生物数据的印刷机
摘要
Iku Bio 在印刷电路板上打造出一款仅 8 美元的微流控生物反应器,可替代 2 万美元的系统,实现细胞培养基优化的自动化与大规模并行化,用于生物制品制造。
暂无内容
查看缓存全文
缓存时间:
2026/04/22 04:07
# 生物数据的印刷机(Sterling Hooten)
来源:https://www.owlposting.com/p/the-printing-press-for-biological
1. 引言(https://www.owlposting.com/i/194744822/introduction)
2. 时间戳(https://www.owlposting.com/i/194744822/timestamps)
3. 全文(https://www.owlposting.com/i/194744822/transcript)
在 YouTube(https://youtu.be/-rlJDGC2eC8)、Apple Podcasts(https://podcasts.apple.com/us/podcast/owl-posting/id1758545538?i=1000762410502)或 Spotify(https://open.spotify.com/episode/1OtuQYwNhRhVSwHiHxPrmV?si=M8i79rHPQ9uUZxYGh6TH7w)收听。
在生命科学各种奇怪领域写了大量长文后,我愈发确信自己是个“万事通,万事松”。但偶尔会遇到一个人,随口就揭开一整片你从未想过的子领域。几个月前我在电梯里碰到 Sterling,出电梯时聊得太过瘾,干脆在大堂站了一个小时,我连环追问。
Sterling 的公司叫 **Iku Bio**。表面上做的事极简单:帮生物药厂“喂细胞”——也就是培养基优化。这活儿如今土得惊人:工程师在台式生物反应器(大小跟一瓶 Fiji 水差不多)里跑三五组实验,等几天拿到分析结果,再重复,可能总共也就三四轮,时间到了就停。
他的解法是把**印刷电路板(PCB)**——你手机和微波炉里那种绿色薄片——直接当**微流控生物反应器**的基底。PCB 用光刻制造,复杂度白送;又已在全球量产 60 年,成本被压到极限;天生设计来跑电信号,于是传感器可以一次性做进去,而不是事后硬塞。
结果是:一条实验通道 8 美元,而市面上最接近的微流控系统要 2 万美元。而且后面还能再降。
本期聊透全栈:培养基到底是啥、为何远非“糖水”,生物药制造为何更像半导体厂而非化学实验室,Sterling 怎么想到用 PCB,以及最后他为何说很多实验室自动化“*从哲学上讲是犯罪*”。
---
\[00:00:48\] 开场
\[00:01:26\] Iku Bio 是什么?
\[00:05:00\] 培养基优化:最大杠杆
\[00:06:23\] 培养基到底是个啥?
\[00:13:07\] 胎牛血清与合成培养基
\[00:15:10\] 培养基优化流程走一遍
\[00:18:49\] 生物药制作为何更像半导体
\[00:21:50\] 匹配三期批次与仿制药
\[00:24:12\] 200 维搜索空间
\[00:37:02\] 把 PCB 当微流控基底,光刻的威力
\[00:40:48\] Iku 设备解剖
\[00:57:09\] 现在板子上都有啥传感器?
\[01:01:36\] 怎么用 Iku 做培养基优化?
\[01:14:44\] 放大生产后优化还管用吗?
\[01:24:32\] 8 美元 vs 2 万美元:经济学
\[01:32:05\] 十年前为何没有 PCB 微流控
\[01:39:24\] 客户是谁?
\[01:43:14\] Iku 的终局目标
\[01:49:07\] 验证证据得长啥样?
\[01:52:14\] 如果白拿 1 亿美元会干嘛?
\[01:57:31\] 实验室自动化的怪现状
**Abhi:**今天嘉宾是 Sterling Hooten。他是 Iku Bio 创始人,正在做一款基于印刷电路板的微流控生物反应器,可实时培养、传感并流式输出生物数据,号称实验通量高 1 万倍,成本低 100 倍。这是我播客里聊过最冷门的湿实验自动化方向,要不是几个月前活动上偶遇,我根本不会知道。Sterling,欢迎。
