All Posts

前言：領導力，不只是方向，而是意義 在前幾篇文章中，我談到了日常領導力、自我覺察，以及人格特質。 但在這些之上，還有一個更關鍵的層次，決定了一個人是否只是「能帶人做事」，還是真正能「帶人走得遠」： 👉 是否能賦予事情意義。 大多數領導者可以分配任務。有些領導者可以制定策略。 但只有少數人，能讓團隊真正相信他們正在做的事情。 這正是 Simon Sinek 提出的 Golden Circle Theory 的價值所在—— 它不只是溝通技巧，而是一種領導的思考框架（leadership operating system）。 Golden Circle Leadership：一個簡單但改變本質的模型 Golden Circle 分成三層： Why（為什麼）：目的、信念、存在的理由 How（怎麼做）：方法、策略、執行方式 What（做什麼）：產品、結果、產出 大多數組織與領導者的溝通方式是： What → How → Why（由外而內） 但真正有影響力的領導者，則是反過來： Why → How → What（由內而外） 這看起來只是順序上的差異。 但本

前言：治療，第一次不只是控制血糖 長期以來，第一型糖尿病（Type 1 Diabetes, T1D）的治療其實很單純。 身體無法製造 insulin，我們就補充 insulin。 這個方法有效，但如果再往下問一層，很快會發現一件事： 我們並沒有真正改變疾病本身。 問題不只是 insulin 不夠，而是免疫系統正在持續破壞 β 細胞。 因此，一個新的問題開始出現： 我們能不能改變 Type 1 Diabetes 的疾病進程？ Tzield（teplizumab）就是在這個問題下誕生的。 一、Tzield 是什麼？（Teplizumab for Type 1 Diabetes overview） Tzield（teplizumab）是一種： anti-CD3 monoclonal antibody 與傳統治療不同，它的目標不是 β 細胞，而是免疫系統本身。 用一個直覺理解 如果第一型糖尿病的問題是： 免疫系統攻擊 β 細胞 那 Tzield 做的事情是： 讓免疫系統降低攻擊強度 不是關閉免疫系統，而是調整它的狀態。 二、為什麼這是一個重要轉變...

前言：這不是一個「突然發生」的疾病 大多數人對第一型糖尿病（Type 1 Diabetes, T1D）的理解是某一天發病，然後開始依賴 insulin。 但從生物學的角度來看，這個疾病更像是一個長時間累積的過程，可能持續數年，甚至更久。 這背後的核心，其實是 Type 1 Diabetes autoimmune mechanism 的逐步失衡。 問題從來不是單純的血糖，而是免疫系統在什麼時候開始做出錯誤的判斷。 一、先用一個直覺理解：免疫系統出錯了(Type 1 Diabetes autoimmune mechanism) 可以把免疫系統想成一個安全系統。 它的任務是辨識自己（self）與外來（non-self），並對外來威脅做出反應。 在正常情況下，它會攻擊病毒，同時保護身體自己的細胞。 但在第一型糖尿病中，這個系統開始出現誤判。 它把本來應該被保護的 β 細胞，當成需要被清除的目標。 這就是 Type 1 Diabetes autoimmune mechanism 的起點。 二、為什麼會誤判？三個關鍵因素 這個錯誤不是單一事件，而是多個因素逐

前言：問題從來就不只是血糖 如果你真的接觸過第一型糖尿病（T1D），很快就會發現一件事： 「血糖失控」只是最後的結果 真正的問題，是更深層的系統錯誤—— 免疫系統開始攻擊自己 這也是為什麼，過去 100 年我們雖然能用 insulin 控制疾病，卻始終沒有真正「解決」它。 一、第一型糖尿病是什麼？（Type 1 Diabetes overview） 第一型糖尿病本質上是一種自體免疫疾病。 免疫系統中的 T 細胞錯誤地辨識胰臟中的 β 細胞（負責分泌 insulin），並持續將其破壞，最終導致： insulin 無法分泌 血糖失控 必須終身依賴外源性 insulin 所以真正的問題不是「insulin 不夠 而是「製造 insulin 的細胞被消滅了」 二、第一型糖尿病的原因：基因 × 環境 × 免疫失衡 基因只是風險，不是命運 T1D 與 HLA（human leukocyte antigen）基因高度相關，但： 同卵雙胞胎一致率只有約 30–50% 代表：基因只是背景，真正的 trigger 在環境 環境因素：真正啟動疾病的開關 近年最一致的

