本文来自微信公众号： RNAScript ，编辑：RNAScript，作者：clara，原文标题：《被刷屏的“GPT 手搓 mRNA 肿瘤疫苗”：神话、真相与边界》
在生成式AI浪潮席卷全球的背景下，人们已经习惯了ChatGPT撰写文案、编写代码或是辅助考试，但当一个非医学背景的普通人，试图利用聊天框里的指令去挑战人类现代医学的最深处——癌症免疫疗法时，这听起来更像是一部充满狂想色彩的赛博朋克小说。
然而，就在最近，社交媒体上流传的一段真实经历彻底打破了技术与生命的边界。2024年底，一只名叫Rosie（罗西）的救援犬被宣判了“死刑”。它患上了犬类中最常见的恶性皮肤癌——肥大细胞瘤（Mast Cell Tumor），且病情已进入晚期。在传统医疗手段悉数失效后，它的主人Paul Conyngham（一位拥有17年经验的机器学习专家）开启了一场跨越生物学与信息学的自救。作为机器学习专家，他将临床困境抽象为高维数据检索问题，并利用GPT-4结合AlphaFold构建了一个定制化的生物信息学管线，随后通过复杂的提示词工程，使AI在数以万计的基因突变中识别出具有高免疫原性的新抗原（Neoantigens），并与新南威尔士大学（UNSW）合作，将AI结果转化为mRNA疫苗。治疗后，Rosie原本直径显著的恶性肿块在注射定制疫苗后，体积迅速回缩超过75%，并伴随免疫微环境的显著改善。这标志着AI辅助的个性化医疗正从理论研究下沉至具备极高执行力的个体实践。
长期以来，疫苗研发都是动辄耗资数亿美元、耗时十年的“巨头游戏”。然而，Paul的举动打破了这种叙事。一个没有生物学背景、没有实验室编制的普通人（虽然是技术专家），通过与AI聊天、调取开源数据库，仅花费了约3000澳元进行基因组测序，便据此完成了一项制药巨头的核心工作。且从从获取测序数据到最终设计出疫苗序列，过程被极度压缩。这种“分布式研发”展现了一种前所未有的医疗平权潜力。OpenAI总裁Greg Brockman、谷歌DeepMind CEO Demis Hassabis纷纷在个人社交账号上公开转发并爆赞这一案例，认为这是人类进入“平权医疗时代”的里程碑。
然而，在一众大佬的“爆赞”与社交媒体的热议背后，冷峻的科学理性却必须提出一组不容忽视的诘问：如果拯救生命的门槛真的降到了三千澳元与几个提示词，那么价值数千亿的现代制药工业是否已沦为冗余？这种在兽医伦理边缘试探的“草根实验”，究竟是医疗平权的黎明，还是一场因个案幸运而掩盖了巨大风险的赛博豪赌？
过度神话？拨开“赛博制药”的本质
从专业视角看，本新闻本质上是一次极具执行力的个性化新抗原（Neoantigen）疫苗研发实验。Rosie所患的是肥大细胞瘤，而非某些新闻误传的血管肉瘤。该研究的技术路线清晰地划分为三个关键节点：
首先是基因组测序，他在新南威尔士大学（UNSW）的Ramaciotti基因组中心支付了3000澳元，完成了肿瘤组织与健康血细胞的DNA测序对比；
其次是抗原筛选，这是AI发挥核心作用的环节。他利用ChatGPT辅助处理海量突变数据，识别出最具免疫原性的新抗原，并借助AlphaFold模拟蛋白质折叠，验证这些突变蛋白与免疫受体的结合能力。
最后是工业转化，这也是大众媒体最容易忽略的一点——疫苗并非他在电脑前“搓”出来的，而是由UNSW RNA研究所的Páll Thordarson团队根据他提供的mRNA序列，在专业实验室中合成了真实的mRNA疫苗。
什么是个性化新抗原（Neoantigen）疫苗
传统的mRNA研究（如辉瑞或Moderna的新冠疫苗）是标准化产品，针对的是病毒共有的蛋白质。而Paul挑战的是更高难度的个性化新抗原疫苗。
精准定位：癌症疫苗必须识别健康细胞和肿瘤细胞之间的微小差异。Paul通过比对Rosie的健康DNA与肿瘤DNA，利用AI筛选出那些仅存在于肿瘤表面的“错误蛋白”，即新抗原。
AI的角色进化：以往AI仅用于实验室的数据处理，而在此次案例中，ChatGPT充当了“总架构师”。它帮助Paul规划了分析路线，建议了测序机构，甚至在筛选抗原、预测蛋白质折叠（借助AlphaFold）时给出了关键指令。
计算与合成的分离：区别于传统的“重资产”模式，Paul负责计算（比特），而具体的物理合成（原子）则交给了新南威尔士大学（UNSW）的RNA研究所。这种“设计在云端，制造在本地”的模式，是mRNA平台化优势的极致体现。
图|保罗使用AI寻找疗法的过程（来源：Paul Conyngham）
事实核查：哪些内容被社交媒体过度“神话”了？
在Sam Altman转发推波助澜后，一些叙事开始偏离科学。
