《文茜的世界周報》
【美國疫情正進入最痛苦的兩周,不只確診人數大步攀升,死亡人數也正隨著醫療體系崩潰而爆增。在這個危機時刻,勇於站上第一線用專業和民眾溝通、甚至違逆總統川普的頭號人物,無疑是美國國家過敏暨傳染病研究所主任佛奇,這個年屆八十的戰疫老兵,從愛滋到伊波拉帶領美國打贏無數病毒戰爭,這回極有可能是他的最後一役,他深刻剖析新冠病毒的特性,呼籲美國落實隔離政策,並提醒病毒隨時可能捲土重來,尤其在中國解封後,什麼時候是第二波?歐美將病毒傳向第三世界還是可能再反撲,這個世界看似被鎖國政策孤立,其實病毒已經大家綁成更緊密的生命鎖鏈,讓大家不得不攜手對抗。】
{內文}
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
我是安東尼佛奇,美國國家衛生研究院國家過敏暨傳染病研究所所長
2020美國面對新冠疫情,所有專業意見幾乎都是他說了算。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
你不會想要用你的知識把人們搞糊塗,讓他們眼花撩亂,而是真的希望他們能了解你在說些什麼
他是白宮醫療最重要的諮詢顧問,自今年二月首度站上第一線,哪怕是從來不把科學與專家意見,放在眼裡的川普總統,決策都曾多次因為和他的看法相左,180度大轉彎。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
疫情會變得比現在更糟
80歲的佛奇是義大利後裔,藥師家庭出身的他,畢業於康乃爾大學醫學院,1968年加入美國國家衛生研究院後,曾幫助美國度過越戰那段最艱困的時光,1984年被任命為過敏暨傳染病研究所所長後,更在一次次磨練中,成為全美甚至是全球最頂尖的免疫傳染病學家。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
我現在相信,我們所屬的機構已投入大量努力和精力,足以掌握生物醫學科學,假以時日,我們將獲得很多的答案
長達30年的職業生涯,佛奇共歷經六位美國總統,細數他所帶領打過的戰「疫」,是從1980年代的愛滋 人為炭疽熱 生化恐怖主義,一路戰到2003年SARS及2014年的伊波拉。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
SARS的情況要比一般情況嚴重得多,事實上,這比普通流感要嚴重得多
這位生化界的沙場老將從不言勝,即便是2008年接受小布希總統頒贈,號稱美國平民最高榮譽的總統自由勳章,他仍維持一天只睡五個小時,15小時高強度地專注工作,如今年屆八十再被徵召應對新冠疫情,佛奇深知疫情險 政局更險,哪怕得公開跟川普唱反調,他也不斷強調所言本乎專業。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
我沒被下封口令,我將秉持我一貫的信念,為您們提供全部的真相
這是美國建國以來最難打的一場仗,當全美新冠肺炎通報確診病例,已大步超越中國和義大利居全球之首,總統川普在美東時間3月29號公開預警,美國死亡人數的高峰,可能會在兩周以內到來,如果我們不保持社交距離,美國這個世界頭號強國傑出科學家的搖籃,就算死上百萬人也不是不可能。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
即便擴大這些(防疫)準則,我們還是會失去很多生命,確切地說,我們會死多少人,將取決於緩解方法的效率,但很明顯地,您們昨天前天已經看到了,在一天之內,死亡人數就爆增一倍,我的意思是,這一切真的已經非常非常讓人清醒
