“忠诚挂帅、挑战体制”，一图看懂特朗普2.0内阁。
发布日期：2024-11-15 19:46
杜若萱
■
2024年10月10日，诺贝尓化学奖揭晓，美国生物化学家戴维•贝克(David Baker)以及谷歌(Google)旗下人工智能公司DeepMind的科学家德米斯•哈萨比斯爵士(Sir Demis Hassabis)和约翰•江珀(John Jumper)共同获奖。其中，DeepMind两位科学家在蛋白质结构预测领域的研究受到瞩目。诺贝尔奖评委会表示，哈萨比斯和江珀“开发的AI模型解决了50年前就被提出的一个难题：预测蛋白质的复杂结构”。
早在今年五月，谷歌DeepMind与其药物发现子公司Isomorphic Labs联合发布了生物学预测模型AlphaFold的最新版本——AlphaFold 3。这一新版本在AlphaFold 2发布三年后标志着谷歌在AI生物学领域的又一次重要突破，其研究成果发表于《Nature》杂志。根据Alphabet首席执行官桑达尔•皮查伊去年5月在金融时报的撰文，DeepMind开发的AlphaFold，已与欧洲分子生物学实验室(European Molecular Biology Laboratory)合作，对科学已知的2亿多种已分类蛋白质获得了突破性的理解，开辟了新的医疗可能性。和ChatGPT一样，生物医学领域的人工智能模型一样需要数据的喂养，但是在现阶段，AI在药物研发领域的潜能到底有多大？本届诺奖得主哈萨比斯爵士在早前接受的采访中表示，这项技术现阶段还无法取代科学家的工作，“人类的智慧在于提出问题、猜想和假设，我们的系统做不到这些，AI只是分析数据”。
盛名之下，AI究竟能在药物研发中发挥多大作用？记者采访了香港理工大学应用生物及化学科技学系副主任赵燕湘教授，就人工智能在药物发现方面的潜力和生物化学领域的研究趋势进行了讨论。赵燕湘教授于美国洛克菲勒大学获得博士学位，并在康奈尔大学医学院完成博士后研究，是化学生物学与药物研发国家重点实验室的成员，她的研究重点是对维持细胞稳态和基因组稳定性的蛋白质复合体进行基于结构生物学的机理研究。
以下是采访实录，
记者: 您如何看待谷歌DeepMind最新推出的人工智能模型AlphaFold在加速药物发现方面的潜力？
赵燕湘: 我一直在关注DeepMind，特别是它开发的AlphaFold蛋白质结构预测程序。这个程序与我的研究项目密切相关。AlphaFold几乎可以预测已知蛋白质的所有结构，这在药物研发中具有重要意义。当你已经有了蛋白质结构模型后，确实可以加速药物开发的进程。从某种程度上来说，AI本身其实是没有创新性的，AI在各个领域的应用中，更像是一个“超级鹦鹉学舌”，它可以模仿、复制，但是从0到1仍然有很长的道路要走。
我尝试过把自己的一些研究数据放进AlphaFold，发现它做得好的部分，往往是基于现有的科学知识容易被预知的；而如果在它的数据库里从未出现过的未知的部分，它的预测结果可靠性仍有待提高。这说明，AI仍然需要我们提供大量的数据点，才能更好地发挥作用。那么AI能起到什么作用？我觉得它可以用一种更低成本、更有效的方式加速药物开发的进程。所以，我认为现在AI在新药研发上还处于“early stage”，离真正的大规模应用还有一段距离。
记者: 在您的研究领域中，您认为未来哪些学科领域的结合会带来最大的研究突破？AI在药物发现领域的应用，可能会如何改变传统的药物研发过程？
赵燕湘: 我认为，在生物科技领域，有两种学科结合可能会带来非常显著的突破。首先是生物科技与人工智能（AI）的结合，AI的潜力是显而易见的。一方面，在庞大数据中找到有用的信息，比如在DNA序列这样庞大的数据信息中找到致病基因和风险因素，这就需要依靠AI来进行深度分析。
