Randomized Control Trial of Total Arch Replacement With Frozen Elephant Trunk Versus Conventional Hemiarch Replacement in Patients With Acute Type A Aortic Dissection (TARFET-TAAD)

Acute Type A aortic dissection (ATAAD) and its complications are life-threatening conditions that cause more than 1400 hospital admissions and 300 deaths every year in Hong Kong and cause 172,927 deaths globally in 2019. There is an increasing trend in recent years.
Given the hyperacute presentation and complexity of the clinical manifestation with various mal-perfusion syndromes, the mortality of ATAAD remained high in all international reported registries and published series.
Conventional Hemiarch (HAR) replacement has been the gold standard procedure for ATAAD in most of cardiac surgical centers around the world because of the relative simplicity of the procedure. However, around 50-70% of patients were reported to develop distal anastomosis new entry after hemiarch procedure and for those with entry tear over aortic arch and distal mal-perfusion, hemiarch alone might not be able to solve the downstream problem. On the other hand, total arch replacement and frozen elephant trunk procedure (TARFET) is more complex, technically demanding procedure that could potentially cover/resect the arch entry tear and exclude tear over proximal descending thoracic aorta and, hence, solve the distal mal-perfusion syndrome. To date, there is no randomized control trial to answer whether HAR or TARFET procedure is superior in patients with ATAAD and entry tear is over the aortic arch or proximal descending thoracic aorta.
We plan to conduct a multi-center trial to recruit consecutive patients with ATAAD with entry tear beyond ascending aorta and randomized them, after informed consent, into either the conventional hemiarch replacement group (HAR) or total arch replacement and frozen elephant trunk (TARFET). The participating centers will collect pre- operative, intra-operative and post-operative clinical parameters for two groups of patients via REDCap system. Written informed consent, specifically allowing the use of clinical records for this randomized study, will be obtained from every patient prior to data collection. The primary outcome is the 30-day mortality of the ATAAD patients with surgically treated by HAR versus TARFET approach. The secondary outcomes are the major adverse cardiovascular and cerebral events, post-op renal replacement therapy, re-exploration for bleeding and re-intervention within 30-days.
This study will be the world's first multi-center randomized control trial in ATAAD to compare the 30-day mortality of patients treated with HAR and TARFET. It could be a guideline-changing study for the treatment of ATAAD and its impact on the surgical approach to patients suffering from ATAAD.

开始日期2026-10-01

申办/合作机构

香港中文大学

[+2]

NCT07230457

/ Not yet recruitingN/AIIT

Prospective Evaluation of Plasma Mycobacterium Tuberculosis Cell-free DNA Sequencing as a Non-Invasive Alternative to Bronchoscopy for Diagnosing Pulmonary Tuberculosis

Tuberculosis (TB) remains a major global health challenge, affecting over 10 million people annually. Hong Kong carries an intermediate TB burden, with
3,200 new cases reported yearly. Pulmonary TB (PTB), the most common form, presents diagnostic difficulties. Traditional methods like sputum smear and culture often fail in patients unable to produce adequate samples, necessitating bronchoscopy to collect bronchoalveolar lavage (BAL) for mycobacterial testing.
These limitations pose risks for patients and strain healthcare systems. Bronchoscopy is invasive, resource-intensive, and may delay treatment-especially for elderly patients with comorbidities. Blood-based inflammatory markers lack diagnostic specificity. A rapid, non-invasive alternative is urgently needed.
The investigators developed a plasma-based assay that detects Mycobacterium tuberculosis cell-free DNA (MTB cfDNA) in blood. This liquid biopsy leverages metagenomic sequencing and computational analysis to identify TB-specific genetic material while minimizing contamination. Preliminary data show excellent diagnostic performance, with area under the receiver operating characteristic curve values >0.94 for TB pleurisy.
The investigators propose a prospective clinical validation study comparing plasma MTB cfDNA testing to bronchoscopy with BAL culture and molecular testing. The primary aim is to demonstrate non-inferiority of plasma cfDNA within a 10% sensitivity margin. Secondary aims include assessing how clinical and radiological features affect test performance and evaluating the assay's ability to detect drug resistance mutations for personalized therapy.
Validation could transform TB diagnosis by offering a rapid, safe, and accurate blood test. Patients could avoid invasive procedures, receive faster diagnoses, and begin treatment sooner. Detecting resistance mutations directly from plasma would enable timely, targeted therapy-critical for addressing multidrug-resistant TB. This represents a paradigm shift toward precision medicine in TB care.
Tailored to Hong Kong's epidemiological context, this study addresses a key diagnostic gap. The approach has global relevance, with potential to improve clinical outcomes, reduce costs, and accelerate progress toward WHO's TB elimination goals.

开始日期2026-10-01

申办/合作机构

香港中文大学

NCT07256457

/ Not yet recruitingN/AIIT

Multimodal Machine Learning Integration of Pulmonary Function Parameters and 3D-CT Imaging for Postoperative Outcome Prediction in Early-Stage NSCLC