佛奇並不想用數字去嚇大家,儘管他對當下疫情的推估,新冠肺炎確實可能導致美國10到20萬人死亡,他以中國武漢為例,新冠病毒從開始到進入緩衝期,約莫走了兩個半月,但如今的歐洲仍處高峰,美國各項數字也還在攀升,高峰期到底有多少人會感染甚至死亡,將取決於當地政府及民眾隔離措施,是否即時到位並充分落實,他無法同意某些流行病學專家推估,全球最終可能會有50%到60%民眾,先後染病的說法,因為證諸歷史,最多感染人數的大流行病,也不過15%到20%,新冠病毒就算感染力再強,也必須在毫無警覺與防範的前提下,才會讓人類半數以上全倒,這跟先前諾貝爾化學獎得主,美國史丹佛大學結構生物系教授Michael Levitt,根據中國武漢染病數據成功預言,韓國疫情減速,義大利接近拐點,不謀而合。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
讓我們面對這個現實,要量化它(染病數字和死亡率)非常困難,因為你同時進行了兩個動態操作,一方面病毒正在上升,你又在用緩解措施試圖將其拉下來,然而 (美國)決定延長,不只是延長,而是延伸整個緩解過程直到4月底,我認為這是一個明智且謹慎的決定
面對外界質疑,美國防疫初期錯失先機,之後粉飾太平,甚至檢測試劑漏洞百出醫療設備準備不足,在國內外輿論無情的抨擊下,美國能無畏站上溝通第一線的
一直是佛奇。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
如果你看每一場疫情的爆發,都有點像是陷入戰爭迷霧中,我的意思是,人們會嘗試做對的事,而且有時候他們從一開始就做對的,但有時候他們是邊走邊修正,我認為無論我們現在在哪裡都很好,無論如何它都不完美,我們仍須要取得更多的設備,我們正在作一切事情以獲取更多設備,我們仍需要確保有更多可用的試劑,而且它必須快速地得到結果
在他眼裡,全世界的人都在一條船上,無論是先進或者落後國家,年輕健康的人或者年長慢性病患者,唯有徹底做好隔離才能挽救最多生命,美CDC和WHO特別提醒,新冠病毒對糖尿病患尤其危險,因為血糖高的人對病毒 細菌的接收度,遠比一般人要高得多,佛奇要大家別過度樂觀預期,新冠肺炎會像當年的SARS,只維持一季就徹底消失,傳播力更強的COVID-19,隨時都可能捲土重來,即便眾多得過的人已經具備了免疫力。
(Dr. Anthony Fauci/美國國家過敏和傳染病研究所主任)
我們預期,新冠病毒會在我們的監控下停留一段時間,然後隨著我們進入下一個冬季 秋末 冬季,它可能會再回來,希望到那時,我們在公共衛生領域已經做好更充分的準備,這是第一點 第二點,我們已經測試了幾種藥物,希望其中一些是有效的, 而且我們已經非常非常接近完成疫苗研發,正如您所知,我已經說過很多次,疫苗開發可需要一年到一年半的時間才能準備好,因此可以想像這將會變成一個循環,病毒會捲土重來,但當我們能做到以上這些,我們將會和現在居於非常非常非常不同的處境
目前已知WHO正組織多國,加速試驗瑞德西韋 克力芝,和氯奎寧等舊藥治療新冠病毒的療效,因為在中國逐漸解封後,我們很快就會知道會不會有第二波,而歐美各國當下的疫情大爆發,也勢必會傳到第三世界國家接棒,並隨時伺機反撲鬆懈警戒的老大陸,佛奇說,我們必須將眼光放遠,找出一種足以對付不同冠狀病毒的疫苗,畢竟封鎖邊境後的全球各國,將會是一條比過去更緊密的生命鎖鏈,看似一個個分離的孤島,卻被病毒宰制不得不攜手對抗。
同時也有2部Youtube影片,追蹤數超過3萬的網紅吳氏日本語:奇跡的な速攻法,也在其Youtube影片中提到,⭐️可以下載吳氏日文app快速記憶機 內容更多! https://ilovejp.club/app/YT ****************************************** 0:06 現在からではなく過去から未来を見るのです。 0:16 ...