首先，“AI独立发明了疫苗”是一个巨大的误导。ChatGPT在此过程中扮演的是“超级科研助理”的角色，它极大地降低了生物信息学工具（如分析测序文件的管道软件）的使用门槛。Paul本身具备17年的机器学习背景，他知道如何给AI下达精准的逻辑指令，这是普通用户难以企及的“提示工程”壁垒。
其次，关于“治愈”的定义需极其谨慎。临床数据显示，Rosie腿部的肿瘤在第一针注射后一个月内缩小了75%，甚至在局部观测中缩小了一半以上。但这目前属于“单犬个案”，缺乏对照组实验。在肿瘤免疫学中，单体响应并不等同于药物有效性，更不代表癌症被根除。事实上，Paul在随后的更新中提到，Rosie身上仍有其他未完全消退的肿块，他正在研发“第二代疫苗”以应对可能的免疫逃逸。
图|罗西的病情变化（来源：Paul Conyngham）
此外，成本与准入门槛被低估了。3000澳元的测序费用仅仅是冰山一角。这种个性化定制在人类临床试验中通常耗时数月、耗资数十万美元。此次奇迹的达成，很大程度上得益于澳洲科研机构的快速响应，以及兽医伦理审批（由昆士兰大学Rachel Allavena教授协助）相对于人类临床实验的巨大灵活性。
因此，虽然Rosie的成功让许多家属看到了希望，但从科学角度看，“动物实验成功”与“临床应用”之间依然隔着太平洋。
个性化mRNA疫苗再受认可
尽管如此，本次事件对mRNA疫苗行业仍然具有显著的启示意义。它验证了个性化癌症疫苗（PCV）在极短时间内完成“序列到药物”转化的可行性：
数据确证：传统的候选药物筛选可能需要数月，而Paul利用AI工具在短短几周内完成了10到20个高优先级目标肽段的锁定。
平台化优势：本案例再次证明了mRNA技术的本质是“信息药物”。只要有了序列信息，LNP（脂质纳米颗粒）包裹技术可以像打印文档一样快速生产出针对性的疫苗。
平权化的先兆：此次事件标志着“计算辅助药物设计”正从精英实验室走向具备数据处理能力的个体。虽然监管壁垒依然存在，但技术壁垒正在坍塌。
mRNA个性化疫苗现状：
谁在制约“人人皆可定制”？
目前，AI与mRNA的结合正处于爆发前夜。AI已经能够优化mRNA的稳定性和翻译效率（如LinearDesign工具），并预测抗原的免疫原性。然而，AI+mRNA个性化疫苗真正的制约点不在算法，而在以下几个方面：
高质量数据的匮乏：虽然AI算力溢出，但人类免疫系统与肿瘤互动的真实生物学数据依然稀缺。AI的预测往往是“黑盒”，需要大量昂贵的实验去验证。
LNP递送技术的瓶颈：设计序列很容易，但如何确保这些mRNA精准地进入免疫细胞而非在血液中降解，目前仍依赖于受专利保护的脂质纳米颗粒（LNP）技术。
新抗原预测的准确性：现有算法在预测哪些突变肽段能真正激活T细胞应答时，精准度还不够高，这也是为什么在Rosie案例中，第一代疫苗对一处较大的病灶几乎没有反应——靶点选择本身就存在一定的"漏网"概率。
与免疫检查点抑制剂的组合依赖：同样值得关注。mRNA-4157迄今最亮眼的数据，都来自与帕博利珠单抗的联合方案。单独使用时，疫苗的效果如何，尚没有足够有力的数据支撑。肿瘤微环境里的免疫抑制机制能否被克服，很可能并非疫苗本身就能解决。
长期安全性的确认周期不可压缩：细胞与基因治疗研究员Patrick Heizer明确指出，监管机构要求五年乃至更长时间的随访数据，这在生命周期较短的实验动物上根本无法完成，而Rosie这个案例至今仅有数月观察窗口。
工业化生产的成本：尽管Paul的案例看起来便宜，但现有的无菌生产设施和质量控制流程依然极其昂贵且缓慢，每位患者的个性化疫苗制造成本目前约在10万至30万美元之间，部分来源估计甚至更高。Rosie的案例里，若把测序、实验室合成等完整费用计入，实际成本在2万至5万美元之间，而非媒体频繁引用的3000澳元（仅为测序费用）。如何在保证个性化的前提下实现规模化降本，是整个行业待解的核心命题。
Rosie的故事不是医学的终点，而是一个极其强烈的信号：当AI赋予个体处理复杂生命密码的能力时，人类离“个性化医疗”的距离，可能只剩下一个勇敢的指令。
总结：通往“人人皆可定制”的漫长征途
读：它是一次对个性化mRNA癌症疫苗技术路线的民间验证，证明了这套流程在小动物端的可行性，以及AI工具能够在多大程度上降低专业技术的操作门槛。
但它并没有改变这个领域的核心时间线，也没有突破制药流程最关键的安全验证和监管壁垒。真正的突破仍在以Moderna、BioNTech为代表的大型机构手中按步骤推进——那里有随机对照设计、有统计学意义的样本量、有GMP生产标准，以及监管机构要求的完整安全数据包。
首个人类个性化mRNA癌症疫苗的上市审批，预计最快在2026至2027年前后落地。这已经是相当快的速度，快到足以让整个行业保持高度兴奋。
但它仍然需要完整地走完剩下的路。一只狗的肿瘤缩了75%，是个动人的开始；而不是终点。