按发布时间查看该博主的全部资讯要点
📰 核心观点 多数专家认为，若含苯并芘超标油品比例低于20%，下游业者无需全面下架产品。针对检验单标示方式，存在“显示真实数值”与“标示未检出”的争议。 ⚖️ 关键事实/论据 标准差异：台湾标准为苯并芘浓度低于1.2（即2ppb，相当于每公斤含2微克）；中联油品实测浓度约1.8（即8ppb，相当于每公斤含8微克）。 监管策略：参考国人膳食摄取量及食用量少之特性，监管单位采取“检出值小于标准值即标示未检出”的做法。此举虽提升消费者观感，但被指有掩耳盗铃之嫌。 💡 结论 目前争议焦点在于检验单应如实列出低于标准值的数字，还是直接标示“未检出”以令消费者安心购买。专家倾向于在超标油品占比20%以下时维持现状，而非强制全面下架。
🧬 核心观点 台湾微体（TLC）开发的 in vivo CAR-T 技术旨在通过注射药物直接刺激患者体内细胞产生自体免疫反应，从而简化传统 CAR-T 治疗流程并降低成本。 相比传统体外基因编辑，in vivo CAR-T 将治疗过程从“手工业”转向“工业化”量产，有望实现更广泛的普及。 利用脂质纳米颗粒（LNP）包裹 mRNA 或 DNA，并在表面结合单株抗体，可实现高达 97% 的精准靶向，降低脱靶风险。 人工智能（AI）在抗体筛选、序列设计及临床数据整合（Twin Data）中发挥关键作用，显著缩短药物开发周期并预测疗效。 📊 关键事实/论据 传统 CAR-T 痛点：需抽取患者血液进行体外基因工程改造，耗时约 3-4 周，且因需无菌独立操作，费用极高。 载体技术突破：早期 mRNA 疫苗（如 Moderna、BNT）需 -20°C 或 -80°C 冷链运输，稳定性不足；TLC 致力于将载体设计优化至 2-8°C（冰箱温度）甚至 25°C（常温冻干），符合常规药物标准。 精准靶向机制：在 LNP 表面添加单株抗体，使其能识别特定细胞，如同“爱国者导弹加装雷达”，确保药物在正确位置释放，避免误伤其他组织。 AI 应用：利用 AI（如 AlphaFold 相关技术）预测抗体或 mRNA 结构，加速实验筛选；结合历史与公共数据（Twin Data）辅助临床试验设计，弥补样本量不足（如三期临床仅数百人 vs 未来数亿潜在用户）。 行业动向：近期 MVG 以近 21 亿美金收购 CAPSTEN，显示大药厂对 in vivo CAR-T 平台技术的重视；TLC 强调其具备将科学突破转化为工业化、商业化产品的能力。 💡 结论 in vivo CAR-T 通过体内直接诱导免疫反应，解决了传统疗法耗时长、成本高的问题，是癌症治疗的重要发展方向。 结合 LNP 载体优化与 AI 辅助设计，该技术不仅提升了安全性与精准度，还大幅缩短了研发时间。 随着工业化量产能力的建立及行业并购潮，in vivo CAR-T 有望从高端小众治疗走向更普及的临床应用。
已显示 2 / 2 篇
