E250｜mRNA的第二战场：对话英博，拆解Moderna人类首个肿瘤疫苗三期突破

概览

本期围绕 Moderna 与 Merck 合作的个性化新抗原 mRNA 肿瘤疫苗三期积极结果展开，核心问题是：mRNA 技术在新冠疫苗之后，是否真的能进入肿瘤治疗这一“第二战场”。

嘉宾英博博士从自身在核酸药物、Moderna、爱博生物的经历出发，解释了个性化肿瘤疫苗的机制、生产流程、CMC 难度、AI 和自动化的作用，以及为什么这次黑色素瘤三期读出被市场视为重要验证。

节目反复强调，这不是“打一针预防癌症”的疫苗，而是面向已确诊肿瘤患者、尤其是术后患者的治疗性方案。它通过识别患者肿瘤特有的新抗原，训练免疫系统清除残余肿瘤细胞，并与 PD-1 药物形成联用。

结论上，本期对 mRNA 肿瘤疫苗保持乐观但审慎：三期积极结果验证了路线潜力，但完整疗效数据、监管审评、上市和跨瘤种扩展仍需要时间。

分段落总结

[00:00] 节目引子与嘉宾背景

[事实] 主持人先介绍 Moderna 股价在 8 月 19 日因三期积极结果大涨，并将其解读为 mRNA 疫苗首次在三期临床层面验证可用于癌症治疗。

[事实] 本期嘉宾是爱博生物创始人英博博士，他从 2006 年起长期从事核酸药物相关工作，做过小核酸、mRNA 和基因治疗产品。

[事实] 节目将讨论 Moderna 三期结果、个性化癌症疫苗机制、Moderna、BioNTech 和中国公司的技术路线，以及 AI 在其中的作用。

[02:47] Moderna经历与mRNA平台

[事实] 英博博士介绍，Moderna 当年是平台型公司，方向包括肿瘤治疗、罕见病、传染病疫苗和个性化肿瘤疫苗等板块。

[事实] 他在 Moderna 的主要收获是接触到完整的 mRNA 平台，并参与递送和 CMC 相关研发。

[事实] 他认为 Moderna 即使在新冠疫情后也仍然专注于 mRNA 技术路线，并基于平台判断适合进入哪些治疗领域。

[04:21] 回国创业与技术路线选择

[事实] 英博博士回国创办爱博生物时选择只聚焦 mRNA，因为当时国内做 mRNA 的公司相对较少。

[事实] 他曾在小核酸、mRNA 和基因编辑之间做选择，最终认为 mRNA 是介于成熟小核酸和更远期基因编辑之间的一条路线。

[事实] 他判断 mRNA 在传染病疫苗和肿瘤治疗两个方向上，在国内都有巨大的治疗市场。

[08:47] 三期读出为何引发市场反应

[事实] 英博博士认为，华尔街对 Moderna 的新看点不只是传染病疫苗，而是肿瘤疫苗和肿瘤治疗。

[事实] Moderna 的 InterPath001 试验在黑色素瘤术后患者中，将个性化肿瘤疫苗与 PD-1 药物联用，并取得积极读出。

[推测] 市场反应强烈，是因为肿瘤治疗市场和治疗性药物定价空间显著改变了 Moderna 的想象上限。

[11:07] 个性化肿瘤疫苗的长期积累

[事实] 嘉宾强调，个性化肿瘤疫苗不只是科研问题，更是科研、CMC 生产、质量控制和监管共同构成的应用技术挑战。

[事实] 个性化疗法要求为每位患者生产不同产品，对生产工艺和监管质量控制提出很高要求。

[推测] Moderna 十多年投入的价值，不只体现在临床结果，也体现在其搭建了能支撑个性化产品的工艺和监管基础。

[12:17] InterPath001试验设计与意义

[事实] InterPath001 是全球多中心、约 1000 多位患者入组的双盲随机试验。

[事实] 一组接受个性化肿瘤疫苗加 PD-1 药物，另一组仅接受 PD-1 药物，研究对象为术后切除的较晚期黑色素瘤患者。

[事实] 主要终点是无复发生存期，个性化疫苗联用组相较 PD-1 单药达到统计学显著差异。

[推测] 该结果比单纯免疫原性数据更接近临床获益，但最终仍需观察总生存期等更完整数据。

[14:33] PD-1联用的免疫机制

[事实] 嘉宾将 PD-1 称为肿瘤免疫治疗的基石，它通过解除肿瘤对免疫系统的抑制，使免疫系统能够攻击肿瘤细胞。

[事实] 个性化肿瘤疫苗的作用是让免疫系统更好识别肿瘤细胞，PD-1 则帮助解除免疫耐受。

[推测] 两者联用的逻辑是“识别”和“解除抑制”同时发生，因此可能形成一加一大于二的效果。

[15:45] 个性化新抗原疗法的原理