**Sterling:**谢谢邀请,我是你长文铁粉。
**Abhi:**客气了。我介绍得肯定过度简化了,你用自己话讲讲 Iku 到底干啥,为啥值钱?
**Sterling:**21 世纪最大难题——医疗、气候、新材料——都靠我们操控生命的能力。可眼下用来“对话”生物的工具太原始:生物是时变的、并行的、敏感的,而传统工具至少毁掉其中一条。AI 想跟生物结合,接口却断了。今天的自动化还停留在培养皿和 96 孔板,就像 15 世纪手抄书。我们在造“生物数据的印刷机”,把接口重做:用 PCB 取代传统微流控,把流体和细胞做进去,还能高密度读写。最大落地场景是生物药制造——5000 亿美元市场,产能卡脖子。三星生物每年砸 4 亿美元建新厂,就因为老厂提不动。最大杠杆是“得率”:每升能产多少、稳不稳,核心就是你能跑多少组动态细胞实验——也就是培养基优化。于是这一个小问题连到半个万亿产业。
**Abhi:**换句话说,如果我想把抗体产能翻十倍,最省力、最划算的就是先搞培养基优化?
**Sterling:**最划算。十倍难,但“单位时间多产一点、稳一点”就能让整个厂吞吐上去,且药越稳越安全。
**Abhi:**我想象中就是一大罐 CHO 细胞泡培养基里不停吐抗体,Iku 负责决定往罐里倒啥培养基,这么说对不?
**Sterling:**对。
**Abhi:**我没蹲过湿 lab,一直把培养基当“糖水”,听说错了,听你正名。
**Sterling:**说酵母糖水还行。更牛的角度:培养基是**高维控制面**。细胞靠它通讯、吃营养。哺乳动物培养基接近血清,含蛋白、代谢物、盐、缓冲剂、镁离子……上百种组分,还分时:先长细胞,再产药。每换细胞系或产品,都得重调。复杂且关键,值得猛挖。
**Abhi:**有公司说重设计细胞系让它更会产药,那培养基也得跟着改?
**Sterling:**药越来越复杂,培养基优化更难。通常细胞系+培养基打包卖,好重复、好做生意。你拿现成生长基,再微调适配,毕竟最终产率是细胞系×培养基×工艺×目标分子的函数。
**Abhi:**你说培养基既是营养也是细胞聊天频道?我没想到罐里细胞还边产抗体边群聊,它们聊啥?
**Sterling:**拿人体打比方,激素、信号分子放血里广播,培养基就是“血”。
**Abhi:**不同细胞周期给不同培养基,人体也会按需调血清?
**Sterling:**对,梯度诱导分化、定向发育,本质都是换“培养基”。
**Abhi:**那我直接抄人类血清给哺乳动物细胞用不行吗?是做不到还是我们不懂血清?
**Sterling:**先问原料哪来?再说历史路径:我们用胎牛血清(FBS)。它变异大、不能高温灭菌、可能带朊病毒,行业已转向合成组分,降变异、可调、安全。
**Abhi:**合成血清现在比 FBS 好,还是只是“够用且好搞”?
**Sterling:**更好,且可微调。
**Abhi:**具体点,培养基优化工程师咋干活?我有 CHO 板子,想产 Keytruda,细胞已编辑好,下一步?
**Sterling:**先猜后验。解冻细胞,小扩,一次挑四五株不确定谁最强。96 孔板初筛,看哪株搭哪基,再换控制更强的台式反应器,因为孔板跟大罐差距太大——
相似文章
X AI KOLs Following
Abinitio Bio 推出用于生物制造的基础模型,可将6-18个月的工艺决策转变为数小时的计算,为制药公司每月节省超过1亿美元的重磅药物延迟成本。其首个模型 Echo 能比标准模型更准确地预测制造结果。
X AI KOLs Timeline
一个生物云实验室允许通过API在几分钟内运行实验,无需昂贵的自动化工程师和漫长的设置时间,使独立创始人能够快速进行数千次药物筛选。
OpenAI Blog
GPT-5通过与Ginkgo Bioworks的云端实验室进行闭环实验,展示了无细胞蛋白质合成(CFPS)成本降低40%的效果。该实验测试了超过36,000种独特的反应组成,并仅通过三轮优化就实现了新颖且稳健的配方。
Product Hunt
<p> 面向生物制造企业的人工智能 </p> <p> <a href="https://www.producthunt.com/products/tetractys?utm_campaign=producthunt-atom-posts-feed&utm_medium=rss-feed&utm_source=producthunt-atom-posts-feed">讨论</a> | <a href="https://www.producthunt.com/r/p/1124830?app_id=339">链接</a> </p>
arXiv cs.AI
Bioinfoysis 是一个用于生物信息学的多代理框架,它使用持久化运行和基于工件的执行,在像 BixBench 和 LAB-Bench 2 这样的基准测试中实现最先进的准确性。