如果只看单个癌种的测序报告，你可能会觉得KRAS G12C也就是肺腺癌里的一个小分型，量不大，事不多。可一旦把镜头拉到泛癌种维度，情况就完全不是这样——结直肠、胰腺、胆管、甚至部分妇科肿瘤都能见到携带者；更关键的是，这些看似“同一个位点”的患者，伴随突变、耐药路径和可用的治疗手段都相差很远。我最近主要在做中国人群泛癌种G12C队列的回顾分析，同时跟踪蛋白降解靶向治疗这条新路线，看它到底能不能补上共价抑制剂的短板。这篇内容把我摸索出来的队列分析流程、降解剂设计逻辑和踩过的坑整理出来，给同样关注精准治疗和药物研发的朋友做个参考。
1. 方案设计与思路拆解：为什么把流行病学和新疗法绑在一起看
1.1 泛癌种视角到底能解决什么问题
传统流行病学研究习惯按癌种拆分统计，肺癌管肺癌，肠癌管肠癌。但KRAS G12C抑制剂进入临床后，走的是篮子试验和泛瘤种适应证路线，一个药同时覆盖多种癌种。这时候单癌种数据就不太够用了——你得知道所有可能受益的人群加起来有多大，每个癌种各占多少，以及同一突变在不同组织背景下是否表现出不同的伴随突变规律。
我在设计这个项目时，第一件事就是把统计单位从“单个癌种”拉成“泛癌种”。这么做的好处很直接：能估算出一段时间内潜在可治疗患者的总量，为临床试验入组策略提供分母；同时，能清楚地看到G12C在不同癌种中与其他驱动事件（如TP53、STK11、PIK3CA、APC）的共突变差异，这类伴随突变信息直接影响后续联合用药的选择。比如在结直肠癌中G12C常伴随APC改变，而肺腺癌中更多见TP53和STK11共突变，前者对EGFR抑制剂联合策略更敏感，后者往往提示更差的免疫治疗响应，这些规律只有跨癌种对比才能浮出水面。
还有个容易被忽视的点：中国人群的KRAS突变谱与欧美人群存在差异，尤其在非小细胞肺癌中，西方队列的KRAS总突变率明显更高，而东亚人群的EGFR突变占主导，KRAS突变相对少见。但这种“少”只是在整体驱动基因中所占比例低，绝不意味患者绝对数量少。再加上中国庞大的人口基数，即使按2%—4%的肺腺癌突变频率计算，每年新增的G12C患者数目依然可观。如果只照搬国外数据，不做本土泛癌种流行病学底数，后续药物研发和临床布局很容易踩空。
1.2 共价抑制剂的疗效天花板与“不可成药”后遗症
sotorasib和adagrasib的获批让KRAS正式退出“不可成药”名单，但这不代表问题已经解决。从临床数据看，G12C共价抑制剂在肺癌中的客观缓解率大致在40%—50%区间，中位无进展生存期不到一年；在结直肠癌中单药效果更有限，客观缓解率只有两位数出头。疗效天花板背后是耐药机制的系统性问题。
耐药并非单一原因。第一类是靶点内耐药，KRAS G12C位点本身出现二次突变（例如Y96D、G12D、G12V等），导致药物无法有效结合或GTP水解恢复；第二类是靶点旁路激活，包括NRAS突变、MAPK通路反馈激活、EGFR或其他受体酪氨酸激酶信号增强；第三类是表观与微环境重塑。共价抑制剂作为一种“占位驱动”药物，必须持续结合靶点才能阻断信号，而一旦靶点改变或旁路打开，药物就失效。这让我想到了一个类比：交通管制再怎么严格，路本身被炸了再修，总是绕不过去。与其反复管制这条路，不如直接把路拆掉。
这正是蛋白降解策略的逻辑起点。蛋白降解靶向治疗走的是“事件驱动”路线——通过泛素-蛋白酶体系统将KRAS G12C蛋白整体降解，而不是仅仅抑制其GTP/GDP交换功能。这样做有一个根本性优势：KRAS的非催化功能，比如与支架蛋白的相互作用、膜锚定后的信号复合物组装，也会随蛋白降解一并消失，这是单纯的活性位点抑制剂永远做不到的。所以在新策略设计上，我倾向于把流行病学数据当作“地图”，把降解技术当作“工具”，先通过泛癌种分析确定哪些人群值得投入，再用降解策略解决“抑制不够彻底”的核心矛盾。
