![]()
2008年,巴西某制药实验室里,26岁的保罗·席尔瓦每天与挥发性化学品为伴。他的笔记本电脑只是个"高级打字机"——用来填Excel、打报告。没人想到,这台机器后来会吃掉他的整个职业生涯。
「比克曼的世界」埋下的种子
童年看科普节目《比克曼的世界》,让保罗相信实验是一种召唤。药学本科期间,社交生活被分析化学取代。硕士阶段,实验室台成了他的固定工位。
但工业界的重复性工作很快让他窒息。「我每天做着相同的检测,像在流水线上拧螺丝。」保罗后来回忆。转折点出现在2012年:他开始用Python处理实验数据,发现写代码和做实验惊人地相似——都是假设、测试、迭代。
从「辅助工具」到「主战场」
最初只是自动化Excel报表。2014年,他尝试用机器学习预测药物稳定性,结果比传统方法快40倍。实验室主任没表扬他,反而警告:「别让IT部门发现你在搞这些。」
这句话成了催化剂。保罗开始凌晨5点起床,在上班前自学编程。2016年,他做了一个被同事视为「发疯」的决定:辞去药企研发岗,降薪加入一家医疗AI初创公司。
新公司没有实验室台,只有笔记本电脑。他的「实验对象」从化合物变成了代码仓库——提交、回滚、A/B测试。药学背景成了稀缺资产:他懂FDA(美国食品药品监督管理局)的合规要求,知道哪些数据特征真正影响药效。
两种「实验室」的融合
2019年,保罗主导开发的药物相互作用预测系统上线。系统上线前,他特意回了一趟老东家。当年的实验室主任已经退休,接替者正在用他写的开源工具做数据分析。
没人记得那场警告。
现在的保罗管理着15人团队,成员一半是药学背景、一半是计算机科班。他们的工作流很「 hybrid(混合)」:用湿实验验证算法预测,再用算法设计下一轮湿实验。「以前我在台面上做一天实验,现在我在笔记本上跑一万次模拟。」
他桌上还放着一小瓶当年常用的试剂——不是怀念,是提醒自己:所有代码最终要回到真实的分子世界去验证。
上个月,团队有个实习生问他:「您后悔离开实验室吗?」保罗指了指屏幕上的分子动力学模拟图,「这就是实验室。只是现在我的『台面』能同时跑200个实验,而且不会中毒。」
那个实习生现在每天凌晨5点起床学代码。保罗没劝她,也没鼓励她——就像当年没人劝他一样。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.