Shanghai Wancheng Biotechnology Co., Ltd.

过去一年，「 虚拟细胞」（Virtual Cell）成为了生命科学和 AI 交汇处最热门的词汇。全世界的科研机构和科技巨头都纷纷押注，共同推动着一场「虚拟细胞革命」。 DeepMind CEO 诺奖得主 Demis Hassabis 在多次采访中说「虚拟细胞」将是 DeepMind 重要的研究方向，他将致力于构建能够模拟整个细胞的AI系统。马克·扎克伯格与妻子普莉希拉·陈共同发起的科研机构 Chan Zuckerberg Initiative （CZI） 也是在今年高调宣布，他们将要在 未来十年在虚拟细胞上投入数亿美元，开发开放数据集与计算工具。就在上个月，NVIDIA 宣布了与 CZI 的合作，通过提供 AI 基础设施，共同推动虚拟细胞的开发和应用。 究竟什么是「 虚拟细胞」？我们要如何将细胞数字化? 以及虚拟细胞将如何改变疾病治疗、药物研发，甚至我们理解生命的方式？围绕着这些关键问题，我们整理了本期节目的文字版内容，方便大家阅读和分享。 本文预计阅读时长30分钟。                   本文整理自播客「科技早知道」 焦点内容： AI 在生物学中的革命性应用 生物学中的复杂性与 AI 的挑战 大厂与药企的虚拟细胞竞争与合作 虚拟细胞推动药物研发的数字化转型 数据量与算法的突破：虚拟细胞的未来 Yaxian  施老师，您好！非常感谢您做客我们的节目。首先能否给我们简单介绍一下自己，并分享一下您的研究领域？ 施威扬 大家好，我是施威扬，目前担任上海交通大学医学院的教授，同时也是万乘基因的创始人之一。我的研究方向主要集中在单细胞测序技术和生物信息学分析上，很高兴可以和大家分享对虚拟细胞的一些理解。 Yaxian  施老师在生物学领域创业的时候，AI 还没有真正地兴起，但是虚拟细胞这个词听起来就很新，能否为我们科普一下，什么是虚拟细胞？它将如何影响生物医学领域？  施威扬 虚拟细胞，英文全称 Artificial Intelligence Virtual Cell ， 简单来说，就是将生物学细胞的功能和行为通过 AI 建模并数字化。在硅基芯片上，我们可以模拟细胞在不同环境下的变化，帮助我们理解细胞的生物学机制，预测药物对细胞的影响，甚至设计全新的生物学过程。最终，虚拟细胞将成为一个全面理解和模拟细胞行为的工具，对药物研发、疾病治疗以及个性化医学都有深远的影响。 Yaxian  听起来虚拟细胞的本质就是一个大模型。那我们为什么要推动虚拟细胞的研究？它能带来哪些改变？ 施威扬 虚拟细胞的研究有多重目的。首先，它能够帮助我们深入理解细胞的生物学原理，尤其是癌细胞与正常细胞的差异。通过数字化建模，虚拟细胞不仅能够预测药物对细胞的影响，还能优化药物的组合与筛选过程，进而推动药物研发的进步。 我们之前学的分子生物学、细胞生物化学，实际上是通过物理和化学的方法来解释细胞中的信息传递和功能实现。虚拟细胞的一个重要目标，就是通过构建一个数字化模型，帮助我们更好地理解这些复杂的生物学过程。它能够让我们从系统的角度看到细胞如何发挥功能，并且可以帮助我们理解当某些因子发生变化时，细胞会如何反应和变化。虚拟细胞也特别有助于理解癌细胞与正常细胞之间的差异。这不仅仅是靶点基因的变化，也不仅仅是突变，而是突变后整个细胞系统的差异。通过这个模型，我们可以更清楚地看到这些差异，从而为癌症的治疗提供新的思路。 有了虚拟细胞模型的预测功能，我们也可以在药物研发中进行创新设计。通过模拟药物对细胞的作用，我们可以提前预测药物的效果，评估现有药物的组合效果，甚至发现潜在的新药物和新通路。这使得药物研发变得更加高效和精准。更进一步，虚拟细胞还能帮助我们设计全新的生物学过程，推动合成生物学的发展。比如，我们可以设计细胞中以前没有的通路，或者是自然界中未进化出来的、尚未探索过的基因组合，创造出全新的细胞功能和行为。这种创新的能力正是合成生物学的核心内容。 以前我们常常认为生物学不像物理和化学那样有明确的规律。生物学是一个复杂的系统，充满了大量相互作用，因此我们当时觉得，物理和化学的概念很难解释这么复杂的现象。我们感到无力，认为这些传统的科学概念无法应对生物学的复杂性。但现在有了 AI 技术和相关的模型，我们真的可以用这些工具来模拟生物学的复杂系统。虚拟细胞就是一个很好的例子，它可以帮助我们更好地理解细胞如何运作，甚至预测细胞在不同条件下的行为。这就是虚拟细胞能够做到的事情，也是它未来可以实现的目标。 Yaxian  施老师，您刚提到虚拟细胞的预测能力。那么，虚拟细胞与大语言模型之间有联系吗？因为你提到 DNA 序列和氨基酸序列，其实它们也可以看作是一种语言、或一种文本。而且现在很多生物学的模型也都是基于 Transformer 架构的，所以我在想这两者之间有没有什么可比性？ 施威扬 最近十年 AI 的发展，正如您所说，主要体现在这些大模型的进展，尤其是 Transformer 模型的发展，以及它在处理自然语言等领域中的强大功能和作用。那么在生物学领域，虽然我们并不是直接做算法研究，但实际上我们是将这些神经网络算法应用到生物学中。生物学的数据本身也有很多形式，比如 AlphaFold 实际上是一种语言或者序列模。 AlphaFold 实际上都是基于蛋白质的氨基酸序列进行的，所以它与语言模型非常相似。因此采用这些模型的效果非常好，而且现在这种功能的创造力也非常强大。然而在细胞层面，细胞的信息维度远远超出了单一的序列。DNA 序列确实很重要，但基因组中的信息并不仅仅是碱基序列，还包含了很多其他维度。例如，表观遗传学修饰是 DNA 序列之上的一个重要层次，光有序列本身并不能预测基因的实际功能，必须与这些表观修饰相结合才能进行准确预测。 此外，细胞内还有基因表达、蛋白质合成、代谢等众多复杂过程。因此，细胞的模型目前仍在不断探索中，科学家们在尝试找出哪种算法更加接近或适合用于虚拟细胞的模型。最近一两年来，关于虚拟细胞的模拟，各种模型都在进行尝试，每种方法在某些方面有优势，但在其他方面也存在局限。因此，虽然生物学家正在全面拥抱这些算法，但目前仍处于探索的早期阶段，大家都在尝试和探索那些可能更适合细胞模型的算法，或者是适用的神经网络模型，这一过程还在不断发展和创新。 Yaxian  好的，那关于模型和数据我们稍后再聊。 关于虚拟细胞的应用爆发，许多科技大厂和科研机构纷纷入局，为什么在这两年突然出现了这样一个在生物医学应用领域的投资热潮呢？ 施威扬 在我看来首先是因为需求的存在，生命体的复杂性是客观且真实的。正如我们之前提到的——生物体非常复杂，单纯依靠物理化学的原理、生化反应或分子生物学的中心定律，我们无法解释细胞的行为。即便我们有了基因组数据，也无法解释为什么同样的基因在不同细胞中会呈现出不同的状态和基因表达。生物医学的研究一直以来处于一个相对随机的状态。很多实验室和研究人员的工作往往依赖运气，偶尔会有人发现一个重要的通路，获得认可并写进教科书，而另一个人可能也做了同样的努力，但发现的是一个较不重要的通路，结果可能就没有那么显著。因此，生物学领域常常提到各种偶然性（Contingency）。 另外，生物学实验涉及太多变量，很多实验结果是不可重复的。同样的实验在不同实验室可能得出不同的解释，甚至同一个实验室中的不同人员也可能得到不同的结果，极端情况下，实验结果可能无法重复，导致论文被撤稿。即使没有撤稿，很多顶刊上的研究工作也未必能被其他实验室复现。 正是由于这种随机性和不确定性，生物学的研究效率非常低。大多数时候，我们只能探索我们认为有潜力的几个方向，其他可能性和维度根本没有得到充分探索。因此，我们对生物学的理解通常非常有限，可能只能做 1/1000 或 1/10000 的实验尝试。有了 AI 之后，首先从理论和算法的角度来看，它不需要我们一个一个地去探索所有方向。只要收集大量的数据，就能从中发现规律，而这些规律是我们在做实验或读文献时可能遗漏的，或者根本无法在实验中探索到的那些几百种可能性。 其次，生物医学的研究模式本身效率较低，尤其在生物技术和生物制药领域，探索人类生命和健康问题的传统方式效率非常低。因此，大公司看到算法的进步和更多数据的产生，能够从根本上颠覆这些传统的研究模式。十年后，生物学的实验室和研究生将不再像现在一样，从做 Western、DNA 分析、PCR 等实验开始，可能更多的是学习如何在计算机上进行虚拟实验。因此，我认为生物学正处于这样一个交叉点，正迎来一场巨大的变革。 您提到的这些大厂，像 DeepMind 和美国的几大 AI 巨头，确实处于一个非常有利的位置。过去，生物医学的研究主要由大型制药公司主导，它们有资金和资源来推动相关研究，但如今这些 AI 大厂已经意识到，他们的计算能力和算法专业知识可以帮助他们在生物医学领域弯道超车。因为强大的计算资源和最先进的算法团队，这使得他们能够在生物医学领域开展创新研究，甚至有可能超过传统的制药公司。这些公司不仅能够投入巨额资金去雇佣顶级的科学家，还能够提供庞大的计算基础设施，推动虚拟细胞等技术的发展。这也使得他们在这个领域处于非常有竞争力的地位。 当然，传统的制药公司也不甘示弱，已经开始加大对 AI 在制药领域的投入，尤其是在虚拟细胞这一方面。未来我们可能会看到 AI 大厂与传统制药公司之间的竞争和合作，共同推动生物医学领域的发展。 Yaxian  话又说回来，除了计算资源和算法，其实对于生物学的理解同样很重要。 施威扬 这一点很对。做好一个虚拟细胞的模型到底需要怎样的人？很多生物学家在进行 AI 应用时，实际上是使用别人已经开发好的模型，这些模型可能最初是在语言处理或图像领域取得了成功，后来被稍微改动后用来适应生物学的需求。有时，这些模型并不完全适用生物学的具体问题，但在没有更好的选择时，生物学家往往会强行将其应用上。这种方式在一定程度上能够解决问题，但并没有从根本上解决生物学中数据的特殊性和复杂性。 反过来，很多计算领域的人，虽然在算法上有丰富的经验，但他们可能对生物学的理解并不深入，往往直接将模型应用到生物学问题上，而忽视了生物学数据的特殊形式以及生物学模型的需求。这就导致了算法的应用有时并没有真正适应生物学的实际需求。 不过，大型 AI 公司通常「有钱任性」，能够投入巨额资金来组建跨学科的团队。例如，DeepMind 最初专注于蛋白质结构预测，主要做的是基于氨基酸序列的模型。然而，随着生物医学研究的深入，他们也开始组建虚拟细胞的团队，甚至拥有自己的实验团队。这些大厂的跨界合作能够更好地结合生物学和计算科学，推动虚拟细胞等技术的发展。 Yaxian  那接下来我还有一个与之相关的问题—— 对于研究虚拟细胞来说，这种大厂和虚拟细胞分别有什么优势和短板呢？ 施威扬 这个问题确实非常有意思。实际上这涉及到虚拟细胞到底想做成什么样的东西，或者说，什么是可行的，什么又只是一个理想化的设想。生物学的最大特点就是其复杂性和多样性。在一个机体内部，细胞的种类繁多，不同类型的细胞还存在不同的状态。正常的细胞有年轻的状态，也有衰老的状态，疾病细胞则有许多不同的过渡状态。 此外。不同物种之间的基因功能差异，也使得同一种类型的细胞在不同物种中表现出很大的差异。例如最近在衰老研究领域，像鲸鱼和裸鼹鼠这些物种，由于某些通路中的蛋白质功能不同，它们的细胞能力也大不相同。因此，虚拟细胞到底是一个「包罗万象」的模型，能够覆盖所有的生物学现象？还是说，它应该更专注于针对某个特定疾病、特定药物开发的应用模型呢？这个问题值得深思。 很多大厂的目标非常宏大，他们希望构建一个通用的、基础的模型，像 ChatGPT 或 DeepMind 这样的平台，希望能够「什么都做」，覆盖各类生物学现象。然而从生物医学领域的应用角度来看，药厂可能更关注的是针对他们具体研究的疾病、药物或疗法的专用模型。这类模型更加专注于某个特定领域，能够在该领域内进行精准的模拟和预测。比如如果我正在研究某种疾病，我希望有一个专门的模型，能够帮助我模拟该疾病的各种细胞行为，这样我就能基于这个模型进行药物筛选和开发。 所以，从短期来看，大厂和药厂的关注点是不同的。大厂倾向于构建一个基础性、通用性的虚拟细胞模型，而药厂更需要的是针对他们研究的疾病、药物管线，拥有强预测能力和高度针对性的模型。这两者的目标和需求是存在差异的，但也有可能随着技术的成熟，逐步向更精准和专用的方向发展。 Yaxian  我感觉这个原则其实不仅适用于生物医学领域，实际上在许多行业中都可以看到类似的趋势。比如在通用领域，大厂往往希望构建一个最大的基础模型，能够覆盖所有的功能，例如 Gemini 和 ChatGPT 等。而对于一些小型创业公司或细分领域的公司，无论是法律还是金融，他们可能会专注于开发自己的专有模型，或者是针对具体应用的上层模型。