我大概在一年多前停戴了苹果手表。一来我没戴表的习惯，二来那些数字对我的实际价值有限。三年前我还试过可持续血糖监测贴片——外观挺酷，但持续使用的成本不低。看到自己的身体数据，确实会带来掌控感：体重秤就是个好例子，一个数字虽不精准，却能潜移默化改变我们的日常行为。连续血糖监测也不错，哪怕只是一个血糖值，也能让人开始注意饮食、作息和身体反馈。看见，是改变的第一步。  

但身体远比我们想象的深邃。很多时候，我们看到的数字只是片面，甚至是错觉。最近我在研究下一代通用生物传感器——如何让人类对生物的理解，从混杂和碎片化的宏观指标，深入到微观层面的突破。这是人工智能与生命科学的交叉路口，也是最重要的生物技术应用之一：让人们真正理解自己的生理与心理数据，并得到有意义的指导，进而促成积极的行动改变。  

今天的文章来自Evan Peikon，他是计算生物学家、生物工程师，也是生物传感健康监测公司NNOXX的创始人。他提出了一个有趣的观点：计算生物学或许可以从金融市场提炼新的工具与方法论（我的同事Rhei也给我提供了相关线索，后续我会专门写文章分析）。如果你从事这个领域的技术开发或相关公司工作，欢迎和我交流。  

对了，上周我刚上线了播客《因果异常Acausal》，第一期音频可在小宇宙/苹果播客收听，视频版在YouTube/Spotify上线，还没来得及在公众号分享，感兴趣的朋友可以去听听。  

多重分子生物传感：从数字生物标志物到分子网络

Evan在可穿戴技术领域有十多年经验，从早期担任技术顾问，到共同创立NNOXX，他见证了两大趋势并行：  
1. 现有传感技术的成本大幅下降；  
2. 单个可穿戴设备可获取的生物标志物数量显著增加。  

他回忆起最初接触Omegawave系统——那台笨重昂贵的设备，像极了苏联宇航员训练装置的遗存，是Whoop和Oura的前身。那时的可穿戴设备只能测心率、HRV、血氧、皮肤温度等基础生命体征。而今天，我们有了肌肉血氧仪、便携代谢分析仪、入耳式脑电、水合传感器等。  

这些进步让我们逼近一个理念临界点：行业自然延伸到分子生物传感器——能持续监测血液和组织间液中的特定蛋白质与代谢物。已有企业在开发实时血乳酸、全天酮体监测、定期IL-6等炎症因子追踪的设备。风投也蜂拥而至，押注微创传感器连续监测多种蛋白质。逻辑似乎很简单：既然单一分子（葡萄糖）的测量颠覆了糖尿病管理，那么测量更多分子，就能在更多领域带来同样深刻的洞察。  

但Evan提出质疑：如果这个假设是错的呢？分子生物传感器可能不是现有可穿戴技术的自然延伸，而是一次行业尚未充分意识的范式转移。连续蛋白质测量与其他分子标志物，并不是心率或血氧这种宏观生理指标的“高分辨率升级版”，而是一种完全不同类型的测量，需要全新的解释框架。  

三种核心论点

1. 数字与分子生物标志物遵循不同原理  
从心率到单一蛋白质，不是渐进式改进，而是从涌现的系统级现象下降到支撑现象的分子实体。这是跨越生物学抽象层级。行业正用“数字生物标志物”的框架去理解分子测量，但这是基于一个错误假设：蛋白质是孤立指标。  

以IL-6为例：它既是促炎因子，也能通过不同受体通路产生抗炎、再生效应。同一种分子、相同浓度，在不同情境下意义截然相反。所有蛋白质都存在于动态网络中，其功能来自情境、关系与时序。测量单一蛋白质，就像在复杂电路中只测一个电阻的电压——读数准确，但意义取决于系统其他部分的状态。  

2. 商业激励正在推动单一分析物传感器，但价值有限  
葡萄糖是个特例：它在血液中更像系统级测量，整合了胰岛素信号、肝糖生成、外周摄取等多重调控过程。解释葡萄糖值，不需当下特定酶或转运体的浓度信息，只需结合饮食和活动背景即可。大多数蛋白质并非如此——它们的功能依赖翻译后修饰、结合伴侣、亚细胞定位及调控因子表达水平，这些信息无法通过单一浓度测量获得。  

因此，单分析物分子传感器的效用将十分有限，除非我们能同时测量足够多的蛋白质，以捕捉有意义的生物学语境。多重测量的长期潜力，可能被当前市场热情严重低估。  

3. 替代路径：从多重传感出发  
构建多重分子传感器需要大量资本、复杂工程能力和尚未成熟的监管路径。对小企业而言，单一分析物路径更易行：专注一个分子，验证技术，完成审批，成为Dexcom、雅培等巨头的收购目标。但隐患是，这些技术被整合进现有平台时，会被当作仪表盘上的又一个孤立数字，而非需要网络语境理解的节点。  

Evan建议从重症医学切入——ICU天然涉及多重测量，临床医生习惯从复杂生理状态思考，而非依赖单一指标。若能开发多重组织间液传感器，在生命体征变化前预测脓毒症等并发症，其临床价值明确，且无需改变医护人员的读数习惯。一旦验证成功，再扩展到消费级应用。这颠倒了传统医疗器械的开发逻辑，却更契合技术的核心价值。  

未来的可能性与挑战

当多重分子生物传感器真正可行时，它们将开启全新能力：不再只报告某标志物升高，而是描述个体网络状态及其与生理结果的关系。我们可以构建个性化蛋白质表达网络，识别调控枢纽，甚至在传统指标变化前检测生理状态转换。这是一种与基因组学互补的动态精准医疗形式。  

但目前我们还没走到那一步。当前轨迹与早期基因组学相似：人们以为识别零部件就能理解系统，但人类基因组计划的成功并未立刻带来治疗革命。如今，我们在构建精密的单蛋白测量工具，却仍在追问：当生物功能源自分子关系时，单点测量能提供多少信息？  

真正的问题不是我们是否需要多重测量——生物学已给出答案，而是我们能否尽早意识到这一点，避免在单分析物传感器上投入数年资源，只换来有限的可执行信息。Evan认为，当前路径与其说是次优，不如说是方向错误。行业在建设一种能力，而葡萄糖监测似乎为其背书；但葡萄糖是“例外中的例外”。大多数蛋白质需要网络语境才能被有意义地解读，再复杂的算法也无法从不存在的信息中挖掘信号。  

投资者与公司面临选择：  
• 继续沿单分析物路径，契合现有商业模式与融资周期；  

• 或承认我们正工作在全新的生物学抽象空间，从一开始就要求不同的技术路线与解释框架。  

分子传感的技术成就真实而令人印象深刻。问题是：我们是在构建真正正确的东西，还是只是在构建当前认知框架下最容易造出来、也最容易卖出去的东西？  

需要我为你进一步拆解分子生物传感器的技术实现难点，并分析其与AI算法结合在个性化健康管理中的具体应用前景吗？