NYU工程健康研究院：以疾病为核心重塑跨学科研究模式

传统学术研究模式通常是这样运作的：将同一学科的专家聚集在一栋楼里，期待他们产出有价值的成果。生物系做生物研究，工程系做工程研究，医学院负责治疗患者。

纽约大学（NYU）正在彻底颠覆这一模式。在其新成立的工程健康研究院，组织架构的核心是围绕疾病状态，而非传统学科划分。研究人员不再问”电气工程师能为医学做什么贡献”，而是问”要治愈过敏性哮喘需要什么条件”，然后召集能够回答这个问题的所有人——无论是免疫学家、计算生物学家、材料科学家、AI研究人员，还是无线通信工程师。

早期成果表明，这一思路大有前途。一位化学工程师与一位电气工程师合作，开发出一种能够检测空气中威胁物质（包括病原体）的设备，目前已孵化为一家初创公司。一位视障医生与机械工程师合作，为盲人地铁乘客开发了导航技术。研究院负责人杰弗里·胡贝尔（Jeffrey Hubbell）正在推进”逆向疫苗”研究，有望重新编程免疫系统，用于治疗乳糜泻、过敏症等疾病——这项研究需要同时精通免疫学、分子工程学和材料科学。

这些合作所解决的根本问题，既是概念层面的，也是组织层面的。胡贝尔指出，现代医学的优化策略长期以来只有一种：开发能够阻断特定分子或抑制靶向免疫反应的药物。抗体技术一直是这一策略的主力。”它确实非常适合一次阻断一种东西，”他说。制药行业在开发这类抑制剂方面已经做到了极致，每种药物都针对特定的通路进行关闭。

但胡贝尔提出了一个不同的问题：与其一次抑制一种有害因素，不如促进某种有益机制，进而产生连锁反应，同时对抗多条有害通路？在炎症领域，能否引导免疫系统走向免疫耐受，而不是逐一阻断炎症分子？在癌症治疗中，能否激活肿瘤微环境中的促炎通路，从而一举突破多重免疫抑制屏障？

这种从抑制到激活的转变，需要一套截然不同的工具——以及不同类型的研究人员。”我们使用的是生物分子（如蛋白质）或基于材料的结构——可溶性聚合物、纳米材料的超分子结构——来推动这些更底层的机制，”胡贝尔解释道。如果只懂生物学、只懂材料科学或只懂免疫学，就无法发展出这样的研究方法。三者都需要深入理解和掌握。

“将会有人从事AI、数据科学、计算科学理论，有人从事免疫工程和其他生物工程，有人从事材料科学和量子工程，所有人都彼此紧密相邻。”——杰弗里·胡贝尔，纽约大学坦顿工程学院

这自然引出一个问题：如何培养出具备这种跨学科深度的研究人员？

答案可能出乎意料。”或许曾经有一段时间，目标是让生物工程师学会生物学的语言，”胡贝尔说，”但那个时代早已过去。现在，工程师需要成为一名生物学家，或成为一名免疫学家，或成为一名神经科学家。”

胡贝尔所说的，并非让工程师学够用于与生物学家合作的生物学基础知识，而是更为彻底的转变：培养学科身份真正模糊的人才。”神经工程专业的学生——你很难判断他们是工程师还是神经科学家，”胡贝尔说，”这正是我们的目标所在。”

他自己的学生就是最好的例证。他们在免疫学期刊上发表论文，在免疫学会议上作报告。”没有人知道他们是工程师，”他说。但他们将工程思维——计算建模、材料设计、系统思维——带入免疫学问题的研究中，这是传统免疫学家不会采用的方式。

培养这类复合型研究人员的机制，胡贝尔称之为”环境熏陶”（milieu）。”靠自己把一切都学会是没有希望的，”他承认，”但在一个合适的环境中学习，效率会变得极高。”

纽约大学正在将这种环境变为现实空间。该校在曼哈顿收购了一栋大型建筑，将其打造为科技枢纽，通过刻意的空间共置策略，促使不同学院和学科的人员产生原本不会发生的交流与碰撞。