2020諾貝爾化學獎 在 文茜的世界周報 Sisy's World News Facebook 八卦
《快訊》2名女科學家獲2020年諾貝爾化學獎
【2020諾貝爾獎化學獎由兩位基因編輯技術女科學家獲獎】
下午 5點 45 點左右,2020 諾貝爾化學獎評選結果揭曉——諾貝爾委員會宣佈,2020年諾貝爾化學獎被授予艾曼紐·卡彭特(Emmanuelle Charpentier)和詹妮弗·杜德納(Jennifer A. Doudna),以表彰她們對「基因編輯」研究做出的傑出貢獻。
Emmanuelle Charpentier 和Jennifer A. Doudna 發現了基因技術中最尖端的工具: CRISPR/Cas9基因剪刀。利用這項技術,研究人員可以極其精確地改變動物、植物和微生物的 DNA。
這項技術不僅對生命科學產生了革命性的影響,為開創新的癌症療法做出了貢獻,還可能使治癒遺傳性疾病的夢想成為現實。
https://www.nobelprize.org/prizes/chemistry/2020/summary/
2020諾貝爾化學獎 在 Facebook 八卦
「它將改變一切!」
DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子折疊問題。
本週振奮全球AI界的消息:Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果,這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中,全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題,這項AI帶來的重大突破,將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因(比如今年的全球新冠大流行),促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月,這真是一個讓人懷抱希望的全新技術可能性,期待 AlphaFold之後締造更多 AI for Good 落地應用。
以下文章詳盡解釋了這項突破,內容經《機器之心》微信公眾號授權轉載。
▎生物學界最大的謎團之一,蛋白質折疊問題被 AI 破解了。
11 月 30 日,一條重磅消息引發了科技界所有人的關注:谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。
最新一代算法 Alphafold 2,現在已經擁有了預測蛋白質 3D 折疊形狀的能力,這一複雜的過程對於人們理解生命形成的機制至關重要。
DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導,新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
科學家們表示,Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制,並為設計藥物、農作物增產,以及可降解塑料的「超級酶」研發鋪平道路。
「這是該研究領域激動人心的一刻,」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大,足以被應用於真正具有挑戰性的科學問題上了。」
蛋白質對於生命至關重要,它們是由氨基酸鏈組成的大型複雜分子,其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡,蛋白質折疊一直是生物學領域的重大挑戰。
DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中,DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手,在準確性方面比肩人類實驗結果,被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現,尤其是基礎科學研究的影響。
在兩年一次的 CASP 競賽中,各組爭先預測蛋白質的 3D 結構。今年,AlphaFold 擊敗了所有其他小組,並在準確性方面與實驗結果相匹配。
對於不熟悉生物領域的人來說,CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction,旨在對蛋白質結構預測進行評估,被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦,每兩年一屆,目前正在進行的一屆是 11 月 30 日開始的 CASP14。
而 DeepMind 這一突破有什麼影響?
用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說,「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域,因為核心問題已經解決。這是一流的科學突破,是我一生中最重要的科學成果之一。」
▎蛋白質折疊問題
蛋白質的形狀與它的功能密切相關,而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題(如尋找分解工業廢料的酶)基本上都與蛋白質及其扮演的角色有關。
多年以來,蛋白質結構一直是熱門的研究話題,研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備,每種結構的研究都要花數年時間。
1972 年,美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究,特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上,他提出了一個著名的假設:從理論上來說,蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索,即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。
但這一思路的挑戰在於,在形成三維結構之前,蛋白質的理論折疊方式是一個天文數字。 1969 年,Cyrus Levinthal 指出,如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象,要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計,一種蛋白質大約存在 10^300 種可能構象。但在自然界中,蛋白質會自發折疊,有些只需幾毫秒,這被稱為 Levinthal 悖論。
CASP 14 比賽最新結果:AlphaFold 中位 GDT 高達 92.4
CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立,每兩年進行一次盲審,以促進蛋白質結構預測方面的新 SOTA 研究。
一直以來,CASP 選擇近期才經過實驗確定的蛋白質結構,作為參賽團隊測試其蛋白質結構預測方法的目標(有些結構即使在評估時仍然處於待確定狀態)。這些蛋白質結構不會事先公佈,參賽者也必須對其結構進行盲測,最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則,CASP 一直被稱為預測技術評估方面的「黃金標準」。
CASP 衡量預測準確率的主要指標是 GDT(Global Distance Test),範圍從 0 到 100,可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示,GDT 分數在 90 分左右,即可視為對人類實驗方法具備競爭力。
在剛剛公佈的第14 屆CASP 評估結果中,DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4,意味其平均誤差大概為1.6 埃(Angstrom),相當於一個原子的寬度(或0.1納米)。即使在難度最高的自由建模類別中,AlphaFold 的中位 GDT 也達到了 87.0。
歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況,度量指標為 BEST-OF-5 GDT。
CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。