这种策略似乎适用于所有行业。 虽然虚拟细胞这个概念现在听起来可能挺新的，但实际上人类对数字细胞的探索从未停止过，甚至可以追溯到上世纪六七十年代。我不知道施老师能否给我们介绍一下，人类是如何开始探索虚拟细胞，或者说数字细胞的？ 施威扬 60 年代，分子生物学取得了非常迅速的进展，之前的生物化学主要集中在确定规律的现象上，基于反应动力学和化学公式进行描述。分子生物学则更像是一个二进制、逻辑开关网络的结构。例如，一个基因通过转录因子与另一个基因结合，就会启动该基因的转录，最终通过基因表达产生蛋白质，蛋白质再去激活下一个过程。 最早，科学家们对细胞的构建理解为蛋白质相互作用网络、酶网络，或者基因开关网络的调控模式。因此，最初的数字细胞模型是基于这些确定规律的模型来构建的。这些模型的复杂性较低，参数也较少。例如，在 21 世纪初，研究者开始尝试模拟一些非常简单的生命形式，如支原体（一个没有细胞壁、基因组极其小的细胞），通过模拟其几百个基因来预测蛋白质表达和代谢物的生成。更早的时候，噬菌体的研究获得了诺贝尔奖，这些研究对象包含一些简单的机制，如复制控制和膜结构的形成，构成了病毒模型的基本单元。因此，早期的模型通常是基于原理构建的，但这种原理型模型无法处理复杂的真核细胞或细胞集成体。 然而，在 20 世纪末至 21 世纪初，科学家们逐渐认识到，基于原理的模型无法应对细胞的复杂性，数字化的实现似乎还遥遥无期。然而，最近两年，随着技术的发展，基于数据的模拟模型开始出现，并且能够更接近真实状态。这些模型不再局限于原理性的推理，而是通过大量数据来模拟细胞的实际行为，从而使数字细胞的实现变得可行。 Yaxian  刚才提到，最早的时候我们对像支原体这样的物种进行建模，因为它的基因较少、结构相对简单，比较容易基于规律来建模。然而，现在我们面对的是更加复杂的细胞。以人类为例，人类体内有大约 40 万亿个细胞，每个细胞包含几万个基因。相比于较为简单的生物，细胞的复杂性在多个方面体现得更加明显。 施威扬 细胞的复杂性其实主要体现在信息的表征和维度上。作为功能单位的细胞，其核心机制可以通过中心法则来描述：信息从 DNA 序列及其表观遗传学修饰开始，经过基因表达（如 mRNA 的转录和修饰），最终转化为蛋白质。蛋白质通过相互作用形成网络，这些网络会直接影响细胞的行为。 此外，细胞还有一个动态维度。细胞的状态并不是固定不变的，每个正常细胞内部都有一定的变异。例如，某些基因的表达水平可能有所波动，但这些波动通常不会影响细胞的基本功能或状态。因此，细胞的信息是一个多维度的集合，涵盖了基因表达、修饰、蛋白质交互等多个方面。要构建一个有效的模型，这个模型必须能够整合细胞内部所有的这些信息，只有这样，它才能具备解释能力和预测能力，成为真正有效的虚拟细胞模型。 Yaxian  所以我们所说的「高维」，其实就是要把这些无论是时间上、空间上静止的和动态的所有这些数据，都能够在模型里得到复现。 施威扬 对的。尤其是细胞，它的最终表型行为，包括基因表达，最终会影响细胞的形态和功能。这些表型特征决定了细胞是方形的还是圆形的，是成纤维细胞还是干细胞，这些都是细胞行为的终极结果。 Yaxian  那为什么现在大家觉得虚拟细胞变得可行了？然后现在是不是实际已经成熟了？这一点施教授也可以展开来聊聊。 施威扬 现在，虚拟细胞的可行性已经变得越来越明显，可以说「黎明前的曙光已经到来」。原因可以归结为三个方面：算法、算力和数据。 首先，算法方面，生物学领域如今得到了 AI 领域的帮助，尤其是数学家、计算机科学家和统计学家们为 AI 构建了高效的算法，这些算法在语言处理和图像领域取得了很大成功，生物学也因此获得了适用的、可行的算法。 其次，算力的成熟同样至关重要。在没有大量 GPU 和计算中心的支持下，许多实验室无法接触到或负担得起如此强大的计算能力。但随着技术的进步，算力的提升使得这些强大的计算资源变得触手可及，尤其是像 NVIDIA 等公司提供的大规模 GPU ，使得虚拟细胞的研究成为可能。 第三点就是数据的积累，尤其是单细胞测序技术的出现。过去，数据往往来自于一大群细胞的平均数据，这些平均值无法反映每个细胞的真实状态，导致我们无法准确建模细胞。而单细胞测序技术的出现，改变了这一局面。单细胞测序通过高通量测量单个细胞的多维信息，使得细胞的表征数据变得更加精准。这项技术大概自 2010 年左右开始发展，并在 2016 年、2017 年随着商用平台的出现逐渐普及。如今，积累了亿级别的单细胞数据，使得我们可以对细胞建立更加精准的模型，但对于完整的模型，依然有很长一段路要走。 Yaxian  那如果已经建立好细胞状态的表征之后，我们之后还需要做些什么呢？ 施威扬 其实，建立虚拟细胞模型需要考虑的是模型和算法的问题。现有的很多模型往往不适合处理这样复杂的表征，这些表征既有内部关联关系，又有部分是相对独立的。在 AI 的其他领域，所谓的多模态模型，其关系通常比较简单，集合起来相对容易。但在生物学中，不同组学之间的相关性非常复杂，许多规律我们并没有完全理解。 在这种情况下，如果我们简单地将不同的组学信息堆积在一起，并认为这就是一个细胞的组学信息，然后直接将这些信息放入模型中，就会面临一个问题：每个模型的关键在于参数。每个 encoder、每个模块都需要大量的参数。那么，如何调节这些参数？给每种组学信息分配什么样的权重？最终才能最好地模拟细胞的状态？我个人认为，对于生物学来说，不可能有一个统一的表征权重。相反，每一种具体的细胞类型，或者每一类大类的细胞类型，可能会有一种特定的表征关系或参数群体。 Yaxian  那现在有没有什么已经比较成熟的模型可以应用了呢？ 施威扬 恰恰这就是目前虚拟细胞模型不尽人意的地方。现在的模型基本上都是基于单一维度信息的，背后的原因其实也很简单：绝大部分可用的数据都是单维度的。细胞的数据要么是 DNA 数据，要么是基因表达数据，要么是蛋白质的质谱数据，缺乏系统性的多组学数据，且大多数数据集还是来自于少量细胞。因此，这使得现有的模型无法充分捕捉到细胞的复杂性，无法建立起更好的多维度模型。生物学中关于细胞的模型可以大致分为两类：一类是基于 DNA 序列、蛋白质序列或 RNA 序列的大语言模型；另一类则是基于基因表达的模型。 Yaxian  我还有一个挺好奇的问题。我们身体里有这么多细胞，40 万亿个细胞。如果让我来想象一个虚拟细胞，它是不是应该涵盖所有细胞类型，比如肝细胞、脑细胞、皮肤细胞等？我们会把所有细胞类型的特征汇总到一个模型里吗？还是说我们需要分阶段进行，比如今天有一个肝细胞的模型，明天有一个皮肤细胞的模型？我其实还是对虚拟细胞这个宏大概念有些模糊。 施威扬 您这个问题问得很好。一个大模型，或者说基础模型，实际上是将不同细胞类型的数据和模型整合在一起，提取出它们的共性，最终形成一个基础模型。因此，基础模型在任何一个具体细胞上的能力，可能不会比专属模型更强。它的优势在于更强的泛化能力，也就是说，它能够从某些细胞（比如干细胞）中学习到的规律，可能会在其他细胞类型中也有所应用，并具备一定的泛化能力。 但总体来说，一个包罗万象的模型，其准确性和预测能力通常不如针对每种细胞或每个具体问题量身定制的专属模型。专属模型能够更加精确地模拟和预测特定细胞类型的行为，而基础模型则更适用于跨细胞类型的广泛应用。 Yaxian  看来模型的构建也需要很长的一个时间，那您对于虚拟细胞落地的时间线有没有一个预期？ 施威扬 从垂直模型的角度来看，其实国外一些大厂已经在内部运行和应用这些模型，例如 Genentech 与 Recursion 的合作。Genentech 已经将大量单细胞表征数据引入模型，并发现其在药物发现和靶点筛选方面的潜力。近年来，一些新兴 AI 公司也在内部生成大量的扰动数据，并利用这些数据进行模型开发和应用。 药企的研发部门，实际上一直在使用现有的数据和模型进行预测和筛选。他们不会等待一个完美的模型才开始应用，而是根据不同的预测工具和方法，快速生成大量的候选分子，然后通过他们的研发流程进行筛选和验证。药企的工作方式更多是通过不断试探和迭代，在各种预测和实验的基础上快速推进，而不是等到模型完全成熟后再开始使用。 Yaxian  那我们说的具体的垂直模型都包括一些什么呢？ 施威扬 垂直模型指的是针对一个具体的生物学过程或实验体系进行的模型化。例如，在药企的药物开发中，如果我在做肿瘤药物的开发，我的研究对象可能是肿瘤细胞系、肿瘤类器官，甚至是元代的肿瘤组织。在这种情况下，我希望通过模型发现新的靶点，或者探索药物组合或联合用药的效果，是否能产生更好的疗效。 过去，药企通常通过实际的高通量药物筛选，或者进行一些简单的组学研究和数据挖掘来进行探索。而现在，这些工作可能通过建立一个模型，进行虚拟筛选，模拟和分析不同药物组合或靶点的效果。这样，虚拟筛选可以作为一种高效的工具，帮助加速药物发现过程。这些工作其实就是垂直模型的应用，它关注的是特定领域或特定生物学问题，通过构建专门的模型来进行研究和预测。 Yaxian  我们还会关心（虚拟细胞）模型的可解释性，因为大模型常被认为是一个黑箱。虽然生物学的规律很多时候并不是完全被理解，而这个模型得出的结果，我们会需要去理解它中间的过程吗？ 施威扬 这也是目前单细胞模型中的一个大问题——可解释性。可解释模型的好处在于，一旦理解了模型的解释，我们就可以根据这些规律进行逻辑设计或干预。如果模型不可解释，那我们只能依赖相关性，仍然需要盲目尝试所有的参数空间。 如果我们能够解释模型的变化，知道是哪个基因或哪些基因导致了变化，那么我们可以有针对性地干预这些基因，从而让细胞发生我们预期的变化。然而，为什么目前虚拟细胞模型的可解释性较弱呢？这与它所基于的数据模态有很大关系。目前大部分虚拟细胞模型都是基于单细胞转录组构建的。 为什么基于转录组呢？因为单细胞转录组数据是目前可获得的数据量最大、最易测量的维度。过去的公共数据主要是单细胞转录组数据。但正因为它是转录组数据，这就导致了模型的可解释性较弱。转录组反映的是基因表达的结果，而基因表达实际上是细胞内基因网络的一个表现。真正决定基因表达的是 DNA 序列，包括启动子、调控子、增强子等，以及表观遗传学信息，如甲基化、组蛋白修饰和染色质结构。染色质的开放性和高级结构决定了基因是否高表达、低表达，或者是否可以被抑制。 因此，转录组只是一个结果，真正决定转录组的，是上游的这些组学信息。如果我们在构建模型时缺乏这些维度的信息，那么构建出的模型就只能表现为一个简单的相关性关系，无法揭示基因间的调控网络关系，也不能知道它们是否受到相同上游因素的调控。这是一个可以解决的问题，解决的方式就是通过更高维度的细胞表征实验数据来补充这些缺失的信息。 Yaxian  就是说，通过填补从 DNA 到 RNA 表达（即转录组数据）之间的这些空白（如基因调控信息、表观遗传学信息等），我们就能增加模型的可解释性。那我还很好奇，虚拟细胞实现之后，会有哪些应用场景呢？ 施威扬 工业界目前讨论的虚拟细胞应用潜力，主要集中在以下几个方面：药物发现、合成生物学和细胞基因治疗（CGT）。 首先，在药物发现方面，传统上靶点发现、药物筛选和合成药物等都依赖于高通量实验筛选，或者使用 BULK组学数据，通过差异分析和大规模临床样本来找出潜在的药物靶点。这种方法的局限性在于，能够成为药物的靶点往往是某些通路的抑制剂，而这些靶点所涉及的生物学过程，很多时候已经被「用尽」，无法再发现新的东西。而通过虚拟细胞模型，可以在计算上模拟药物的各种组合，并探索不同方向的可能性。这不仅能加速药物的筛选过程，还能在实验室进行快速的大规模验证，从而发现新的靶点和合成药物。 其次，在合成生物学方面，合成生物学通常是通过重新组合已有的生物学元素，甚至设计新的生物学因子（如DNA、RNA 和蛋白质序列），创建新的生物学通路，赋予它们新的功能。虽然目前合成生物学主要依赖实验室的高通量方法来测试序列优化，但通过AI算法结合实验数据，可以预测新的生物学因子。尽管单纯的序列预测相对简单，但当这些序列放入细胞中，尤其是组合在一起时，它们的最终效果更复杂。虚拟细胞模型可以更好地预测这些组合的结果，提高合成生物学的效率。 最后，在细胞基因治疗（CGT）方面，虚拟细胞的应用也具有重要意义。无论是 CART 细胞治疗，还是其他形式的基因治疗，其核心都是在细胞层面上发挥作用。传统的基因治疗通常依赖于理性设计，比如认为加入某个基因可以延长T细胞的存活，或者加入某些因子可以提高免疫耐受性，但这些都基于已有的知识，因此可以测试的可能性非常有限。而通过虚拟细胞的模拟，我们可以进行大规模的筛选，快速找到可能的优化方法，从而推动基因治疗的进一步发展。 