11月17日，康诺亚的全资附属公司——康诺亚生物医药科技（成都）有限公司与Platina Medicines Ltd（PML）订立独家许可协议。 这也是2024年内，继7月份与Belenos Biosciences1.85亿美元的交易后，康诺亚第二次做成的NewCo出海。 PML与康诺亚将订立临床供应协议，据此，PML将向康诺亚采购CM336药品的临床供应。

11 月 18 日，华辉安健宣布 立贝韦塔（HH-003）单抗 已于近日获 FDA 授予突破性疗法认定，用于治疗 慢性丁型肝炎病毒（HDV）感 染 。 2023 年 4 月 ，该药已获得中国 NMPA 授予突破性疗法 。 HDV 是一种复制缺陷型 RNA 病毒，为 HBV 的卫星病毒，需借助 HBV 表面蛋白作为其包膜蛋白进行复制。

Insight 投融资数据库显示，上周全球制药领域发生 17 起投融资事件（ 截至 11 月 15 日 ）：。 从药物类型来看， 备受资本看好的领域包括 小分子、单抗、放射性药物、细胞疗法、mRNA 疫苗 等；。 从金额来看，肥胖和代谢疾病治疗药物研发公司 Metsera 融资金额最高， 达到2.15 亿美元 。

武汉 2024 年 11 月 16 日， 翰思艾泰宣布在 Nature Portfolio 在线期刊 «Scientific Reports» 上发表了题为 “ Preclinical pharmacology characterization of HX009, a novel PD1 x CD47 Bi-specific antibody ” 的研究文章。 HX009 是由翰思艾泰自主研发处于临床阶段的免疫检查点抑制 双抗研究性新药。 该项研究也进一步揭示了 HX009 用于治疗癌症的潜在机理 , 包括该双特异性抗体在受体双阳性 T 细胞上的顺式结合或双靶向导致的增强 PD1 信号阻断。

卖点：轻微副作用，不涉及剂量渐增，每月一次。 从该公司9月发布的I期临床信息来看，Metsera目前进度最快的管线是长效可注射GLP-1受体激动剂MET-097，该管线采用Metsera的HALO脂质平台设计。 比较值得称道的是该药物的安全性效果。

11月17日， 康诺亚宣布其子公司成都康诺亚与Platina Medicines Ltd （PML）已订立独家许可协议， 授予PML在全球（不包括中国内地、香港、澳门及台湾）研究、开发、生产、注册及商业化CM336的独家权利。 作为回报， 康诺亚将获得1600万美元首付款和近期付款，同时获得PML母公司Ouro Medicines（一家在2024年3月成立的公司，拥有PML的全部股权）的少数股权作为对价的一部分。 就许可协议而言，PML与康诺亚将订立临床供应协议，据此，PML将向康诺亚采购CM336药品的临床供应。

11月14日，科睿唯安（Clarivate Analytics）公布了2024年11月的ESI最新数据，数据覆盖时间范围为2014年1月-2024年8月，广州医科大学社会科学总论学科首次进入全球排名前1%。 2024年11月广医ESI全球前1%学科概览。 在本期全国排名前100位的高校中，广医为进步最大单位之一。

NEWS 单次给药RN0191可实现PCSK9 （前蛋白转化酶亚型9）87%平均最大降幅和95%个体最大降幅；同时可实现LDL-C（低密度脂蛋白胆固醇）56%平均最大降幅和74%个体最大降幅 该持久且稳固的治疗效果支持至少半年一次的给药方案 RN0191作为新型PCSK9 siRNA疗法，在同类别中展现出最佳潜力，支持其作为单药开发或与其他疗法联合使用，进一步降低动脉粥样硬化心血管风险。 中国，上海 — 大睿生物 作为创新RNA疗法的领军企业，于当地时间11月16日在美国心脏协会（AHA）年度科学会议上，公布了其新型GalNAc结构共轭PCSK9 siRNA药物RN0191的 一 期临床试验的积极结果。 该药物旨在显著降低低密度脂蛋白胆固醇（LDL-C）及其他脂质指标。

近日， 致力于成为精准核医疗的先行者的深圳扬奇医芯智能科技有限公司（简称“扬奇医芯”），宣布完成由安丰创投领投的数千万元Pre-A轮融资 。 本轮融资将主要用于获批产品市场推广、新产品研发报批与宠物放疗市场拓展。 扬奇医芯以国产化和知识产权自主为目标，打破进口放疗设备垄断地位，致力成为精准核医疗领域的先行者。

Humanities and Social Sciences Communications期刊11月7日在线发表文章《降低合成生物学实验室研究中潜在的双重用途风险：动态分析模型》（Reducing potential dual-use risks in synthetic biology laboratory research: a dynamic model of analysis）。 与传统生物学相比，机器学习技术的引入降低了合成生物学研究对人类参与的要求，这可能会导致合成生物学实验室复杂的人类-技术-管理系统中生物安全和生物安保问题的增加。 SynBio 和机器学习技术的快速发展增加了管理和技术子系统的系统复杂性，其风险尚不明确。