus erythematosus: a phase 1 open-label study. EClinicalMedicine. 2025. PMID: 40386685 免责声明：本文所引用的研究数据、样本量、命中率区间与结论均来自上述公开发表的学术文献，PMID 可在 PubMed 数据库检索核验。其中文献 1 为 bioRxiv 预印本，尚未经同行评议，其结论可能随正式发表版本而调整，请务必以原始文献为准阅读。本文仅用于细胞免疫治疗与计算蛋白质设计领域的科普与研究进展介绍，不构成任何诊疗建议、医疗建议或用药建议。文中所述命中率区间为各参赛团队在特定筛选条件下的统计结果，不可外推至其他靶点、其他设计方法或临床阶段；任何候选分子进入临床应用前均需完成完整的临床前安全性评价与临床试验。本文不涉及任何医美、护肤或商业美容推广内容。细胞治疗存在个体差异大、需长期随访、含细胞因子释放综合征与神经毒性等固有风险，就医请以正规医疗机构执业医师的专业意见为准。

点击上方DIA资讯关注我们 培训信息 日期 2026年12月4日—5日 地点 上海浦东新区中科路1699号上海科技投资大厦三楼 课程背景 在初阶班的基础上，DIA计划每年推出“新药研发和全生命周期管理高阶班”，持续聚焦新药研发领域的核心议题。本期课程围绕创新药项目全生命周期管理、早期临床研发、临床开发计划(CDP)与关键注册临床试验、真实世界数据与证据应用四个方面展开，帮助学员理解创新药研发不同阶段之间的衔接关系及关键决策。 课程通过案例分享、数据解读、小组讨论和实践练习等形式，分析不同研发阶段的主要考量、研究设计与决策逻辑，并结合成功和失败案例，探讨如何科学制定研发策略、规划临床开发路径、设计关键临床试验，以及合理应用真实世界数据和证据支持产品全生命周期管理。 内容亮点 全生命周期视角： 从早研项目立项开始，贯通早期临床、CDP、关键注册临床试验及上市后管理，理解不同研发阶段之间的决策关联。  聚焦关键决策： 围绕科学证据、产品差异化、临床开发路径、关键试验设计及真实世界证据等核心问题展开。  案例驱动：结合不同疾病领域、不同研发阶段的实际案例，分析研发策略、研究设计及项目成败背后的主要考量。  研发管理与协同：在科学和临床研发之外，进一步讨论项目团队、跨部门协同、矩阵管理以及国内外开发与合作决策。 目标受众 临床科学 | 临床运营 | 转化医学 | 注册事务 | 数据管理与统计学 | 真实世界研究/上市后研究 | 研发项目管理 | 参与创新药项目立项、临床开发及研发决策的相关人员 日程安排 12月4日｜星期五 13:35-14:00 课程综述 从项目立项到全生命周期管理 课程主席 苏岭 博士 DIA Fellow 从全生命周期视角梳理创新药研发的整体路径与关键决策节点，阐述项目立项与开发策略、早期临床研发、关键注册临床试验及真实世界证据应用四个核心环节。从“以终为始”的研发思维出发，理解不同阶段科学证据、临床价值、注册要求与产品竞争力之间的关系，为后续四个模块建立整体思维框架。 09:15–12:45 模块一 创新药项目全生命周期管理 模块负责人 朱永红 博士 上海岸迈生物 首席医学官 本模块从创新药项目全生命周期管理视角出发，围绕早研项目立项、临床开发路径规划、跨部门协同及领导力、国内外开发及合作决策四个方面展开。结合全球研发实践与实际案例，帮助学员建立从科学证据、临床开发到项目管理及全球合作的整体研发思维。 模块亮点 早研项目立项：从遗传学、转化医学证据及竞争格局出发，结合GWAS、PCSK9、CCR5突变等案例，理解创新项目立项的科学依据与证据链。 