Improvements in low-dose CT screening have led to an increase in early-stage NSCLC diagnoses, with surgical resection-usually lobectomy or segmentectomy-remaining the primary curative option. In Hong Kong, however, patients frequently present with comorbidities such as chronic respiratory disease or cardiovascular issues, making the preservation of healthy lung tissue crucial for their long-term quality of life. Traditional surgical resection, such as lobectomy or segmentectomy, has certain limitations in terms of functional preservation. In contrast, robotic/navigational bronchoscopic ablation has emerged in recent years as a novel minimally invasive endoscopic treatment strategy. This approach has been implemented in select centers and demonstrates potential advantages, including faster postoperative recovery, reduced trauma, and improved preservation of pulmonary function. By leveraging advanced navigation systems, bronchoscopic ablation enables precise localization and ablation of pulmonary nodules, avoiding the extensive resection of healthy lung tissue required in traditional surgery. These benefits hold promise for enhancing patients' long-term quality of life and survival rates.
Moreover, conventional pulmonary function tests like FEV₁ and diffusing capacity of the lung for carbon monoxide provide only a global assessment of respiratory capacity, which may not fully capture the regional changes in pulmonary function that occur following segmentectomy or lobectomy. Likewise, basic CT volumetry overlooks finer anatomical details such as segmental airway distribution, microvascular networks, and local alveolar compliance. Furthermore, there is currently a paucity of direct comparative studies between robotic/navigational bronchoscopic ablation and traditional surgical resection regarding postoperative pulmonary function and long-term outcomes. Supported by Research Grants Council, our work since 2019 has validated the feasibility and safety of this technique, leading to widespread recognition and numerous publications. However, most existing research is retrospective or derived from single-center data, with a primary focus on short-term safety and technical feasibility.
To address these limitations, an integrative approach leveraging 3D-CT imaging and ML is proposed. Machine learning is a technology that uses algorithms to automatically learn from data and make predictions or decisions. Deep learning, a subfield of ML, utilizes multi-layer neural networks to effectively extract features and recognize patterns in complex, high-dimensional data. ML, and particularly DL, has demonstrated remarkable potential in various medical imaging applications, including lesion detection, tissue segmentation, and outcome prediction. By automatically learning complex patterns in high-dimensional data, ML and DL models can interpret subtle radiologic characteristics that may be missed by conventional analyses. In the context of 3D-CT imaging for NSCLC, DL architectures-such as convolutional neural networks-can extract detailed features from volumetric scans, enabling robust quantification of tumor size, shape, and location as well as refined assessment of lung parenchyma. When integrated with pulmonary function parameters and clinical data, these algorithms provide a powerful means to generate predictive models, identify at-risk patients earlier, and guide individualized treatment planning. Moreover, ML-driven approaches can adapt to evolving datasets over time, continuously refining and improving their performance. This scalability and adaptability are especially valuable in prospective studies, where large, multimodal datasets are collected to evaluate the long-term impact of different treatment strategies. Consequently, incorporating ML and DL in this research not only enhances the precision of outcome prediction but also contributes to a standardized framework for dynamic, personalized assessment of pulmonary function, guiding more informed clinical decision-making.
The primary aim of this study is to determine whether segmentectomy truly offers better functional preservation than lobectomy, whether robotic/navigation-guided bronchoscopic ablation indeed achieves superior pulmonary function preservation compared to traditional surgical resection, and under which specific patient conditions each approach may yield the greatest benefit. By undertaking a prospective, well-designed investigation, the research will fill a critical gap in evidence regarding long-term functional outcomes, providing clearer criteria for selecting the most appropriate resection type. Moreover, the introduction of a standardized, integrative assessment tool has the potential to optimize surgical decision-making and postoperative care, ultimately improving survival and quality of life for early-stage NSCLC patients in Hong Kong and potentially informing best practices in other healthcare contexts.

开始日期2026-07-01

申办/合作机构

香港中文大学

100 项与香港中文大学相关的临床结果

登录后查看更多信息

0 项与香港中文大学相关的专利（医药）

登录后查看更多信息

49,577

项与香港中文大学相关的文献（医药）

2026-12-01·Nano-Micro Letters

Boron-Insertion-Induced Lattice Engineering of Rh Nanocrystals Toward Enhanced Electrocatalytic Conversion of Nitric Oxide to Ammonia

Article

作者: Han, Peng ; Ling, Chongyi ; Xu, Lei ; Wang, Jinlan ; Gu, Zhengxiang ; Ma, Chen ; Xu, Xiangou ; Gu, Ping ; Chen, Weiwei ; Zheng, Long ; He, Qiyuan ; Su, Dong ; Chen, Ye ; Zeng, Zhiyuan ; Wang, Gang ; Wang, Wenbin

Abstract:

Electrocatalytic nitric oxide (NO) reduction reaction (NORR) is a promising and sustainable process that can simultaneously realize green ammonia (NH3) synthesis and hazardous NO removal. However, current NORR performances are far from practical needs due to the lack of efficient electrocatalysts. Engineering the lattice of metal-based nanomaterials via phase control has emerged as an effective strategy to modulate their intrinsic electrocatalytic properties. Herein, we realize boron (B)-insertion-induced phase regulation of rhodium (Rh) nanocrystals to obtain amorphous Rh4B nanoparticles (NPs) and hexagonal close-packed (hcp) RhB NPs through a facile wet-chemical method. A high Faradaic efficiency (92.1 ± 1.2%) and NH3 yield rate (629.5 ± 11.0 µmol h−1 cm−2) are achieved over hcp RhB NPs, far superior to those of most reported NORR nanocatalysts. In situ spectro-electrochemical analysis and density functional theory simulations reveal that the excellent electrocatalytic performances of hcp RhB NPs are attributed to the upshift of d-band center, enhanced NO adsorption/activation profile, and greatly reduced energy barrier of the rate-determining step. A demonstrative Zn–NO battery is assembled using hcp RhB NPs as the cathode and delivers a peak power density of 4.33 mW cm−2, realizing simultaneous NO removal, NH3 synthesis, and electricity output.

2026-05-01·BIOMATERIALS

A mechanosensitive fluorescent probe for visualizing migrasome mechano-spatiotemporal dynamics

Article

作者: Kam, Chuen ; Liu, Qiong ; Wang, Zhiming ; Chen, Sijie ; Wang, Mengjie ; Chen, Kongqi ; Zhang, Mingmin

Migrasomes, recently identified as extracellular vesicles formed along the retraction fibers (RFs) in migrating cells, are evident in damaged mitochondria clearance, intercellular signaling, embryonic development, and pathological progression of diseases. During migrasome biogenesis, signaling cues and membrane dynamics interplay with each other in the maturation, expansion, and detachment of migrasomes from RFs. Membrane tension plays a crucial role in migrasome dynamics, and tools for monitoring the dynamic mechanical properties of migrasomes are highly desired. In this study, we developed and characterized a novel mechanosensitive but viscosity-insensitive fluorescent probe, named OT2SQ, for real-time investigation of migrasome dynamics in living cells. OT2SQ is a twisted small molecule with multiple rotatable units, exhibiting longer fluorescence lifetimes in response to increased membrane tension but showing no response to altered viscosity. Using time-lapse fluorescence lifetime imaging, we identified distinct modes of migrasome biogenesis and detachment from retraction fibers, each associated with unique membrane tension dynamics. Furthermore, phasor-FLIM analysis revealed alterations in migrasome membrane tension during content release and internalization processes. This study introduces a versatile fluorescent tool for real-time monitoring of migrasome morphology, spatiotemporal distribution, and membrane tension dynamics.