Yaxian  听下来，主要有两个方面——首先是加速，以前需要花费很长时间在实验室完成的筛选，现在可以移到数字世界，快速进行合成或通路的预测。其次是处理复杂信息。传统上，由于人脑无法处理如此复杂的信息，很多生物学过程难以理解。而在虚拟细胞中，整个细胞的网络效应可以被复现。当给细胞添加药物时，虚拟细胞能够预测药物在细胞内的复杂反应，从而给出可能在传统实验中难以预见的结果。 最后，我们可以谈谈实现虚拟细胞面临的挑战。主要的问题在于数据。那么现在数据面临的主要瓶颈和挑战是什么呢？ 施威扬 实现虚拟细胞的主要挑战体现在三个方面：首先是数据量不足，目前公共可用的单细胞数据仅有2亿个细胞，且很多公司内部的数据并未公开。其次是数据维度不足，仅有转录组数据无法构建具有可解释性的模型，缺乏可解释性会影响模型的预测能力和在药物开发中的应用。第三是数据的专属性不足，许多数据集缺乏专一性，尤其在特定疾病领域，缺乏单中心、统一平台和标准测量方法的大规模数据集，导致数据质量和一致性问题。 另一个挑战是算法的适配性，现有的神经网络和机器学习算法难以完全满足生物学数据的复杂性，因此尽管现有算法无法完美解决所有问题，虚拟细胞模型的构建仍然是一个渐进的过程，也不能等到有了最完美的算法再去做这个模型。 Yaxian  对，刚才说到数据量不足，那需要多少的数据量才能算是够得上门槛呢？大部分的数据库都有上亿个细胞，但它们不是专属的，是吗？ 施威扬 我觉得，真正有价值的疾病数据不仅仅是对样本的测量，还需要对样本进行扰动和其他处理。从这个角度来看，一个专属的样本类型，至少需要达到千万到亿级别的数据量。有的数据库通常都是由几千个实验、甚至至是几万个实验，成千上万种这个组织样本类型这种凑在一起的。 Yaxian  那这些数据的主要来源是哪里呢？ 施威扬 大多是科研实验室，因为只有发表论文的实验室才会愿意将数据上传到公共数据库。最近这两年，一些公司开始进入这一领域，例如 Heath Therapeutics，它在今年年初发布了大约一亿个肿瘤细胞药物扰动的数据。今年，该公司又融资了几千万美元，计划生成 10 亿级别的数据。虽然他们的 1 亿数据是公开的，但未来的 10 亿数据将成为专属数据，只会授权给药企，而不会免费提供给公众使用。 Yaxian  明白了。最开始提到您创业的公司万乘基因也在做数据相关的工作，也可以和我们简单介绍一下。 施威扬 我刚刚创立公司时，主要做单细胞测序，当时单细胞测序主要是为科研服务，目标是做美国 TEX genomics 的国产替代，作为科研工具，通量大概是一次 1 万个细胞，适用于科研实验室，像做十几个样本最后发表论文。但是过去这两年，我们发现单细胞实际上已经进入下一个阶段，作为科研工具，能用的都用了，不能用的技术也满足不了需求。不能用的意思是，很多科研应用场景下，像一次 1 万个细胞左右的通量，实验成本几千到一万块钱，无法满足数据需求，也无法支撑这么大的数据量。比如说要做一个系统的图谱计划，像人类细胞图谱计划，CZI提出的 scope 是 1 亿个细胞，但现在看，这 1 亿个细胞一个组织通常有百万级细胞，如果只做 1%的采样，根本没有办法捕捉细胞的复杂性和有意义的变化。因此，过去的单细胞通量已经无法捕捉生物体细胞之间的差异。 第二点是，对于临床应用，做 10 个或 20 个样本，每个样本做 1 万个细胞，也无法捕捉到疾病的状态，因为疾病状态比正常状态更复杂。过去的科研工具已经无法满足下一代单细胞研究的需求。所以两年前，我们开始做超高通量的单细胞多组学测序技术和平台，目的是为细胞的大数据和虚拟细胞模型提供数据支持。我们需要千万级别的数据，这些数据有几个特点：首先，细胞量非常大，要千万级别；如果一次只做 1 万个细胞，可能要做 1000 次实验，所以我们首先做的是能够一次生成千万级别单细胞数据的技术。其次样本也不是一个，而是来自几百到几千个样本，最后得到千万级别的细胞数据，这就需要我们做平行处理，能够同时标记成千上万个样本，然后进行海量细胞测量。这样的数据平台是未来构建虚拟细胞领域的核心资产。 Yaxian  我不知道您对虚拟细胞这个领域有什么展望，无论是从时间线的角度，还是从发展趋势的角度，能否分享一下您的看法？ 施威扬 我认为在未来五年内，大多数公司将把 AI 和虚拟细胞工具作为主流，尤其是在药物开发领域。我们可以看到，许多药厂现在已经大量使用这些模型进行抗体开发和蛋白类药物的研究。基于细胞的药物开发，尤其是虚拟细胞的应用，可能在五年内，甚至更快，成为药物研发的主要平台和工具。未来，这一领域将成为一个所谓的「Lab in the Loop」，即人工智能驱动的自动化实验室，进行药物开发，而不再依赖于几个首席科学家的想法和几个人做实验的传统方式。 因此我们认为，在接下来的几年中，药物开发将会出现许多意想不到的突破。比如今年有一篇文章提到，利用AI设计出了自然界中从未存在过的抗生素和肽，这些肽可以作为抗生素使用。传统的药物开发方法永远无法发现这些新物质，但AI技术为我们打开了新的可能性。 以上内容来自节目「科技早知道」：从理解疾病到药物发现，科技巨头们押注的「虚拟细胞」究竟是什么？| S9E37 原创/「科技早知道」 编辑/Terry 排版/Terry 审校/Yaxian 运营/George 更多有趣问题 欢迎来声动活泼找答案 当大模型实现 3D 实时互动，AI 娱乐的未来是什么?｜科技早知道 如果不再依赖化石能源，人类的碳源能否从空气中获得？｜科技早知道

IND2024论坛报名倒计时7天，扫码领取限量免费参会名额：来源：肠道产业，尹哥聊基因，我是建设者  转自：基因谷编者按2022年，华大智造成功上市。同一年，Element Biosciences、Singular Genomics和Ultima genomics等新兴测序公司陆续发布测序仪器，雄心勃勃旨在夺得测序市场的一杯羹。那么，被Illumina公司主导的测序仪市场是否会发生革命性的变化？今天，我们共同关注测序仪。希望本文能够为相关的产业人士和诸位读者带来一些启发和帮助。测序市场结构转型？如果你现在想要购买下一代测序（next-generation sequencing，NGS）仪器，那么你可能会听到像推销二手车式的推销语：“你想要短读长吗？当然，我们有。长读长？是的，这只是一个简单的附加功能。我来给你报价！……你去年才买了一台？别烦恼！我们有特别的折扣。此外，我们在试剂上也有很大的折扣。你想看看仪器吗？走到这边来……外观是不是很时髦？太大了吗？它还没有冰箱大！什么，你不喜欢这个颜色？但黑色现在很流行。你想知道精确度吗？我有图表展示给你！到我办公室来。……”如今，研究人员拥有了前所未有的选择。NGS行业在一年之内从少数玩家发展到一个拥挤的领域。过去10年里，世界各地的大部分测序工作都是在Illumina公司生产的仪器上完成的。这家总部位于圣地亚哥的公司在测序市场上占据主导地位。其他公司，如太平洋生物科学公司（PacBio）和牛津纳米孔技术公司（ONT），已经在这一市场赢得了一席之地。另外还有一些公司试图进入这个游戏，但并未能通过第一轮。但在2022年，随着该行业出现新进入者以及老牌公司推出新产品，这一状况可能会被改变。阿斯利康公司（AstraZeneca）肿瘤学与转化医学、表观基因组学高级总监James Hadfield博士表示，2022年是自2006年以来NGS发展最好的一年。这一领域的结构转变意味着什么？基因组学顾问Shawn Baker博士表示，这意味着“客户将不得不再次习惯要做出艰难的选择，而供应商也将必须记住如何为销售而战。”图. 总部位于圣地亚哥的Singular Genomics公司于2021年上市并发布了G4测序仪。春天的蓬勃几年前有传言说，Illumina公司的资深员工Molly He博士将成立一家新的NGS公司。直到2022年3月，当他的新公司Element Biosciences发布了台式AVITI平台，并宣传其具有精确度高，可选择合成长读长测序、价格低的特点，这一传言才终于得到了证实。另一家位于圣地亚哥的公司——Singular Genomics公司，推出了一款新的台式仪器，被称为G4。根据Singular公司的说法，它提供了高灵活性（有四个独立的流动槽）和高速的运行速度等优势。两款中通量测序仪器（AVITI和G4）都对标Illumina公司的NextSeq测序仪。 去年6月，当基因组学界正准备参加在佛罗里达州奥兰多举行的基因组生物学与技术进展大会（Advances in Genome Biology and Technology，AGBT）时，Ultima genomics公司推出了一款高通量测序仪器UG-100，有望与Illumina公司的NovaSeq相竞争，这让所有人都大吃一惊。关于UG-100的一切都是惊人的：模块，通量，标价，以及围绕它的声明。苏黎世功能基因组中心（Functional Genomics Center Zurich）、苏黎世联邦理工学院（ETH Zurich）和苏黎世大学（University of Zurich）的基因组学分析小组负责人Catharine Aquino表示，她在考虑是否要购买一台UG-100测序仪。此外，她表示她所在的测序中心的一个目标是为该中心的用户提供最新的技术。该中心一直运行着两台NovaSeq，并对探索更低成本的技术感兴趣。测序成本越低，该中心能处理的项目就越大。但Aquino对新技术持谨慎态度。例如，尽管Ultima公司公布了每个基因组的目标价格，但该公司一直对其仪器的价格和实际规格含糊其辞。此外，在AGBT大会上，该公司只展示了内部生成的数据或与布罗德研究所（Broad Institute）合作生成的数据，而不是客户生成的数据。其中一些公开的数据招致了加州理工学院（California Institute of Technology）计算生物学教授Lior Pachter博士实验室的批评。Aquino也几乎没有听说过该测序仪的基础设备信息——测序文库的制备，机器的自动化程度，以及Ultima公司将提供的支持。她说：“对于任何一项新技术，所有东西都必须发挥作用，所有东西都必须优化，要有创造性。”新的NGS技术可能很酷，但如果只有少数几个实验室能让它工作，或者如果需要大量的支持，那么它就不会成功。她强调，根据她的经验，Illumina公司的工程和支持团队近乎完美。时机也很重要。Aquino说，她的团队的目标是找到一个采用新技术的最佳时间点。她说：“我们不能太迟，也不能太早，因为我们需要已经可以投入使用的设备。不过，我们宁愿早一点，也不愿晚一点。”总的来说，Aquino对NGS领域的发展感到兴奋。由于Ultima、Element和Singular等新公司的出现，这一领域变得更加活跃。她表示，现在正是“NGS技术形成”的时候。图. 2017年，Element Biosciences公司在加州大学圣地亚哥分校图书馆成立。秋季的回应在经历了一个相对平静的夏季之后，老牌公司在秋季做出了回应。2022年9月，Illumina公司举办了首届Illumina基因组学论坛，在论坛上，首席执行官Francis deSouza宣布了新平台的进展。在引人注目的头条新闻中，Illumina公司展示了NovaSeq X系列测序仪器，其中包括一组新仪器——NovaSeq X和NovaSeq X plus，旨在巩固Illumina作为NGS领导者的地位。虽然新平台可能与旧平台的名字相同，但德州农工大学农业生命研究中心（Texas A&M AgriLife Research）基因组学和生物信息学服务主任Charlie Johnson博士说，但是其他方面却存在很大不同。事实上，他断言，新仪器与旧仪器唯一的共同点是Illumina的标志。NovaSeq X采用了一种新的化学技术XLEAP-SBS。Johnson说，虽然XLEAP-SBS仍然是边合成边测序（sequencing-by-synthesis，SBS）——该测序技术的化学基础是由英国Solexa公司开发的，该公司于2007年被Illumina收购——但它使用了新的聚合酶、阻断剂、连接剂和染料。Illumina还强调了其试剂和运输计划的可持续性。尽管该公司的公告很及时，但重大进展要到2023年底甚至2024年才能真正实现。例如，XLEAP-SBS在2024年P4流动槽问世之前将无法在NextSeq上使用。尽管Illumina公司宣布每千兆字节的成本将为2美元（与目前的NovaSeq 6000 S4相比，每千兆字节的成本降低了59%），但这一目标要到2023年下半年推出25B（250亿个簇）流动槽后才能实现。Baker指出，这些新平台的上市时机可能是影响竞争结果的一个重要因素。