Executive Summary B cell protein factory 是一種新型 biologics delivery 模式 透過 HSPC gene editing ，讓 B 細胞長期分泌抗體或治療蛋白 系統具備 可放大（boostable）、可持續（long-term）、可多蛋白（multi-output） 的特性 代表 cell therapy 從「殺細胞」走向「生產蛋白」的轉變 Be Biopharma、Immusoft 等公司已開始布局類似方向 前言：我們是否正在重新定義 biologics？ B cell protein factory 正在成為下一代生技平台中一個非常值得關注的方向。 在過去的 biologics 世界裡，我們習慣的模式是： 設計蛋白或抗體 製造 注射 維持血中濃度 這是一個成熟但本質上仍然是： 👉 外加型藥物（exogenous delivery） 但現在，一個新的思考正在出現： 👉 如果人體可以自己持續生產藥物呢？ 最新研究顯示，透過 HSPC gene editing ，我們可能可以把 B

前言：我們真的開始「理解」生物系統了嗎？ 在過去的生技產業裡，我們其實很少真正「理解」系統。 我們做的更多是： 做實驗 看結果 再調整 這種方式有效，但本質上仍然是 trial-and-error driven science 。 而 Digital Twin in Biotech 的出現，代表一個本質上的轉變： 我們開始嘗試在「實驗之前」，先理解系統。 這不只是效率的提升，而是整個 biotech 產業思維的升級。 What is Digital Twin in Biotech？不只是模型，而是系統 Digital Twin（數位分身）的核心概念是： 一個能夠動態反映真實系統的「虛擬對應體」 在 biopharma 中，它通常包含： 機制模型（mechanistic modeling） AI / machine learning 模型 即時數據（PAT sensors） 多尺度整合（cell → process → patient） 更精確地說，它是一個： 能整合 biological mechanism、process parameters

Executive Summary 抗體藥物偶聯體（Antibody Drug Conjugates, ADCs）已成為近年腫瘤治療與生醫產業中最重要的創新之一。 在過去十年中， antibody drug conjugates 已從早期研究技術，發展為橫跨科學、臨床、製造與市場的整合性系統。 單純從分子設計或臨床療效理解 ADC，已無法完整掌握這個領域。 Antibody drug conjugates 是一個結合 biology、chemistry、engineering 與 strategy 的跨領域系統 本篇《ADC Ultimate Guide》將完整解析： ADC design 與 ADC mechanism ADC clinical development ADC manufacturing（CMC） ADC market 與產業策略 一、什麼是 Antibody Drug Conjugates（ADC）？ Antibody drug conjugates（抗體藥物偶聯體）的核心概念是： 👉 利用抗體將高毒性藥物精準傳遞至腫瘤細

前言：我們是不是一直忽略了最關鍵的東西？ 這幾年 mRNA therapeutics 很熱，從疫苗一路延伸到癌症、基因編輯、蛋白補充。 但如果你有實際做過這一塊，應該都會有一個很直覺的感受： 很多時候，不是你設計不夠好，而是 delivery 上不去。 於是大家開始優化： codon nucleoside modification cap / polyA LNP 配方 這些當然都重要，但本質上都還是在同一個框架裡： 👉 我們把 mRNA 當成一條「序列」在優化 但這篇 Nature Nanotechnology 的工作，某種程度是在提醒我們： mRNA 其實是一個有「形狀」的分子。 一個簡單但很關鍵的想法：把 mRNA 折起來 (mRNA folding) 這篇 paper 提出一個策略： 用金屬離子，把 mRNA「折」起來（MARF） 不是改 sequence，也不是改 lipid，而是： 👉 直接改 mRNA 的三維結構 結果很直接： protein expression 提升最高 7.3 倍 in vivo 表現也同步提升 CRI