2026-04-01·NEURAL NETWORKS

ERANet: Edge replacement augmentation for semi-supervised meniscus segmentation with prototype consistency alignment and conditional self-training

Article

作者: Griffith, James F ; Li, Siyue ; Yao, Yongcheng ; Chen, Weitian ; Hong, Jin ; Zhong, Junru ; Xiao, Fan ; Ho, Ki-Wai Kevin ; Zhao, Shutian ; Wang, Shuihua ; Zhang, Yudong ; Ong, Tim-Yun Michael

The meniscus, a fibrocartilaginous structure within the knee joint, plays an essential role in joint stability and the prevention of knee osteoarthritis (OA). Accurate segmentation of the meniscus from magnetic resonance imaging (MRI) is crucial for early diagnosis and monitoring of OA progression. However, manual segmentation is labor-intensive, while automatic approaches face challenges due to variability in meniscal morphology, partial volume effects, and low tissue contrast. To address these challenges, we propose ERANet, a semi-supervised framework that effectively leverages both labeled and unlabeled data through anatomically guided augmentation, consistency regularization, and iterative pseudo label refinement. Central to ERANet is edge replacement augmentation (ERA), a meniscus-specific augmentation strategy that introduces plausible morphological perturbations by modifying peripheral meniscal regions with context-aware background information. ERA is tailored to address the unique anatomical variability of meniscal structures. Alongside ERA, ERANet incorporates two generalizable learning modules: prototype consistency alignment (PCA), which enforces feature compactness via prototype-guided regularization, and conditional self-training (CST), which selectively incorporates reliable pseudo labels based on their temporal stability. The synergistic interaction among these modules enables ERANet to handle small, low-contrast anatomical structures with limited supervision. We validated ERANet on 3D DESS and 3D FSE MRI sequences, demonstrating superior segmentation performance compared to state-of-the-art semi-supervised methods. ERANet maintains high accuracy even with minimal labeled data, and extensive ablation studies confirm the individual and combined benefits of ERA, PCA, and CST. Our results suggest that ERANet offers a robust and scalable solution for meniscus segmentation. Code is available at https://github.com/SiYueLi-MRIandAI/ERANet.

