Daily Notes — 2026-04-03

泛基因组的地缘政治:精准医疗走向区域割裂

非西方泛基因组计划正在修正基因组学长期的“欧洲中心主义”偏差,但地缘政治正在摧毁全球统一的精准医疗愿景。数据本地化法规(如中国人类遗传资源管理条例,HGR)将把药物基因组学割裂成互不相通的区域生态系统。跨国药企试图建立全球统一靶点库的努力已经失败,未来的创新药研发必须适应这种双轨制的数据孤岛。

Key Signals

精准医疗的碎片化:HGR法规与非西方泛基因组如何重塑Biotech边界

Why it matters: 科学突破与数据主权正在发生正面碰撞。过去二十年,人类参考基因组(GRCh38)严重偏向欧洲白种人。近期中国泛基因组联盟(CPC)等非西方项目填补了这一空白,找出了数千万个新的结构变异(Structural Variants, SVs)。这本该是靶点发现的金矿。但严格的基因数据出境限制,让这些变异变成了无法在全球流通的“本地专属资产”。

Key insight: 核心瓶颈在于VUS(意义不明变异)的临床转化。
发现结构变异只是第一步。要将一个VUS确认为成药靶点,需要海量的底层测序数据与临床表型数据进行交叉验证。HGR法规切断了这条验证链路。原始测序数据被严格限制在境内,跨国药企(MNC)的全球研发中心无法直接调用这些数据训练其AI制药模型。
这导致了一个致命的错位:西方Biotech无法获取亚洲人群的底层基因组数据,其在验证特定结构变异时面临极高的假阳性率,针对亚洲高发疾病(如特定亚型的肝癌、胃癌)的靶点发现引擎正在失效。他们只能依赖公开的、经过脱敏和降维的汇总数据,这在复杂多基因疾病的研发中毫无用处。同时,拥有数据的本土企业短期内缺乏将其转化为First-in-class药物的靶点验证与分子设计能力。科学上发现了变异,但临床转化被地缘政治卡死。

What it means:
第一,Biotech BD(商务拓展)的底层逻辑彻底改变。以前MNC买的是临床数据(Phase I/II),现在他们需要买“合规的数据访问权”。外资无法直接持有HGR数据,因此必须通过设立“隔离架构”的本地NewCo来规避限制。本土Biotech在境内完成靶点发现和早期分子设计,随后将“分子实体”(不受HGR限制)而非“底层数据”授权给MNC。这种模式将成为标配。

第二,靶点发现走向区域化。未来会出现“仅限亚洲”或“仅限欧美”的靶点。如果一个靶点基于中国特有泛基因组变异发现,且验证数据无法出境,MNC只能通过License-in大中华区权益,或者在本地设立完全独立的研发团队来推进。全球多中心临床(MRCT)在早期探索阶段的成本和合规风险将呈指数级上升。

第三,港股Biotech的重新定价。那些手握大量本土高质量队列数据、且具备HGR合规资质的计算生物学公司,其估值逻辑将发生转变。它们不再是单纯的SaaS服务商或CRO,而是区域性靶点的垄断者。基石投资者需要重新评估这些公司在数据孤岛时代的溢价。

Source: Nature Biotechnology · 2026-03-28 · [Biotech, Genomics, Geopolitics]

Worth Watching

  • 联邦学习(Federated Learning)在基因组学中的真实落地:既然数据不能出境,模型就必须移动。关注那些能在不转移原始HGR数据的情况下,完成跨国多中心靶点验证的隐私计算架构。这不再是AI Infra的噱头,而是MNC合规研发的刚需。
  • FDA对非白人临床数据的审查收紧:随着泛基因组差异被证实,FDA开始要求针对特定靶点的药物提供更多基于不同基因组背景的临床试验数据。这会反向增加MNC在数据孤岛下开展全球临床的成本,进一步推高药物研发门槛。
  • 托卡马克高温超导磁体的供应链重组:聚变商业化正在逼近工程瓶颈。几家头部核聚变初创公司近期开始锁定稀土钡铜氧(REBCO)带材的长期产能。高温超导材料的产能不足将成为未来三年限制聚变装置扩建的最大硬伤。