例如，Ultima UG-100仪器，价格为1美元/Gb，可能会比Illumina公司的新产品更早推出。如果这种情况发生，客户在可以买到UG-100的前提下，可能就会选择它，包括那些原先可能会选择Illumina平台的客户。同样，客户有一年多的时间来问自己，“既然现在我可以用更少的钱、更低的样品成本买到Element公司的AVITI，为什么还要买尚未兑现承诺的NextSeq呢？”就在Illumina大会举办后的一个月，PacBio公司在洛杉矶举行的美国人类遗传学学会（American Society of Human Genetics，ASHG）上再次引起了基因组学界的轰动。该公司首席执行官Christian Henry表示，PacBio将借此机会纪念“公司历史上最大的飞跃”。PacBio公司宣布推出两款新仪器，其中一款是名为“Onso”的短读长仪器。它为该公司目前的长读长产品增加了一个新的维度（这一故事始于2021年，当时PacBio公司收购了Omniome公司及其短读长技术。）为什么客户会购买Onso而不是Element的AVITI、Singular的G40或Illumina的NextSeq呢？传统上，PacBio的客户有两个需求：高准确度和更长的读长。而且他们愿意为此买单。但Onso可能会改变这种看法。该平台不仅价格非常有竞争力，而且更精确的测序意味着更少的测序次数——这是具有成本效益的。“Onso的性能看起来非常出色。” Johnson指出。他补充说，他渴望看到更多的数据来证实这一想法。话虽如此，但他不明白为什么PacBio公司要在短读长测序市场上挑战Illumina。去年11月，PacBio公司在纽约举行的“投资者日”（investor day）上谈到了这一点。该公司表示：“客户虽然会倾向于某一种测序技术，但其实他们两种都想要。”Johnson认为，一些实验室也可能倾向于只使用一种品牌的测序仪，而不是使用PacBio进行长测序，使用Illumina进行短测序。除了Onso，PacBio还推出了一款新的长读平台Revio，它将取代该公司的主力产品Sequel IIe。尽管Revio使用了相同高精度的Hi-Fi化学技术，可以直接进行甲基化和结构变异检测，但该公司表示，Revio的性能比目前的Sequel IIe系统功能强大15倍。新的平台使PacBio以低于1000美元的测序成本进入了群体规模的基因组学。Aquino表示，在PacBio发布后的第二天，“我们立即收到了很多来自用户社区的咨询，询问我们什么时候能买到Revio。”公布的Revio规格允许研究人员从事过去因为成本太高或通量要求太高而无法实现的项目。“现在，我们可以获得与当前Illumina Novaseq价格相似的Hi-Fi技术，所以我们可以看到更多的项目会选择Hi-Fi测序，”Aquino表示，“他们将从Hi-Fi提供的读长中收集到更多的信息。”使用Revio的容易程度取决于他们之前使用长读长测序的经验。对于没有经验的用户来说，在Revio上制备文库可能是一个挑战。Aquino预测：“这将是一条学习曲线。”Johnson表示，就测序成本和容量而言，Revio听起来像是“一次巨大的飞跃”，而且它与PacBio公司经过长久验证的长读技术能很好地结合起来。尽管每年1300个人类基因组表明PacBio的吞吐量有所提高，但新的Illumina NovaSeq X的设计目标是每年处理2万个人类基因组。Johnson表示，如果考虑到机器的成本，很明显，“在临床规模上，Illumina仍然是一种成本低得多的对人类基因组进行基因分型的方法。”图.从左到右依此是Ultima公司的UG-100、PacBio公司的Revio和Illumina公司的NovaSeqX。美国之外在美国之外，其他NGS公司也希望抢占更多的市场份额。对Johnson而言，ONT公司的新产品PromethION 2 Solo（P2 Solo）“看起来很有意思”。P2 Solo是一款台式纳米孔测序仪，提供直接甲基化检测，使用Pore-C捕获染色质构象，直接进行RNA测序，并获得从短（20个碱基）到超长（400万个碱基）的读取长度。Johnson感兴趣的原因之一是成本——只需要1万美元。还有一家总部位于中国的测序公司华大智造（MGI），到目前为止，该公司一直以相对集中的方式部署其系统（主要在中国）。去年，华大智造解决了它在美国与Illumina有关的所有未决诉讼。因此，华大智造在2022年开始销售其CoolMPS平台，并计划在2023年初开始销售其他产品。Baker指出，华大智造公司很有趣，因为它和Illumina一样，拥有从非常低到非常高通量的广泛测序产品组合。华大智造并不是在追求Illumina错失的某个特定领域或利基市场——华大智造想要全部。Baker表示有一些亟待明确的问题，比如，华大智造有多大的能力来支持其平台实现全球范围的发布？还有目前存在的一些政治因素是否会影响其在美国获得真正的市场份额？展望2023Hadfield坚持认为，有足够的客户来支持许多新的测序选择。医学测序将继续稳步增长——也许是指数级增长。在非医学测序领域，有许多用户在呼唤更便宜的全基因组测序。Hadfield说，如果再加上制药公司的雄心壮志，我们可能会进入一个时代，在这个时代，临床试验中的测序默认是全基因组测序。他建议，如果1000美元可以实现300×全基因组测序，研究人员可能不再会为是否要选择800美元的全外显子组测序而烦恼。测序领域的新选择不仅包括新技术，还包括新公司。从历史上看，在测序领域，初创公司一直在争夺客户和市场份额。此外，许多有前途的NGS技术已经爆发出来，只是消失在黑夜中。新一波的NGS公司不会止步于2022年的重大公告。PacBio表示，它正在开发一种超高通量仪器，“将使Revio看起来像中等通量。”图像、数字、化学反应、半导体——关于这些新技术的一切都令人兴奋。但它们只有在有效的情况下才是好的。正如Aquino所说，“如果一种仪器承诺提高通量，但它没有实现，那就没有多大帮助。”国内：华大智造：已经有比较完整的测序仪组合，后续是不是会推出不同原理的测序仪，如纳米孔测序？真迈：发布会上提及过，可能会有超高通量测序仪；赛陆：之前已经提示过要推出类似Novaseq 6000的高通量测序仪；赛纳：中高通量测序仪一直在努力研发中；铭毅智造：据说希望推出针对不同疾病应用场景的测序仪？芯像：已经推出了基于光学的测序仪，后续计划推出基于半导体的测序仪；齐碳：按照ONT提示的经验，中高通量芯片的纳米孔测序估计还会更进一步，包括准确率更高的测序化学体系；安序源：已经提示了更高通量的芯片设计，后续产品化形态还未知；今是：从50万到100万再到可能的一千万孔的芯片？普译生物：纳米孔测序新秀应该会紧跟ONT和齐碳的产品发布路线。除了这些已知的玩家之外，还有：安图生物/思昆：控股子公司全力推进二代测序仪的开发中，看起来已经接近可以发布的阶段，预期明年发布？菲鹏/赛库莱特：之前收购了SequLITE Genomics，但一直没有太大进展，据说还在推进开发中，看明后年能不能推出？亚辉龙/珠海大道测序：亚辉龙持股52%，开发二代测序仪，据说已经接近产业化？中元汇吉：之前组建了团队在开发二代测序仪，但后据爆料解散了团队，计划可能已经终止；基蛋/江苏新序：控股子公司，开发二代测序仪，可能明年能有原型机？上海近观科技：2022年完成2亿元的天使轮，在开发纳米孔相关的测序仪，据说可能明年会有原型机；苏州德运康瑞/厦门德运芯准：控股子公司，在推进原位RNA测序仪，可能类似于10x Genomics的Xenium?国外:Illumina：暂时看不到下一步仪器发布的计划；明年会推出跟SomaLogic合作的蛋白组学产品；PacBio：收购Apton后会整合推出高通量短读测序仪；长读长上，计划有桌面台式机和超高通量的机器在研中，关注明年会不会有桌面长读长；ONT：短期内会以P2为主要抓手，但在新的PromethION及SmidgION芯片开发上会设计推动其他一些低通量机器，比如Mck1D；当然新的化学出来之后，本质上所有的机器都相当于升级了一次；Singular Genomics：计划明年推出高通量单细胞多组学机器PX的试用计划；Element Bio：暂时计划不详，不知道会不会推出更高通量的测序仪或者也进军蛋白组学、多组学领域；Ultima Genomics：UG100从去年宣布至今还没有商业化推出，UG作为明年AGBT的金牌赞助商，估计会有更大的计划和动作。除了这些浮出水面的玩家，其他可能还有：罗氏：可能在后年推出基于SBX化学的纳米孔测序仪，明年估计会透露更多信息；DNAe：英国公司，最早把自己的芯片技术授权给了Ion Torrent，但DNAe已经转向了“样本到报告”的测序检测，经历这么多年，并没有太大的商业化进展；Single Technologies：瑞典公司，3D测序，在NGS维度上叠加空间信息，通过共聚焦扫描图像实现高通量，值得关注；Depixus：英法两地的公司，基于磁力光谱的技术，更多揭示生物分子相互作用，似乎正在驶离DNA测序的方向；Roswell Biotechnologies：美国公司，将分子互作与标准微芯片兼容，推出分子电子芯片，更多用于单分子水平的精准测量，暂时不将测序作为重点。另外在纳米孔测序开发上，下面这些公司过去两三年偶尔有消息或者更新，至少还活着，但具体技术开发离产品化的距离可能都还长：Armonica TechnologiesINanoBioNooma BioGenvida其他相近领域上：Bionano：通过光学基因组作图技术OGM，最近宣布推出了Saphyr升级版的高通量的Stratys仪器，但似乎发了个寂寞，看不到太多信息；Nabsys：这家公司还没有死，采用电子基因组作图技术，去年有一些动作，猜测最终很可能被Hitachi收购掉，但商业化进展还看不太清楚；Genomic Vision：法国上市公司，分子梳技术，本质上与上面两家公司想做的事情类似，都是解决大的结构变异的问题，也在探索与新型治疗的QC结合。这三家公司很类似，本质上与测序还相差很大，但作为测序的补充，有一定的空间，但空间又不算太大。附录81家测序公司一览下面将盘点全球测序公司，带大家体验测序仪的“争霸战”。岛津网站：https://www.shimadzu.com.cn简介：1875年成立，日本核心技术：全自动化DNA测序系统是否属于单分子测序技术：否公司产品：DSQ-600L/S、DSQ-2000L/SDover Motion（Danaher）网站：https://www.dovermotion.com简介：1963年成立，2002年被Danaher收购核心技术：Polonator测序仪是否属于单分子测序技术：否公司产品：Polonator测序仪LI-COR网站：https://www.licor.com简介：1971年成立核心技术：自动化DNA测序系统是否属于单分子测序技术：否公司产品：Global IR2Amersham Biosciences（GE）网站：无简介：1981年成立，2004年被GE收购核心技术：自动化DNA测序系统是否属于单分子测序技术：否公司产品：MegaBACE 500、MegaBACE 1000、MegaBACE 4000、MegaBACE 4500Applied Biosystems（ThermoFisher）网站：https://www.thermofisher.com简介：1981年成立，2008年与Invitrogen合并改名为Life Technologies，2013年被ThermoFisher收购核心技术：基于光学模块的连接法测序技术是否属于单分子测序技术：否公司产品：5500 W、5500xl W、PRISM 3730测序仪、ABI 370A、AIF/LICOR、373、377、ABI 310、ABI 3700、RISA-384、ABI 3130/ 3130xL/3730xL/3500DX 等描述：寡聚物连接检测测序（ Sequencing by Oligo Ligation Detection，SOLiD）通过荧光标记的8碱基单链DNA探针与模板配对连接，发出不同的荧光信号，从而读取目标序列的碱基排列顺序Illumina网站：https://www.illumina.com简介：1998年成立，规模≤10000人，美国核心技术：基于光学模块的边合成边测序技术是否属于单分子测序技术：否公司产品：HiSeq系列、MiniSeq系列、NextSeq系列、NovaSeq系列、iSeq 