Conatumumab

点击蓝字 关注我们 本研究基于UK Biobank 330,177名参与者的前瞻性队列及35,118人的2911种血浆蛋白质组学数据，采用“多状态模型+蛋白质组学中介分析+药物靶点数据库锚定”标准化分析框架，首次在CRM共病领域系统评估五种生物衰老指标对疾病逐级进展的预测效能，并识别9种关键中介蛋白，全套结果以固定数量图表完整呈现“衰老-共病关联—多状态建模—蛋白质组中介—功能通路富集—药物靶点筛选”全研究链路。 顶刊核心设计逻辑 以“生物衰老驱动共病进展+分子中介机制解析”为核心，采用“多维度衰老评估+多状态动态建模+高通量蛋白质组中介筛选+药物靶点临床转化锚定”四步框架——先用五种互补的生物衰老指标（KDM-BA、PhenoAge及其加速、衰弱状态）全面捕获衰老维度；再通过马尔可夫多状态比例风险模型突破传统二分法结局，精细刻画衰老对CRM从无病→首发→双重→三重共病全程逐级过渡的风险；随后在2911种血浆蛋白中通过逐步筛选和中介分析，识别9种跨所有衰老指标一致介导共病进展的关键蛋白；最后在治疗靶点数据库中评估其成药性，锁定GDF15抑制剂ponsegromab已进入心衰II期临床试验，完美契合衰老生物学+共病流行病学+药物转化研究交叉领域顶刊要求。 如果你想快速系统学习UK Biobank， 并有专业老师一对一辅导 可添加微信：KunG_369 报名参加全世界最重要的健康数据库： UK Biobank 数据库（英国生物银行）培训班 2026年5月22日— 2026年5月 25日 培训内容详情⬇️ 全世界最重要的健康数据库：UK Biobank数据库系统培训报名！ 科研人必看｜UK Biobank数据申请全攻略，50万+样本资源轻松解锁！ 📊2026科研热门培训汇总 收藏！2026 科研热门培训汇总｜AI 智能体・UK Biobank・文献计量学・影像组学・预测模型・生物信息学等全覆盖，总有一个适合你！ 一、研究设计 1. 数据来源与样本设计 核心数据（UK Biobank前瞻性队列） 主分析人群：初始UK Biobank 502,128名参与者，排除基线已患CRM疾病（IHD、卒中、CKD、T2DM）、生物衰老指标或协变量缺失者，最终纳入330,177人，中位随访至2022年10月31日； 蛋白质组学子队列：UK Biobank随机抽取子集进行Olink血浆蛋白质组学检测，经质控排除缺失值>20%的蛋白，最终2911种蛋白纳入分析，该子队列包含35,118名参与者； 纵向验证数据：UK Biobank影像随访（Instance 2）的蛋白重复测量数据，其采集时间晚于基线数年，用于敏感性分析验证衰老→蛋白关联的时序方向性，部分弥补单次测量中介分析的因果推断局限。 2. 暴露因素：五维度生物衰老评估体系 研究同时采用两种互补测量策略，全面捕获生物衰老的不同维度，避免单一指标可能带来的偏倚： 策略一：基于临床生物标志物的生物年龄算法。KDM-BA（Klemera-Doubal法生物年龄）通过建模NHANES III参考人群中临床生物标志物与实足年龄的回归关系，估算个体对应的平均生理年龄；PhenoAge则基于死亡风险算法，整合生物标志物与实足年龄，反映个体预测死亡风险匹配的“表型年龄”；两者均使用BioAge软件包计算； 策略二：年龄加速指标。KDM-BA加速和PhenoAge加速分别定义为上述两种生物年龄超出实足年龄的部分，反映个体生物学老化程度相对于同龄人的超前量； 策略三：衰弱状态。