據其負責人史成軍對本刊稱，早在華大基因前，他們就通過一家以色列的企業獲取了甲型H1N1病毒的基因序列，這使其在4月25日晚完成了核酸檢測引物的合成，并馬上委托生產部門生產，然后對試劑進行優化、測試等工作。三天后，它就生產出了針對該病毒的檢測試劑盒，其可在2個小時之內完成從樣品處理到實驗結束的全過程�！拔覀兪菄鴥鹊谝患疑�產出甲型H1N1流感快速檢測試劑盒的企業�！笔烦绍娬f。而如華大基因一樣，其為此付出的代價也是超額的工作量，史的團隊甚至把被子都搬到了辦公室的沙發上。如今，其已生產出了約3萬份檢測試劑，并第一時間派送到全國各地出入境檢驗檢疫中心。

　　當本刊記者在索奧公司采訪時，恰逢墨西哥連熙貿易服務有限公司駐北京商務經理阿圖龍來洽談購買事宜。阿圖龍表示，他們打算在中國一共采購300萬份檢測試劑，其中100萬份給政府，得到其認可后，再采購200萬份用于商業銷售。索奧當即答應立即發100份檢測試劑到墨西哥進行臨床檢測試驗。

　　對索奧來說，這筆交易無疑意義重大。由于種種原因，國內的檢測試劑較難打入國際市場，史成軍希望這次能夠成為一個突破口。而生產出檢測試劑之后，他們也在第一時間向WHO進行了報告—而有了這份報告，則意味著在贏得墨西哥政府認可方面增加了籌碼。

　　到目前為止，國內除了華大基因和索奧外，達安基因、上海復星等企業也都公布了檢測方案。但華大基因的研究發現，這次的甲型H1N1流感病毒的變異率大概在8%左右，這表示，所有這些機構公布出來的檢測引物很有可能與已只知類型存在交叉，也就是檢測結果只能算是“高度疑似”—這一點WHO也承認。“要確診病例只能通過病毒基因測序�！标愇ㄜ娬f。

　　互聯網追蹤令

　　當埃斯蒂·拉莫納卡在墨西哥東南海上享受著她美妙的五月春假時，絕不會想到一周之后，當她飛回紐約的家時，不僅帶回了曬成古銅色的肌膚，更帶回了在墨西哥爆發并已導致上百人死亡的甲型H1N1流感病毒。更為不幸的是，她在紐約圣弗朗西斯高中的十幾名同學也都以同樣的方式無意間做了這種病毒的傳播者：他們都在墨西哥度完假后飛回紐約，然后和100多名高中同學進行聚會。結果你已經預料到了：更多的學生開始出現發燒、喉嚨疼痛和發炎等癥狀，隨后學生們的家人也陸續發病，最終地處皇后區的圣弗朗西斯高中迅速成為了甲型H1N1流感在紐約的集中發病區。

　　拉莫納卡和她同學們的倒霉經歷恰恰印證了流行病學家們的研究假設—如果要了解傳染病是怎樣傳播的，首先要了解人類經由交通網絡系統流動的情況�？匆豢醇仔虷1N1流感在美國爆發的幾個地點吧！紐約、洛杉磯、芝加哥、休斯頓—無一不是重要的交通樞紐城市。而掌握了人們的行蹤與互動情況，就大致可以計算出流感的傳播方向了。不過，這已非人力所及—好在，這是一個網絡時代。

　　這些日子，美國印第安納大學信息學教授Alessandro Vespignani和他的GLEaM項目組每天都在密切追蹤甲型H1N1流感可能的傳播動向，并將基于高性能計算機及數值模擬技術做出的關于全球、美國和歐洲三個范圍的最新版本疾病風險評估報告，每隔一兩天就更新到它的網站上。而其借用的數據主要就是每天在美洲、歐洲、亞洲各地區之間穿梭的無數航班的信息。

　　“我們會考慮不同的交通媒介，既包括長程的跨洋飛行移動，也包括短程的汽車通勤移動。”Vespignani向《環球企業家》介紹道。然后，基于一個“全球疾病傳播模型”，他們再評估出各地流感爆發的風險并計算出可能的病例數。

　　當然，這也并不是一件完全交付于電腦的工作，比如最為重要的建立模型，就需要人類取舍的智慧：選擇那些與所探究問題最為切近的要素而忽略其他，Vespignani的研究組就是從最簡單的初始條件開始出發，先設定沒有抗流感藥物、沒有人員流動控制等等最為簡化的條件，這就得出一個最糟情況下的模擬結果，即風險預測地圖，它將顯示在某一天某一地區有多大的概率會發現一個感染者，以及大概會有多少人被傳染。

　　由于研究組對每一個初始條件都做多次模擬，每一次模擬過程都是隨機的，因而最后的結果將會在一個范圍內波動。此后，再根據每天的新病例修正模型中設定的初始條件，加入一些諸如使用抗生素、減少航空流量等等限制性條件，這樣就得出了相對較好情況下的預測。

　　而離印第安納大學北部不遠的西北大學，工程科學和應用數學教授Dirk Brockman也領導著一個小組在從事類似的研究項目，他們所使用的方法更加有趣—通過跟蹤鈔票是如何流動的來了解人們的行蹤，進而預測流感病毒的傳播。

　　值得注意的是，盡管兩個研究組所采用的模型、計算方法以及樣本維度完全不同，但卻得出了極為相近的模擬實驗預測結果，這無疑證明了他們方法的可靠性。

　　而在更多的大學和研究機構中，關于全球疾病傳播預測與控制的創新研究也比比皆是。比如麻省理工大學就試圖將可以接入全球衛星定位系統的芯片植入手機，進而追蹤分析哪些人可能與被傳染者產生危險接觸。而匹茲堡大學，更是在美國國家健康學會的幫助下打造了一個擁有130萬人口的“第二人生”，來模擬面對疫情這樣的突發狀況時人們會如何應對。

　　“定位”、“虛擬”很熟悉不是嗎？如果再加上社交網站或web 2.0，那么科技界當前的所有時髦技術就都齊了。事實上，西雅圖一家新創的生物監管網站，也正是通過監測分析社交網站的流量和用戶行為，再輔以官方數據，而發現了墨西哥的疫情—這甚至早于當地政府的官方公告。當然，別忘了谷歌，它專門預測流感趨勢的網站(Flu Trends)可是常常比官方的報告提前至少一周。

　　其實這種依靠行為熱度監測疫情的做法可以說由來已久，如同從Twitter、Facebook上或者谷歌搜索的關鍵詞頻率中能洞悉出些許端倪來一樣，藥店里感冒藥的銷售情況也能一定程度上說明流感的嚴重情況。不過，無法忽略的是，線下的這種監測存在著一定的噪音：比如藥品的促銷。至于信息日益碎片化的線上，無須贅述，噪音更是隨處可見。

　　從另一角度看，甲型H1N1流感疫情也正充當了各種新銳科技工具自身實力的絕妙試驗場—對于生物制藥領域中的每一參與者來說，又何嘗不是如此？

    新浪聲明：此消息系轉載自新浪合作媒體，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。文章內容僅供參考，不構成投資建議。投資者據此操作，風險自擔。