521

项与香港中文大学相关的新闻（医药）

2025-12-05

·广东省临床医学学会

【临研之星】杨云鹏教授：iza-bren后线治疗R/M NPC疗效翻倍，获Lancet封面推荐，中国原研引领双抗ADC变革风潮

长期以来，鼻咽癌后线治疗缺乏有效方案，存在巨大的未满足需求。近日，全球首个鼻咽癌后线治疗的III期临床试验（BL-B01D1-303研究[1]，以下简称“303研究”）的成功打破了这一困境。研究发现，对于重度经治的复发/转移性鼻咽癌（R/M NPC）患者，与标准化疗（吉西他滨、卡培他滨或多西他赛）相比，全球首创EGFR×HER3双抗ADC药物iza-bren在cORR（54.6% vs 27.0%，OR=3.33，P<0.0001）、mPFS（8.38 m vs 4.34 m，HR=0.44，95%CI 0.32-0.62）实现疗效翻倍。该研究入选ESMO LBA，并同步登顶Lancet主刊封面，吸引640余家外媒广泛报道，掀起了一场罕见的中国创新药关注热潮。某知名医学论坛报特邀303研究的主要研究者、论文第一作者——中山大学肿瘤防治中心杨云鹏教授，深入解读该研究的突破性价值，并探讨其对于中国创新药研发路径与全球竞争力提升的启示。 ▲专家访谈视频 Q1：303研究入选ESMO大会Late-breaking Abstract (LBA)，同步发表于The Lancet主刊,并入选封面推荐。iza-bren作为一款同类首创（first-in-class）的ADC药物，结合“疗效翻倍”的研究成果，您如何看待其对世界鼻咽癌研发格局与临床实践的影响？杨云鹏教授该研究以LBA形式入选ESMO，并以封面推荐的形式同步登顶Lancet主刊，对于世界鼻咽癌研发格局与临床实践具有以下几方面的开创性意义：首先，这是全球首个复发/转移性鼻咽癌（R/M NPC）后线治疗领域的III期研究。在R/M NPC一线治疗领域，已有若干III期研究，循证证据充分。遗憾的是，当患者一线治疗进展，进入后线治疗后，研究证据等级较低，主要来源于小样本研究（通常不超过50例）。而303研究填补了这一循证空白，为后线治疗提供了高质量的研究证据。其次，这也是全球首个双抗ADC药物的III期研究，其突破性意义远超单一药物的范畴，是ADC药物发展史上的重要里程碑。最后，303研究也进一步验证了临床前研究和I期研究的发现。结果显示，在超过40%的患者既往治疗线数≥3线，近50%患者在基线时已存在肝、骨或肺等远处器官转移的情况下，iza-bren仍实现了cORR（54.6% vs 27.0%）、mPFS（8.38个月 vs 4.34个月）等疗效指标的翻倍获益，刷新cORR 54.6%和mPFS超8个月的双纪录。鼻咽癌领域的关键贡献者、香港中文大学Anthony TC Chan教授在Lancet述评中对iza-bren予以高度评价：“与标准化疗相比，iza-bren展示了翻倍的疗效获益，基于这些积极结果，ADC药物将成为未来鼻咽癌治疗的基石。” Q2：iza-bren在鼻咽癌领域的成果，不仅是鼻咽癌系统治疗的突破，更是双抗ADC从“科学概念”迈向“临床实证”的里程碑。您认为这一成果，为正在推进的多瘤种研究带来了怎样的信心和启示？杨云鹏教授在药物研发进程中，从早期研究成功转化至III期临床研究的比例普遍偏低，即便在靶向治疗时代，该转化率也常低于30%。本项III期研究的成功，表明I期研究观察到的药物活性真实且可重现，标志着从探索到确证的关键跨越。目前iza-bren已纳入国家药品监督管理局药品审评中心（CDE）优先审评程序，并有望于明年获批，这不仅为同类药物的研发注入了强劲信心，也表明其I期临床数据扎实可信，支持后续针对不同瘤种的III期研究更具底气地推进。在安全性方面，I期临床入组患者多数为经多线治疗、身体状况相对较差的人群，且用药时间较短，因而学者常关注药物长期应用可能带来的累积毒性或新发安全性信号。本研究结果显示，即便中位用药时间超过8个月，iza-bren的安全性谱仍处于预期范围内，毒性主要表现为骨髓抑制，整体可控可管理。这一结果为iza-bren在更广泛瘤种中长期应用的安全性提供了可靠依据。综上，本研究成果不仅在疗效层面成功实现了从早期探索到III期验证的转化，也在长期用药安全性方面积累了扎实证据，为双抗ADC未来在多瘤种领域的深入开发奠定了坚实的临床基础。 Q3：iza-bren的突破性成功，彰显了中国创新药在双抗ADC这一全新赛道上，在起点即占据全球领先的地位。您认为，这一成功案例中有哪些关键决策和经验值得借鉴？杨云鹏教授 iza-bren的成功，使得我们能够与国际研究者“掰手腕”，这不仅是一款药物的突破，更是中国创新药研发体系逐步成熟的重要体现。这一成果的取得，得益于多方面系统性力量的支撑。首先，国家整体实力的提升为医药创新提供了坚实基础。没有宏观层面在科技、人才与产业政策上的持续投入，我们就难以在创新药领域实现国际领先水平。其次，近年来，国家在基础研究、转化平台和临床研究体系方面加大了支持力度，推动形成了从实验室到临床的完整创新链条。这种系统性的布局为源头创新和高质量临床研究的涌现创造了关键条件。最后，从药企、医院到临床科室，各方协同将创新作为核心驱动力，形成了产学研医深度融合的研发生态。这种以患者需求为导向、以临床价值为目标的协作机制，是推动项目高效推进的重要保障。展望未来，我们希望iza-bren能够早日获批上市，也期待通过媒体将这一进展及时传递给患者。让前沿科技成果真正惠及患者，是我们所有努力的最终目标。结语 iza-bren在R/M NPC后线治疗中的突破，不仅标志着中国创新药在双抗ADC这一前沿赛道占据了制高点，更展现了我国在新药研发体系化建设上的重要进展。随着iza-bren迈向上市审批与更多瘤种的拓展探索，其成功背后所积累的研发策略、临床设计思路与协作机制，将成为中国创新药参与全球竞争的重要参考。未来，我们期待更多像iza-bren这样的原研药物能够走出国门，在世界舞台上发出中国之声，让更多患者从科技创新中获益。正如杨云鹏教授所言，所有努力的终点，是让科学回归临床、让希望回归患者。而今天，iza-bren正以实际行动，书写着这一使命的生动注脚！专家简介杨云鹏教授中山大学肿瘤防治中心主任医师、内科副主任 CSCO神经系统肿瘤专家委员会副主任委员/秘书长 CSCO免疫治疗专家委员会秘书长 CSCO非小细胞肺癌专家委员会委员中国抗癌协会小细胞肺癌专业委员会常务委员广东省临床医学学会精准医疗专业委员会委员以第一/通讯作者（含共同）在NEJM，Lancet, Lancet Oncology, Lancet Respiratory Medicine, Cancer Cell, STTT, Journal of Thoracic Oncology发表论文参考文献 1. Yunpeng Yang, et al. Izalontamab brengitecan, an EGFR and HER3 bispecific antibody–drug conjugate, versus chemotherapy in heavily pretreated recurrent or metastatic nasopharyngeal carcinoma: a multicentre, randomised, open-label, phase 3 study in China, The Lancet, Volume 406, Issue 10516, 2025, Pages 2235-2243, ISSN 0140-6736, https://doi.org/10.1016/S0140-6736(25)01954-3. 免责声明：本内容来自中国医学论坛报，不代表广东省临床医学学会赞同其观点和对其真实性负责。如转载内容涉及版权等问题，请立即与我们联系，我们将迅速采取适当措施。 end 科普讲堂【国际残疾人日】促进残疾包容性社会，推动社会进步【病理技术科普】冰冻切片：手术台上的“快速诊断神器” 【医学科普】警惕，今年流感毒株变了！ ↓↓↓更多科普请点击下方名片关注“学会科普讲堂”公众号