根据衰弱表型定义，基于自述疲惫、非故意体重下降、低体力活动、步行速度慢、握力降低五个维度进行评估，分为非衰弱、衰弱前期、衰弱三级。 3. 结局定义：多状态CRM共病逐级进展框架 CRM共病定义：心血管疾病（IHD或卒中）、2型糖尿病、慢性肾脏病中任意一种或多种的组合同其他心血管代谢疾病； 疾病状态分级：状态0为无CRM疾病（基线）；状态1为首发CRM疾病；状态2为双重CRM疾病（同时存在两种）；状态3为三重CRM疾病（三种疾病共存）； 结局判定：依托UK Biobank住院和死亡登记中的ICD-10及OPCS-4编码，随访至2022年10月31日，以三重CRM疾病、失访或末次健康记录为删失； 多状态模型优势：突破传统Cox回归仅处理“首发事件”的局限，同时建模四个状态间的所有可能转换，分别估计每种衰老指标在“无→首”“首→双”“双→三”各阶段的特异性风险比，精细刻画衰老在疾病聚集全过程中的作用模式和强度变化。 4. 候选中介变量与筛选策略 蛋白质组学平台：Olink邻近延伸分析技术对基线血浆样本进行高通量蛋白检测，结果以标准化NPX值表达； 三步严格筛选流程（均采用Bonferroni校正控制多重检验）：第一步，通过多元线性回归评估每种衰老指标与2911种血浆蛋白的关联，显著性阈值设为P<3.42×10⁻⁶；第二步，通过Cox回归评估每种蛋白与三重CRM疾病的关联，阈值设为P<1.72×10⁻⁵；第三步，对同时满足前两步的154种蛋白进行中介分析，阈值设为P<6.49×10⁻⁵； 关键蛋白最终认定标准：在五种生物衰老指标下均显示显著中介效应的蛋白，以此确保结果的跨衰老定义稳健性。 5. 协变量与均衡控制 所有多变量模型统一校正：年龄、性别、种族、教育水平、Townsend剥夺指数、吸烟状态、饮酒状态、高血压史、BMI、LDL-C、HDL-C、血清肌酐、HbA1c——涵盖人口学、社会经济地位、生活方式和临床指标四大类，确保效应估计不受这些基础混杂因素的影响。 二、统计方法 1. 描述性统计与组间比较 连续变量正态分布者以均数±SD呈现；分类变量以频数（百分比）表示。蛋白质组数据中缺失值<20%的蛋白采用均值填补，关键变量缺失的参与者直接排除。 2. 衰老与CRM共病关联分析 Cox比例风险模型：分别评估每种衰老指标与首发、双重、三重CRM疾病的独立关联，以逐级校正的模型报告HR及95% CI； 多状态比例风险模型（核心方法）：采用马尔可夫比例风险多状态模型，使用R“mstate”包实现。模型框架包含三个转换阶段（图2）：转换1为无CRM疾病→首发CRM疾病；转换2为首发→双重；转换3为双重→三重。若参与者同日进入多个状态，则统一将较早状态日期前移0.5天以保证状态顺序的时序合理性； 交互检验：通过似然比检验评估性别与各衰老指标在三个转换上的交互作用是否具有统计学显著性； 预测增量价值评估：在传统风险因素（年龄、性别、吸烟、饮酒、高血压史、BMI、LDL-C、HDL-C、肌酐、HbA1c）基础上，通过Harrell’s C统计量变化、NRI和IDI量化衰老指标的额外预测贡献。 3. 蛋白质组学中介分析（研究核心创新） 中介分析使用R包“CMAverse”，基于反事实框架估计每种蛋白对“生物衰老→三重CRM疾病”总效应中的间接效应比例。以三联严格Bonferroni校正确保筛选的特异性——第一步衰老-蛋白关联阈值P<3.42×10⁻⁶，第二步蛋白-结局关联阈值P<1.72×10⁻⁵，第三步中介效应阈值P<6.49×10⁻⁵。