這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用,例如膜蛋白(membrane protein)。膜蛋白很難結晶,因此很難通過實驗方法來確定其結構。
該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展,比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮,它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授(諾貝爾獎得主,英國皇家學會會長)
▎DeepMind 這樣解決蛋白質折疊問題
2018 年,DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽,取得了最高的準確率。之後,DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在,DeepMind 團隊開發出新的深度學習架構,並使用該架構參加 CASP14 比賽,達到了空前的準確率水平。這些方法從生物學、物理學、機器學習,以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。
我們可以把蛋白質折疊看作一個「空間圖」,節點表示殘基(residue),邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold,DeepMind 團隊創建了一個基於注意力的神經網絡系統,並用端到端的方式進行訓練,以理解圖結構,同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對(MSA)和氨基酸殘基對的表示來細化該圖。
通過迭代這一過程,該系統能夠較強地預測蛋白質的底層物理結構,並在幾天內確定高度準確的結構。此外,AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。
DeepMind 團隊在公開數據上訓練這一系統,這些數據來自蛋白質結構數據庫(PDB)和包含未知結構蛋白質序列的大型數據庫,共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核(相當於 100-200 個 GPU)運行數週,與現今機器學習領域出現的大型 SOTA 模型相比,該系統所用算力相對較少。
此外,DeepMind 團隊透露,他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。
AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行,迭代地在二者的表示之間傳遞信息,從而生成蛋白質結構。
▎對現實世界的潛在影響
「讓 AI 突破幫助人們進一步理解基礎科學問題」,經過 4 年的研究攻關,現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景,在藥物設計和環境可持續性等領域都產生了重要的影響。
馬克斯· 普朗克演化生物學研究所所長,CASP 評估員Andrei Lupas 教授表示:「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構,重新啟動關於信號如何跨細胞膜傳輸的研究。 」
DeepMind 表示願與其他研究者合作,以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外,DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。
同時,DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如,通過幫助識別存在故障的蛋白質,並推斷其相互作用的方式,來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確,從而補充現有的實驗方法,並更快找到更有希望的治療方法。
AlphaFold 是十分卓越的,它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究,加速藥物研發過程都具有廣闊的前景。
同時許多證據也表明,蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候,DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中,AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前,實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性,並且相關序列很少,但與實驗確定的結構相比,AlphaFold 在兩種預測上都獲得了較高的準確率。
除了加速對已知疾病的了解,AlphaFold 還具備很多令人興奮的技術潛力:探索數億個目前還沒有模型的數億蛋白質,以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列,基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫(UniProt)中有 1.8 億個蛋白質序列。相比之下,考慮到從序列到結構所需的實驗工作,蛋白質數據庫(PDB)中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣,像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。
▎開創新的可能
AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一,但隨著後續科學研究的開展,依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方,包括多蛋白如何形成複合體,如何與 DNA、RNA 或者小分子交互,以及如何確定所有氨基酸側鏈的精確位置。此外,在與他方合作的過程中,還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。
對於所有致力於科學領域中計算和機器學習方法的人而言,像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣,這個世界依然有諸多未知的方面。
DeepMind 取得的這一進展令人們更加堅信,AI 將成為人類擴展科學知識邊界的最有用工具之一,同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。
影片及原文,參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
2020諾貝爾化學獎 在 吳氏日本語:奇跡的な速攻法 Youtube 的評價
⭐️可以下載吳氏日文app快速記憶機 內容更多!
https://ilovejp.club/app/YT
******************************************
0:06 現在からではなく過去から未来を見るのです。
0:16 無駄なことをたくさんしないと、新しいことは見えてこない。
0:29 時代の流れのなかで、世間が何を求めているのかという匂いを感じ取る。
0:44 頭は柔らかくないといけないが、コツコツと執着心を持って、諦めないことも大事。
0:59 「粘り強さ」「楽観的な姿勢」「時代の流れを読む嗅覚」の3つが必要だと考えています。
⭐️【建議學習方法】
一人一世界,斯人斯語,向企業家借力量!名言不只可以用眼讀,更可以用心讀、用口朗誦!為協助大家建立口說的能力,已調整每畫面時間,建議採用跟讀法,訓練口說的能力。初期或許跟不上,可以多試幾次喔~
*****************************************
⭐️⭐️⭐️(最新電子書索取)3個月合格日檢N2有可能嗎?⭐️⭐️⭐️
https://ilovejp.club/2003252/2020
⭐️索取日檢課程資料 https://ilovejp.club/ask...
⭐️吳氏日文LINE:https://line.me/ti/p/%40wusjp......