“将会有人从事AI、数据科学、计算科学理论，有人从事免疫工程和其他生物工程，有人从事材料科学和量子工程，所有人都彼此紧密相邻，”胡贝尔解释道。

这一策略与纽约大学科技战略执行副校长兼坦顿工程学院执行院长胡安·德·巴勃罗（Juan de Pablo）所倡导的”围绕重大挑战组织资源”的理念不谋而合，而非依赖传统学科划分。”我们招募的方向、建设的空间、引进的人才，都由我们试图解决的问题所驱动，”他说，”优秀的人才都希望留下自己的印记，而我们正在为此创造条件。”

但仅凭物理上的空间接近还不够。研究院还在培育胡贝尔所说的”显性”而非”隐性”的转化思维——从第一天起就考虑临床和商业化路径。

“解决一个没有人关心的问题，是很糟糕的事情，”胡贝尔告诉他的学生。为此，研究院开展”转化练习”——在启动多年期研究项目之前，研究人员通过小组讨论，完整梳理从发现到应用落地的全部路径：哪个环节可能失败？什么实验能快速证伪这个想法？如果是一种药物，临床试验需要多长时间？如果是一种计算方法，如何安全推广？

这种做法与典型的学术惯例形成了鲜明对比。”学者有时会想了二十分钟就启动一个五年期博士项目，”胡贝尔说，”这可能不是个好办法。”相反，研究院会引入那些真正开发过药物、构建过算法或实现过设备商业化的人，在第一个实验开展之前，就将他们积累的宝贵经验融入规划阶段。

这一时机或许颇为有利。德·巴勃罗指出，AI正在大幅压缩研究周期。”我们原本以为需要10年才能完成的事情，现在也许5年就能做到，”他说。

但他也迅速指出了AI的局限性。AlphaFold等工具虽然能够预测单个蛋白质的折叠方式——这是过去五年的重大突破——但生物学运作的尺度远不止于此。”我们真正需要做的，是设计不只一个蛋白质，而是一组协同作用的蛋白质集合，来解决特定问题，”德·巴勃罗解释道。

胡贝尔对此表示认同：”生物学的体量要大得多——涉及数不清的系统。”肝脏和肾脏分处不同位置，却彼此相互影响。肠道和大脑之间存在神经连接，研究人员才刚刚开始探索其规律。”AI目前还做不到这一点，但终有一天会的。而这正是我们的使命——构建数据集、计算框架和系统框架，推动这一领域迈向下一阶段。”

这是一个充满非凡抱负的时刻。”在一些研究机构开始收缩、缩减目标的时候，”德·巴勃罗说，”我们却在做截然相反的事——思考哪些重大挑战是我们想要、也必须去攻克的。”

这场押注的核心信念是：真正值得实现的突破，不可能由任何单一学科独立完成。它们需要碰撞——有时是刻意安排的，有时是偶然发生的——发生在那些使用不同技术语言、却愿意共同发展一套共同语言的人之间。纽约大学正在系统性地推动这种碰撞的发生。

Q&A

Q1：纽约大学工程健康研究院的组织方式与传统学术研究有何不同？

A：传统学术研究按学科划分，生物系做生物、工程系做工程。而纽约大学工程健康研究院以疾病状态为核心组织资源，围绕”如何治愈某种疾病”来召集免疫学家、材料科学家、AI研究人员等不同领域的专家协作攻关，打破了学科壁垒，实现真正意义上的跨学科融合。

Q2：什么是杰弗里·胡贝尔提出的”逆向疫苗”？

A：逆向疫苗是胡贝尔团队正在研究的一种新型免疫干预方式，其核心思路是重新编程免疫系统，使其产生耐受而非攻击反应，从而治疗乳糜泻、过敏症等自身免疫相关疾病。与传统药物逐一阻断有害通路不同，逆向疫苗旨在激活有益机制，产生系统性的连锁效应，同时对抗多条有害通路。

Q3：AI在纽约大学工程健康研究院的研究中扮演什么角色？

A：AI被视为加速研究进程的重要工具，有望将原本需要10年完成的研究压缩至5年。但研究人员也坦承AI目前的局限性——现有工具如AlphaFold只能预测单个蛋白质的结构，而生物学涉及大量系统间的复杂交互。研究院的目标之一，正是构建数据集和计算框架，推动AI在生物医学领域的能力迈上新台阶。