从新药研发的角度来看，药物研发是一个高风险的过程，往往需要筛选成千上万个候选化合物，最终可能只会找到一个有效的药物。在这种情况下，AI能帮助我们更高效地进行筛选，这无疑是一个非常有前景的方向。不过，目前AI在药物发现领域仍然是辅助性的工具。你不能指望它能直接给出一个可以治疗癌症的药物方案，因为现在数据点还不够。目前在药物发现中应用的难点之一就是数据量的问题。AI在自然语言处理和图像生成方面表现得非常出色，是因为它可以学习大量的文本和图像数据。但在药物研发领域，全球可能有几千种药物，每种药物都针对不同的疾病，这种多样性和样本量的限制使得AI在这个领域的表现还相对有限。
记者: 除了生物与AI的结合，您认为还有哪些学科交叉可能会带来突破？
赵燕湘: 另一种可能带来重大突破的学科交叉，是生物与工程学的结合。我认为工程学的优势在于它可以进行系统化的大规模实验。比如，在抗体药物的开发以及一些新兴的细胞疗法（如CAR-T疗法）中，通过基因工程的手段可以对多个基因进行修饰和改造，然后低成本、高效率地一一测试治疗方案，最终找到最好的。
以前，基于成本和效率的考虑科学家通常花费大量时间去思考和选择；随着技术的进步，尤其是基因编辑技术的成熟，情况得到了改善。比如，CRISPR技术的出现，使得基因敲除(gene knockout)可以在几周内完成。我们不再需要在选择上花费过多的时间，就可以快速、低成本地测试大量基因，从中筛选出最优的方案。正是这种生物科技与工程学的结合，使得生物研究变得越来越工程化，极大的提升了研究的效率和成果的转化速度。
记者: 目前，应用生物及化学技术领域中有哪些前沿研究最值得关注？这些研究有望在哪些方面产生重大影响？
赵燕湘：我认为现在最需要创新的领域主要集中在两大病症上：癌症和脑部疾病（Central Nervous System, CNS）。癌症的发病率随着寿命的延长而不断上升，因而在这个领域的需求非常大。此外，脑部疾病，特别是老年痴呆症和精神类疾病（如抑郁症、焦虑症），目前对其发病机理及治疗手段仍需大量科研投入，也面临着巨大的社会和家庭压力，因此在这些方面的科研创新尤为迫切。
在新药研发方面，我认为未来的突破将主要来自于新的治疗程式（new modality）。就目前来看，核酸类药物的出现令人振奋。以前我们认为mRNA不可能成药，因为它非常不稳定，技术上也存在很多问题，但如今通过科研和技术的进步，mRNA药物已经成为可能，并且一些药物甚至能够有效穿过血脑屏障（Blood-Brain Barrier, BBB）。如siRNA类药物穿越血脑屏障并发挥疗效。此外，细胞疗法也显示出巨大的前景。目前最成功的细胞疗法是CAR-T疗法，已经在癌症治疗中得到应用并获批上市。细胞疗法在脑部疾病治疗中也将展现出更多可能性，例如将新生的神经元直接送入大脑，以替代因衰老而死亡的神经元，这或许能延缓如老年痴呆症等疾病的进程。
记者: 您认为在生物医疗行业，香港的区位优势是什么？根据香港交易及结算所有限公司(HKEX)的数据，香港是亚太区最大的生物科技公司首次公开招股中心，全球则排名第二，仅次美国。
赵燕湘：我认为，在新药研发领域，香港面临一些很现实的挑战。香港人口基数较小，进行大规模的临床试验有很大挑战，这限制了药物研发的规模和市场潜力。然而，香港的自由经济架构是其一大优势。政府提供强有力的支持，但并未对研发方向进行过多干预，这让科研人员能够深入探索新想法，并与外界合作，从而促进first-in-class的创新。
记者: 作为世界知名大学应用生物及化学技术系的教授和副主任，您如何看待当前高等教育在培养下一代科研人才中的作用？有哪些改进或创新措施可以进一步提升学生的科研能力？
赵燕湘：我从事的是生物科技和新药研发领域的工作。在这个领域中，创新毫无疑问是至关重要的。对于学生来说，如何参与到这个创新过程中，我认为教育的作用不可忽视。特别是考虑到生物科技产业高技术门槛的特点，这一领域对教育质量的要求尤为严格。许多时候，学生需要继续攻读硕士或博士学位。大学为这些学生建立起扎实的知识体系，培养学生对技术的熟练掌握和产业前沿的关注非常重要，理大着眼于此做了很多突破性的课程建设。