最终，在五种衰老指标下均通过中介显著性阈值的蛋白被认定为“关键蛋白”，此交叉验证策略极大降低了单一衰老定义下偶然发现的风险。 4. 功能注释与蛋白网络分析 对9种关键蛋白进行GO和KEGG通路富集分析，揭示其在生物学过程、细胞组分和分子功能层面的共性和特性。通过STRING数据库（高置信度≥0.70）评估蛋白间物理或功能互作，并计算两两Spearman相关系数以评估共调控程度和冗余性。 5. 药物靶点筛选与转化评估 依托治疗靶点数据库，系统检索关键蛋白对应受体是否已有在研药物，详细记录药物名称、适应症、临床试验阶段和作用机制。重点关注已进入临床试验阶段的药物——如GDF15抑制剂ponsegromab——并将其与本研究核心发现直接关联。 6. 敏感性分析 利用UK Biobank影像随访（Instance 2）的蛋白重复测量数据，以基线五种生物衰老指标预测后续蛋白水平，检验衰老-蛋白关联是否在时间维度上保持稳定。该分析若结果一致，可为“衰老在先、蛋白变化在后”的时序关系提供一定程度的数据支持，部分弥补单次测量中介分析在因果推断上的局限。 三、结果解读 1. CRM共病负担与生物衰老呈显著梯度关系 表1呈现330,177名参与者按随访期间CRM疾病发生数的基线特征分层。从无CRM事件到首发、双重、三重CRM，呈现显著的逐级恶化趋势：平均年龄从56.07岁逐步升至62.57岁；男性比例从44.50%升至58.08%；高血压患病率从50.93%升至84.94%；BMI从27.17升至31.41 kg/m²；HbA1c从35.42升至46.46 mmol/mol。同时，Townsend剥夺指数持续升高，大学学历比例持续下降。所有五种生物衰老指标均随CRM负担增加而显著升高——以PhenoAge为例，从无事件的50.08岁线性升至三重CRM的61.30岁，衰弱者比例从2.55%升至10.98%。 核心解读：CRM共病负担与生物衰老加速之间存在显著的剂量-反应梯度，传统风险因素和社会经济劣势亦呈同向累积。表1的逐层分层呈现为后续多状态模型分析提供了描述性基础，直观支持“生物衰老是CRM共病进展系统性驱动因素”的核心假说。 2. 生物衰老显著预测CRM各阶段进展——多状态模型揭示全病程风险梯度 三种Cox回归模型（分别以首发、双重、三重CRM为结局）中五种衰老指标的HR及95% CI。在完全校正模型中，所有五种衰老指标均显著预测三个阶段的CRM疾病。以PhenoAge（每SD增量）为例，首发CRM HR=1.42（1.40-1.44），双重CRM HR=1.66（1.61-1.71），三重CRM HR=1.92（1.77-2.07），风险随共病聚集程度增强而阶梯式上升。PhenoAge加速对三重CRM的效应最强（HR=2.91, 2.54-3.32），衰弱（相对于非衰弱）从首发到三重的HR也呈递增（1.72→2.22→2.80）。 图3的多状态模型结果精细刻画每个转换阶段的独立效应： KDM-BA（每SD）：无→首HR=1.11，首→双HR=1.10，双→三HR=1.14，三个转换的效应相近且均显著； PhenoAge（每SD）：无→首HR=1.42，首→双HR=1.26，双→三HR=1.24，在首个转换阶段效应最强； PhenoAge加速：无→首HR高达1.57（1.53-1.61），为所有指标中首个转换的最强预测因子，后续转换效应有所衰减但仍显著； 衰弱状态：非衰弱为参照，衰弱前期无→首HR=1.33，首→双HR=1.54，双→三HR=1.87；衰弱者相应HR分别为1.72、2.22、2.80——效应在疾病累积阶段逐级放大。 