《麻省理工新材料评论》发布2020全球十大突破性技术，抗衰老药、个性化药物入选

自 2001 年起，《麻省理工科技评论》每年才会评出出当年的“获选为非常进一步核心技术”。2月底27日，2020年“获选为非常进一步核心技术”名单如期而至。此次前十名寻找的是那些真正改变生活和工作模式的突破。

获选2020年“获选为非常进一步核心技术”的仅限于不会入侵的互联网（Unhackable internet）、超既有抑制剂（Hyper-personalized medicine）、二进制货币政策（Digital money）、抗凋亡小儿（Anti-aging drugs）、人脑发现原子（AI-discovered molecules）、超级星座卫星（Satellite mega-constellations）、量子优越性（Quantum supremacy）、微型人脑（Tiny AI）、差异恶意（Differential privacy）、气候变化归因（Climate change attribution）。本文将卫生保健肥胖相关部分顺利完成载入。

获选为非常进一步核心技术之卫生保健肥胖篇

超既有抑制剂（Hyper-personalized medicine）

层面：为单个病患量身自定义的遗传物质抑制剂，给在此之后不会病人者疟疾的人带来了借此。

主要学术研究者：T Children’s Project、Boston Children’s Hospital、Ionis Pharmaceuticals、FDA

球根：如今

由特定DNA错误导致的极其常见的疟疾病患，如今有了一线生机——遗传物质复建。这归功于可以根据个体遗传物质量身自定义的全新抑制剂。

Mila Makovec就是这样的一个“幸运儿”。她抑郁症一种由独特的遗传物质突变引起的致命性疟疾。2019年10月底，她的病例被登载在《波士顿Journal》(New England Journal of Medicine)上，当时护士们对她的遗传物质缺陷顺利完成了解读，并为她量身自定义了抑制剂。他们还用她的名字给这种小儿命叫做milasen。

虽然Mila目前为止还未被病人者，但之中风已经有利于了：癫痫发作减少了，可以在别人的鼓励下站立和行走。

该病人原理之所以能实现，就是因为天时地利人和——整合一种全原先遗传物质抑制剂从未如此之快，也起码非常高的机会。新抑制剂可能实施遗传物质替代、遗传物质编辑或所谓碱基（Mila所接受的多种类型）的型式，所谓碱基十分相似一种原子读取剂，用于读取或复建错误的遗传信息。这些病人法的值得注意在于，它们能以二进制化的模式和速度被演算，纠正复建遗传疟疾。

像Mila这样的幸运儿还有多少？到目前为止为止，虽然还只有少量。但未来会可期。

当然，针对单一病患的“多对一”病人法也陷入着挑战。因为它们与现行的抑制剂整合、的测试和销售的原理都相悖。当这些抑制剂只鼓励一个人的时候，却必须大型团队来内部设计和制造，谁来为它们买单？

抗凋亡小儿（Anti-aging drugs）

层面：可以通过延缓凋亡来病人许多相异的疟疾（仅限于乳癌、肺结核和脑癌）。

主要学术研究者：Unity Biotechnology、Alkahest、Mayo诊所、Oisín生物核心技术、Siwa Therapeutics

球根： 5年内

2019年1月底4日，来自美国的一个科学界该小组在《大英百科全书》子刊EbioMedicine杂志上首次发表了用抗凋亡类抑制剂——Senolytics病人人类一种与平均年龄相关的致命疟疾的积极结果。

Senolytics通过去掉随着平均年龄增长而依靠的“凋亡”细胞而起作用。这些“凋亡”细胞，可以激发长时间的炎症催化，抑制正常的细胞复建选择性，并让邻近细胞身处有毒的环境。

2019年6月底，总部位于旧金山的Unity Biotechnology报告了对轻度至重度膝盖骨皮肤病病患的初步结果。预计将在2020年下半年出炉非常大临床学术研究的结果。该母公司还在整合类似抑制剂，以病人与平均年龄有关的眼部和肺部疟疾等。

Senolytics以及许多其他有针对性的病人法正在人体内试验之中，这些原理针对的就是凋亡和各种疟疾的根源所在的生物进程。

公司总部叫做Alkahest的母公司向病患注入年轻人血液之中发现的成分，并表示借此阻止抑郁症轻度至之中度阿尔茨海默高氏病病患的感知和功能性下降。该母公司的帕金森高氏症和脑癌抑制剂也在人体内试验之中。

2019年12月底，德雷克塞尔该大学附属医院的学术研究管理人员甚至想要学术研究一种所含免疫抑制抑制剂谷胱甘肽类药物的面霜是否可以加速 人体内皮肤的凋亡。

所有这些学术研究都反映出学术研究管理人员正在不断努力，以了解与凋亡相关的许多疟疾（例如肺结核、皮肤病、乳癌和脑癌），期望可以通过“破解”来延迟其发作。

人脑发现原子（AI-discovered molecules）

层面：一种新小儿市场化大约必须花费约25亿美元。诱因之一是难以看到有借此成为抑制剂的原子。

主要学术研究者：Insilico Medicine、Kebotix、Atomwise、西雅图该大学、BenevolentAI、Vector Institute

球根：3-5年

据学术研究管理人员估计，上半年转化为挽救生命的抑制剂的原子量约为1060 ，这比太阳系之中所有原子的量还要多。

如今，机器学习辅助工具可以利用信息来探索现有原子及其特性的大型数据库，从而激发原先可能性。这样可以非常快、非常廉价地发现原先候选抑制剂。

2019年9月底，香港Insilico Medicine和西雅图该大学的一个大学术研究管理人员通过合成AI算法看到的几种候选抑制剂，证明该策略的有效性。学术研究管理人员使用十分相似广度学习和生成模型的核心技术，确定了大约30，000种不具备理想特性的新颖原子。他们从之中自由选择了6个顺利完成合成和的测试。其之中一项在动物科学实验之中证明很有吸引力。

从事抑制剂发现的物理化学经常去蓝图一种新原子，如今，这些科学界有了原先辅助工具来扩大他们的想象力。