从这个角度来看，生物科技和新药研发与计算机编程是有所不同的。我们常常看到，一个高中生能够通过掌握编程语言，编写出非常出色的代码，但在新药研发领域，这种“奇迹”几乎不可能发生。首先，学生需要通过四年的本科教育，深入学习生理学等基础知识，然后继续在硕士和博士阶段进行更深入的研究。可以说，新药研发的进入门槛要高得多，这也意味着培养一个合格的人才需要更长的时间。虽然这种高门槛让这条路显得漫长，但它也促成了知识与智慧的积累过程。
在这个行业中，如果学生投身于生物科技新药研发，他们的职业生涯通常会更长。例如，在计算机编程领域，一个程序员可能在三四十岁时可能会被认为是“过时”的，而在生物医药领域，从业人员的经历非常宝贵，毕竟每一种新药的开发往往需要十年甚至二十年的时间，这使得我们这个行业的人才可以在漫长的职业生涯中持续积累经验。
记者: 您认为学术研究与产业界之间的合作应该如何进行，才能更好地推动科技成果的实际应用？
赵燕湘：合作绝对是必要的，尤其是在新药研发这个领域。新药研发的周期很长，动辄需要十年甚至更久的时间，还要花费上亿美元。这不是一两家机构能单独完成的，必须得靠多方力量协同作战。学术界在早期研究上有优势，比如研究癌症的机理，找出致癌基因或抑癌基因，并据此锁定潜在的药物靶点。这些研究奠定了后续药物开发的基础。产业界则有能力将这些研究成果转化为实际的药物开发流程。这个过程不仅需要大量资金和技术投入，还需要产业界在药物开发和临床试验方面的经验。就我看来，学术界和产业界在一起合作，互补性很强。
记者: 《看不见的女性》的作者卡罗琳•克里亚多•佩雷斯在书中提到，促使她撰写这本书的原因是医学上对女性的忽视。她发现，医学研究常将男性人体视为性别中立的模型，导致女性多种疾病被误诊，许多治疗方法对女性效果不佳。作为医疗领域的女性领袖，您对培养和激励更多女性从事科学和医药领域有什么看法？
赵燕湘：我个人认为，在21世纪的生物科技领域与19世纪或18世纪相比更多依赖思维和实验，而非体力劳动，因此性别差异的影响相对较小。至于女性疾病治疗效果不佳的问题，情况已经大有改善。过去临床实验中男性参与者多于女性，尤其是怀孕期或哺乳期的女性常被排除在外。但现在这种现象已经减少很多。对我来说，选择从事生物研究领域的原因很简单，就是通过尝试不同的学科找到自己感兴趣和擅长的。相较于更抽象的数学或物理，生物领域的实用性和直观性让我更感兴趣，培养细胞和观察动物让我觉得很有意思。然后我就依从自己的爱好一直努力坚持下来了。
记者: 您在海外求学的背景是否为公司在国际合作和跨国投资方面带来了独特的视角和优势？
赵燕湘：我大学毕业已经很早了，当时中国的科研活动相对较少，因此出国留学是科研人员的一条必经之路。在美国，我有幸在一些顶尖大学中体验了非常良好的学术氛围，这对我的帮助很大。许多人觉得诺贝尔奖非常神秘和遥远，但实际上，当你与这些学者接触时，会发现他们和日常见到的老师和研究人员一样。他们的创新工作主要是由好奇心和探索精神驱动的。对于他们来说，诺贝尔奖似乎只是漫长科研过程中的一种额外奖励，没有人是为了获得奖项而去做科研的。学生时代的我们也曾在好奇心的驱使下与这些科学家有过沟通，他们都谦虚地说，他们很幸运，仅此而已。
注：本文仅代表作者个人观点
■
读者评论
热门排行榜
OR
2024-10-22 09:54
科技
如何看待AI在药物研发中的潜力？专访香港理工大学教授赵燕湘
如何看待AI在药物研发中的潜力？专访香港理工大学教授赵燕湘
诺贝尔化学奖揭晓，DeepMind两位科学家获奖。和ChatGPT一样，生物医学领域的AI模型一样需要数据的喂养，现阶段AI在药物研发领域的潜能到底有多大？
杜若萱
■