核心解读：（1）五种互补衰老指标在多状态模型中一致显著地预测CRM从启动到集簇全过程的每个转换，结论高度稳健；（2）PhenoAge及其加速在首个转换阶段预测力最强，提示“死亡风险衍生的衰老指标”对疾病启动尤为敏感，可能在早期风险筛查中更具实用价值；（3）衰弱状态在后续转换阶段（首→双、双→三）HR呈递增趋势，暗示衰弱反映的功能储备耗竭在共病累积推进过程中被进一步放大——一旦进入多重共病阶段，机体恢复力下降的影响更加突出；（4）多状态模型突破了传统“事件vs.无事件”的分析维度，精准量化了衰老在不同共病累积节点上的差异化效应，为“何时干预衰老获益最大”提供了流行病学依据。 性别交互与预测增量： 女性在无→首和首→双转换中，衰老-风险关联显著强于男性（交互P<0.05），而在双→三阶段性别差异消失，提示女性在共病积累早期对生物衰老更为敏感； 添加生物衰老指标后，除双→三转换外，其余转换的C统计量、NRI和IDI均有统计学显著改善，虽增量有限，但支持衰老指标在传统风险因素之外具有附加预测价值。 3. 三种关键蛋白跨衰老指标一致介导衰老→CRM共病关联，GDF15为核心效应分子 逐步筛选结果：第一步中2911种蛋白与五种衰老指标的关联分析各有显著发现；第二步进一步筛选出同时与三重CRM疾病相关的蛋白；第三步中154种候选蛋白进入中介分析，其中19、75、91、87、17种蛋白分别被证实显著介导KDM-BA、KDM-BA加速、PhenoAge、PhenoAge加速、衰弱与三重CRM的关联。 最终9种关键蛋白（跨所有五种衰老指标均呈显著中介）：ADM、EFNA4、GDF15、HAVCR1、LGALS4、NPC2、SPINK1、TNFRSF10A、TNFRSF10B。 图4直观展示了这9种蛋白在五种衰老指标下的中介比例： GDF15效应最强：介导PhenoAge效应43.23%，PhenoAge加速42.20%，衰弱23.25%，KDM-BA 13.10%，KDM-BA加速14.03%； ADM次之：介导PhenoAge效应32.70%，PhenoAge加速27.53%，衰弱21.45%，KDM类指标约17%左右； HAVCR1表现稳定：介导比例在16.74%-23.11%之间波动，跨衰老指标一致性突出； EFNA4和SPINK1主要介导PhenoAge类指标效应（22-27%），对KDM类指标贡献较小（<13%）； TNFRSF10B在所有指标中中介比例均最低，提示其在衰老-CRM通路中作用相对有限。 核心解读：（1）GDF15、ADM、HAVCR1是衰老→CRM共病进展中最核心的循环分子桥梁，三者合计解释了相当大比例的间接效应，尤其在PhenoAge通路中表现尤为突出；（2）GDF15是一种应激反应性细胞因子，在线粒体功能障碍、氧化应激、慢性炎症条件下显著上调，本研究中其高达43%的中介比例有力地提示“衰老→线粒体/炎症轴→GDF15→CRM共病”可能构成主要生物学级联通路；（3）HAVCR1（KIM-1）是肾小管上皮损伤的标志物，其中介角色揭示了“肾脏早期损伤信号→加速全身代谢和心血管病变”的跨器官通讯机制；（4）9种关键蛋白的识别基于五类衰老指标的交叉验证，避免了单一衰老定义下蛋白选择的偶然性，结论可靠性较高；（5）需要强调的是，中介分析本质为统计中介而非因果中介，其反事实框架有效性依赖于不存在暴露-中介混杂和中介-结局混杂等强假设，后续孟德尔随机化等因果推断方法可为验证提供更坚实的证据。 