100等测序平台描述：Illumina于2007年收购基因测序公司Solexa，从而进军基因测序市场，目前占据全球基因测序仪80%以上的市场份额；Illumina使用的是基于4-color/2-color光学模块的边合成边测序的测序技术菲鹏生物网站：https://www.faponbiotech.com简介：2001年成立，中国，菲鹏生物是体外诊断平台型企业，为全球体外诊断企业提供具备出色性能表现的IVD试剂核心原料、试剂解决方案和开放式仪器平台核心技术：高通量测序技术是否属于单分子测序技术：否公司产品：SeqQ 100描述：SeqQ 100提供两种规格的测序流动槽，读长模式从单端35bp到双端150bp，未来将被用于胚胎植入前遗传学筛查、无创产前DNA检测、病原微生物宏基因组检测、遗传病筛查，肿瘤的早筛、伴随诊断和预后监测，是一款手动操作较少、人机互动友好的桌面型高通量测序平台术Lasergen（Agilent）网站：https://www.agilent.com简介：2002年成立，2018年被Agilent收购核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：暂无描述：采用光化学切割技术（Lightning Terminators），基于光学模块的合成法测序技术DNAe（DNA Electronics）网站：https://www.dnae.com简介：2003年成立，英国核心技术：基于电微流体半导体（CMOS）的合成法测序技术是否属于单分子测序技术：否公司产品：LiDia测序平台描述：使用离子敏感场效应晶体管（ISFET）作为pH传感器，将DNA释放的化学信号（H+）转换为电流或电压，实现DNA测序BioNano Genomics网站：https://bionanogenomics.com简介：2003年成立，规模≤100人，美国核心技术：单分子光学图谱技术是否属于单分子测序技术：是公司产品：Irys®和Saphyr™系统描述：基于纳米微流控芯片技术的单分子光学图谱技术（Direct Label and Stain，DLS），纳米通道保证单个DNA分子以线性伸展状态流过，便于绘制基因组图谱，该技术仅依赖于完整的高质量DNA提取ZS Genetics（倒闭）网站：无简介：2003年成立，总部位于美国马塞诸塞州，是利用显微镜的3G测序技术开发商核心技术：利用电子显微镜进行长DNA段的三代高通量测序是否属于单分子测序技术：否Helicos Biosciences（停止运营）网站：无简介：2003年成立核心技术：tSMSTM单分子测序技术是否属于单分子测序技术：是公司产品：HeliScope单分子测序仪Pacific Biosciences（PacBio）网站：https://www.pacb.com简介：2004年成立，规模≤500人，美国核心技术：基于光学模块的合成测序法是否属于单分子测序技术：是公司产品：Sequel II System测序系统、PacBio RS II System测序系统、PacBio RS System测序系统等描述：采用光学模块，基于零波导孔（Zero-Mode Waveguides）的单分子测序技术。零波导孔技术的主要功能是让光照亮固定了单个DNA聚合酶／模板分子的纳米孔底部，从而使碱基携带的荧光基团被激活并被检测到，大幅降低了背景荧光干扰锐博生物网站：https://www.ribobio.com简介：2004年成立，中国，总部位于广州，拥有15年以上在RNA合成与开发的丰富经验，包括siRNA、反义核酸、miRNA、CRISPR等是否属于单分子测序技术：否公司产品：暂无Complete Genomics（BGI）网站：https://www.completegenomics.com简介：2005年成立，2013年被华大收购核心技术：基于光学模块的连接法测序技术是否属于单分子测序技术：否公司产品：Blackbird测序平台描述：基于联合探针锚定连接技术（combinatorial Probe-Anchor Ligation，cPAL），结合光学模块实现高通量测序Oxford Nanopore Technologies网站：https://nanoporetech.com简介：2005年成立，规模≤500人，英国核心技术：基于蛋白纳米孔的单分子测序技术是否属于单分子测序技术：是公司产品：SmidgION、Flongle、MinION、GridION、PromethION测序平台描述：以α-溶血素来设计纳米孔，并将环式糊精共价结合在孔的内侧，当核酸外切酶消化单链DNA后，单个碱基落入孔中，它们瞬间与环式糊精相互作用，并阻碍了穿过孔中的电流，根据每种碱基特定的电流振幅，实现对单分子测序Intelligent biosystems（Qiagen）网站：https://www.qiagen.com简介：2005年成立，2012年被QIAGEN收购核心技术：基于光学模块的边合成边测序技术是否属于单分子测序技术：否公司产品：GeneReader测序系统描述：基于Jingyue Ju研发的四色可逆终止子测序技术，开发了基于光学模块的边合成边测序的GeneReader测序系统。Intelligent biosystems于2012年被QIAGEN收购，2016年Illumina起诉QIAGEN侵犯了知识产权，导致QIAGEN停止在美国销售所有GeneReader测序系统，2017年相关诉讼达成和解Nabsys网站：https://nabsys.com简介：2005年成立，美国，2015年更名为Nabsys2.0，2016年被紫鑫药业收购67%股权核心技术：基于固态纳米孔的测序技术是否属于单分子测序技术：是公司产品：High-Definition Mapping（HDM）平台描述：结合探针杂交技术，基于电子传导检测的固态纳米孔，实现单分子DNA测序技术；High-Definition Mapping（HDM）用于基因组长片段组装Eve Biomedical网站：无简介：2006年成立核心技术：在手机芯片上进行DNA测序是否属于单分子测序技术：是公司产品：暂无Lightspeed Genomics（BioSearch  Technologies）网站：https://www.biosearchtech.com简介：2006年成立，2013年被Biosearch Technologies并购核心技术：基于光学模块的测序技术是否属于单分子测序技术：否公司产品：暂无描述：结合Synthetic Aperture Optics技术，实现亚像素级别的光学模块测序技术iNanoBio网站：https://inanobio.com简介：2007年成立，规模≤20人，美国核心技术：基于电微流体半导体（CMOS）的纳米孔测序技术是否属于单分子测序技术：是公司产品：暂无描述：采用场效应晶体管，结合CMOS的纳米孔测序技术Ion Torrent（ThermoFisher）网站：https://www.thermofisher.com简介：2007年成立，2010年被Life Technologies收购，2013年被ThermoFisher收购核心技术：基于电微流体半导体（CMOS）的合成法测序技术是否属于单分子测序技术：否公司产品：IonS5/IonS5 XL、Ion Proton、Ion PGM测序平台描述：使用离子敏感场效应晶体管作为pH传感器，将DNA释放的化学信号（H+）转换为电流或电压，实现DNA测序Stratos Genomics（被Roche收购）网站：https://sequencing.roche.com简介：2007年成立，规模≤100人，美国核心技术：基于电信号的蛋白质纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：将多个具有高报告性的大分子（ Xpandomer™ ）组成替代物，利用检测器读取这些大分子穿过纳米孔时的信号，从而实现单分子测序454 Life Science（已关停）网站：https://454lifesciences.org简介：CuraGen的子公司，2007年被罗氏收购，2013年罗氏关停454相关业务核心技术：焦磷酸测序技术、基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：GS20、GS FLX、GS FLX Titanium、GS Junior测序平台描述：焦磷酸测序技术是一种新型的酶联级联测序技术，适于对已知的短序列的测序分析，其可重复性和精确性能与Sanger DNA测序法相似，而速度却大大提高Geneseque网站：https://geneseque.com简介：2008年成立，规模≤10人，挪威核心技术：基于光学模块的杂交法测序技术是否属于单分子测序技术：是公司产品：暂无描述：MagSeq技术是使用图像传感元件检测固定在芯片表面的单分散的珠子的阴影，从而实现DNA检测HYK GENE（华因康）网站：https://www.hykgene.com简介：2008年成立，中国核心技术：基于光学模块的连接法测序技术是否属于单分子测序技术：否公司产品：SeqExpert III-A、PSTAR-Iie、PSTAR-II、PSTAR-II plus测序仪QuantumDX网站：https://quantumdx.com简介：2008年成立，规模≤60人，英国核心技术：基于nanowires的合成法测序技术是否属于单分子测序技术：否公司产品：Q-POC测序平台描述：基于与模板DNA相连的纳米线，通过添加单个碱基会产生可被纳米线检测到的负电荷，实现对DNA的检测Base4 Innovation网站：无简介：2009年成立，规模≤40人，英国核心技术：基于光学模块的微液滴测序是否属于单分子测序技术：是公司产品：暂无描述：采用焦磷酸解产生有序的单三磷酸核酸苷流，基于微液滴技术，实现单分子测序Centrillion Technologies网站：https://www.centrilliontech.com简介：2009年成立，规模≤200人，美国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：暂无描述：基于DNA测序半导体芯片技术，实现多维度原位生物分子测序，用于DNA的二维或三维测序Genia Technologies（Roche）网站：https://www.geniachip.com简介：2009年成立，2014年被Roche收购核心技术：基于电信号的蛋白质纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：Genia的纳米标签测序法是运用DNA复制酶，用精确链接标签的碱基复制出模板链，同时酶将标签切断，标签通过纳米孔，从而干扰到穿过横跨膜结构的电流，实现单分子测序GnuBio（Bio-Rad）网站：https://gnubio.com简介：2009年成立，2014年被Bio-Rad收购核心技术：基于液滴的DNA测序是否属于单分子测序技术：否公司产品：暂无Halcyon Molecular网站：无简介：2009年成立，2012年关停核心技术：基于电子显微镜的DNA测序技术是否属于单分子测序技术：是公司产品：暂无Northshore Bio（Skorpio Technologies）网站：无简介：2009年成立，规模≤10人，美国核心技术：基于固态纳米孔测序技术是否属于单分子测序技术：是公司产品：暂无描述：核心技术可以调节的固态纳米孔，并在孔上附着一个核酸酶， 用于切断DNA单链，当切断的核酸落⼊入纳米孔时，引起电流变化，实现单分子测序Quantapore网站：https://quantapore.com简介：2009年成立，规模≤30人，美国核心技术：基于光信号的纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：基于单个荧光标记的DNA分子和纳米孔之间的光相互作用实现单分子测序Caerus Molecular Diagnostics网站：https://www.caerusmdx.com简介：2010年成立，美国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：是公司产品：暂无描述：利用一种经过改造的酶将单分子DNA测序反应的产物转化成多个拷贝的报告分子Genapsys网站：https://www.genapsys.com简介：2010年成立，规模≤100人，美国核心技术：基于电微流体半导体（CMOS）的合成法测序技术是否属于单分子测序技术：否公司产品：GenapSys测序平台描述：采用半导体芯片和电学检测技术，基于稳态检测的方式，通过检测模板链上的电阻抗变化信号来进行测序Noblegen