2025-12-03

·金色财经

YZi Labs宣布孵化17个项目看看CZ和何一押注了哪些硬核赛道

整理：金色财经YZi Labs官方在社交媒体发文，公布了EASY Residency第二季的孵化项目。YZi Labs表示第二季汇聚了在Web3、人工智能和生物技术领域进行开发的初创项目，体现了YZi Labs的信念，即未来十年将由三大力量的融合所塑造：区块链将释放所有权、可扩展性和全球流动性。人工智能将加速创造力、劳动力和智能的发展。生物技术助力延长健康寿命YZi Labs和EASY Residency支持那些创造突破性技术并大规模解锁全球分销的项目——从人工智能驱动的药物研发和机器人自动化到为代币化未来提供支持的金融和基础设施。以下是第二季孵化项目的具体名单：42.space：交易诸如Meme币之类的现实世界事件。项目团队：Leo Zhang（创始人）：前纽约加密货币基金研究主管；曾任职于KKR和摩根士丹利股票衍生品部门；斯坦福大学数学学士Steve Kim（CTO）：多家创业公司的创始工程师（曾参与沃尔玛/Discord等公司）；斯坦福大学计算机科学学士Aleksi Ollikainen-Read（战略/运营/法律）：前 Consensys SMG 战略与运营主管；曾在牛津大学教授法律；哈佛大学/马克斯·普朗克研究所研究员；英格兰和威尔士律师协会会员（2018 年）。投资理由：42.space是一种资产发行协议，它显著拓宽了预测市场的范围。通过结合曲线将结果构建为代币发行平台，42.space允许用户创建和交易与现实世界事件相关的资产。交易方式如同流动性代币；结算方式如同预测市场。这一创新机制由一支实力雄厚的团队打造，该团队由斯坦福大学和哈佛大学的校友以及华尔街资深人士组成，融合了顶尖的工程技术和高水平的金融策略。与BNB Chain合作，42.space通过向庞大的用户群体引入新颖的、基于事件的资产，拓展了DeFi的视野。4D Labs：空间智能大模型的数据收集、模型开发及应用项目团队：Bruce Bai（CEO）：浙江大学博士；连续创业者，曾创办过两家计算机视觉初创公司。Ian Y. Xu（联合创始人）：密歇根大学博士后；香港中文大学博士；前 Meta Reality Labs 和商汤科技员工。Xin Zhou（联合创始人）：百度美国首席人工智能架构师；密歇根大学博士；拥有 10 多年人工智能/基因人工智能系统领导经验。Haoming（联合创始人）：北京大学博士后；浙江大学博士；前百度员工；发表过 10 多篇顶级人工智能论文；多次创业（Deep Pink Elephant、xPerception，后者已被百度收购）。投资理由：4D Labs融合了人工智能、3D和Web3技术，致力于解决空间计算时代的基础性瓶颈：可扩展、可验证的高质量3D数据。其空间大型模型和3D数据生成/采集流程，结合代币化数据版权框架，使其成为3D数据基础设施领域的先行者。随着数字孪生和具身人工智能的加速发展，以所有权为支撑的3D数据网络将变得至关重要——因此，对4D Labs的投资是面向下一代计算范式基础层的及时且具有战略意义的举措。AllScale：轻量级自托管式跨境业务新银行项目团队：Shawn Pang（CEO）：前TikTok和Capital One支付部门负责人；连续创业者；前KuCoin上市负责人。Leo Wang（COO）：前亚马逊、IBM、Scotiabank高管；金融科技和基础设施建设者。Alisha Li（CMO）：前Fenghou Capital合伙人，前惠普/戴尔/Sun销售总监。Khalil Lin（合规）：持有纽约州律师执照；前Kraken、The Block成员。投资理由：AllScale正在构建一个自托管的稳定币新银行，以合规且直观的方式为企业简化支付、薪资和发票流程。投资AllScale是基于其产品与市场高度契合的早期迹象，以及自然增长和稳健的用户留存率。AllScale将稳定币的速度和透明度与符合现代企业运营和合规需求的用户体验相结合，因此具备抢占市场份额的优势。Advent：人工智能驱动的精准基因治疗平台项目团队：Bonnie Zhu：香港科技大学化学及生物工程系助理教授；斯坦福大学博士。Kai Liu ：香港科技大学教授，神经科学领军人物。Yuan Yao：斯坦福大学生物工程博士，现任贝克顿·迪金森公司血液透析和腹膜透析销售与市场总监。投资理由：Advent在细胞和基因治疗递送领域处于领先地位，利用其专有的病毒蛋白数据集和专门构建的AI驱动平台，将腺相关病毒（AAV）衣壳的发现周期从数月缩短至数周。其内部高通量数据、可扩展的差异化衣壳知识产权管线以及性能优于天然血清型的合成衣壳，在快速增长的市场中构建了坚实的技术护城河。凭借强大的团队和清晰的技术差异化优势，Advent代表着一个与细胞和基因治疗（CGT）市场主要先例相符的、恰逢其时的入场良机。AgriDynamics：解决农场劳动力危机的水果采摘机器人项目团队：Dr. Zhaojian Li（CTO）：密歇根州立大学红杉杰出副教授，领导通过美国国家科学基金会和美国农业部资助开发的专利模块化苹果采摘机器人的商业化。Kyle Lammers（CEO）：致力于苹果采摘机器人的研发；曾荣获密歇根州农业生物创新奖、美国农业与生物工程师协会（ASABE）最佳学生演讲奖和信息技术服务社区最佳论文奖。投资理由：AgriDynamics通过一项已获专利、经过实地验证的机器人平台，解决了美国特种农业中最棘手的成本和劳动力挑战——苹果采摘。在苹果采摘中，劳动力成本约占生产成本的70%。该平台已获得主要种植者协会的认可。