让代谢像心率一样实时可见，牛津团队抢滩下一代健康数据入口-动脉网

从智能手表到智能戒指，可穿戴设备的形态越来越丰富，能够记录的数据也从计步、心率，扩展到血氧、睡眠、运动、皮肤温度等多维生理信号。人们已经可以借助一块手表、一枚戒指，持续了解自己的身体状态。

但“记录更多”，并不等于“理解更多”。

今年7月，Google发布可穿戴健康基础模型SensorFM。该模型基于超过500万用户逾1万亿分钟可穿戴传感器数据进行预训练，覆盖心率、运动、皮肤温度、血氧和睡眠等多维信号，尝试从长期、连续的可穿戴数据中学习人体状态变化规律。可穿戴设备由此积累的数据，正在成为AI理解人体的重要基础。

但值得注意的是，SensorFM学习的仍主要是心率、运动、睡眠等生理和行为信号。这些数据能够描述身体“处于什么状态”，却难以进一步解释身体内部“如何运转”。

真正驱动人体运行的，是物理信号背后的代谢网络。葡萄糖利用、脂肪分解，以及乳酸、酮体等代谢物的动态变化，持续发生于人体内部，却很难被直接感知。

2025年，复旦大学团队基于英国生物银行（UK Biobank）中27.4万名成人的血浆代谢组数据，系统绘制了疾病发病前15年的代谢物变化轨迹，发现超过50%的代谢指标在疾病确诊前10年甚至更早便已出现异常。^[1]

核心问题在于代谢数据长期缺乏连续、动态的获取手段。传统血液检测能够获得丰富的代谢指标，却更像一次“快照”，无法满足日常连续监测需求；即便是已经较为成熟的连续血糖监测（CGM），覆盖的也只是庞大代谢网络中的一个维度。

因此，多指标、连续、无创代谢监测正成为产业和学术界探索的新方向。

产业端已经开始落子。5月，雅培的Libre Duo获得CE认证，可在同一传感器中连续监测葡萄糖和酮体，成为全球首款获得CE认证的葡萄糖－酮体双指标连续监测产品。

学术界也在推进更进一步的探索。7月23日，加州大学圣迭戈分校团队在《Nature Communications》发表研究，展示了一款能够从汗液中连续检测葡萄糖、酮体、乳酸、尿酸、维生素C和酒精等多种分子的智能戒指。可穿戴设备由此进一步从生命体征监测走向生化信息读取。

当代谢物从“能检测”走向“能连续检测更多指标”，竞争也将进一步下沉至传感器这一底层环节：谁能实现多指标的长期稳定监测，谁能把连续产生的代谢信号转化为可供AI分析的高质量数据，谁才可能握住下一代健康数据的入口。

这正是津合生物试图切入的方向。

依托第三代酶电技术打破物理天花板，实现多指标连续监测的平台化扩展

多指标监测的难点并不只是增加几个检测项目，而在于底层传感体系能否支撑不同代谢物的同时检测。

现有的成熟方案多采用第二代酶电传感技术：酶负责识别目标分子，但酶与电极之间无法直接传递电子，需要借助化学介体作为“信使”中转，即“连线酶”路线。这一架构在单指标场景下已得到充分验证，CGM的广泛普及正是建立于此。

但当监测对象从单一指标扩展到多个指标时，问题也随之而来——每多监测一种代谢物，就要重新筛选与该指标匹配的酶和介体组合，重新设计电极表面的化学修饰方案，并逐一解决不同介体之间的信号串扰问题。整个流程相当于为每一个新指标重新开发一套完整的传感器系统，其难度不亚于新靶点药物研发。

想在一枚传感器上同时跑通多个指标，工程难度和成本会呈指数级上升。同时，这条路线所能承载的指标数量存在天然上限——这不是投入多少的问题，而是技术架构本身的天花板。

打破这个天花板的，是第三代酶电技术——直接电子转移（DET）。酶与电极直接交换电子，不再需要任何中介。不同代谢物的信号各自走不同的电位通道，互不干扰，相当于为每一种代谢物架设了一条独立的信号高速公路。

全球在这一方向上积累最深的，是牛津大学的生物电化学体系。20世纪，Allen Hill等学者在牛津推动了酶电化学在生物传感领域的早期发展；近十余年来，Fraser Armstrong院士持续深耕酶直接电子转移的基础研究，为第三代酶电传感技术提供了重要的理论支撑。