Biosciences网站：https://www.noblegen.com简介：2010年成立，规模≤10人，美国核心技术：光学检测的固态纳米孔测序技术是否属于单分子测序技术：是公司产品：暂无描述：待测DNA链中的每一个核苷酸都被替换成更长的寡核苷酸，然后将这种转换后的新DNA链与分子信标杂交，杂交链在通过纳米孔时分子信标会脱落，释放出荧光，读取这些荧光实现单分子测序Beckman Coulter（Danaher）网站：https://www.beckmancoulter.com简介：2011年被Danaher收购核心技术：自动化DNA测序系统是否属于单分子测序技术：否公司产品：CEQ 8000Molecular Research Limited（Mobious）网站：https://www.mrcgene.com简介：2011年成立，英国核心技术：基于分子共振的测序技术是否属于单分子测序技术：否公司产品：暂无描述：利用多聚酶将碱基结合到DNA链上，通过电磁辐射到酶的表面来检测DNA链的变化，测量它离散的方式，从而实现对DNA的检测Electron Optica网站：https://www.electronoptica.com简介：2011年成立，总部位于美国加州，提供完整的电子光学解决方案，包括带电粒子束仪器的概念、设计、计算机模拟、制造、集成和测试核心技术：电子束高通量测序技术是否属于单分子测序技术：是公司产品：MAD-LEEMPersonal Genomics网站：https://www.personalgx.com简介：2011年成立，规模≤60人，中国台湾核心技术：基于电微流体半导体（CMOS）的合成法测序技术是否属于单分子测序技术：是公司产品：暂无描述：基于电微流体半导体（CMOS）的合成法测序技术，将光信号直接转化成芯片上的电子信号，实现DNA的测序Ontera（前身为Two Pore Guys）网站：https://www.ontera.bio简介：2011年成立，总部设在美国加利福尼亚州核心技术：手持式纳米诊断技术是否属于单分子测序技术：是公司产品：手持式单分子检测平台描述：Ontera的新型固态纳米孔设备可以实现数字化、单分子感应等优势，具有体积小、价格低廉且易于使用的特征Apton Biosystems网站：https://www.aptonbio.com简介：2012年成立，规模≤20人，美国核心技术：基于光学模块测序是否属于单分子测序技术：是公司产品：暂无描述：检测系统采用4-color光学模块，可以检测20nm的单荧光信号，通量可以达到10^9水平Depixus网站：https://depixus.com简介：2012年成立，法国核心技术：基于拉伸力的测序技术是否属于单分子测序技术：是公司产品：暂无描述：通过磁珠对待测DNA进行拉伸和压缩，结合通过连接和杂交法技术，实现单分子测序10x Genomics网站：https://www.10xgenomics.com简介：2012年成立，规模≤600人，美国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：GemCode平台描述：基于微液滴的读取技术GeneMind（真迈生物）网站：https://www.genemind.com简介：2012年成立，中国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：是公司产品：GenoCare测序平台描述：结合全内发射荧光显微技术和虚拟终止碱基技术，实现单分子测序Mission Bio网站：https://missionbio.com简介：2012年成立核心技术：单细胞测序技术是否属于单分子测序技术：是公司产品：Tapestri Platform 描述：单细胞多组学技术inSilixa网站：https://www.insilixa.com简介：2012年成立，规模≤30人，美国核心技术：基于电微流体半导体（CMOS）的合成法测序技术是否属于单分子测序技术：否公司产品：暂无描述：基于电微流体半导体（CMOS）的合成法测序技术中科紫鑫网站：无简介：2013年成立，中国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：BIGIS测序仪描述：结合光学模块，基于焦磷酸测序技术实现DNA测序Quantum Biosystems网站：无简介：2013年成立，日本核心技术：基于电信号的纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：采用亚纳米间隙和兆分之一安培级电流来直接检测单DNA和RNA分子的电导系数，实现单分子测序Omniome（被PacBio收购）网站：https://www.omniome.com简介：2013年成立，规模≤40人，美国核心技术：基于结合测序法技术（Sequencing By Binding ，SBB）是否属于单分子测序技术：否公司产品：暂无描述：基于DNA聚合酶与待测DNA序列结合时的结构和动力学特性来读出DNA的序列信息，当DNA聚合酶携带着正确的dNTP与待测DNA序列结合时，它的构像与携带错误的dNTP不同SeqLL （前身为Helicos BioSciences Corporation）网站：https://seqll.com简介：2013年成立，规模≤20人，美国核心技术：基于光学模块的合成测序法是否属于单分子测序技术：是公司产品：暂无SingularBIO（Invitae）网站：https://ir.invitae.com简介：2013年成立，2019年被Invitae Corporation并购核心技术：基于光学模块的杂交测序法是否属于单分子测序技术：是公司产品：暂无Electroseq网站：无简介：2014年成立核心技术：基于半导体技术的DNA测序技术是否属于单分子测序技术：不详公司产品：暂无Roswell Biotechnologies网站：https://www.roswellbiotech.com简介：2014年成立，规模≤50人，美国核心技术：基于电信号的纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：ENDSeq测序系统描述：ENDSeq™ System基于半导体芯片实现单分子传感器纳米技术Armonica Technologies网站：https://armonicatech.com简介：2015年成立，规模≤10人，美国核心技术：基于光学纳米孔测序是否属于单分子测序技术：是公司产品：暂无描述：使用纳米通道通过纳米孔传递单个DNA分子，基于光学技术产生大规模平行的单碱基分辨率，实现单分子测序罗岛纳米网站：https://www.njrinano.com简介：2015年中成立，中国核心技术：罗岛纳米生产的纳米孔芯片采用硅片技术，制作工艺在4英寸和6英寸的晶圆上完成，通过一系列特殊步骤形成一个仅剩氮化硅膜的开口，然后对硅片下部的氮化硅膜进行加工，形成一个只有3微米的悬空膜小窗，纳米孔即在这个小窗上制作完成是否属于单分子测序技术：是公司产品：暂无描述：罗岛纳米源于美国罗德岛，该团队从事纳米孔技术的研发和应用有20年时间，掌握纳米孔芯片的核心生产技术，已完成第一代NJRI-001芯片的批量生产，并研制第二代NJRI-002芯片，罗岛纳米建立了纳米技术和测序研究实验室，拟在几年内完成第四代测序仪的研发和产品化Cygnus Biosciences（塞纳生物）网站：https://www.cygnusbio.com简介：2015年成立，中国，是一家专业从事基因测序平台研发及产业化、采用北京大学自主知识产权，打造国产基因测序技术平台，全面升级高通量测序产业转化核心技术：赛纳生物通过将荧光发生测序化学和纠错编码测序策略的两个核心技术有机结合，一方面将发光集团修饰在磷酸键上，使用天然碱基和简单常用的聚合酶及磷酸酶，没有分子疤痕和测序偏差，降低测序过程的复杂度，更容易测到长读长，节约测序成本；另一方面采用三轮简并测序进行校正，每轮进两种同色碱基，没有空轮，大量减少测序过程中产生的误读，测序速度快、准确度高是否属于单分子测序技术：否公司产品：暂无描述：结合荧光发生Fluorogenic技术和错误校正编码ECC技术的优势，对待测DNA序列进行三轮独立测序，互为校验，提高测序准确性Genedra Biotech Ltd  (龙基高科生物)网站：无简介：2015年成立，中国核心技术：基于光学模块的合成法测序技术是否属于单分子测序技术：否公司产品：暂无描述：HQ-Seq测序平台Universal Sequencing Technology Corporation网站：https://www.universalsequencing.com简介：2015年成立，规模≤50人，美国核心技术：基于电信号的单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：利用磁场（或精密机械控制）和电场混合作用力控制控制核酸链进入纳米孔的速度，实现单分子测序纽奥维特网站：无简介：2015年基于三家美国公司的战略联盟而成立（SeNA Research，Firebird ，Adams BioInstrument），中国，目标是在中国创建一个融生命工具、核酸诊断和医药科学为一体的行业公司产品：暂无小海龟科技网站：https://www.turtle-tech.cn简介：2015年成立，致力于基因检测核心科技创新、引领精准医疗行业发展核心技术：半导体高通量测序仪是否属于单分子测序技术：是公司产品：未发布dolomite bio 网站：https://www.dolomite-bio.com简介：2016年成立核心技术：单细胞研究技术 是否属于单分子测序技术：是公司产品：Nadia Instrument描述：自动化微流控单细胞研究设备MGI（华大智造）MGISEQ-2000网站：https://www.mgitech.cn简介：2016年成立，规模≤1500人，中国核心技术：基于DNBSEQ的光学模块测序（4-color/2-color）、基于DNBSEQ的电微流体半导体（CMOS）传感器模块测序（DNBSEQ E系列）是否属于单分子测序技术：否公司产品：DNBSEQ-T7、DNBSEQ Tx、MGISEQ-2000、 MGISEQ-200、BGISEQ-500、BGISEQ-50、DNBSEQ E系列等测序平台描述：(1) cPAS测序技术：基于4-color/2-color光学模块的合成法测序技术；(2) CoolMPS测序技术：基于碱基特异性抗体的测序化学技术，使用天然碱基和特异性抗体降低了测序错误率，提升了读长；(3) DNBSEQ E测序技术：采用CMOS传感器直接从DNB阵列读取DNA序列信息Axbio（安序源）网站：https://www.axbio.cn简介：2016年成立，在美国、中国和欧洲设有研发中心，专业领域覆盖芯片开发、纳米技术、微流体、生物技术、生物信息学、大数据，人工智能等，开发能够进行高通量测序和分子诊断的微流体Bio-CMOS平台核心技术：基于高通量半导体生物芯片的第四代基因测序是否属于单分子测序技术：是公司产品：第四代基因测序仪Axbio 100ReadCoor（被10x Genomics收购）网站：https://www.10xgenomics.com简介：2016年成立，规模≤50人，美国，2020年被10x Genomics收购核心技术：基于光学模块的合成测序法是否属于单分子测序技术：否公司产品：RC2自动化平台描述：自动化平台RC2是空间测序仪，能够在整个组织切片上以纳米级分辨率捕获亚细胞的复杂性Qitan Technology (齐碳科技)网站：https://www.qitantech.com简介：2016年成立，规模≥300人，中国核心技术：基于电信号的蛋白纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：QNome、QPursue测序品台描述：通过电场力驱动单链核酸分子穿过纳米尺寸的蛋白孔道，根据不同的碱基通过纳米孔道时产生了不同阻断程度和阻断时间的电流信号，识别碱基序列，实现单分子测序Singular Genomics网站：https://singulargenomics.com简介：2016年成立，美国核心技术：Sequencing Engine（测序引擎）是否属于单分子测序技术：是公司产品：NGS测序仪G4、多组学检测设备PXUltima Genomics网站：https://www.ultimagenomics.com简介：2016年成立，推动DNA测序大规模化，2022年5月推出100美元基因组服务核心技术：边合成边测序技术是否属于单分子测序技术：否公司产品：UG 100测序仪描述：推出新型高通量、低成本基因测序平台，可提供100美元的全基因组测序XGenomes网站：https://www.xgenomes.com简介：2017年成立，美国核心技术：高通量测序技术是否属于单分子测序技术：是公司产品：暂无描述：XGenomes或将通过光学成像技术实现目标。