Executive Summary 抗體藥物偶聯體（Antibody–Drug Conjugates, ADCs）已從一項創新治療技術，快速發展為生醫產業中最受關注的戰略領域之一。 近年來， ADC market 出現明顯變化： 大量授權（licensing）與併購（M&A）交易 大藥廠積極建立 ADC pipeline 新創公司專注於 ADC platform 技術 這些現象顯示： ADC market 已成為 oncology 領域中最活躍、最具競爭性的產業板塊之一 本篇文章將解析： 為什麼 ADC market 成為產業熱點 大藥廠與新創的策略差異 ADC pipeline 的競爭邏輯 2023–2026 的市場與交易趨勢 未來 ADC 的產業發展方向 一、為什麼 ADC market 成為熱門領域？ 1️⃣ 臨床成功建立市場信心 近年 ADC 的成功案例： Enhertu（trastuzumab deruxtecan） Trodelvy 顯示 ADC 已具備： 強效抗腫瘤能力 可擴展適應症 👉 這些成功案例直接推動 ADC marke

Executive Summary 抗體藥物偶聯體（Antibody–Drug Conjugates, ADCs）不僅在科學與臨床上具有高度潛力，在製造層面也極具挑戰。 與傳統抗體或小分子藥物相比，ADC 的製造涉及： biologics（抗體） highly potent small molecules（payload） 複雜的 conjugation chemistry 因此， ADC manufacturing 與 CMC（Chemistry, Manufacturing, and Controls） 往往成為產品開發中的關鍵瓶頸。 許多 ADC： 科學上合理 臨床上有訊號 卻卡在 scale-up 或品質一致性 本篇文章將解析： ADC 的製造流程 DAR（Drug-to-Antibody Ratio）控制 conjugation engineering scale-up 與 GMP 挑戰 為什麼 CMC 常成為開發瓶頸 一、什麼是 ADC 的 CMC？ CMC（Chemistry, Manufacturing, and...

前言：CAR-T 的下一步，不只是更好，而是更簡單 過去十年，CAR-T therapy 已經證明我們可以用工程化免疫細胞治療癌症。 但真正的瓶頸從來不是 efficacy，而是： 成本太高 製程太慢 病人等不起 傳統 CAR-T 的本質，其實是「個人化細胞製造」。 而現在，一個更根本的問題出現了： 如果 CAR-T 根本不需要製造呢？ 這就是最新臨床研究所揭示的方向： in vivo CAR-T therapy 技術本質：把人體變成 CAR-T 的製造工廠 傳統 CAR-T（ex vivo CAR-T）的流程，本質上是一個「個人化細胞製造」： Leukapheresis（白血球分離） → 從患者體內收集周邊血單核細胞（peripheral blood mononuclear cells, PBMCs），並分離出 T 細胞 Ex vivo gene engineering（體外基因工程） → 通常使用 lentiviral 或 retroviral vector 將 CAR 基因導入 T 細胞 Cell expansion（細胞擴增）...

Executive Summary- ADC clinical development 抗體藥物偶聯體（Antibody–Drug Conjugates, ADCs）在工程與科學層面已取得重大進展，但臨床成功率仍然具有高度不確定性。 許多 ADC： 在 preclinical 模型中表現優異 在早期臨床試驗（Phase I）顯示反應 卻在 Phase II / III 試驗失敗 這代表問題不只是分子設計，而是： ADC clinical development strategy（臨床開發策略） 成功的 ADC 通常同時做到： 正確的劑量與給藥策略 精準的病人選擇（patient selection） 可控的毒性（toxicity profile） 合理的法規與臨床路徑（regulatory strategy） 本篇文章將系統性解析這些關鍵因素。 一、ADC 的臨床失敗通常發生在哪裡？ 很多 ADC 並不是「完全無效」，而是： efficacy 不穩定 toxicity 無法接受 trial 設計無法證明 benefit 常見情境包括： Phase