其模块化、商业化且具有可防御性的知识产权，使其在价值数十亿美元的市场中拥有明显的先发优势。凭借可扩展的路线图，该公司有望拓展至其他高价值作物，并实现持续的服务/软件收入，从而成为特种农业的核心自动化基础设施。Bento.fun：预测市场的社交层项目团队：Abhitej Singh（CEO）：前Persistence/pSTAKE增长主管；联合创立Cosmos India；创立Filament（交易额1亿美元，融资115万美元）Pratyaksh Inani（CPO）：13岁从事量化交易；曾任Persistence财资/产品经理；Filament联合创始人。Rajeeb Kumar（工程师）——前Nethermind员工，印度理工学院毕业生，6年DeFi/合约工程经验，10次黑客马拉松冠军。投资理由：Bento将Telegram、Twitter和WhatsApp上的日常粉丝讨论转化为1-10美元的微型对决，采用简单快捷的形式，开辟了一个拥有巨大交易量潜力的休闲粉丝群体。创始人拥有深厚的行业经验，目标客户是板球和F1等高流量的全球粉丝群体。作为BNB Chain的原生预测市场，Bento与我们的生态系统战略高度契合，并通过低摩擦的社交投注方式推动更广泛的链上参与。FingerDance：为聋哑人提供手语翻译的人工智能基础设施项目团队：Kevin Gong（联合创始人）：新加坡国立大学商业分析硕士；Miracle Plus研究员。Alex Xu（联合创始人）：北京大学计算机科学博士；Enzo Xu（联合创始人）：宾夕法尼亚大学计算机与信息科学硕士。投资理由：手语是全球聋哑人社群的第一语言，但由于手语翻译人员严重短缺，信息获取仍然受到限制。FingerDance直面这一服务不足的市场。通过部署最先进的手语大型语言模型（SL-LLM），FingerDance利用人工智能提供实时、可扩展的翻译服务，这是人工翻译基础设施无法比拟的。凭借五年与聋哑人社群的紧密合作，该团队拥有独特的优势，有望彻底改变沟通无障碍的现状。Frontrun：为快速发现、尽职调查和执行而打造的专业交易员钱包。项目团队：Chris（创始人/CEO）：前Robinhood Crypto（构建了存款/取款功能），Sui创始工程师（领导8人团队构建浏览器、SDK、RPC和拥有100多万用户的钱包）。投资理由：Frontrun是一款以交易者为中心的钱包，旨在实现快速发现、尽职调查和无缝执行，直接解决高频交易者面临的明确痛点。早期自然增长和高留存率验证了该产品与极具吸引力的初始目标群体——价值数十亿美元市场规模（仅Solana的年度手续费就超过10亿美元）中的高价值交易者群体的契合度。其多链路线图以及与BNB Chain DeFi生态系统的契合度，使Frontrun成为更广泛的交易基础设施中具有战略意义的补充。Help.fun：非营利代币的加密货币启动平台项目团队：Helena Everley（联合创始人）：斯坦福大学本科生。Arash Attar（联合创始人兼CTO）：曾开发速度最快的Meme币移动交易应用程序之一，并开发过高性能的球鞋机器人。投资理由：Help.fun正在构建加密原生筹款平台，使非营利组织和初创公司能够以公平、防机器人的方式发行慈善代币，从而解决链上筹款长期存在的诚信问题。其反狙击机制（诱饵、谜题、gas陷阱）确保了公平参与，并为掠夺性的Meme代币发行提供了一种可靠的替代方案。早期执行力强劲，并与BNB Chain的文化和流动性状况高度契合。Help.fun作为以使命为导向的组织的可扩展链上筹款工具。Hertzflow：任何资产无需许可的杠杆交易市场项目团队：Vincent Shang（联合创始人）：超过10年的加密货币从业经验，最具影响力的CT KOL之一。Hero（联合创始人兼产品负责人）：此前在Coinbase参与CDP和Prime MPC钱包的开发。Soren（技术主管）：Mantle核心开发人员（早期工程团队，从零开始组建）。投资理由：Hertzflow致力于消除日交易额高达4.5万亿美元的传统零售衍生品市场与链上经济之间的鸿沟。该协议由一支在传统衍生品领域拥有深厚专业知识的团队领导，旨在吸引庞大的非加密货币原生交易者用户群体。Hertzflow是一款技术成熟的产品，运行于BNB Chain生态系统中，它将无需许可的链上结算的高效性与专为全球庞大交易市场量身定制的用户体验完美结合。Manifolds：基于人工智能的3D空间可控视频生成平台项目团队：Qingyuan Shan（CEO）：Heywhale前高级副总裁；太阳川河前企业战略主管；布法罗大学数学学士，哥伦比亚大学应用分析硕士。Yudong Tao（CTO）：Meta前研究数据科学家；复旦大学电子工程学士，迈阿密大学计算机工程博士。Naiyuan Huang（COO）：Heywhale前销售与市场营销主管；中欧国际工商学院校友；曾成功拓展中国第二大人工智能人才社区。投资理由：Manifolds专注于可控的3D感知AI视频，将其作为下一代内容创作和具身AI应用的赋能层。其技术差异化优势——包括3D空间生成、物理感知模拟、混合渲染以及精细的物体/相机控制——使其在电子商务可视化和现实世界集成AI系统等高增长垂直领域占据优势。早期强劲的增长势头（年经常性收入达15万美元，在未进行付费营销的情况下获得60家付费企业客户）表明其产品已具备成熟的开发能力、可扩展的潜力以及创始人与市场的高度契合度。MeleeMon：使用稳定币进行投注的竞技性手机游戏项目团队：Alex（CEO）：连续四年位列宝可梦竞技选手前500名；创始人与市场高度契合。