2. 核心细节解析与实操要点：统计学口径与检测平台选择
2.1 队列分层逻辑——比数字更重要的是分母怎么算
做泛癌种G12C流行病学分析，最忌上来就统计阳性率。我见过不少报告，直接把不同癌种、不同分期的标本混在一起算了一个总阳性率，这种数字参考价值极低。一个科学可用的统计口径，必须先定义清楚分母。
分母通常有三种算法：一是全体癌种标本数，二是限定癌种内的全部标本数，三是限定某一组织学亚型（比如非小细胞肺癌中的腺癌亚型）。同样的G12C病例，套用三个分母得到的结果可以相差好几倍。在正式产出图表前，我会把分析口径写在方案里，至少包含癌种、组织学亚型、标本类型（手术切除/活检）、是否为初治、MSI状态这几个维度。只有把这些字段统一后，阳性率才具备跨中心、跨文献对比的基础。
分层变量也不能只按癌种加组织学粗暴切分。性别、年龄、吸烟史对KRAS突变频率有明显影响。G12C在吸烟相关的肺腺癌中相对更常见，而在非吸烟人群中频率明显下降，这一点和EGFR突变正好相反。另外，中国人群的结直肠癌中，MSI-H比例与西方相近，但早发性结直肠癌的比例略高，这类人群的KRAS G12C伴随突变模式也需要单独分析，不能简单地合并到整体结直肠癌队列中。
2.2 检测平台选型：NGS为主，正交验证为辅
泛癌种筛查最常用的是基于二代测序NGS的多基因panel，但panel之间的差异非常大。杂交捕获panel覆盖全面，对FFPE样本的耐受性更好，适合一次性检测几十到几百个基因；扩增子panel操作速度快、DNA需求量低，但引物设计不当容易丢失特定区域或引入扩增偏差。KRAS G12C位于12号外显子的第34位核苷酸，密码子G12附近存在高同源性的伪基因问题，部分PCR引物可能导致假阳性或假阴性，这在低质量FFPE样本中尤其明显。
我处理队列时的策略是：主检测用杂交捕获panel做全面筛查，对检出的G12C样本用数字PCR做正交验证，个别临床决策关键样本再通过Sanger测序复核。数字PCR灵敏度高，对低频突变检出能力强，而且绝对定量不受测序深度和DNA质量影响那么大，作为“裁判员”很合适。
| 平台 | 通量 | 单样本成本 | 灵敏度 | 对FFPE适应性 | 主要局限 |
|---|---|---|---|---|---|
| 杂交捕获NGS | 中高 | 高 | 5% VAF | 较好 | 建库复杂，周期长 |
| 扩增子NGS | 高 | 中 | 2%—5% VAF | 一般 | 易受引物偏好影响 |
| 数字PCR | 低 | 中低 | 0.1%—1% VAF | 较好 | 只能检测已知位点 |
| Sanger测序 | 极低 | 低 | 15%—20% VAF | 中 | 灵敏度低，不适合低频 |
选择平台前建议先确认目标位点是否在panel覆盖区间内，注意看产品的“区间说明”，别想当然觉得KRAS所有热点都覆盖。我以前遇到过某panel的探针设计把NM_033360.2这个转录本的第12外显子遗漏了，导致G12C系统性漏检，后来核对覆盖文件才发现问题。
2.3 质量控制的关键阈值与处理细节
NGS数据质控环节，我一般不只盯测序深度和Q30。对低频突变筛查，真正重要的指标是有效分子深度，也就是去重后的独特分子数。如果原始测序深度很高但有效深度只有几百，说明文库复杂性差，低频突变可能被重复读段淹没，也可能因为PCR扩增偏倚被高估。在用Mutect2或VarScan2做变异检出后，我会对G12C位点的支持读段数、等位基因频率、正负链比例、末位碱基质量逐项审核。G12C在链偏倚上的表现尤其值得注意，出现过不少因建库过程脱氨基导致的G12C假阳性，这类假阳性通常只在一条链上显著富集，双链覆盖率极低，靠常规过滤条件很难筛掉。