2024年10月10日，诺贝尓化学奖揭晓，美国生物化学家戴维•贝克(David Baker)以及谷歌(Google)旗下人工智能公司DeepMind的科学家德米斯•哈萨比斯爵士(Sir Demis Hassabis)和约翰•江珀(John Jumper)共同获奖。其中，DeepMind两位科学家在蛋白质结构预测领域的研究受到瞩目。诺贝尔奖评委会表示，哈萨比斯和江珀“开发的AI模型解决了50年前就被提出的一个难题：预测蛋白质的复杂结构”。
早在今年五月，谷歌DeepMind与其药物发现子公司Isomorphic Labs联合发布了生物学预测模型AlphaFold的最新版本——AlphaFold 3。这一新版本在AlphaFold 2发布三年后标志着谷歌在AI生物学领域的又一次重要突破，其研究成果发表于《Nature》杂志。根据Alphabet首席执行官桑达尔•皮查伊去年5月在金融时报的撰文，DeepMind开发的AlphaFold，已与欧洲分子生物学实验室(European Molecular Biology Laboratory)合作，对科学已知的2亿多种已分类蛋白质获得了突破性的理解，开辟了新的医疗可能性。和ChatGPT一样，生物医学领域的人工智能模型一样需要数据的喂养，但是在现阶段，AI在药物研发领域的潜能到底有多大？本届诺奖得主哈萨比斯爵士在早前接受的采访中表示，这项技术现阶段还无法取代科学家的工作，“人类的智慧在于提出问题、猜想和假设，我们的系统做不到这些，AI只是分析数据”。
盛名之下，AI究竟能在药物研发中发挥多大作用？记者采访了香港理工大学应用生物及化学科技学系副主任赵燕湘教授，就人工智能在药物发现方面的潜力和生物化学领域的研究趋势进行了讨论。赵燕湘教授于美国洛克菲勒大学获得博士学位，并在康奈尔大学医学院完成博士后研究，是化学生物学与药物研发国家重点实验室的成员，她的研究重点是对维持细胞稳态和基因组稳定性的蛋白质复合体进行基于结构生物学的机理研究。
以下是采访实录，
记者: 您如何看待谷歌DeepMind最新推出的人工智能模型AlphaFold在加速药物发现方面的潜力？
赵燕湘: 我一直在关注DeepMind，特别是它开发的AlphaFold蛋白质结构预测程序。这个程序与我的研究项目密切相关。AlphaFold几乎可以预测已知蛋白质的所有结构，这在药物研发中具有重要意义。当你已经有了蛋白质结构模型后，确实可以加速药物开发的进程。从某种程度上来说，AI本身其实是没有创新性的，AI在各个领域的应用中，更像是一个“超级鹦鹉学舌”，它可以模仿、复制，但是从0到1仍然有很长的道路要走。
我尝试过把自己的一些研究数据放进AlphaFold，发现它做得好的部分，往往是基于现有的科学知识容易被预知的；而如果在它的数据库里从未出现过的未知的部分，它的预测结果可靠性仍有待提高。这说明，AI仍然需要我们提供大量的数据点，才能更好地发挥作用。那么AI能起到什么作用？我觉得它可以用一种更低成本、更有效的方式加速药物开发的进程。所以，我认为现在AI在新药研发上还处于“early stage”，离真正的大规模应用还有一段距离。
记者: 在您的研究领域中，您认为未来哪些学科领域的结合会带来最大的研究突破？AI在药物发现领域的应用，可能会如何改变传统的药物研发过程？
赵燕湘: 我认为，在生物科技领域，有两种学科结合可能会带来非常显著的突破。首先是生物科技与人工智能（AI）的结合，AI的潜力是显而易见的。一方面，在庞大数据中找到有用的信息，比如在DNA序列这样庞大的数据信息中找到致病基因和风险因素，这就需要依靠AI来进行深度分析。
从新药研发的角度来看，药物研发是一个高风险的过程，往往需要筛选成千上万个候选化合物，最终可能只会找到一个有效的药物。在这种情况下，AI能帮助我们更高效地进行筛选，这无疑是一个非常有前景的方向。不过，目前AI在药物发现领域仍然是辅助性的工具。你不能指望它能直接给出一个可以治疗癌症的药物方案，因为现在数据点还不够。目前在药物发现中应用的难点之一就是数据量的问题。AI在自然语言处理和图像生成方面表现得非常出色，是因为它可以学习大量的文本和图像数据。但在药物研发领域，全球可能有几千种药物，每种药物都针对不同的疾病，这种多样性和样本量的限制使得AI在这个领域的表现还相对有限。