Jasper（CTO）：6年以上Unity和React开发经验。投资理由：MeleeMon是一款移动端技巧型怪兽对战游戏，其团队拥有强大的创始人市场契合度——他们曾获得YC投资，拥有丰富的游戏开发经验（其前公司Gamebytes拥有超过500万用户），在宝可梦竞技领域拥有深厚的信誉，并对区块链增强型游戏经济有着清晰的理解。该项目瞄准了规模庞大且成熟的Web2博彩游戏市场，同时在链上引入了全新的竞技游戏循环。YZi Labs致力于在BNB Chain上打造高质量、趣味十足的游戏体验，而MeleeMon凭借其可靠的执行能力，与YZi Labs的战略高度契合。Neomera BioLab：药物研发平台，为慢性疼痛和重大慢性疾病提供更好的非阿片类药物疗法。项目团队：Rebecca Miao（CEO）：药物开发领域15年以上经验；曾任AKSO Bio首席科学官；领导多个获得FDA批准的IND；促成了一项价值7500万美元的制药合作；拥有200多项专利；斯坦福大学博士后。Jimmy Xu（CTO）：约翰·霍普金斯大学理学学士；斯坦福大学生物工程博士/博士后；药物筛选优化和生物医学人工智能专家。Yi Lu（CFO）：从投资者转型为连续创业者，从概念到试验打造新型疼痛疗法，获得国际顶级出版物和奖项；拥有斯坦福大学工商管理硕士学位；曾就职于贝恩资本和马德龙资本合伙人。投资理由：Neomera致力于解决全球超过10亿慢性疼痛患者迫切需要的非成瘾性镇痛疗法。其以生物学为先导、人工智能加速的发现平台拥有显著优势：能够生成专有的、高度相关的内部数据，并成功针对传统方法无法解决的适应症。这种紧密整合的湿实验室+机器学习循环，从根本上缩短了高达80%的实验周期，从而为针对难治性慢性疾病的快速药物开发构建了一个可扩展、差异化的引擎。Sats Terminal：比特币原生流动性协议项目团队：Stan Havryliuk（CEO）：曾在Bitcoin.com、ZondaCrypto和Ambisafe担任高级领导职务；曾将多个团队规模从5人扩展至 50 人。Rishabh Java（CTO）：连续创业的金融科技公司创始人，打造多款比特币产品；曾任Ordinals Council、ToshiPad和Crackedevs首席技术官。投资理由：Sats Terminal基于比特币和EVM链（主要是BNB和Base），在一个由比特币抵押贷款、收益和交易需求不断增长驱动的庞大且不断扩张的市场中运营。他们最初以聚合互换模式进入市场，并迅速积累了可观的B2B用户群（占Runes所有交易的75%；集成超过30个平台），现在正以强劲的初期势头拓展比特币信贷和收益市场。早期机构投资包括由Coinbase Ventures和Draper Associates领投的170万美元种子前融资。Saturn Labs：10%+收益率，由比特币信贷支持项目团队：Kevin Li（联合创始人兼CEO）：ParaFi联合创始人；前Artemis DAT负责人Sebastian Melendez（联合创始人兼CTO）：联合创始人，前 Artemis稳定币负责人Ellis Osborn（联合创始人兼COO）：宾夕法尼亚大学区块链负责人；前M31 Capital投资人。投资理由：Saturn Labs正在构建一种收益率超过10%的稳定币，其核心技术是MicroStrategy的STRC，一种透明且具有机构信誉的比特币信用工具。Saturn融合了稳定币、DAT和RWA三大领域，而这三大领域正是加密货币领域增长最快的。市场对透明、可扩展且具有实际收益的储备的需求正在加速增长，而Saturn的创始团队在DAT、DeFi和稳定币架构方面拥有丰富的经验，这使得Saturn有望成为链上经济的核心层。Predict.fun：利用DeFi增强的流动性解决资本效率低下问题的预测市场项目团队：Ding：曾从事咨询/投资银行业务；2017年加入币安并组建研究与上市团队；领导Binance Launchpad（2019年）；创立 PancakeSwap（2020年）；联合创立Predict.fun（2024年）。投资理由：Predict.fun通过将事件交易转化为一种能够产生收益、支持杠杆、且可自行托管的金融基础，催生了一类全新的主流预测市场，使用户能够在参与其中的同时充分体验去中心化金融（DeFi）。通过集成DeFi原生收益、无缝的链上用户体验（AA、无gas费交易）以及可组合性，该协议降低了用户采用的门槛，并将预测市场定位为面向更广泛的非加密货币原生用户群体的、易于使用且实用性强的产品。Trellis Robotics：具备人工智能的软体机器人平台，解锁难以触及的工业资产项目团队：Yimeng Qin（CEO）：斯坦福大学机械工程博士候选人；核心藤蔓机器人技术的首席开发者（将于2026年3月完成学业）。Elvy Yao（COO）：斯坦福大学机械工程硕士（2025年12月毕业）；Trellis平台传感器外壳、转向和机电一体化的主要贡献者。William Heap（技术负责人）：斯坦福大学机械工程博士候选人（2028 年后全职）；2019年以来一直在加州大学圣巴巴拉分校和斯坦福大学从事藤蔓机器人系统的研究。投资理由：Trellis Robotics致力于解决工业运营中最具成本和危险性的挑战之一：密闭空间基础设施的检测。其独特的藤蔓机器人平台能够提供人类检测人员和现有工具无法比拟的精度、覆盖范围和安全性，从而在庞大且服务不足的市场中建立起清晰的竞争优势。早期验证——包括与陶氏化学和劳伦斯伯克利国家实验室的试点项目，以及巴斯夫、拜耳和雪佛龙等公司的浓厚兴趣——表明市场需求强劲，并具备实现企业级应用的可靠路径。