In Vivo CAR-T 自體免疫療法：在體內重塑免疫系統 前言 CAR-T 療法已徹底改變血液腫瘤治療格局。然而，其拓展至自體免疫疾病的應用，仍受限於高昂成本、製程複雜度，以及難以規模化生產等挑戰。 如今，一種新的典範正在形成： in vivo CAR-T 自體免疫療法 。 不同於將 T 細胞取出體外改造、培養數週後再回輸體內，in vivo 策略是在患者體內直接編程免疫細胞，使人體本身成為製造場域。 對於自體免疫疾病而言——其治療目標是「免疫重置」而非腫瘤清除——這種差異可能具有決定性意義。 什麼是 In Vivo CAR-T？ 傳統（ex vivo）CAR-T 療法流程包括： 白血球分離術（Leukapheresis） 病毒載體基因轉殖 細胞體外擴增 品質控制檢測 回輸患者體內 相較之下， in vivo CAR-T 自體免疫療法 是透過病毒載體或標靶奈米顆粒，將編碼 CAR 的遺傳物質（mRNA 或 DNA）直接送入體內循環中的 T 細胞。 這種概念轉變看似簡單，卻極具顛覆性： 從體外製造細胞 轉向在體內重新編程免疫系統。 這使 CAR

Executive Summary 抗體藥物偶聯體（ADC）在過去十年已成為腫瘤治療的重要藥物類型。 然而，第一代與第二代 ADC 的設計仍然存在限制，例如： 單一 payload 機制 單一 target 分子工程彈性有限 因此，許多研究團隊開始重新思考： 如果 ADC 不只是「抗體＋毒藥」，而是一個可工程化的平台呢？ 這篇文章將介紹 next-generation ADC platforms 的主要方向，包括： dual-payload ADC bispecific ADC payload engineering tumor-selective linker design targeted delivery platforms 這些新策略正在重新定義 ADC 的未來。 一、為什麼需要 Next-Generation ADC？ 早期 ADC 的設計通常比較簡單： 單一 monoclonal antibody 單一 payload 傳統 linker 然而腫瘤生物學的複雜性意味著： tumor heterogeneity adaptive re

前言 在 COVID-19 疫苗成功之後， mRNA 技術迅速成為生醫領域最重要的藥物平台之一 。 透過讓人體細胞暫時表達特定蛋白質，mRNA therapeutics 正被應用於多種醫療領域，例如： 疫苗 癌症免疫治療 蛋白質替代療法 基因編輯（CRISPR delivery） 然而，mRNA 本身極其脆弱。 如果沒有保護機制，mRNA 在體內幾乎會在短時間內被降解。因此所有 mRNA 藥物都依賴一種關鍵技術： Lipid Nanoparticles (LNPs) 。 這些奈米顆粒能夠包覆 RNA，並將其安全地送入細胞。 但這項技術同時帶來了一個巨大的挑戰： mRNA-LNP 的穩定性非常複雜。 近期一項研究系統性分析了不同配方與儲存條件對 mRNA-LNP 長期穩定性的影響，並揭示了影響 RNA 藥物 shelf-life 的關鍵因素。 mRNA- LNP 的基本結構 要理解為什麼 mRNA-LNP stability 如此具有挑戰性，我們需要先了解這種奈米遞送系統的基本組成。 典型的 mRNA-LNP 由四種主要脂質組成： Ioniz

Executive Summary 抗體藥物偶聯體（Antibody–Drug Conjugates, ADCs）在過去十年間已成為腫瘤藥物開發的重要平台。然而，即使是臨床上表現非常成功的 ADC，也很少能長期單獨控制腫瘤。 原因在於腫瘤具有高度適應能力。腫瘤細胞可以透過多種機制逐漸逃避 ADC 的攻擊，例如抗原下降、內吞效率改變、或 DNA repair pathway 的補償。 因此，越來越多研究開始探索 ADC combination therapy ，也就是將 ADC 與其他抗癌策略結合，例如免疫療法、小分子標靶藥物或 DNA repair 抑制劑。 這篇文章將解析： 為什麼單一 ADC 很難長期控制腫瘤 ADC 與免疫療法的機制協同 ADC 與 DNA repair 抑制劑的潛在組合 Multispecific ADC 的未來方向 Combination therapy 的臨床試驗 landscape 理解這些概念，有助於從單一藥物開發轉向 平台級策略設計 。 一、為什麼單一 ADC 很難長期控制腫瘤？ 在前一篇文章中，我們討論了 AD