津合生物的创始团队，正出自Armstrong院士实验室。2022年，团队拿下牛津大学创业大赛第一名后回国创业。全球范围内，同时具备酶工程、纳米材料和电化学界面三重能力的团队屈指可数，这正是津合生物敢于切入这一方向的底气。

在具体实现上，津合生物的核心技术是“酶电偶联”：利用纳米材料固定化酶，在酶的活性中心与电极之间构建高速电子传输通道，将不同代谢物的识别结果转化为电信号，从而在同一枚传感器上，实现血糖、血酮、乳酸、NAD⁺等多项代谢指标的同时连续监测。

更关键的是这套技术带来的平台化能力。不同代谢分子虽然需要不同的酶来识别，但经过“酶电偶联”体系的转换，最终输出的都是标准化的电信号。这意味着，监测指标的扩展不再是“重新设计一套系统”，而只需更换前端的“分子识别模块”——就像给同一台相机换不同的镜头，换掉最前端的酶，就能从监测血糖切换到血酮、乳酸或NAD⁺，真正实现多指标连续监测的平台化扩展。

这种革新也带来了商业效率的跃升。传统模式下，新增一个代谢指标通常需要数年的研发周期，津合则将这一过程压缩至数月；而对于已纳入其指标库的项目，周期还会更短——可穿戴设备厂商无需从头自研传感器，只需按需选择监测指标，由津合提供标准化的传感模块，并在数周内完成酶的组合配置与校准。

从“读数”到“读人”，多维连续代谢数据成为AI生命科学的重要基础

在津合生物的版图中，多指标代谢监测是解密人体生化世界的“数据探针”。

设备测出代谢变化只是数据采集的第一步，单个时间点的读数价值有限，真正重要的是将这些分散的数据点连接成连续的动态代谢轨迹，并进一步理解不同生化指标之间随时间发生的联动关系。

从“读数”到“读人”，中间隔着的正是这层AI翻译。而要让这层翻译足够准确，前提是输入的代谢数据具备足够的维度与连续性——单一指标的快照数据撑不起对人体复杂代谢网络的完整推演，葡萄糖、酮体、乳酸等多个指标在时间轴上的同步交织，才能还原出人体内部真实的运行图景。

这也是为什么，高质量、连续性的代谢数据正在成为AI生命科学探索的重要基础。

当下，全球AI公司正在竞相构建“虚拟细胞”与“生物世界模型”，希望在数字世界中重构能模拟真实生理过程的数字孪生体，推演饮食、运动、药物对人体的影响。但这些模型面临一个共同的瓶颈：缺少真实、动态、连续的人体生化数据作为训练和验证基础。

静态的单点体检数据无法还原代谢网络的时间维度。而津合生物，是目前全球少数有能力规模化提供这类高质量生化数据基础设施的公司。

津合生物的多代谢指标监测平台，理论上可以同时连续测量十多种代谢指标，让多维代谢数据开始真正流动。以此为支点，数据飞轮开始飞转：

在采集端，津合既向可穿戴设备厂商输出底层的标准化传感模块，也在推进自有整机终端，将原本存在于实验室或专业医疗设备中的多维代谢数据带入日常场景；
在应用端，这些连续代谢数据可服务于可穿戴设备企业、科研机构、AI制药企业以及AI for Science平台，为观察生命过程提供新的数据维度；
在反馈端，AI对代谢数据的解析结果，也可进一步帮助优化传感指标组合与传感器设计，推动更多数据积累。

由此形成的数据飞轮，将成为津合竞争壁垒的核心来源：传感器铺出去→多维度代谢数据持续回流→AI解析数据背后的代谢机制→算法反哺传感器优化→更强的预测能力推动更多传感器铺向市场。

随着循环半径不断扩大，津合底层技术壁垒与上层数据资产同步增厚。一套围绕代谢数据产生、积累与应用的基础设施正在形成。

硬件铺路、数据为矿，掘金代谢数据长期价值

支撑这一庞大数据生态的，是一条阶梯式的商业化路线。

在发展初期，津合生物为海外可穿戴厂商、科研机构及 AI for Science自动化实验平台提供以标准化传感模块为主的底层能力，实现技术变现；随着终端产品逐步完成相关监管认证，公司也将进一步实现整机销售。