样本层面也要设硬门槛：FFPE样本提取的DNA建议先做定量和片段化评估，DNA投入量低于50纳克的样本要标记为风险样本，结果只作参考，不直接用于药物匹配。肿瘤细胞含量低于20%的样本则建议结合显微切割后再分析，否则低频突变很容易被正常细胞背景稀释。
3. 实操过程与核心环节实现：从队列构建到降解剂设计
3.1 多中心回顾性队列的完整分析流程
我用自己的项目过程来拆解一个可复用的流程。项目目标是在中国泛癌种标本中系统评估KRAS G12C的突变频率、伴随突变和临床病理特征。样本来源是多中心回顾性肿瘤组织库，入库标准包括：有明确病理诊断、有足够的FFPE切片或新鲜组织、临床信息完整。
流程分为七个环节：病理复核、DNA提取、文库构建与质控、目标区域测序、生信变异检出、变异注释与人工审核、统计分析与临床字段整合。其中看似简单实则最耗时的是病理复核和临床字段整合——一个字段缺失，后续分层分析就缺一个维度，这个环节占了我整个项目大约三分之一的时间。
以我当时接触的一个多中心回顾队列为例，共纳入约930例泛癌种标本，覆盖肺腺癌、结直肠腺癌、胰腺导管腺癌、胆管癌、子宫内膜癌等常见实体瘤。用杂交捕获panel做完检测后，G12C的检出情况大致是：
| 癌种 | 检测例数 | G12C阳性例数 | 阳性频率 | 备注 |
|---|---|---|---|---|
| 肺腺癌 | 480 | 18 | 约3.7% | 其中约42%存在TP53共突变 |
| 结直肠腺癌 | 180 | 6 | 约3.3% | 部分伴随PIK3CA改变 |
| 胰腺导管腺癌 | 120 | 2 | 约1.7% | G12D为主，G12C少见 |
| 胆管癌 | 60 | 1 | 约1.7% | 例数少，需谨慎解读 |
| 其他实体瘤 | 90 | 1 | 约1.1% | 个别内膜癌中检出 |
（上表为基于项目框架的示意数据，实际频率需以自身队列检测结果为准。）
从这些结果中能看到两个规律：第一，G12C在肺腺癌和结直肠腺癌中都不是极罕见突变，检出频率在3%上下，不能忽略；第二，同一突变在不同癌种中的伴随共突变差异显著，肺腺癌中TP53共突变比例高，结直肠癌中则更多见PIK3CA、APC的伴随改变，这提示后续治疗策略不能“一刀切”。
分析中还要注意一个医学统计上的细节——如果是多中心数据合并统计，建议先做各中心的频率一致性检验，看是否存在中心间偏倚。我之前遇到过两个中心之间G12C检出率差异超过3倍的情况，后来逐一排查，发现其中一家中心的FFPE样本保存时间过长，DNA降解严重，多数低频突变被漏检。这种情况下直接把所有数据合并统计，结论必然失真。解决办法是先做样本质量分层，仅用合格的样本计算频率。
3.2 蛋白降解靶向治疗策略的设计与验证路径
流行病学只能告诉我们“哪些人需要治”，真正难的是“怎么治”。目前针对KRAS G12C的蛋白降解靶向策略主要有两条技术路线：PROTAC和分子胶。
PROTAC方面，核心思路是把一个能与G12C结合的小分子弹头，通过合适的连接子连到E3连接酶配体上，形成双功能分子。弹头选择可以保留sotorasib或adagrasib类似骨架，但这里有个关键取舍：保留不饱和共价弹头能提高靶向选择性、减少脱靶，但共价结合后有一部分的降解循环效率问题；使用可逆结合的弹头则更利于三元复合物形成和催化循环，但选择性更难做。目前文献中报道的KRAS G12C降解剂大多采用可逆或共价结合两种模式各有优劣，设计时需要结合后续给药方式、期望的降解深度和安全性窗口来决定。
在开展降解剂设计之前，建议先把以下几个参数明确下来，这决定了后面药化工作怎么走：
| 参数 | 参考范围 | 设计意图 |
|---|---|---|
| 靶蛋白结合亲和力 | IC50或Kd < 100 nM | 亲和力不足会直接限制降解效率 |
| 连接子类型与长度 | 4—12个原子 | 过长增加柔性、降低细胞通透性；过短影响三元复合物形成 |
