根据 CST 科学家的说法，2023 年值得关注的生物制药趋势

技术创新使人们对自然界和各种疾病的根本原因有了更深入的了解。每一年，新技术和技巧都会帮助研究人员进一步阐明疾病的机制，使我们能够更深入地观察我们的细胞和组织，并更全面地了解生命的组成部分是如何组合在一起的。 

2022 年，尽管 COVID-19 疫情继续占据头条新闻，但生物技术领域又见证了快速创新的一年。在 SARS-CoV-2 疫苗成功的推动下，基于 mRNA 的免疫疗法和疫苗取得了快速进展，预计到 2030 年全球市场将达到377.6 亿美元。

与此同时，单细胞方法学的进步正在促进比以往任何时候都更详细地探索细胞异质性。除了传统方法的批量分析和“平均基因组”或“平均转录组”输出外，下一代测序分析 (NGS)、微流体、计算生物学、抗体偶联技术和扩增方法学的进步正在融合，以产生单细胞组学，用以研究疾病特异性细胞中的 RNA、蛋白质和翻译后蛋白质修饰，即使是在基因相同的细胞群中。

结合空间生物学革命，科学家可以在整个组织的背景下研究细胞关系，这些技术可以更深入地了解细胞相互作用、疾病进展和治疗反应。 

为了深入了解这些巨大的变化并阐明未来几年将出现的重大技术进步和治疗方式，我与 CST 的几位顶级研究科学家会谈来听取他们的看法。以下是他们强调的内容： 

空间生物学的进展

“空间生物学将单细胞组学置于空间背景下，并正在改变我们对组织微环境的理解。新仪器使以前不可能进行的实验成为可能，使我们能够通过多重生物标记物分析探索组织中的空间环境。该领域科学家当前面临的挑战包括设计、优化、运行和分析多重成像实验所需的大量时间和资源。用于组织染色的自动化微流体技术的进步与复杂的成像能力和计算工具相结合，正在提升我们执行和解释空间生物学实验的能力。

随着这些系统的不断成熟，梦想找到一种多组学方法，将空间蛋白质组学数据与空间转录组学相结合，以实现跨整个组织的单细胞分辨率。在 2023 年及以后，我们将看到空间生物学的新技术，使科学家能够量化和可视化组织样本中的数百种表型和功能性生物标记物，同时保持细胞和亚细胞的细节。”

• Sarah Klein 博士，高级科学家，小组组长

免疫肿瘤学革命 

“在过去的几年里，免疫肿瘤学取得了重大进展，而且这场变革还在继续。对于免疫疗法有时会失败的原因，以及 T 细胞状态和功能的调节机制，我们有了更好的了解。在应用这些信息设计更好的疗法方面，我们保持乐观态度，而且看到了可能成功的迹象。

过继性细胞疗法，尤其是 CAR-T 疗法，仍然是该领域的一大焦点。该疗法可应用已知的 T 细胞功能和衰竭的调节机制，以在 T 细胞离开患者时对其进行基因修饰。从理论上讲，这可以使细胞抵抗肿瘤微环境中的抑制机制，从而使细胞疗法可以在实体瘤中更长时间地发挥作用。我认为我们会在未来一年看到更多关注基因工程 T 细胞的新方法，以提高它们在实体瘤中的效力。 

今年，美国食品和药物管理局还批准了首个针对 LAG-3 的疗法，这是一个免疫检查点，可以负向调节 T 细胞的功能。早在几年前，FDA 曾批准首个针对 PD-1 和 CTLA-4 的免疫检查点疗法，因此第三个免疫检查点的批准意义重大。此外，陆续有一些与 PD-1 相关的临床试验结果令人兴奋，比如，与错配修复缺陷型局部晚期直肠癌相关的实验结果。总的来说，检查点领域仍然取得了很多进展，而且我预计未来几年将会有更多进展。”

• Emily Alonzo 博士，抗体发现、免疫学和免疫肿瘤学部门主任

靶向蛋白质降解以治疗以前“不可药化”的靶标 

“靶向蛋白质降解 (TPD) 是我们正在关注并感到兴奋的一个领域。TPD 是一种潜在的治疗策略，它利用一类新型药物，旨在利用现有的蛋白质降解通路来选择性地破坏致病蛋白质。它有可能靶向以前被认为不可药用的致病蛋白，从而可以扩展到小分子抑制剂之外。例如，KRAS 的突变与大约 25% 的癌症有关，使用 TPD，KRAS 可能不再被视为不可治疗的致癌基因。 

然而，我们仍处于 TPD 的最初阶段，需要新的突破才能实现安全有效的临床治疗。看看这项新兴技术如何让研究人员克服先前方法的缺陷，并摆脱束缚的思维以之前不可能的全新方式来治疗疾病，这将是一件很有趣的事情。”

• Antony Wood 博士，产品设计和战略部门高级总监

单细胞测序、人工智能和深度学习 

单细胞空间已经彻底改变了我们今天的生物学，如果不进行单细胞实验，实验结果几乎不可能在主要期刊上进行发表。虽然单细胞 RNA 测序 (scRNA-seq) 主导了当前的研究，但我相信，随着对单细胞蛋白质组学 (SCP) 的更多关注，我们将看到这一空间会继续得以发展，因为各种疾病状态的关注点都是蛋白质活性水平。虽然单细胞蛋白质组学实际上尚未得到广泛应用，但更高的分辨率和更高的灵敏度将使单细胞研究超越核酸，并提供对蛋白质组学动力学的更深入理解和表征，特别是与定量分析相结合时。

这与人工智能和深度学习 (DL) 的进步密切相关。这些计算工具正在重新定义我们分析大规模数据集的能力，提供了一种将以下内容背景化的方法：我们发现的关于个体患者的潜在遗传学、表观遗传学、表观转录组学和蛋白质组学构成。现在不仅可以应用 DL 来预测患者是否会对某种药物产生反应并优化剂量，还可以开发个性化治疗。随着癌症疫苗的复兴，我们开始看到这一点。一种最初有希望的治疗方法在 2010 年代消失了，COVID-19 疫情导致的大量 mRNA 研究与下一代测序分析相结合，使研究人员能够预测、设计和创造针对患者特定肿瘤的个性化新抗原疫苗。

由于这些创新，“从实验研究工作到临床再到实验室”的范式比以前更有意义。随着研究人员对个体患者的情况有了更好的了解，我们对疾病的异质性和疾病机制的变化有了更清晰的认识。通过调整疗法或设计新疗法，研究人员不仅可以创造出更有可能对所研究的个体患者有效的个性化疗法，而且通过针对疾病的新机制，对于具有相似蛋白质组学、表观遗传学和表观转录组学特征的其他患者，我们有可能解锁一种可能有效的新治疗机制。 

• Roby Polakiewicz，博士，首席科学官 

2023 年及以后的生物技术创新 

各种技术进步的顶峰达到了一个转折点 — 各个部分都到位了，新的研究途径开辟了。在 21 世纪初，CRISPR 的发现见证了这一点，可以说我们处于另一个顶峰的重要时刻。计算的发展使我们能够理解从空间生物学和单细胞组学等新技术和精细化技术收集的大量数据。

毫无疑问，生物技术领域取得了很多进展，无法在这里一一详述。话虽如此，这些主题总结了一些我们预计在未来几年将继续发展和壮大的关键领域。 

您关注哪些趋势和技术？