记者: 除了生物与AI的结合，您认为还有哪些学科交叉可能会带来突破？
赵燕湘: 另一种可能带来重大突破的学科交叉，是生物与工程学的结合。我认为工程学的优势在于它可以进行系统化的大规模实验。比如，在抗体药物的开发以及一些新兴的细胞疗法（如CAR-T疗法）中，通过基因工程的手段可以对多个基因进行修饰和改造，然后低成本、高效率地一一测试治疗方案，最终找到最好的。
以前，基于成本和效率的考虑科学家通常花费大量时间去思考和选择；随着技术的进步，尤其是基因编辑技术的成熟，情况得到了改善。比如，CRISPR技术的出现，使得基因敲除(gene knockout)可以在几周内完成。我们不再需要在选择上花费过多的时间，就可以快速、低成本地测试大量基因，从中筛选出最优的方案。正是这种生物科技与工程学的结合，使得生物研究变得越来越工程化，极大的提升了研究的效率和成果的转化速度。
记者: 目前，应用生物及化学技术领域中有哪些前沿研究最值得关注？这些研究有望在哪些方面产生重大影响？
赵燕湘：我认为现在最需要创新的领域主要集中在两大病症上：癌症和脑部疾病（Central Nervous System, CNS）。癌症的发病率随着寿命的延长而不断上升，因而在这个领域的需求非常大。此外，脑部疾病，特别是老年痴呆症和精神类疾病（如抑郁症、焦虑症），目前对其发病机理及治疗手段仍需大量科研投入，也面临着巨大的社会和家庭压力，因此在这些方面的科研创新尤为迫切。
在新药研发方面，我认为未来的突破将主要来自于新的治疗程式（new modality）。就目前来看，核酸类药物的出现令人振奋。以前我们认为mRNA不可能成药，因为它非常不稳定，技术上也存在很多问题，但如今通过科研和技术的进步，mRNA药物已经成为可能，并且一些药物甚至能够有效穿过血脑屏障（Blood-Brain Barrier, BBB）。如siRNA类药物穿越血脑屏障并发挥疗效。此外，细胞疗法也显示出巨大的前景。目前最成功的细胞疗法是CAR-T疗法，已经在癌症治疗中得到应用并获批上市。细胞疗法在脑部疾病治疗中也将展现出更多可能性，例如将新生的神经元直接送入大脑，以替代因衰老而死亡的神经元，这或许能延缓如老年痴呆症等疾病的进程。
记者: 您认为在生物医疗行业，香港的区位优势是什么？根据香港交易及结算所有限公司(HKEX)的数据，香港是亚太区最大的生物科技公司首次公开招股中心，全球则排名第二，仅次美国。
赵燕湘：我认为，在新药研发领域，香港面临一些很现实的挑战。香港人口基数较小，进行大规模的临床试验有很大挑战，这限制了药物研发的规模和市场潜力。然而，香港的自由经济架构是其一大优势。政府提供强有力的支持，但并未对研发方向进行过多干预，这让科研人员能够深入探索新想法，并与外界合作，从而促进first-in-class的创新。
记者: 作为世界知名大学应用生物及化学技术系的教授和副主任，您如何看待当前高等教育在培养下一代科研人才中的作用？有哪些改进或创新措施可以进一步提升学生的科研能力？
赵燕湘：我从事的是生物科技和新药研发领域的工作。在这个领域中，创新毫无疑问是至关重要的。对于学生来说，如何参与到这个创新过程中，我认为教育的作用不可忽视。特别是考虑到生物科技产业高技术门槛的特点，这一领域对教育质量的要求尤为严格。许多时候，学生需要继续攻读硕士或博士学位。大学为这些学生建立起扎实的知识体系，培养学生对技术的熟练掌握和产业前沿的关注非常重要，理大着眼于此做了很多突破性的课程建设。