文章定位 這是 ADC 系列第五篇。 在前幾篇中，我們談了： ADC 系統設計 Linker 與 conjugation Target selection 臨床轉譯與產業價值 這一篇要面對一個更現實的問題： 即使設計合理、臨床成功，為什麼 ADC resistance 仍然不可避免？ Executive Summary ADC resistance 是多機制共同作用的結果。 抗原下降與異質性會降低藥物進入效率。 Internalization 與 lysosomal trafficking 改變會減少 payload 釋放。 ABC transporters 可能將 payload 排出細胞。 DNA damage response 與細胞適應機制降低毒性效果。 下一代 ADC 正透過 dual payload、multispecific 與新機制 payload 來延緩抗藥性。 一、Target Downregulation 與抗原異質性 最直觀的 ADC resistance 機制是： 抗原表現下降 抗原基因變異 腫瘤內部高度異質性 當抗原密

前言 這是 ADC 系列的第四篇文章。 如果前幾篇我們談的是： ADC 是一個整合系統（Series 一） 為什麼 2020 年後 ADC 進入成熟期（Series 二） Linker 與 Conjugation 的工程核心（Series 三） 那麼這一篇將往更上游走一步，回答一個根本問題： ADC target selection：哪些抗原真的適合做 ADC？ 這篇文章寫給沒有 ADC 背景，但希望從第一原理理解「生物學條件如何決定藥物上限」的讀者。 Executive Summary | ADC target selection ADC target selection 是整個專案的第一個、也是最難修正的決策。 高表現抗原不等於適合 ADC，internalization 才是關鍵。 抗原密度、腫瘤異質性與正常組織表現，直接決定療效與毒性風險。 Antigen shedding 可能成為隱性藥物黑洞（antigen sink）。 Multispecific ADC 提供新方向，但同時提高設計門檻。 一、ADC 為什麼不是所有腫瘤標的的萬用解？

前言 為什麼 LNP 領域，一直缺一個「PDB 等級」的資料庫？ 如果你實際參與過 mRNA、siRNA 或 CRISPR 的 lipid nanoparticle（LNP）設計，你很可能有這樣的感覺： 我們其實做了非常多 LNP screening，但這些資料始終無法真正「累積成知識」。 LNP 領域長期存在一個結構性的問題： 資料很多，但高度分散；實驗成功，但難以歸納。 不同研究使用不同配方、不同 readout、不同實驗條件，使得資料難以跨研究比較或重複使用。 與蛋白質工程不同，LNP 設計至今沒有一個像 Protein Data Bank（PDB） 那樣的中央化基礎建設，能夠系統性整理「結構 × 配方 × 功能」之間的關係。這也直接限制了 AI 模型與理性化設計的發展。 LNPDB 是什麼？Lipid Nanoparticle Database 作為公共資料基礎建設 Lipid Nanoparticle Database（LNPDB） https://lnpdb.molcube.com/ LNPDB 是由 MIT（Dr. Daniel

前言 這是 ADC 系列的第三篇文章，寫給 沒有化學或 ADC 工程背景 ，但想真正理解： 為什麼很多 ADC 專案「看起來都合理」，最後卻在臨床或放大製程中失敗？ 本篇將聚焦在 linker 與 conjugation strategy —— 這兩個最常被視為「技術細節」，卻最常成為 結構性失敗來源 的關鍵設計。 Executive Summary 如果你只記得一件事： ADC 的成敗，往往不是輸在抗體或 payload，而是輸在 linker 與偶聯策略。 因為 linker 與 conjugation 決定的不是「藥有多毒」， 而是： 毒藥什麼時候釋放 在哪裡釋放 有多少分子真的能照設計行事 一、為什麼 Linker 是 ADC 最被低估的元件？ 在許多入門介紹中，linker 常被一句話帶過： 「linker 是把抗體和藥物接起來的化學結構。」 但在實際開發中，linker 解決的是一個 極度困難的工程問題 ： 如何讓 ADC 在血液中穩定數天，卻能在癌細胞內準確釋放 payload？ 這意味著 linker 必須同時滿足三個互相衝突的