| E3连接酶配体 | VHL或CRBN | 需考虑目标组织E3表达水平 |
| DC50 | 越低越好，参考 < 100 nM | 综合评价降解能力的首要指标 |
| Dmax | > 80%为理想 | 反映最大降解深度 |
| 选择性 | 全蛋白组学验证 | 排除泛素-蛋白酶体系统被破坏的假象 |
连接子可以说是PROTAC设计中最“折腾”的部分。长的聚乙二醇链能改善溶解度，但也会增加极性表面积，导致细胞渗透性下降；短而刚性的连接子对三元复合物的形成往往更有利，但水溶性常常很差。我通常在初筛阶段对同一个弹头和E3配体组合设计4到6条不同长度和刚性的连接子，做成一个小矩阵，先看哪一个组合能在活细胞里达到理想的DC50和Dmax，再回过头优化药代性质，而不是一上来就追求单分子处处完美。
E3连接酶的选择也有讲究。CRBN配体（来那度胺类）在多数肿瘤细胞系中内源性表达充足，但血液系统肿瘤和部分实体瘤中CRBN的表达水平参差不齐；VHL配体在实体瘤中表达相对稳定，但分子量和亲脂性更高，透膜性挑战更大。一个务实的方法是：在针对泛癌种设计时，至少选两种不同E3配体分别做平行验证，避免在某一类肿瘤细胞系里看到降解活性就急着推进。
降解效果验证不能只靠WB条带变浅。我一般把验证拆成三层：第一层是受试细胞系的增殖抑制和WB检测；第二层是定量蛋白质组学，看目标蛋白是否特异下降，其他蛋白是否大面积波动；第三层是泛素化检测和蛋白酶体抑制回补实验，确认降解确实经由泛素-蛋白酶体通路。测定DC50时还要注意一个细节：如果是通过荧光报告基因或HTRF读出的信号下降，必须先排除荧光淬灭或信号通路反馈抑制造成的假阳性，这种“假降解”在研发中非常常见，经常把项目带偏。
分子胶的路线相对更前沿，它是通过诱导E3连接酶和KRAS G12C之间的新界面来实现降解的，不需要弹头直接结合靶蛋白的活性口袋。优点是分子量小、类药性好，但发现难度高、确定性差，目前基本靠大型DNA编码化合物库和高通量筛选来找苗头化合物。如果一个团队没有很强的筛选平台资源，我建议还是优先做好PROTAC路线，把分子胶作为备选方向推进。
3.3 从体外到体内的验证：PK/PD脱节怎么看待
体外降解实验做到DC50小于100纳摩尔并不能说明化合物能成为药物。体内验证中最常见的问题是PK/PD脱节：在血浆中暴露量很高，但肿瘤组织中的药物浓度远低于有效水平；或者血浆半衰期很短，需要极高给药频率才能维持降解效应。这时候我通常会建议做一个肿瘤组织药物浓度和靶蛋白降解动态的相关性曲线，至少三个时间点加两个剂量水平，算清楚降解效应的持续时间和暴露量之间的关系。如果降解深度只能维持几个小时，就算体外数据再漂亮，也很难支撑后续的体内药效实验。
另外，体内实验还要关注E3连接酶在不同组织中的分布差异。一个只用小鼠皮下移植瘤模型验证的降解剂，到了原位肿瘤模型或转移灶环境中，可能因为E3表达不足而活性大减。在项目早期就建立E3表达谱检测，比后期卡在设计失败再回头补做要高效得多。
4. 常见问题与排查技巧实录：最容易翻车的地方
4.1 流行病学数据分析中的常见坑
现象一：不同中心G12C检出率差异巨大。排查顺序是：先看样本质量和储存年限分布，再看DNA投入量和文库构建成功率的组间差异，最后分析panel覆盖情况。大概率是样本质量和中心操作差异导致的漏检，而不是生物学差异。此时需要建立标准化的质控门槛，或随机抽取部分阴性样本用数字PCR复核。
现象二：G12C阳性率高于文献值。先怀疑假阳性，去查VAF分布，如果大量阳性样本的VAF集中在1%左右，就要重点看链偏倚和脱氨基背景噪音。低于5%的G12C信号在NGS里本来就充满不确定性，没有UMI纠错的数据尤其要小心。如果没有UMI，建议对VAF低于5%的样本做数字PCR验证，验证通过的才纳入统计。