4. 功能通路与蛋白网络——关键蛋白独立富集于炎症、凋亡和胆固醇转运通路 9种关键蛋白的KEGG和GO富集结果。KEGG通路层面，显著富集于细胞因子-细胞因子受体互作、p53信号通路、NK细胞介导的细胞毒性、凋亡等。GO层面，生物学过程主要涉及TRAIL激活的凋亡信号通路、NF-κB诱导激酶活性激活、非经典NF-κB信号转导、死亡结构域介导的外源性凋亡通路；细胞组分涉及分泌颗粒腔、含胶原胞外基质、质膜筏、溶酶体腔；分子功能涉及死亡受体活性、激素活性、跨膜ephrin受体活性和胆固醇转运活性。 STRING蛋白互作网络显示，除TNFRSF10A与TNFRSF10B之间存在高置信度互作外，其余蛋白节点度均为零，提示它们代表的是独立的功能节点而非同一复合物的不同亚基。Spearman相关分析（图S1）支持这一结论——相关系数多在0.3-0.5之间，仅反映中度共调控。 核心解读：（1）关键蛋白在功能上高度收敛于“炎症-凋亡-脂代谢”三大衰老标志性通路，与CRM共病共同的氧化应激、慢性炎症和胰岛素抵抗病理基质高度吻合；（2）TNFRSF10A/B通过TRAIL通路调控凋亡和促炎因子产生，将衰老、细胞死亡和慢性炎症连接为统一病理链条；（3）NPC2负责溶酶体内胆固醇转运，其功能障碍可导致脂质代谢紊乱，为“衰老→脂毒性→CRM共病”通路提供了分子层面的证据；（4）蛋白间缺乏广泛互作网络具有两层含义：一方面证明它们并非同一通路中的冗余成员，而是独立节点，这为“多点联合干预”策略提供了理论基础；另一方面这些蛋白的效应可能具有加和性，联合靶向可能产生优于单靶点干预的效果。 5. 药物靶点筛选——GDF15抑制剂已进入临床II期，转化前景明确 9种关键蛋白在治疗靶点数据库中的药物研发现状： GDF15对应3款在研药物：Ponsegromab（中和抗体，抑制剂，心衰适应症，Phase II）、CIN-109（肥胖，Phase I）、CIN-209（肥胖，临床前）； TNFRSF10B对应7款在研药物：Conatumumab（结直肠癌，Phase II）、Lexatumumab（实体瘤，Phase II）、Anti-DR5 CAR-T细胞疗法（肝细胞癌，Phase I/II），以及BI 905711、DS-8273、GEN1029、IGM-8444、INBRX-109等多款Phase I阶段药物； TNFRSF10A对应1款药物：Mapatumumab（非小细胞肺癌，Phase II）； ADM对应1款药物：BAY1097761（呼吸窘迫综合征，Phase II）； EFNA4、HAVCR1、LGALS4、NPC2、SPINK1尚无靶向药物进入临床。 核心解读：（1）GDF15是成果转化前景最为突出的分子——其中和抗体ponsegromab已在心衰患者中开展II期临床试验，旨在减轻症状频率和严重程度、降低整体疾病负担。本研究发现的GDF15在衰老→CRM共病中高达43%的中介效应，为将ponsegromab适应症拓展至衰老相关CRM共病预防提供了人群流行病学层面的依据；（2）ADM调节在心血管疾病干预中已有探索，BAY1097761已进入临床II期，其作为血管衰老代偿信号的中介角色值得在CRM人群中进一步评估；（3）TNFRSF10家族在肿瘤领域的临床管线丰富，本研究发现其在CRM共病中的潜在角色，可能为适应症拓展或药物重定位提供新方向；（4）HAVCR1虽尚无靶向药物，但其作为KIM-1肾损伤标志物已在临床广泛使用，且中介效应跨衰老指标高度稳定，是值得优先推动靶向开发的候选靶点。 