临床开发路径规划：从目标产品特征(TPP)到临床开发计划(CDP)及注册策略，结合CD3/CD19、CD3/CD20、CD3/BCMA TCE，以及Opdivo、Keytruda、利妥昔单抗、HLX‑01等案例，分析产品差异化、三期临床试验设计及不同注册开发路径。 跨部门沟通及协同：介绍全球开发项目团队、RACI职责分工、研发评审委员会、战略组合委员会及矩阵式管理等研发组织与决策机制，探讨跨部门协同、项目领导力及Compound CEO(项目负责人)的角色。 国内外开发及合作决策：结合岸迈/Candid/UCB、康诺亚/Ouro/Gilead及德琪/UCB等案例，讨论直接出海与借船出海、国际合作、早期国际临床能力及海外临床开发中的关键决策。 13:45–17:15 模块二早期临床研发的重难点考量与实战案例分析 模块负责人 陈锐 教授 北京协和医院临床药理研究中心 I期病房负责人 本模块聚焦新药早期临床研发阶段的重点和难点。在研发模式转变、竞争升级、试错成本增加的环境下，讨论如何基于已有科学和临床证据优化研发策略。通过不同案例，从实战视角拆解早期临床研发中的关键问题，分析不同解决策略，并从成功和失败案例中总结经验与教训。 模块亮点 从理论到实战：系统解析早期临床研发的核心逻辑及实际研发中的关键考量。 聚焦研发难点：分析新药早期临床研发不同阶段面临的主要问题及解决策略。 以终为始：从后续临床开发及产品目标出发，思考早期研发阶段的策略选择与优化。 案例分析：结合成功与失败案例，理解早期临床研发关键决策及其对后续开发的影响。 12月5日｜星期六 09:00–12:30 模块三 创新药研发的关键注册临床试验：策略、设计和案例实践 模块负责人 王瑞华  DIA临床科学社区(CSC)核心工作组成员 张一琼  辉瑞(中国)研发中心 临床研发总监 本模块聚焦创新药关键注册临床试验的顶层设计。以临床开发计划(CDP)为起点，结合竞争格局的动态演变与当前监管要求，对真实案例进行拆解，帮助学员从多重维度理解关键决策的依据与争议，并学习如何利用早期临床研发结果，推演关键注册临床试验的设计路径，打通从早期POC到注册确证的转化路径，提升研发决策能力。 模块亮点 从CDP到关键试验： 从全生命周期与CDP视角切入，立足产品自身特点，探索与之适配的临床场景与开发决策。  聚焦关键设计决策： 围绕研究人群、对照选择、终点、样本量、分层因素、适应性设计等要素，识别设计中的核心 权衡与争议点。  强化监管与创新视角： 结合监管要求与研发实践，探讨可能的加速开发和注册路径，以及临床开发策略与产品竞争力 之间的关系。  案例驱动与互动实战： 通过小组讨论、研究方案拆解和临床试验结果解读等形式，分析不同疾病领域的真实案例， 拓宽临床开发与研究设计的思考维度。 13:30–17:00 模块四 与真实世界证据为伴——利用真实世界数据解决临床研发及产品维护问题 模块负责人 廖珊妹 博士 百济神州 上市后统计及真实世界证据负责人、执行总监 随着真实世界数据在医药研发中的应用不断拓展，以及数据治理和AI等技术的发展，真实世界证据正在更多研发及产品全生命周期管理场景中发挥作用。 本模块通过实际案例，介绍新药研发及全生命周期管理中代表性场景下真实世界数据的应用，并通过对不同数据类型、研究目的及应用场景的分析，帮助学员理解如何合理判断、使用真实世界数据，并生成与具体研发和决策问题相匹配的真实世界证据。 模块亮点 多场景：涵盖注册试验设计与执行、新药注册证据生成、上市后确证性研究、医保谈判证据生成及上市后产品维护等场景。 多地域：结合中国、美国、欧洲及亚洲其他国家和地区的公开实际案例。 多病种：涵盖肿瘤、罕见病、儿童用药、慢性疾病等不同疾病领域。 多形式：通过核心概念、案例介绍、小组讨论与分享，加深对真实世界数据和证据应用的理解。 