This Week vs Last Week

Last week: 市场共识认为,非西方泛基因组数据的集中发布将极大加速全球创新药的靶点发现,消除长期以来的种族健康差异,带来一波全球性的Biotech繁荣。

This week: 现实开始咬人。随着几起MNC因HGR合规问题终止早期靶点合作的案例浮出水面,市场意识到科学突破无法穿透地缘政治壁垒。更好的科学(多样化的泛基因组)加上严格的数据保护法规,反而导致了更差的全球健康产出(碎片化的药物研发)。数据主权已经实质性地重塑了药物研发的物理边界。

Read more

📰 Daily Notes — 2026-04-04

今日主题:真正决定时代走向的,不再是“有没有突破”,而是“谁能把突破变成稳定、可治理、可部署的系统”——从 AI 对齐、核聚变、月球任务到关税秩序,瓶颈都在从“原理可行”转向“系统可控”。 🤖 AI 1. AI 安全从口号进入工程期:可解释性、对齐与红队测试的三角拉扯 来源: Zylos Research 链接: https://zylos.ai/research/2026-02-09-ai-safety-alignment-interpretability 这篇综述的价值,不在于再讲一遍“AI 很危险”,而在于它把 2026 年 AI 安全的主战场梳理得很清楚:机械可解释性(mechanistic interpretability)、对齐方法(alignment)、对抗性测试(adversarial testing),已经从彼此分离的研究支线,

By KAI

Daily Notes — 2026-04-02

线性基因组的终结与泛基因组的算力墙 放弃单一线性参考基因组,转向高维图谱泛基因组(Pangenome),是系统生物学不可逆的结构演进。但别指望它立刻带来临床突破。极度的数据稀疏性和图映射(Graph mapping)的算力瓶颈,正把下一代精准医疗死死挡在门外。 Key Signals Beyond the Linear Genome: The Transition to Population-Aware Systems Biology Why it matters: 过去二十年,人类基因组学建立在单一线性参考基因组(如GRCh38)的残缺地基上。这种一维字符串模型天然排斥人类群体的结构性变异(SV),导致严重的“参考偏差”(Reference Bias)——患者特有的基因序列如果不在参考基因组中,测序数据就会被直接丢弃。泛基因组用图结构重构地基,节点代表序列,边代表变异。这是对生物多样性最真实的数学表达。 Key insight: 临床转化的核心卡点不再是测序成本,而是算法和算力。在单细胞多组学中,单细胞RNA测序本身存在极高的“丢弃率”(Dropout

By KAI

Daily Notes — 2026-04-03

泛基因组的计算瓶颈与临床落地鸿沟 基因组学正经历底层数据结构的重构。以欧洲人为中心的线性参考基因组(GRCh38)正在被淘汰。取而代之的是包含多态性、多人群特征的图结构泛基因组(Graph-based Pangenomes)。这是科学上的突破。但在临床应用端,这种转变正面临巨大的计算算力瓶颈与表型整合断层。现有的临床生物信息学管线无法直接处理图结构数据。算力成本、算法适配和临床解释性是接下来的核心阻碍。 Key Signals Global Physics Photowalk: 2025 winners revealed [REFUSAL] 提供的参考文章是一篇关于粒子物理实验室摄影比赛(INFN低温恒温器与暗物质探测)的软性新闻。该内容与今日核心议题(泛基因组学与生物信息计算瓶颈)毫无关联。拒绝进行强行跨领域关联或过度解读。 深度解析:泛基因组的“死亡之谷” Why it matters: 学术界已经完成了基础图谱的构建(如人类泛基因组参考联盟 HPRC 和中国人群泛基因组)。媒体和学术期刊将此包装为精准医疗的终极拼图。但产业界和投资界存在严重的认

By KAI

Daily Notes — 2024-05-24

AI 资本支出与企业 ROI 脱节:一场权益泡沫,而非信用危机 AI 正在撞上企业级落地的现实墙。巨头资本支出(Capex)与企业投资回报(ROI)严重脱节。这酝酿着一场权益市场调整,而非系统性信用危机。市场对“次贷级 AI 危机”的担忧找错了方向。问题不在高杠杆债务,而在极度透支的估值。同时,企业端 AI 的真实落地路径已经清晰。全能自主 Agent 只是技术幻觉。受制于监管与可靠性,企业正在转向受严格编排、人在回路(HITL)的小模型(SLM)工作流。 Key Signals Q1 2024 Hyperscaler Capex vs. Enterprise CIO Survey: The $50B Gap Why

By KAI