现象三：G12C同时伴随其他KRAS突变检出。在单克隆测序数据里同一个位点很少出现两种高置信度突变，一旦出现，先考虑是肿瘤异质性还是扩增子污染。这时候可以看两突变各自的VAF和拷贝数状态，必要时做单细胞或显微切割验证。如果G12C和G12D同时阳性，且两个VAF都高，大概率是不同克隆混杂，而非单细胞多突变，这对治疗方案的影响很大，务必查清楚。
4.2 降解剂研发中的典型问题
问题一：降解效果很弱，WB结果不稳定。不要急着换弹头，先验证三件事。第一，目标细胞系中E3连接酶表达是否足够；第二，连接子是否太长导致分子难以形成三元复合物；第三，化合物在细胞内的蓄积浓度是否真的达到DC50对应的暴露量。降解效果不理想的原因中，这三个占了一半以上。
问题二：降解很干净，但细胞增殖抑制不明显。这说明细胞对KRAS G12C的依赖性可能没有预想中那么强，或者存在明显的旁路代偿。需要回到流行病学共突变数据里找线索：如果该细胞系存在MET扩增或NRAS激活突变，单独降解G12C当然压不住增殖。这类“生物标记物先行”的思维方式，恰恰是泛癌种流行病学分析最有价值的地方。
问题三：体内降解活性与体外完全脱节。优先怀疑药物在血液中稳定性差或蛋白结合率高，导致游离浓度不足。这时可以通过更换连接子骨架、引入环状结构减少代谢软点来优化。如果换连接子也不能解决，再考虑制剂策略——纳米颗粒包载PROTAC已有多篇文献支撑，值得作为备选方案。
4.3 分子胶筛选的例外情况
为G12C筛选分子胶时，常看到一种“有活性但无法验证直接靶点”的情况。重复实验能抑制增殖，但免疫沉淀和WB里看不到明确的KRAS降解，同时其他蛋白也出现变化。这时候要警惕非特异细胞毒性或E3配体本身的降解活性被误认为G12C降解。一个排查技巧是：同时做两个阴性对照，一个是不表达G12C的等基因细胞系，一个是E3配体单独给药组。如果两者都出现同样程度的增殖抑制，基本可以判定这个分子不是G12C特异性的降解剂，更可能是泛素化系统毒性。
5. 工具选型与资源清单：把可用数据库和分析工具一次理清
5.1 公共数据库与外部验证资源
队列研究中的内部样本量通常有限，需要借助公共数据库做外部验证和数据补充。基础的几个资源虽然老，但依然是所有外部验证工作的主力：COSMIC提供了全面的人类癌症突变汇总，按癌种和人群检索KRAS G12C的信息非常方便；TCGA虽然西方人群占比高，但在特定癌种（如结直肠癌、胰腺癌）中依然是最大的公开转录组和突变数据来源；cBioPortal则把TCGA/ICGC等项目的临床和基因组数据整合在一起，适合快速查看G12C在一个具体癌种中的共突变网络。ICGC中包含了部分亚洲队列数据，建议单独筛选出来对比分析，毕竟我们的目标是“中国人群”，直接拿西方数据当外对照会引入人群偏倚。
分析工具方面，变异检出我常用GATK Mutect2配合VarScan2双算法验证，再用Ensembl VEP或ANNOVAR做注释。需要注意的是，这些工具的过滤阈值需要针对FFPE样本做调整，默认参数更适用于新鲜组织和血液样本。用Mutect2时建议开启--f1r2-tandom-filter模式，能明显改善高背景噪音下的低频突变检出准确性；gnomAD东亚人群数据库的过滤不能省略，目的是排除胚系多态性导致的假阳性。
5.2 蛋白设计相关资源与文献交叉验证
蛋白降解方向的资源相对零散，没有流行病学那么好用，以下是我会优先看的资料：PDB数据库里已经有了不少KRAS G12C与小分子共晶结构，设计弹头前应把这些结构下载下来反复比对，确认弹头与开关II口袋的结合姿态；UniProt是检索KRAS蛋白结构域和翻译后修饰信息的基础工具，主要用于确认Cys12位点和膜锚定区域信息。降解剂设计有专库平台eProTAC等部分开放资源可以作为参考，但核心设计参数仍需要根据自己团队的验证数据来确定。