讲者介绍  (按日程顺序) 苏岭 博士 DIA Fellow 苏岭博士拥有30年药物研发与管理经验，覆盖药品监管、新药研发策略、临床试验、药物流行病学等领域。曾任卫生部、FDA及跨国药企高管，包括惠氏亚太区临床研发VP、诺华大中国区药品开发负责人。长期致力于推动药物研发监管能力提高和国际交流，包括将药物信息协会(DIA)引入中国，并于2012‑2013年获选担任DIA全球理事会主席。目前还是中国药科大学国家药物政策与医药产业经济研究中心研究员，香港交易所生物科技咨询小组首批13名成员之一。毕业于原上海医科大学药学院药理专业，获美国北卡罗莱纳大学药物临床开发硕士、流行病学博士学位。 朱永红 博士 上海岸迈生物 首席医学官 朱博士现任岸迈生物首席医学官。毕业于南京大学医学院,是中国首批临床七年制医学生。曾就读于美国罗切斯特大学医牙学院并获博士学位，之后进入免疫公司DNAX（原属先灵葆雅，后为默沙东收购）完成工业博士后培训。朱博士在罗氏/基因泰克、武田等大型跨国医药公司的美国研发中心工作过，先后担任生物标志物和实验医学负责人、高级临床科学家、高级医学总监等职位。此前还在旧金山湾区生物科技公司Sunesis及Osel从事过转化生物学研究及临床前研究。朱博士在2017年回国后，在民企及外企中国创新中心积累了丰富的实战经验，搭建过医学研发团队、临床构架及组织，领导了多个新药的全球临床开发和试验设计（例如新型伞式试验和适应性平台试验）。作为最高医学/临床负责人，朱博士对创新药的早期临床研究（初次入人体I期及II期临床试验)有浓厚兴趣。 陈锐 医学博士 北京协和医院临床药理研究中心I期病房负责人 陈锐，副教授，北京协和医院临床药理研究中心I期病房负责人。本科及医预阶段就读于清华大学生物系，北京协和医学院临床医学博士，英国曼彻斯特大学定量药理学硕士，并完成协和‑罗氏临床药理学博士后项目。至今参与超过90项新药I期临床研究，担任PI40余项，其中绝大多数为1类新药。主要研究方向为创新药的早期临床转化，涉及临床药理学、定量药理学和遗传药理学。目前被聘为北京协和医院伦理委员会委员、中国药理学会定量药理学专业委员会秘书长/常务委员、中国药理学会生化与分子药理学专业委员会委员、中华医学会临床药学分会青年委员等。参与药代药效、早期临床研发方面国家药监局多个指导原则的制定，参与撰写多个行业专家共识。 王瑞华 DIA临床科学社区（CSC）核心工作组成员 王瑞华拥有十余年肿瘤领域临床开发战略经验，专注于创新药研发，尤其在抗体偶联药物ADC及单克隆抗体产品的全球临床开发方面积累了丰富实践经验。曾主导多个创新药项目在多个实体瘤适应症中的全球临床开发策略制定与研究设计，全面负责首次人体研究（FIH）、概念验证（PoC）剂量扩展研究及关键注册临床试验的临床开发，并带领跨职能团队推动项目高效执行并成功注册上市。 先后就职于宜联生物、百济神州、信达生物及赛诺菲，兼具本土创新药研发与跨国药企全球化开发经验。同时拥有扎实的学术与临床背景，曾在香港大学玛丽医院等知名教学医院从事科教研工作，深刻理解创新药全生命周期开发路径。 张一琼 辉瑞（中国）研发中心 肿瘤领域临床研发项目负责人，总监 20余年从事肿瘤临床医疗，医学事务和创新药研发的工作经历。14年在跨国药企工作经历，曾先后就职于诺华、赛诺菲医学事务部和临床研发部门，现就职于辉瑞研发中心，血液和消化道肿瘤治疗领域临床开发负责人，负责端到端的研发策略制定、实施，以及支持中国注册。从事创新肿瘤药物的1期到III期临床研究及上市后IV期临床研究；领域覆盖血液恶性肿瘤，前列腺癌,消化道领域等，涵盖细胞毒性、单克隆抗体，PARPi，抗体偶联药物（ADC），和双特异性抗体等。加入药企工作前，曾就职于上海瑞金医院分院血液科,主治医生。 