利用试剂处理基因样本，然后用激光激发，XGenomes再阅读并“分析”被标亮的DNA片段，让完整的基因测序只需1~2小时，成本可控制到100美金Element Biosciences网站：https://elementbio.com简介：2017年成立，美国，致力于研究新型基因诊断及数据分析工具核心技术：基于光学合成测序技术是否属于单分子测序技术：否公司产品：暂无描述：结合新型的平面脂双层的Nanopath技术，对通过生物纳米孔/固体纳米孔的DNA链进行测序今是科技网站：https://www.geneus-tech.com简介：2017年成立，致力于开发并商用第四代（纳米孔）基因测序技术核心技术：纳米孔基因测序技术是否属于单分子测序技术：是公司产品：G-seq512测序仪描述：G-seq 512是中等通量测序平台，配合专用芯片，可实现DNA和RNA测序，具有使用方便、可靠性好、易维护的特点Erisyon网站：https://www.erisyon.com简介：2018年成立，美国核心技术：基于荧光测序方法的高通量蛋白质组测序公司产品：暂无描述：依托德州大学的技术转化铭毅智造网站：无简介：2018年成立，2022年推出自主研发的国产首台单色荧光高通量基因测序仪核心技术：微流控芯片技术，结合单色荧光发光测序化学技术是否属于单分子测序技术：否公司产品：UniSeq2000TM描述：单色荧光测序可极大的简化光学检测系统，降低测序仪造价BioSkryb Genomics网站：https://www.bioskryb.com简介：2018年成立，是一家单细胞基因组测序公司，使用专有基因组扩散（PTA）技术为细胞异质性研究和临床空间研究提供新解决方案核心技术：PTA全基因组扩增技术是否属于单分子测序技术：是公司产品：esolveDNA™ Whole Genome Amplification Kit描述：Bioskryb SkrybAmp系统由基因组扩散(PTA)技术驱动，可以使DNA在扩增过程中均匀覆盖整个基因组，并在DNA序列覆盖和碱基检出方面能够鉴定单个DNA碱基新格元生物 网站：https://cn.singleronbio.com简介：2018年成立，致力于将突破性的单细胞技术应用于科学研究、临床检测、健康管理和药物开发领域核心技术：单细胞技术是否属于单分子测序技术：是公司产品：Singleron Matrix®自动化仪器描述：ingleron Matrix®是创新型的自动化单细胞处理系统，自动完成细胞分离、细胞裂解、核酸捕获等实验步骤万乘基因网站：https://www.10kgenomics.com简介：2018年成立，拥有国际先进的高通量单细胞多组学技术核心技术：单细胞多组学技术是否属于单分子测序技术：是公司产品：单细胞测序服务描述：无儒翰基因网站：https://www.rhgenetech.com简介：2019年9月成立，中国核心技术：基于固态纳米孔的测序技术是否属于单分子测序技术：是公司产品：AcidOn固态纳米孔基因测序仪描述：采用固态纳米孔实现单分子基因测序，结构稳定，准确率高AligND AB网站：https://www.alignedbio.com简介：2019年成立，总部位于瑞典隆德，作为纳米线生物传感器平台运行，提供了基于纳米线波导技术的DNA测序和分子生物标记物检测核心技术：高通量纳米线波导技术是否属于单分子测序技术：是公司产品：暂无描述：Aligned Bio正在开发一种基于纳米线的长读取DNA测序仪，该测序仪将以比业界领先者更少的时间和成本提供8倍的遗传信息量Quantum-Si网站：https://www.quantum-si.com简介：2020年成立，美国核心技术：基于电信号的蛋白纳米孔单分子测序技术是否属于单分子测序技术：是公司产品：暂无描述：结合半导体芯片技术，基于零波导孔，读取荧光信号的衰减模式与寿命信号信息，实现单分子测序，Quantum-Si开发出全球首款高通量蛋白质组测序平台Glyphic Biotechnologies网站：https://glyphic.bio/简介：2021年成立，规模≤100人，美国核心技术：基于光学模块的合成测序法是否属于单分子测序技术：否公司产品：Platinum系统正文原文链接：https://www.genengnews.com/topics/omics/the-ngs-race-is-on-souped-up-sequencers-vie-for-frontrunner-status/ 作者｜Julianna LeMieuxENDIND2024论坛报名倒计时7天，1100人开年盛会。免费入场券领取中：王晨 180 1628 8769.戳“阅读原文”领取IND2024限量免费参会名额吧!

10月10日，由中国医药企业管理协会支持指导， Cytiva思拓凡和E药经理人主办的“Think Big 2.0笃行思远双选平台”生物医药创新项目全国路演——上海站顺利召开，现场来自全国各地的创新项目方以及知名资本机构齐聚，火爆异常，座无虚席。 路演现场  在君联资本和上海枫林生物医药发展有限公司的支持下，Think Big 2.0项目导师们围绕项目创新性、市场前景、研发可行性、团队等维度从百余项目中精选出了11个创新项目参与了上海站的路演，本次会议线上线下同时进行。最终7位评委导师从技术和产品、商业模式及实施方案、行业及市场、团队进行综合打分，去掉一个最低分、一个最高分后计算平均分，通过分值选出了4个晋级项目参加最终路演。 从左至右依次为：松禾资本董事总经理周潇薇、先声药业集团董事会秘书兼战略发展执行总监鲍恺军、星奕昂董事长、创始人兼执行总裁王立群、OnkoSys Biotech Ltd.联合创始人高荣辉、甫康药业CEO沈孝坤、上海绾塍生物运营总监吴子牛、河南赛培生物CEO张守涛、Cytiva大中华区研发总监杨红艳、波士顿咨询公司董事总经理兼全球合伙人胡奇聪、君联资本董事总经理洪坦 《全球生物制药弹性指数》显示，国内的早期研发生态系统得分为5.7分，即57%的人认为满意，而43%的人认为不满意。而这一指标美国的得分是7.2分，远远高于中国。为什么国内药企对早期研发生态系统不满意？ Cytiva大中华区市场部总监刘肖表示，很重要的原因是科研和工业的结合不够，中国在科研界和产业界均有很强的实力，但科研界和产业界结合是相对独立的，即使在科研界，比如基础医学和生物研究隶属于不同的学院，它们之间的对话也是有限的，同时这二者和工业界的结合也非常有限，所以中国早期研发的系统存在一定的断档。 “Cytiva刚好是这个方面的专家，有义务去帮助行业，为中国生物医药做些实事”，刘肖介绍了“Think Big笃行思远双选平台”成立的背景，秉承“推动未见技术，加速非凡疗法”的初心，今年Cytiva携手《金融时报》和E药经理人联合推出了“Think Big笃行思远双选平台”2.0，导师团和项目实现全新重磅升级。 Cytiva大中华区市场部总监刘肖   01 向创新3.0进发 “将时间拉回过去5年、10年，会发现中国整个生物医药的产业格局发生了翻天覆地的变化，尤其最近几年。”君联资本执行董事戚飞颇为感慨，他恰是医药行业的见证者。 2015年之后，一方面随着仿制药集采的推进，创新药医保谈判的常态化；另一方面关于创新药审评审批等一系列政策的改进……现在中国医药行业的市场跟2015年时简直云泥之别。戚飞举例道，“中国的细胞治疗从第一个IND到获批仅仅四年时间，在10年前这是根本不可想象的事情。” 但在这样的双重大背景下，医药产业的变局到底如何发展？ 君联资本执行董事戚飞 戚飞观察下看来，国内医药企业的竞争格局在2015年之后走出了两条不同的曲线，一条是像恒瑞等大型药物企业，快速地拥抱创新积极地转型，从原来的仿制药逐步走向了创新的路子。另一条创新药加速开发的道路原来不存在或者说很少，2010年以前基本上没有，但2015年后加速发力，带来了一波创新的Biotech企业在这一时间段逐渐成长，并成为了其中翘楚。 总结来看，国内医药创新产业格局已经经历了1.0、2.0、3.0的阶段。1.0阶段是me-too药的时代，“十年前做一个me-too已经是创新了，能够在中国的土壤里长出一个me-too药或者是me-better药就是不错的创新。” 随着时间推移，现在更多企业开始进入了fast-follow的2.0阶段，PD-1就是一个典型的例子。下一阶段就是所谓的3.0阶段。戚飞认为，“3.0需要一定的时间沉淀，需要逐步去突破。”他也观察到，现在已经有些企业在讨论first-in-class，真正来源于底层的技术研究和积累，这已经不是什么先例了。譬如，2017年南京传奇和强生的合作是非常重大的突破。 “生物医药有星辰大海，但我们可能很快会面临全球创新的风险。”戚飞提醒道，“过往我们做的是人家确定的产品，所以国内的创新药失败率非常低。但不同阶段对创新的定义不一样。一旦进入了first-in-class阶段就会回归生物制药风险的本质，即一个新药10年10亿美金10%的成功率。” 除了1.0、2.0、3.0这种升级型的创新，还有一种是迭代型的创新。戚飞解释道，“比如小分子创新到了深水区，单抗在5年前是难点，但现在任何一个靶点，你想到的和你没想到的，中国企业都可以做出来。下一步的挑战将来自双抗、ADC、蛋白降解这些领域。第三个阶段就是突破性创新的阶段，生物医药进入新纪元的阶段，有很多新的技术，DNA、生物信息、多组学等等为整个生命科学带来了重大的突破。” 本次上海站路演的11个项目中有三分之一是单细胞多组学、TCR-T、干细胞治疗等新方向的项目，还有多肽新药、新型顺式自复制mRNA疫苗/药物、治疗性肿瘤疫苗等等，为各类机构资本提供优质标的，为各类医药企业升级转型提供标的选择。 02 新技术，新浪潮 “你认为行业有泡沫吗？”戚飞经常被人问道。 “肯定有泡沫，”戚飞认为，任何一个创新的领域如果没有泡沫就不可能成功。因为泡沫代表了关注度，代表了资源的集中度，代表了资本的集中度。创新就是有风险，就是有成功的概率，没有给它10倍的资源就不会有1倍的产出，所以如果没有泡沫这个行业是不可能兴起的。 当然，有泡沫也会有破灭。如果我们拉回细胞治疗、基因治疗，拉回很多的领域包括小核酸，过往20年的历程，一定是一个泡沫起来再一个泡沫下去，只要整个大的技术趋势在，只要大方向是有机会的，在下一波曲线起来时企业还存在，就有机会看到整个产业的兴起。 戚飞指出，现在创新医药无疑进入了一个新的时代，从化学家、生物家的时代，开始进入分子DNA、RNA包括mRNA，以及基因治疗等领域，会带来很大突破。比如，我们把生物学研究的手段应用在制药领域，机制明确成功率就非常高，CAR-T产品的ORR基本上接近100%。 过往传统药物的开发需要经过临床前研究、CMC、IND、临床试验、上市这样一个漫长的链条，但在细胞治疗、基因治疗领域，中国有独特的IIT研究（研究者发起的临床研究）机会。“IIT是双刃剑，用的好把好的企业和好的产品连接起来，加速产品开发的流程，让我们能够更快更高效地了解这个产品的特点，找到最适合的状态。但是用不好，也许IIT会滥用。所以如何用好IIT工具，加速新药研发也是非常重要的课题。” 展望未来，戚飞表示，在CGT（细胞基因治疗）领域，中国有望成为全球CGT创新的中心。首先从工艺的改进维度，Cytiva这类企业帮助Biotech逐步建立工艺标准化和工艺规范体系，逐渐降低成本，有可能把成本降到美国的1/10。其次，中国的临床资源、IIT和CDMO的快速崛起都有可能成为这一产业的基石。 “技术平台不断演进，新的技术不断突破，从细胞治疗走到IPSC-NK的领域，有靶点的创新，有重大的疾病领域的突破。我们愿意在CGT领域里制造和迎接一些泡沫，一起推动，等待真正的大潮来临。” 03 工艺助力产业新升级 创新的升级发展除了资本，同样也离不开工艺技术创新。 