在文献跟踪上建议重点关注意图明确、转化路径清晰的降解剂相关研究。我个人的做法是：每做新一轮设计前，先建一张表，把已报道的KRAS G12C降解剂按弹头类型、连接子类型、E3配体、DC50、Dmax、是否做了体内验证这六个维度铺开，这样能快速看出哪些设计空间尚未被覆盖。这种文献梳理方式比零散读文章效率高得多，项目组内部传阅也方便。
6. 从研究到临床的转化视角：报告、入组与组合策略
6.1 基因检测报告怎么出才不会被临床退回
完成流行病学分析后，报告常常要跨科室使用，病理科、肿瘤科、药企临床团队都可能读这份文档。格式上有一点我必须强调：突变注释一定要写清楚HGVS标准命名、转录本版本和基因组版本。KRAS G12C在HGVS规范下的常见写法是p.Gly12Cys，对应的cDNA水平是c.34G>T，基因组变异在GRCh37和GRCh38下的坐标不同，不标注版本容易造成致命混淆。
报告里最好把“G12C阳性”这一栏单列，并同时给出VAF、覆盖深度、验证状态。对VAF极低但临床决策参考意义高的样本，加一句“建议数字PCR验证”比直接下结论稳妥得多。我自己遇到过病理科医生因为报告没写转录本版本而将c.34G>T误判为其他转录本编码的情况，导致临床科室基于错误命名更改了患者方案，这个教训让我后来在报告模板里写死了版本信息，这比任何制度约束都管用。
6.2 临床试验入组与联合用药的底层逻辑
流行病学数据最终要服务于临床入组策略。如果泛癌种筛查发现G12C在结直肠癌中阳性频率远高于预期，那么开展G12C降解剂在结直肠癌中的篮式试验就有了数据支撑；如果伴随突变分析显示STK11/KEAP1共突变比例高，则提示该人群对免疫联合治疗响应较差，需要优先考虑MAPK通路联合方案。
联合策略上有几个方向值得关注。KRAS G12C抑制剂与SHP2抑制剂联合，能阻断上游信号反馈激活；与EGFR抑制剂联合，在结直肠癌中已有临床证据；与免疫检查点抑制剂联合，则可能通过改变肿瘤微环境增强应答。蛋白降解剂在这些组合中具备一个独特优势：它通过蛋白消除的方式切断KRAS的下游信号和支架功能，可能比活性位点抑制剂更彻底地阻断反馈环路，理论上有更好的联合用药基础。不过目前这些都还需要临床试验验证，在缺乏数据前，我不建议直接按单药思路推进。
另外一个现实问题是：临床入组时应该要求哪些伴随标志物？我认为至少应包括肿瘤组织中G12C突变状态、E3连接酶（如CRBN或VHL）表达水平、以及原发耐药相关的共突变谱。E3表达检测虽然还没有写入主流指南，但在降解剂临床试验设计中几乎必然会成为筛选或分层指标，提前把检测方法学建好，能避免后期被动。
6.3 后续还可以怎么扩展这个方向
从我个人经验看，这一步做完之后还有三个值得延伸的方向。一是把流行病学分析从组织层面拓展到ctDNA层面，通过血液游离DNA动态监测G12C突变丰度变化，在用药早期预测耐药，这比单纯看组织突变状态更有临床操作价值。二是建立按G12C变异等位基因频率分层的患者预后模型，观察VAF高低是否与生存差异相关，为将来的治疗强度决策提供参考。三是把降解剂的体内药效数据与泛癌种E3表达谱结合起来，筛选最适合优先推进的癌种，而不是让药化组盲目在所有模型中做测试。
结尾
做这个方向越久，我越觉得流行病学分析和蛋白降解剂研发不是两条平行的线，而是必须拧在一起考虑的整体：泛癌种队列告诉我们该在哪些人群中布防，降解技术路线决定我们能覆盖多大的战场、是否有足够的纵深应对耐药。我自己在推进项目时体会最深的一点是，G12C这个位点虽然只占泛癌种标本的几个百分点，但它一旦出现，往往就是精准治疗最明确的切入机会。所以，如果各位手里已经有成型的肿瘤队列，我建议先把G12C的突变注释口径统一掉，转录本、VAF阈值、验证规则全部白纸黑字写出来——这个步骤做扎实了，后面无论做药物匹配还是临床试验设计，都会省掉大量返工的时间。