請搜尋ID: @wusjp
⭐️吳氏日文官網:https://www.wusjp.com
⭐️吳氏日文Youtube: https://ilovejp.club/YT
⭐️吳氏日文FB:https://www.facebook.com/wusjp5488/
⭐️吳氏日文 IG:https://www.instagram.com/wusjp5488
⭐️吳氏日文 Android APP https://ilovejp.club/app/YT
⭐️訂閱電子報https://ilovejp.club/newspaper
⭐️索取日檢課程資料 https://ilovejp.club/ask
#快速學日文 #50音 #日文動詞 #日文文法 #日文學習瓶頸 #五段動詞 #打工度假 #日語速成 #日語常用句 #日本留學 #日語檢定 #N5 #N4 #N3 #日文單字 #日語補習班#日文線上教學 #第二外國語 #快樂學日語 #日語句型 #敬語 #日本就業 #日本打工#日文
#日文字母 #日文自學 #日文五十音表 #日文五十音寫法 #日本就業 #吉野彰 #諾貝爾化學獎
![post-title](https://i.ytimg.com/vi/7KAjta6RKK0/hqdefault.jpg)
2020諾貝爾化學獎 在 陳泰源-房仲/主持人/歌手/作家/演講師 Youtube 的評價
200825非凡 緊鄰豪宅區消費力道足 4餐廳摘7星大直米其林一條街
非凡影音→https://youtu.be/09cMEsg1TXg
新聞網址→https://www.ustv.com.tw/mobile/news/112/20200825A142
米其林指南完整名單昨(24)天正式出爐!攤開這次摘星餐廳的分佈地圖,會發現台北市大直商圈密度最高,同一條路上就有4家入選。房仲業者解釋,除了因為大直過去重劃區規劃,街道整齊舒服,也跟消費族群有很大關係。
記者/高昱晴、吳國豪 台北報導……↓
記者/高昱晴:「一家、兩家、三家、四家,米其林公布最新的摘星餐廳有多達四間,就位在中山區的樂群三路上,這個可以說是米其林一條街,走下來可以累計到7顆星星。」
首屆跨台北台中的米其林餐廳揭曉,除了五間隸屬五星飯店,其他通通是街邊店型態,如果以區域來看,北市中山區有11間、大安區8間,大直商圈會成為重點聚落,跟週邊消費族群有很大關係。
民眾:「主要是消費力的關係吧,這裡的消費能力」。
美商ERA不動產資深經理陳泰源表示:「樂群三路其實它離這個,過了一個堤頂大道二段,它就到了內湖科學園區,所以它距離內科很接近,那內科其實本來就有很多,商務型的高階主管,那他們如果要就近用餐的話,那當然選擇樂群三路是最近的,那第二個原因是因為,整個樂群三路一帶,其實也是大直的豪宅區,所以說光是在地住戶的消費力道,其實也很足夠。」
大直豪宅群聚,像是半導體之父張忠謀、諾貝爾化學獎得主李遠哲、名主持人鄭弘儀、還有藝人林志穎都住在這裡。
鏡頭轉到台中米其林餐廳,主要分布在七期、五期,跟單元二重劃區。
美商ERA不動產資深經理陳泰源表示:「如果你想要做一個比較旗艦型的,這樣的米其林餐廳的話,你要找一個很適合,足夠大的空間,那就會往單元二重劃區去發展,台北地區會是以店面、街邊店為主,台中你就會發現是整棟透天厝,甚至乾脆自己蓋一個超大的,腹地很大的透天,旗艦型的米其林餐廳。」
房仲業者分析,米其林餐廳注重硬體設備,因此大多會以街邊店型態為主,較少出現在百貨公司,隨著摘星名單出爐,也顯現了星級餐廳們的選址哲學。
陳泰源的youtube→https://youtu.be/JUUC31QwS3s
部落格網址→https://taiyuanchen1223.blogspot.com/2020/08/200825-47.html
![post-title](https://i.ytimg.com/vi/JUUC31QwS3s/hqdefault.jpg)
2020諾貝爾化學獎 在 2020 年诺贝尔化学奖揭晓,基因编辑是科学发现还是技术发明 ... 的八卦
2020 年的 诺贝尔化学奖 颁发给了两位女士,法国的埃马纽埃尔·卡彭蒂耶和美国的詹妮弗·杜德娜,表彰她们“开发出了一种基因组编辑方法”。这一次的化学奖 ... ... <看更多>