Cytiva大中华区整体解决方案总监周筠表示，“‘推动未见技术，加速非凡疗法’这是Cytiva的使命，我们希望看到中国生物科技行业的多样化和蓬勃发展。Cytiva可以从不同的药物开发阶段，包括产品的药物发现、工艺开发到临床样品的生产，以及将来的商业化生产都提供相应的解决方案或者是技术及服务平台，助力创业公司的发展。” Cytiva大中华区整体解决方案总监周筠  据周筠介绍，Cytiva主要覆盖了科学研究、生物工艺、细胞基因治疗以及整体解决方案及服务四大板块。生物工艺是其中最大的一块，在细胞治疗领域大概有80%的公司会用到Cytiva的产品或者是解决方案，在全球批获的所有生物药中使用Cytiva产品或服务的占了75%以上，Cytiva还是行业中唯一一家拥有从上游到下游生物药原液生产完整生产线以及制剂灌装产品线等解决方案的公司。此外，细胞和基因治疗以及企业解决方案也是Cytiva近些年发展较快的两大业务板块。 在周筠负责的整体解决方案中，最核心的是主要是两大产品，一个是模块化的厂房（KUBioTM），一个是FlexFactoryTM（灵活工厂）。FlexFactoryTM是传统的生物制药的平台，涵盖了从细胞培养开始到上游、下游，一直到原液全流程的整体解决方案。截至去年底，Cytiva整体解决方案有80个FlexFactoryTM，今年年底有望达到100个。过去灵活工厂主要做单抗、重组蛋白，2018~2020年来更多关注做病毒载体及一些疫苗，包括细胞治疗的模块化，今年以来Cytiva更多关注是寡核苷酸及mRNA疫苗，另外有望尽快推出mRNA疫苗的平台化企业解决方案。 TM 在周筠负责的整体解决方案中，最核心的是主要是两大产品，一个是模块化的厂房（KUBioTM），一个是FlexFactoryTM（灵活工厂）。FlexFactoryTM是传统的生物制药的平台，涵盖了从细胞培养开始到上游、下游，一直到原液全流程的整体解决方案。截至去年底，Cytiva整体解决方案有80个FlexFactoryTM，今年年底有望达到100个。过去灵活工厂主要做单抗、重组蛋白，2018~2020年来更多关注做病毒载体及一些疫苗，包括细胞治疗的模块化，今年以来Cytiva更多关注是寡核苷酸及mRNA疫苗，另外有望尽快推出mRNA疫苗的平台化企业解决方案。 TM 在周筠负责的整体解决方案中，最核心的是主要是两大产品，一个是模块化的厂房（KUBioTM），一个是FlexFactoryTM（灵活工厂）。FlexFactoryTM是传统的生物制药的平台，涵盖了从细胞培养开始到上游、下游，一直到原液全流程的整体解决方案。截至去年底，Cytiva整体解决方案有80个FlexFactoryTM，今年年底有望达到100个。过去灵活工厂主要做单抗、重组蛋白，2018~2020年来更多关注做病毒载体及一些疫苗，包括细胞治疗的模块化，今年以来Cytiva更多关注是寡核苷酸及mRNA疫苗，另外有望尽快推出mRNA疫苗的平台化企业解决方案。 TM 在周筠负责的整体解决方案中，最核心的是主要是两大产品，一个是模块化的厂房（KUBioTM），一个是FlexFactoryTM（灵活工厂）。FlexFactoryTM是传统的生物制药的平台，涵盖了从细胞培养开始到上游、下游，一直到原液全流程的整体解决方案。截至去年底，Cytiva整体解决方案有80个FlexFactoryTM，今年年底有望达到100个。过去灵活工厂主要做单抗、重组蛋白，2018~2020年来更多关注做病毒载体及一些疫苗，包括细胞治疗的模块化，今年以来Cytiva更多关注是寡核苷酸及mRNA疫苗，另外有望尽快推出mRNA疫苗的平台化企业解决方案。 TM 在周筠负责的整体解决方案中，最核心的是主要是两大产品，一个是模块化的厂房（KUBioTM），一个是FlexFactoryTM（灵活工厂）。FlexFactoryTM是传统的生物制药的平台，涵盖了从细胞培养开始到上游、下游，一直到原液全流程的整体解决方案。截至去年底，Cytiva整体解决方案有80个FlexFactoryTM，今年年底有望达到100个。过去灵活工厂主要做单抗、重组蛋白，2018~2020年来更多关注做病毒载体及一些疫苗，包括细胞治疗的模块化，今年以来Cytiva更多关注是寡核苷酸及mRNA疫苗，另外有望尽快推出mRNA疫苗的平台化企业解决方案。 KUBioTM和灵活工厂最大的区别是，FlexFactoryTM提供的主要是生物药原液生产线，而KUBioTM除了包括FlexFactoryTM还包括了相关的公用工程的部分，是真正的交钥匙工程。周筠强调，Cytiva不单纯是一家供应商公司，它除了产品和技术本身，它还有很多其他领域的涉足，比如说数字化自动化的解决方案，比如Fast Trak的工艺开发及桥接生产服务，以及配套的项目管理及工艺工程服务，验证服务等，以及专业的系统性培训等。总而言之，Cytiva正在践行使命，通过项目，技术，政策，资金，人才等多维度资源配置，帮助企业加快产业化布局，打造生物科技领域的生态圈，最终真正的助力中国的行业发展。 TM KUBioTM和灵活工厂最大的区别是，FlexFactoryTM提供的主要是生物药原液生产线，而KUBioTM除了包括FlexFactoryTM还包括了相关的公用工程的部分，是真正的交钥匙工程。周筠强调，Cytiva不单纯是一家供应商公司，它除了产品和技术本身，它还有很多其他领域的涉足，比如说数字化自动化的解决方案，比如Fast Trak的工艺开发及桥接生产服务，以及配套的项目管理及工艺工程服务，验证服务等，以及专业的系统性培训等。总而言之，Cytiva正在践行使命，通过项目，技术，政策，资金，人才等多维度资源配置，帮助企业加快产业化布局，打造生物科技领域的生态圈，最终真正的助力中国的行业发展。 TM KUBioTM和灵活工厂最大的区别是，FlexFactoryTM提供的主要是生物药原液生产线，而KUBioTM除了包括FlexFactoryTM还包括了相关的公用工程的部分，是真正的交钥匙工程。周筠强调，Cytiva不单纯是一家供应商公司，它除了产品和技术本身，它还有很多其他领域的涉足，比如说数字化自动化的解决方案，比如Fast Trak的工艺开发及桥接生产服务，以及配套的项目管理及工艺工程服务，验证服务等，以及专业的系统性培训等。总而言之，Cytiva正在践行使命，通过项目，技术，政策，资金，人才等多维度资源配置，帮助企业加快产业化布局，打造生物科技领域的生态圈，最终真正的助力中国的行业发展。 TM KUBioTM和灵活工厂最大的区别是，FlexFactoryTM提供的主要是生物药原液生产线，而KUBioTM除了包括FlexFactoryTM还包括了相关的公用工程的部分，是真正的交钥匙工程。周筠强调，Cytiva不单纯是一家供应商公司，它除了产品和技术本身，它还有很多其他领域的涉足，比如说数字化自动化的解决方案，比如Fast Trak的工艺开发及桥接生产服务，以及配套的项目管理及工艺工程服务，验证服务等，以及专业的系统性培训等。总而言之，Cytiva正在践行使命，通过项目，技术，政策，资金，人才等多维度资源配置，帮助企业加快产业化布局，打造生物科技领域的生态圈，最终真正的助力中国的行业发展。 TM 还包括了相关的公用工程的部分，是真正的交钥匙工程。周筠强调，Cytiva不单纯是一家供应商公司，它除了产品和技术本身，它还有很多其他领域的涉足，比如说数字化自动化的解决方案，比如Fast Trak的工艺开发及桥接生产服务，以及配套的项目管理及工艺工程服务，验证服务等，以及专业的系统性培训等。总而言之，Cytiva正在践行使命，通过项目，技术，政策，资金，人才等多维度资源配置，帮助企业加快产业化布局，打造生物科技领域的生态圈，最终真正的助力中国的行业发展。 接下来，Think Big 2.0 生物医药创新项目全国路演·苏州站路演将在10月21号在苏州高新技术园区举办，同时会有10-12个最终脱颖而出的项目进入到2021中国医药企业家科学家投资家大会（启思会）做终极路演。敬请关注！  扫码报名10月21日苏州站路演 晋级项目简介 项目名称：临床导向的单细胞多组学解决方案 项目公司：上海绾塍生物科技有限公司 单细胞测序技术作为测序行业的“显微镜”，彻底颠覆了生物医学研究的方法与格局。美国顶尖行业人士预计，它将在4-5年内基本替代传统的NGS技术，届时市场将达到数百亿美元规模。万乘基因借助其深厚的研究及开发实力，致力于从技术、应用和价格层面全方位推进单细胞技术应用于科研、临床医学与药物研发当中。公司成立以来，陆续获得多项荣誉称号：2019年上海最具投资潜力50佳创业企业、2019年未来医疗100强-中国榜-微流控TOP5、宁波第三届生命健康创业创新大赛优胜奖、2020年创业梦之星--最具科技创新奖、2021 Leo Pharma 未来皮肤科技-优秀企业等，在上海大张江2个园区拥有1400平米的实验室及GMP生产车间。 公司于2021年5月推出国内首款，全球第二家商用液滴微流控单细胞多组学测序仪，填补了我国高通量单细胞测序平台的空缺，或将改变国内高通量单细胞测序市场被海外巨头垄断的竞争格局。自产品推出以来，相继为国内多个顶级大学，科研院所，及三甲医院提供高质量的单细胞测序产品及服务，合作在国内外顶级期刊上发表了大量出色的前沿研究成果，为开展进一步的疾病和药物研究提供了重要线索。 项目名称：甫康药业多管线项目研发 项目公司：甫康（上海）健康科技有限责任公司 公司研发技术领先，研发管线强劲，覆盖广泛的瘤种和发挥联合治疗巨大潜力。全球首仿产品填补国内市场的HER2+乳腺癌强化辅助治疗的空白，预计明年可申请上市销售，2023年有望实现1-2亿元以上收入。公司目前拥有Best in Class的PARP抑制剂CVL218获三次国家重大专项支持，作为第二代PARP抑制剂优势明显，目前在临床二期。2023年PARP抑制剂全球市场估计超80亿美金，国内超过240亿人民币。公司后续产品管线还包括已经在MD Anderson Cancer Center完成I期临床试验的新一代的 PI3K双重高选择性抑制剂。还有兼具血液瘤与实体瘤治疗优势的表观遗传学抑制剂N008等。公司目前拥有First in Class的双特异抗体（Bispecific antibodies），治疗肝癌、肺癌、胃癌等肿瘤，2022年中美双报IND。预计全球市场超过50亿美金。三特异性抗体（Trispecific antibodies）研发也在进行中。 项目名称：新一代顺式自复制mRNA疫苗/药物技术平台 项目公司：河南赛培生物科技有限公司 mRNA疫苗分为普通mRNA疫苗和自复制mRNA疫苗，现已有两个自复制mRNA疫苗完成I期临床研究，具有安全、有效、超低剂量等优势。公司研发了新一代顺式自复制mRNA疫苗/药物技术平台，通过采用新型复制酶，对其序列和结构的创新设计，使其在细胞内复制时只特异性的识别和复制目标基因，而不扩增复制酶本身，最大限度的降低了非必须蛋白潜在的不良反应。本设计为全球独创，现已申请了中国和PCT专利保护，拥有自主知识产权。 本技术是普通mRNA和野生型自复制mRNA技术的2.0版，与普通mRNA疫苗相比，抗原表达量高，超低剂量（普通mRNA疫苗的1/10）即可达到同样的免疫效果;与野生型自复制mRNA技术相比，非必须蛋白表达时大大减少，降低了不良反应风险;与反式自复制mRNA技术相比，工艺更简单、成本更低。    公司的新一代自复制mRNA仅需超低剂量使用，同样的生产设备将具有更大的制造潜力，超低剂量也大大降低了不良反应风险，且更易于与其他疫苗联合使用；另外，其具有持续复制能力，蛋白表达时间长，相比普通mRNA技术，更适合作为蛋白替代疗法、基因治疗和CAR-T基因递送载体使用。 公司已建立完备的设计、制备、质控等工艺，欧盟一家大型生物医药公司利用本技术平台的资料获得了欧盟 EMA 新冠疫苗的绿色通道资格。 项目名称：联合免疫抑制剂长肽治疗性肿瘤疫苗 项目公司：OnkoSys Biotech Ltd. 公司正在开发基于合成长肽（LSP）的治疗性疫苗，该合成肽含有高密度肿瘤靶标CD4 +和CD8 + T细胞表位，并结合免疫检查点抑制剂来治疗不同种肿瘤。使用生物标记物对患者进行分层。LSP是一种治疗性疫苗。无论人类白细胞抗原（HLA）的类型如何（异源治疗），均能够在人体内产生强烈且可持续的特异性CD4 +和CD8 + T细胞应答（如DC和CAR-T疗法）。在我们的临床前研究（短期治疗）中，注射两次疫苗后诱导了100％的记忆反应。此外，与DC和CAR-T相比，LSP具有安全且易于生产的强大优势（患者能够以支付的价格获得该药物）。通过与ICI联用，治疗性疫苗的功效可得以进一步提高，从而克服了肿瘤诱导的免疫抑制机制。