四、研究结论核心结论 五种互补的生物衰老指标（KDM-BA、PhenoAge及其加速、衰弱状态）一致且独立地预测CRM共病的全程逐级进展。多状态模型揭示衰老效应贯穿从无病→首发→双重→三重共病的每一个转换阶段，PhenoAge加速对首个转换预测力最强（HR=1.57），衰弱状态在后续转换中效应逐级放大（脆弱者三重CRM HR=2.80）； 通过“衰老指标→2911种蛋白→三重CRM疾病”三步严格筛选及Bonferroni校正，首次锁定9种跨所有五种衰老指标一致介导CRM共病进展的关键循环蛋白。其中GDF15（中介比例13.10%-43.23%）、ADM（16.69%-32.70%）和HAVCR1（16.74%-23.11%）是效应最强的三个核心分子； 关键蛋白独立富集于炎症、凋亡和胆固醇转运通路，蛋白间缺乏广泛互作网络，代表“多点独立调控”的分子模型，为多靶点联合干预提供了理论基础； GDF15中和抗体ponsegromab已进入心衰II期临床试验，本研究为其适应症拓展至衰老相关CRM共病预防提供了人群流行病学证据。 SCI 启示（顶刊核心要素） 选题创新：精准定位“生物衰老→CRM共病动态进展→蛋白质组中介机制”这一多层次研究空白。CRM共病是美国心脏协会近年新提出的整合性概念，本研究是首批将多状态模型与高通量血浆蛋白质组学相结合、系统解析衰老驱动CRM共病分子机制的队列研究，概念新颖，时机切入恰当； 方法先进且链条完整：五维度衰老评估（算法+加速+衰弱）避免单一指标偏倚；多状态模型打破传统二分结局，精细刻画全程动态进展优势显著；三步筛选+多重Bonferroni校正的蛋白质组学筛选策略严谨透明；中介分析以五种衰老指标交叉验证关键蛋白，结论高度稳健；治疗靶点数据库锚定+临床试验信息汇总，成功打通“流行病学发现→功能验证→药物转化”的最后一公里； 结果呈现逻辑严密CRM负担与衰老的梯度关系→Cox+多状态模型揭示全病程风险→中介比例量化核心分子效应→通路功能注释→药物靶点锚定临床转化，层层递进。所有效应指标（HR、中介比例等）均附95% CI或Bonferroni校正P值，无模糊表述，符合精准医学研究的数据报告规范； 临床转化价值突出：GDF15抑制剂ponsegromab的II期临床试验信息被直接锚定于本研究核心发现，大幅强化了文章的转化医学说服力。9种关键蛋白构成的功能独立节点为“多靶点组合生物标志物”或“联合抗衰老干预”策略提供了明确候选清单，HAVCR1作为已广泛应用的肾损伤标志物，其中介效应的发现尤其具有便捷临床转化的潜力。 数据库综合分析平台简介 咨询培训或软件平台详细功能 可添加微信：KunG_369 软件部分功能介绍见如下链接，目前平台软件进行了全面升级优化，功能不止于此⬇️ FastAging 3.0上线！零代码复现一区文章结果！ NHANES数据检索、下载及处理视频教程，文章复现演示！ NHANES零代码数据分析教程，持续更新！ 一文带你看懂限制性立方样条（RCS）！ 这个软件2天搞定你的文章！临床预测模型数据分析软件V3.0上线——新增AI文章写作功能！临床预测模型从入门到精通全套学习链接！ 零代码文献计量软件V2.0重磅上线，AI智能解读+一键成文助力高效产出，学员免费使用！ 零代码BioVis数据分析免费平台再升级！新增7种数据统计检验模块和多种样式火山图！（免费使用体验） 感谢您的阅读