并购

2025-12-03

·山西铭师教育

【龙凤胎专业】解码生命数据的双生子：生物统计与生物信息，你选对赛道了吗？

摘要在生命科学与大数据交汇的时代前沿，有两个专业名称如双生子般让考生与家长感到迷惑：生物统计学与生物信息学。它们都致力于用数据揭示生命奥秘，但内核与路径却大不相同。简单来说，生物统计学是“生命数据的裁判官”，专注于运用统计理论设计实验、分析数据、得出可靠结论。而生物信息学则是“生命密码的破译者”，更偏向于开发和使用计算机算法与工具，来处理海量的基因、蛋白等分子序列数据。为了让您快速把握核心，我们先通过一个表格看清它们的主要区别：生物统计学 (Biostatistics) · 学科内核：统计学的分支，侧重于理论与方法。 · 核心任务：设计试验、数据分析、统计推断与决策。 · 主要工具：R, SAS, SPSS 等统计软件与编程。 · 数据焦点：各类生物医学数据（临床、流行病学、公共健康等）。 · 输出成果：统计分析报告、临床试验方案、疾病风险模型。生物信息学 (Bioinformatics) · 学科内核：计算机与生物的交叉，侧重于工具与算法。 · 核心任务：序列比对、基因预测、结构分析、数据库构建。 · 主要工具：Python, Perl, Linux 及各类专业生物软件。 · 数据焦点：高通量组学数据（基因组、蛋白质组等）。 · 输出成果：新基因发现、蛋白质结构模型、进化树、分析流程。 --- 课程体系：数理思维 vs. 计算思维大学课堂是区分两者的第一站，课程设置鲜明地体现了不同的思维范式。生物统计学的课程建立在坚实的数理基础之上。你会深入学习数理统计、概率论、随机过程等理论核心，并掌握应用回归分析、多元统计、生存分析等高级方法。课程旨在培养你严谨的统计逻辑，让你能评估临床试验中的药效，或从公共卫生数据中洞察疾病流行规律。编程（如R语言）在这里是实现统计模型的工具。生物信息学的课程则发端于分子生物学与计算机科学。你需要精通遗传学、生物化学，同时熟练掌生物信息学算法、数据库挖掘、序列比对、蛋白质结构预测等计算技能。学习重点是如何编写或使用程序，从浩如烟海的ATCG序列中提取有意义的信息。Python等语言在这里是解决生物学问题的核心技术手段。升学深造：方法纵深 vs. 前沿交叉无论是国内考研还是海外求学，两者的深造路径也各有侧重。生物统计学的升学方向非常清晰，主要面向公共卫生学院、医学院或统计系下的生物统计、流行病与卫生统计等专业。深造内容是对统计方法在医学健康领域应用的纵深挖掘，例如高级临床试验设计、因果推断等。国内如南方医科大学、南京医科大学等均拥有该专业完整的本、硕、博培养体系。生物信息学的升学路径则更显交叉与前沿。除了生物信息学本身，还可转向计算生物学、基因组学、系统生物学等领域。它广泛渗透于生命科学的各个前沿，从基础研究的分子设计到精准医学的应用。香港中文大学（深圳）等高校已开设专门的生物信息学硕士项目。就业前景：决策支持 vs. 技术研发走出校园，两个专业在职场中扮演着截然不同的角色，但前景同样广阔。生物统计学是制药与公共卫生领域的“硬通货”。毕业生最主要的去向包括： · 制药企业：担任生物统计师，负责核心的临床试验设计与数据分析，是药物能否获批上市的关键角色。 · 科研机构与医院：参与临床研究项目，从事科研数据的统计咨询与建模工作。 · 政府卫生部门/疾控中心：进行流行病学研究、健康政策制定与公共卫生监测的数据分析。随着我国创新药研发的蓬勃发展，熟练掌握统计软件和法规的专业人才缺口巨大，职业发展稳健且需求持续增长。生物信息学是科研与生物科技产业的“引擎”。其就业面同样多元： · 高校与研究所：从事前沿的基因组、癌症组学等基础科研工作。 · 生物科技/医药公司：在研发部门担任生物信息分析师，负责高通量测序数据的挖掘，助力靶点发现和精准医疗。 · 医学检验机构/基因检测公司：开发和维护遗传数据分析流程与解读系统。 · 跨界领域：进入农业育种、微生物工程等需要大数据分析的行列。实际案例中，生物信息学专业的毕业生出路多样，既有保研至北京协和医学院等顶尖学府深造，也有毕业生进入外企成功就业。院校风向：医卫特色 vs. 生命科学融合国内开设这两个专业的高校背景，也清晰地反映了其应用导向。生物统计学多在实力雄厚的医科大学或药科大学开设。这些院校凭借强大的医学和公共卫生背景，培养高度契合行业需求的人才。代表性院校有： · 中国药科大学：首批开设本科专业，聚焦创新药临床试验与医药大数据。 · 南方医科大学：国家级一流本科专业，实行小班导师制培养。 · 南京医科大学：依托省级重点学科，培养与临床研究紧密结合的专业人才。此外，北京大学、北京师范大学等综合性大学也已增设该专业。生物信息学则在综合性大学、理工大学或农业大学的生命科学、生物工程等相关学院下更为常见。这些院校注重生物学与信息技术的交叉培养。除前文提到的香港中文大学（深圳），国内如河南大学的生命科学学院也开设了生物信息学本科专业。面对这两个充满希望的未来赛道，该如何选择？你的思维更偏向生物统计学，如果你： · 热爱数学与逻辑推理，对数字敏感。 · 追求严谨，善于从复杂数据中提炼确凿结论。 · 希望工作在医药研发或公共卫生决策的核心环节。 · 乐于使用统计工具，但不必深入计算机底层。你的思维更偏向生物信息学，如果你： · 对生命本身的密码（基因、蛋白）充满好奇。 · 喜欢编程，享受构建算法和流程来解决具体问题。 · 愿意探索最前沿的生命科技，工作在科研或技术开发一线。 · 具备较强的跨学科学习和动手能力。无论选择哪一条路，你都将是连接生命科学与数据科学的桥梁，在解开生命奥秘、守护人类健康的伟大事业中，扮演不可或缺的关键角色。关注我们立即扫码

100 项与香港中文大学相关的药物交易

登录后查看更多信息

100 项与香港中文大学相关的转化医学

登录后查看更多信息

组织架构

使用我们的机构树数据加速您的研究。

或

查看完整样例数据

管线布局

2025年12月16日管线快照

管线布局中药物为当前组织机构及其子机构作为药物机构进行统计，早期临床1期并入临床1期，临床1/2期并入临床2期，临床2/3期并入临床3期

药物发现

临床前

临床1期

临床2期

其他

登录后查看更多信息

当前项目

药物(靶点)	适应症	全球最高研发状态

二至丸	高胆固醇血症更多	临床2期
仁术肠乐颗粒	腹泻型肠易激综合征更多	临床2期
Autologous mesenchymal stem cell therapy(The Chinese University of Hong Kong)	膝关节炎更多	临床1期
多格列艾汀 ( glucokinase )	高血糖更多	临床阶段不明
SIM-01	新冠肺炎后遗症更多	临床阶段不明