[事实] 传统肿瘤药物常难以区分快速分裂的肿瘤细胞和正常细胞，因此会带来恶心、脱发等副作用。

[事实] 个性化新抗原疫苗针对只在肿瘤上表达的标记物，让机体把肿瘤细胞当作外来目标识别。

[事实] “个性化”意味着一人一药，因为每个人的肿瘤来自自身细胞突变，异质性很高。

[18:28] 从样本到疫苗的生产链条

[事实] 个性化肿瘤疫苗的生产需要先取患者肿瘤组织和正常组织，测序对比后找出可能的新生肿瘤抗原。

[事实] 之后通过算法筛选新抗原，再反向编码成 mRNA，并包裹进 LNP 脂质纳米颗粒，最后经过 QC 后回输或注射给患者。

[事实] 业界认为术后 4 到 6 周是较理想窗口，因为患者需要恢复期，但不能让肿瘤细胞重新快速生长。

[20:00] 时间窗口与自动化必要性

[事实] 测序和新抗原预测可在数天到一周内完成，mRNA 生产通常一天可完成，LNP 包封约一到两天，但 QC 可能需要一到两周。

[事实] 嘉宾认为，真正留给生产的时间并不宽裕，整个流程必须非常紧凑。

[事实] 爱博生物等公司推动自动化，是因为没有自动化就难以在紧凑时间内完成全流程并减少人为瓶颈。

[22:26] 规模化生产与交叉污染控制

[事实] 自动化难点存在于每一步，因为任何人工干预都可能成为瓶颈。

[事实] 嘉宾将生产模式描述为一台台为单个患者生产产品的机器，商业化后需要面对大量患者的及时生产需求。

[事实] 为防止交叉污染，公司需要使用大量一次性设备，并在每位患者产品生产后进行消毒和 QC。

[24:36] 术后患者为何是首要场景

[事实] 嘉宾认为，目前获益最明确的是术后患者，因为肉眼可见肿瘤已被手术清除，疫苗负责帮助免疫系统清除残余微小病灶。

[事实] 如果原发肿瘤仍在，疫苗和 PD-1 调动的免疫攻击会与肿瘤自身的免疫抑制对抗，该场景尚未被完全验证。

[推测] 嘉宾提出未来可能形成“手术刀加个性化肿瘤疫苗加 PD-1”的治疗组合，用手术清除可见肿瘤，用免疫系统追踪不可见残留。

[28:00] 34个新抗原与肿瘤逃逸

[事实] Moderna 方案中提到新抗原数量不超过 34 个，嘉宾解释这与 mRNA 长度、翻译效率、生产挑战和风险收益比有关。

[事实] 早期算法预测能力有限时，多放入一些新抗原可以提高命中概率；即使命中少数新抗原，也可能足以让免疫系统识别肿瘤。

[事实] 覆盖更多新抗原可降低肿瘤通过突变逃逸的概率，但每个抗原对应的免疫反应可能会被分散。

[31:40] 为什么先选黑色素瘤

[事实] 黑色素瘤术后患者可能在三个月到一年内复发，因此适合较快观察无复发生存期读出。

[事实] 嘉宾认为，快速成功或快速失败对科技公司都有价值，最难接受的是等待很久才知道答案。

[推测] 黑色素瘤上的成功更像是对个性化肿瘤疫苗机制的验证，而不只是单个瘤种的商业机会。

[34:14] 标准疗法进步带来的临床挑战

[事实] 不同肿瘤的标准治疗方案差异很大，且许多疗法仍在快速迭代，这会提高肿瘤疫苗证明额外获益的难度。

[事实] 嘉宾认为肿瘤疫苗更适合免疫系统还比较健全的阶段，如果免疫系统已被化疗、放疗或药物严重损伤，疫苗也难以发挥作用。

[事实] 嘉宾纠正了无进展生存期和无复发生存期的区别：术后无复发意味着患者处于没有肿瘤的状态。

[38:23] 现货型与个性化两条路线

[事实] 肿瘤疫苗不是新概念，技术路线包括 DNA、RNA、多肽、病毒载体、DC 等多种形式。

[事实] 现货型疫苗主要针对 EGFR、KRAS 等共享驱动突变，优势是快捷、便捷、成本更低。

[事实] 个性化疫苗优势是更贴合单个患者肿瘤、免疫耐受可能较低，挑战是周期更长、成本更高。

[42:00] 全球竞争与本地化部署

[事实] BioNTech 也在布局肿瘤疫苗，但其路线和给药机制与 Moderna 不同。

[事实] 嘉宾认为中国公司在临床进度上与海外有差距，但在认知和理解上的差距没有想象中大。

[事实] 个性化肿瘤疫苗不是单个产品，而是一整套算法和工艺，因此跨国合作或并购需要本地化部署生产体系。

[44:26] 安全性与给药体验

[事实] 嘉宾认为 mRNA 肿瘤疫苗的不良反应不会超过 mRNA 传染病疫苗，常见反应包括发热、恶心、呕吐、乏力、注射部位肿胀和头痛等。