廖珊妹 博士 百济神州 上市后统计及真实世界证据负责人，执行总监 廖珊妹拥有约18年药厂生物统计经验。任职于BMS美国和辉瑞中国，现为百济神州上市后及真实世界证据统计负责人。曾参与/领导多项新药/生物类似物研发及6项中/美注册申报，负责过几十项一期至四期临床研究。疾病领域涉及实体瘤，血液肿瘤，免疫，神经，病毒，心血管，生物类似物研发等。自2019年担任百济神州上市后统计负责人后，带领团队支持了多项国内外真实世界研究设计，确证性试验监管机构讨论，医保谈判疗效经济模型分析及监管交流，真实世界数据库及PRO分析报告支持上市产品证据链，及上市后安全数据监测。同时担任国际ICH M14 E23中国专家，中国DIA RWD工作组组长，亦弘商学院统计学讲者，NMPA高研院真实世界数据应用讲者，CSCO生物统计学专委员委员，中国医药统计专业委员会委员，中国食品药品监管杂志特约审稿人等外部职务。并领导主编《万物可视》和《统心协力》两本生物统计工具书。拥有北京大学概率统计本科和美国加州大学戴维斯分校统计博士学位。 报名优惠（限时开启） 为了回馈行业同仁对 DIA 课程的长期支持，本次培训特别设立多重礼遇： 早鸟价：在指定日期前完成报名，即可享受早鸟专属优惠。 团报优惠：2人起可享受团报优惠价，人数越多越优惠，共享知识升级。 老学员感恩价：凡曾参加过 DIA 往期课程的学员，享受 老学员专属折扣。 权益升级课程包（点击查看）：购买“线上+线下”共享套餐，不仅可亲临现场与专家交流，更可长期获得配套线上课程。 课程证书：完成课程后，您将获得由 DIA 颁发的权威培训证书，助力个人职业履历升值 。 联系 DIA 注册咨询和课程商务合作： Sunny NI Tel.：+86 021- 6418 5933 Email.：junting.ni@diaglobal.org 培训信息 日期 2026年12月4日—5日 地点 上海浦东新区中科路1699号上海科技投资大厦三楼 2027 DIA药物信息大会暨展览会 这次，是4月！ 4月22-25日 上海 · 张江科学会堂 DIA Global 会议 ▼点击查看详情 2026 DIA加拿大年会 10月26-27日 Gatineau DIA-MHRA Global Summit 11月16-17日 伦敦 第20届DIA全球QPPV论坛 11月17-19日 荷兰 2026 DIA印度年会 11月18-19日 新孟买 首届DIA非洲可及性峰会 12月1-3日 埃及 2027 DIA RSIDM 2月8-10日 美国马里兰州 DIA中国近期会议/培训 Apr. 22-25 ● 2027 DIA药物信息大会暨展览会 ► 点击阅读 Oct. 28-30 ● 2026 DIA药物研发定量科学论坛 (QSF)  ► 点击阅读 Oct. 30 ● RA进阶培训：AI赋能药品注册的实践与应用 ► 点击阅读 Nov. 12-13 ● 2026 药物警戒科学和风险管理论坛 ► 点击阅读 Nov. 20-21 ● AI驱动的创新药临床开发再设计与决策实操研讨班 ► 点击阅读 Nov. 27-28 ● DIA TPP与CDP工作坊 ► 点击阅读 Dec. 03-05 ● DIA 2026 CPM培训班开放注册 ► 点击阅读 Dec. 04-05 ● DIA新药研发和全生命周期管理高阶班 ► 点击阅读 关于DIA DIA是一个全球化、跨学科的国际性学术平台，在中立的环境中，融合医药研发领域全行业的意见领袖，探讨当前研发的技术问题，提升专业能力，以及催化行业共识，在全球医药研发领域享有很高的声誉。 扫码关注我们 微信号｜DIA资讯 长按识别左侧二维码即可关注 我们努力为你提供有内容的内容。