当行业从“有没有”转向“好不好”，对人才的要求也在发生根本性变化。 石药集团执行总裁兼全球首席医学官黑永疆博士正式离职，创立了上海慧思博生物医药科技有限公司。 圈内关注的重点大多放在“又一位高管离开石药”上。但从猎头的角度，真正值得深挖的，是他过去30年职业生涯中5次关键的战略选择。这些选择背后的逻辑，恰恰是当下医药人才市场定价的核心依据。一、MNC的价值不在于牌子，而在于你有没有“建过体系” 黑永疆的工业界生涯起步于跨国药企的最鼎盛时期。1995年博士毕业后，他先后在百时美施贵宝、罗氏、诺华任职，而后在安进停留了近10年。 一个常被忽视的细节是：他不仅是安进肿瘤全球开发和医学事务的执行医学总监，更是安进中国的首任执行医学总监。这意味着他需要从零开始，为安进搭建中国区的临床医学团队。在同一时期，他领导或参与了Motesanib（AMG706）、Conatumumab、Vectibix（帕尼单抗）等不同技术路线肿瘤项目的开发。 这十年是MNC在中国逐步建立临床开发体系的关键窗口。在此之前，跨国药企在中国的临床试验更多是总部方案的执行延伸，中国团队几乎没有独立设计临床路径和推进全球多中心研究的权限。能够在那个时期参与到“从0到1”的团队建设中，涉及的不仅是专业能力，还有跨区域沟通、监管环境适应和资源整合的经验积累。 行业发展到今天，越来越多的本土药企在推进国际化布局时发现：一个只在大厂成熟体系里当过“螺丝钉”的高管，和一个经历过体系搭建全过程的人，面对海外临床、监管沟通这些复杂问题时，差距是结构性的。 第一个判断：在大平台，title不完全是重点。你参与过什么从无到有的事，才是未来跨上更高台阶的本钱。二、技术赛道不是追出来的，是提前卡住的 2015年，黑永疆离开安进，加入位于美国圣迭戈的生物技术公司Ambrx，担任首席医学官。 Ambrx当时的研发重心是抗体偶联药物（ADC）和双特异性抗体。如果回看2015年的国内医药行业，仿制药一致性评价才刚刚拉开序幕，第一波创新药企业还在起步阶段，ADC更是极少有人看懂的赛道。 真正的转折发生在几年后。DS-8201的临床数据陆续读出，第一三共与阿斯利康的天价合作引爆了全球对ADC的重新估值。到2020年前后，ADC成为中国创新药领域交易最活跃、人才溢价最高的细分方向之一。 黑永疆在2015年的这个选择，放在今天看，不是一次简单的跳槽。它意味着：当绝大多数药企还在肿瘤免疫检查点抑制剂上激烈竞争时，他已经把注意力转向了下一代技术。这种时间差带来的积累——从临床方案设计到CMC挑战，再到中美双报的实际操作——是后来者很难在短时间内追赶的。 高端人才市场有一个规律：溢价最高的那批人，往往在某个技术方向还处于早期或不确定性较高的阶段，就已经有了第一手经验。不是风口来了才转行，而是风口没来就已经站在那里。 第二个判断：下一个五年最值钱的人，可能现在正扎在一个大多数人还没看懂的领域里。三、职业窗口的精准度，有时比能力本身还重要 2018年前后，黑永疆选择回国，先后担任齐鲁制药首席医学官、再鼎医药肿瘤领域首席医学官。 这个时间点的意义，需要放到当时的产业大背景里看。他在后来的行业交流中提到过：2012到2015年他在中国负责安进医学事务时，监管环境比较困难，市场上也几乎没有真正意义上的Biotech公司和创新药生态。但2018年已经是完全不同的局面——药审改革、ICH指南接轨、港股18A和科创板第五套为未盈利创新药企打开融资和退出通道，整个行业进入了一个快速扩容期。 正是在这个阶段，国内创新药企对临床开发负责人的需求急剧上升。原有的MNC中国区高管、海外华人科学家、本土成长起来的临床骨干，三方力量同时涌入这个市场。