[事实] 与 CAR-T 可能出现 T 细胞快速激活和 CRS 不同，mRNA 肿瘤疫苗是较缓慢表达抗原并激活免疫系统。

[事实] 嘉宾称，如果患者本身不需要住院，肿瘤疫苗有机会做到门诊给药。

[46:51] 爱博生物的研发布局

[事实] 爱博生物在肿瘤疫苗上尝试三类路线：肿瘤特异性抗原、肿瘤相关抗原和个性化新抗原。

[事实] 肿瘤特异性抗原更接近 EGFR、KRAS 等驱动突变；肿瘤相关抗原则是在较多患者肿瘤中观察到表达的抗原。

[推测] 爱博生物的策略是先利用明确突变和共享抗原，再通过个性化疫苗覆盖更广泛、异质性更高的患者。

[49:25] 成本、可及性与自动化设备

[事实] 嘉宾表示，如果个性化肿瘤疫苗能把周期压到约四周，并把生产成本控制在患者可接受范围内，个性化疗法反而可能成为一种通用性疗法。

[事实] 他认为算法和生产工艺一旦进入临床就不能轻易改变，因此必须在临床前尽量完成成本、工艺和算法优化。

[事实] 成本大头之一来自一次性耗材；自动化和小型化设备可通过减少人工、降低死体积和废液来压低成本。

[56:00] AI、自动化与跨学科团队

[事实] 爱博生物搭建了 Computational Science 团队，并邀请曾负责 Moderna 新抗原算法设计的人担任首席 AI 官。

[事实] 嘉宾认为核酸药物底层由 A、U、C、G 四个字母组成，因此更适合被计算科学和 AI 驱动。

[事实] 他强调 AI 离开自动化就是空谈，因为训练 AI 需要大量高质量数据，而自动化可稳定产生数据。

[60:00] AI在LNP递送优化中的作用

[事实] AI 可用于新抗原预测、mRNA 序列优化，以及未来脂质分子和递送系统开发。

[事实] 嘉宾认为单个 mRNA 或脂质分子的计算相对可行，但完整 LNP 颗粒涉及多种脂质分子和 mRNA 自组装，算力和模拟难度仍很高。

[事实] 个性化肿瘤疫苗的个性化部分主要是核酸序列和新抗原预测，递送系统通常应保持固定，以减少复杂性和不可控性。

[64:39] 软件问题与药品监管现实

[事实] 嘉宾认同从技术层面看，个性化疫苗有“软件问题”和工程问题的一面，但药品仍然要面对生产放行和监管要求。

[事实] 他指出，进入一期后算法和工艺不能随意改变，而 AI 和数据算法天然有持续迭代需求。

[事实] 对个性化肿瘤疫苗，监管审批的核心更像是平台技术，而不是为每个患者单独审批一个产品。

[69:10] COVID疫苗的助推与癌症研发的慢变量

[事实] 嘉宾认为 COVID mRNA 疫苗推动了 mRNA 平台工艺、纯度和质量控制的成熟，间接提高了肿瘤疫苗产品质量。

[事实] 癌症比病毒复杂得多，肿瘤患者入组、筛选和随访也比预防性疫苗更慢，因此肿瘤疫苗研发周期更长。

[事实] 嘉宾认为产业化工程问题可以解决，当前更重要的瓶颈是拿出令人信服的疗效数据。

[72:20] 未来五到十年的预期

[事实] 嘉宾认为，如果这款疫苗获批，将改变肿瘤患者治疗现状，并可能让更多医生在更广适应症中考虑个性化肿瘤疫苗。

[推测] 他预计未来五到十年内，PD-1 已获批的适应症中，mRNA 肿瘤疫苗可能会陆续获批。

[事实] 节目结尾补充，Moderna 当前公布的仍只是三期初步关键结果，具体 HR 风险比和不同亚组结果尚未披露。

播客点评/总结

本期最大的价值在于把“mRNA 肿瘤疫苗三期突破”从资本市场新闻拆回到药物研发逻辑：它既不是简单的 AI 神话，也不是马上治愈所有癌症，而是一套由免疫机制、临床设计、生产工程、算法和监管共同支撑的复杂系统。

亮点是嘉宾能把 CMC、自动化、一次性耗材、QC、LNP 递送和监管工艺锁定这些幕后环节讲清楚。这些内容比单纯讨论疗效新闻更能解释，为什么个性化肿瘤疫苗需要十多年才走到三期积极读出。

局限是节目主要基于 Moderna 已披露的初步结果展开，而完整数据、HR、亚组表现和最终监管审评仍未公布。因此关于上市时间、跨瘤种扩展和五到十年格局的判断，应理解为基于行业经验的 [推测]。

本期适合对 mRNA 技术、肿瘤免疫治疗、生物医药产业化、AI 制药和创新药投资感兴趣的听众。对于只想快速了解“癌症疫苗是不是已经来了”的听众，本期也给出一个清晰边界：值得期待，但答案仍需要临床数据和时间验证。