从这个角度来看，生物科技和新药研发与计算机编程是有所不同的。我们常常看到，一个高中生能够通过掌握编程语言，编写出非常出色的代码，但在新药研发领域，这种“奇迹”几乎不可能发生。首先，学生需要通过四年的本科教育，深入学习生理学等基础知识，然后继续在硕士和博士阶段进行更深入的研究。可以说，新药研发的进入门槛要高得多，这也意味着培养一个合格的人才需要更长的时间。虽然这种高门槛让这条路显得漫长，但它也促成了知识与智慧的积累过程。
在这个行业中，如果学生投身于生物科技新药研发，他们的职业生涯通常会更长。例如，在计算机编程领域，一个程序员可能在三四十岁时可能会被认为是“过时”的，而在生物医药领域，从业人员的经历非常宝贵，毕竟每一种新药的开发往往需要十年甚至二十年的时间，这使得我们这个行业的人才可以在漫长的职业生涯中持续积累经验。
记者: 您认为学术研究与产业界之间的合作应该如何进行，才能更好地推动科技成果的实际应用？
赵燕湘：合作绝对是必要的，尤其是在新药研发这个领域。新药研发的周期很长，动辄需要十年甚至更久的时间，还要花费上亿美元。这不是一两家机构能单独完成的，必须得靠多方力量协同作战。学术界在早期研究上有优势，比如研究癌症的机理，找出致癌基因或抑癌基因，并据此锁定潜在的药物靶点。这些研究奠定了后续药物开发的基础。产业界则有能力将这些研究成果转化为实际的药物开发流程。这个过程不仅需要大量资金和技术投入，还需要产业界在药物开发和临床试验方面的经验。就我看来，学术界和产业界在一起合作，互补性很强。
记者: 《看不见的女性》的作者卡罗琳•克里亚多•佩雷斯在书中提到，促使她撰写这本书的原因是医学上对女性的忽视。她发现，医学研究常将男性人体视为性别中立的模型，导致女性多种疾病被误诊，许多治疗方法对女性效果不佳。作为医疗领域的女性领袖，您对培养和激励更多女性从事科学和医药领域有什么看法？
赵燕湘：我个人认为，在21世纪的生物科技领域与19世纪或18世纪相比更多依赖思维和实验，而非体力劳动，因此性别差异的影响相对较小。至于女性疾病治疗效果不佳的问题，情况已经大有改善。过去临床实验中男性参与者多于女性，尤其是怀孕期或哺乳期的女性常被排除在外。但现在这种现象已经减少很多。对我来说，选择从事生物研究领域的原因很简单，就是通过尝试不同的学科找到自己感兴趣和擅长的。相较于更抽象的数学或物理，生物领域的实用性和直观性让我更感兴趣，培养细胞和观察动物让我觉得很有意思。然后我就依从自己的爱好一直努力坚持下来了。
记者: 您在海外求学的背景是否为公司在国际合作和跨国投资方面带来了独特的视角和优势？
赵燕湘：我大学毕业已经很早了，当时中国的科研活动相对较少，因此出国留学是科研人员的一条必经之路。在美国，我有幸在一些顶尖大学中体验了非常良好的学术氛围，这对我的帮助很大。许多人觉得诺贝尔奖非常神秘和遥远，但实际上，当你与这些学者接触时，会发现他们和日常见到的老师和研究人员一样。他们的创新工作主要是由好奇心和探索精神驱动的。对于他们来说，诺贝尔奖似乎只是漫长科研过程中的一种额外奖励，没有人是为了获得奖项而去做科研的。学生时代的我们也曾在好奇心的驱使下与这些科学家有过沟通，他们都谦虚地说，他们很幸运，仅此而已。
注：本文仅代表作者个人观点
■
读者评论OR
读者评论
OR
分享：
每日头条
OR
最新资讯
OR
热门排行榜
OR
OR品牌理念
■ 或者, 留一段影像，回一曲挂牵。丝丝入扣、暖暖心灵 ，需飘过的醇厚与共。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ 或者，热烈空雨伴芬芳泥土；绿绿生命缠锐意骄阳。
回望，回望，一马平川红酒飘散断归途。
■ 或者，灰蒙蒙空气重回道指一万四千点。滚动时光，照进现实，流逝过往，回归未来。
■ OR 新媒体是一个提供时政、经济、文化、科技等多领域资讯的平台，旨在为用户提供优质的阅读体验。网站的网址是oror.vip，用户可以通过浏览器在台式电脑 、笔记本电脑 、平板电脑 、手机访问。.......