但其中真正稀缺的，是既有全球临床开发经验，又理解本土监管和临床操作的人才。 黑永疆的回流，几乎与这波需求高峰同步。他的背景让他既能在国际化视野上对标MNC标准，又有足够近的本土实操经验。这种时间窗口的把握，直接决定了一个人在行业上升期里能拿到多大的决策空间。 第三个判断：在行业快速扩容的时期，去到一个能让你做决策的位置上，比在成熟体系里拿一个更高的title，长期来看价值更大。四、从CMO到CEO，跨越的是职能，更是思维结构 看一个高管的成长路径，关键节点往往不在专业深度上，而在职能宽度的突破上。 2021年1月，黑永疆正式出任誉衡生物CEO，全面负责公司战略和临床研发体系建设。之后又加入智康弘义，担任联席CEO。这标志着他的角色从研发职能负责人，正式转向企业全面管理者。 CMO和CEO是两类完全不同的职位。CMO的核心目标是管好研发管线、推动临床试验、完成注册；但CEO要直接面对融资节奏、BD谈判、组织架构设计、投资人预期管理。一个企业能不能在资本收紧的时候活下来，能不能在合适的价格节点上做出管线取舍，这些决策的复杂性和压力的类型，与研发管理不在一个层面。 当前市场上，有过至少独立P&L（盈亏）管理经验的高管，和长期停留在职能管理层的高管，身价的量级差距在持续拉大。 第四个判断：专业能力决定你的起点，经营视野决定你的天花板。不一定人人都要做CEO，但越早看懂公司整体运作的逻辑，越容易走到更高的位置。五、创业的本质，是把三十年积累做一次集中兑现 最终回到眼下。 2024年9月，黑永疆加入石药集团，担任执行总裁兼全球首席医学官。那个时间点，石药正处在一个典型的“大象转身”阶段：一边是传统业务承压，核心品种多美素、津优力受集采冲击，2025年全年营收同比下滑；另一边是研发端大幅加码，研发投入占成药收入比重攀升，海外授权交易也屡见大单。 在这样的平台上，一个高管通常面临两种路径：要么深度参与转型过程，成为企业新体系的构建者；要么在看清行业大方向之后，选择自己下场。黑永疆选了后者。 他新创立的慧思博，方向聚焦于创新药的早期转化。这本质上是一个信号：在全球和中国医药研发都越来越重视源头创新的趋势下，能够把早期研发资产从实验室推向临床、同时规划好全球开发路径的人，正在变成产业链上最关键的一个节点。 这不是离开一个大厂去创业这么简单。这是一个人，把MNC阶段积累的全球开发经验、Biotech阶段积累的灵活应变能力、本土药企阶段积累的商业化判断力，在同一时间点上做了集中的价值变现。 第五个判断：行业每一次结构性调整，都会重新定义“谁是最稀缺的人”。过去是能卖药的人，后来是能做临床的人，现在是能把科学变成资产的人。结语 拉完这30年履历，真正值得医药人反复琢磨的，可能不是黑永疆本人的选择，而是这五次选择背后的产业逻辑。 第一，每一段经历都有足够的时间厚度。安进近10年，回国后的几段加起来超过5年。高端岗位的评估体系里，稳定性始终是一个硬指标。 第二，真正的职业跃升，几乎都发生在技术结构变化和个人能力积累同时达到临界点的时候。 第三，最终决定一个人行业价值的，不是认识谁、待过什么平台，而是做成过什么。推过中美双报的项目、从无到有搭建过临床体系、推动过药物从IND一路走到NDA——这些履历在任何一家想认真做创新药的公司，都是硬通货。 行业正在经历一轮深度调整，但越是在这种时候，真正稀缺的人才反而越容易显现出来。如果你在考虑下一步的职业方向、想了解自己在当前市场上的真实定位，或者想探讨哪些平台正处于转型的关键窗口——欢迎添加「猎场你我他」微信，一起交流。