SHANGHAI RESEARCH LANDSCAPE · 2025
Beyotime 登顶上海第一试剂品牌 · AI 关键词飙升 68%重塑科研范式
上海市 2025 年科研产出与试剂品牌引用深度分析报告 ——
基于 PubMed 数据集，从发文量、机构、关键词与品牌引用四个维度交叉解读结构性变革与未来机遇。
2025 年上海科技论文产出达 28,850 篇，同比增幅 25.5%，创下历史新高。但这一数字背后隐藏着更深刻的结构性信号：上海占全国发文比重从 2021 年的 9.27% 持续下滑至 7.68%，表明全国科研版图正加速向中西部扩散，而上海则率先进入“存量优化、质量引领”的新阶段。头部机构高度集中于复旦大学、上海交通大学及其附属医院，肿瘤、免疫、炎症、铁死亡等生命医学方向构成研究基本盘，但 机器学习、孟德尔随机化、人工智能等方法学关键词的排名飙升，预示着科研范式正从“假设驱动”转向“数据驱动”，从“湿实验为主”转向“干湿结合”的深度交叉。
品牌格局迎来里程碑式转折：Beyotime（碧云天）以 14,486 次引用首次超越 Thermo Fisher Scientific，登顶上海第一试剂品牌。这一事件标志着国产试剂在质量信任、供应链安全和本土化服务三重红利下，已从“替代可能”变为“替代现实”。Sigma-Aldrich、Abcam、CST 等进口老牌份额普遍收缩，而 Proteintech、Vazyme、Abclonal、Servicebio、MCE 等国产力量加速渗透，国产品牌总份额从约 25% 跃升至约 32%，且这一趋势仍在加速。
本报告通过五大维度——增长质量、机构竞争、领域热点、品牌格局、三角关系——对原始数据进行了深度挖掘，提炼出 2026—2027 年上海生命科学研究的核心趋势与战略启示，为政策制定者、机构管理者与产业界提供决策参照。
2021—2025 年，上海发文量从 17,833 篇增长至 28,850 篇，累计增幅 61.8%，年均复合增速约 12.8%。但增长路径并非平滑向上，而是呈现明显的“脉冲式”特征：2022 年疫情催生大量应急研究（+36.2%），2023 年相关论文退潮导致回调（-13.6%），2024—2025 年则进入由人工智能、单细胞测序和精准医学驱动的新增长周期（+9.5% → +25.5%）。这种波动性本身就反映了上海科研对外部事件和方法论变革的高度敏感。
与 2022 年的“疫情驱动型增长”不同，2025 年的增长具有更强的可持续性。数据显示，“machine learning”从第 5 位跃升至第 1 位（+60.5%），“deep learning”从第 11 位升至第 7 位（+31.8%），“artificial intelligence”从第 54 位跃升至第 18 位（+27.7%）。AI 相关关键词合计超过 1,000 篇，且这些研究大多聚焦于疾病预测、多组学整合、药物重定位等长期科学问题，而非短期应急响应。这标志着上海生命科学研究的底层范式正在发生深刻转型：从“假设驱动”转向“数据驱动”，从“孤立湿实验”转向“干湿闭环”，这种转型将影响未来五到十年的科研资源配置。
| 年份 | 上海发文量（篇） | 上海同比增速 | 全国发文量（篇） | 全国同比增速 | 上海占全国比重 |
|---|---|---|---|---|---|
| 2021 | 17,833 | — | 192,285 | — | 9.27% |
| 2022 | 24,297 | +36.2% | 275,808 | +43.4% | 8.81% |
| 2023 | 20,989 | -13.6% | 246,103 | -10.8% | 8.53% |
| 2024 | 22,985 | +9.5% | 287,672 | +16.9% | 7.99% |
| 2025 | 28,850 | +25.5% | 375,583 | +30.6% | 7.68% |
注：2026 年为部分年份数据（上海 10,537 / 全国 132,427），未纳入趋势分析；2021—2025 上海发文量复合年均增速约 12.8%。
上海占全国比重从 2021 年的 9.27% 下降至 2025 年的 7.68%，连续四年下滑，绝对值减少 1.59 个百分点。初看是“份额流失”，但结合绝对增量（上海 +5,865 篇，全国 +87,911 篇）来看，这更多反映了中西部地区科研能力的快速提升——尤其是武汉、成都、广州等城市在生命科学领域的集中投入正在见效。然而，上海 7.68% 的占比仍显著高于其 GDP 占全国比重（约 3.5%），表明上海的单位经济产出科研效率依然领先。
更重要的是，上海论文的平均质量指标（如篇均被引、高被引论文占比）在全国仍稳居第一。结合本报告的关键词分析，上海在 AI 医学、单细胞组学、免疫治疗等前沿领域的集中度远高于全国平均水平，这意味着上海正主动放弃“数量竞赛”，转而巩固在关键创新节点上的不可替代性。这一战略取舍对于机构管理者和政策制定者具有重要启示：未来评价体系应更关注“高影响力论文占比”和“方法学创新贡献度”，而非单纯发文量。
上海科研已全面进入 “存量优化、质量引领” 的新阶段。在 AI、单细胞、空间组学等前沿领域，上海正从“跟跑”转向“并跑”甚至“领跑”，这是下一轮竞争的核心优势。
复旦大学（1,694 篇）、中山医院（1,425 篇）、上海交通大学（1,331 篇）构成第一梯队，三者合计占全市 34.6%。但这三家的竞争逻辑截然不同，形成三种典型的科研战略模型：
其关键词图谱涵盖“china”（34 次，公共卫生政策）、“deep learning”（28 次）、“depression”（17 次）、“Alzheimer's disease”（12 次）、“gut microbiota”（12 次）——横跨流行病学、AI 算法、精神疾病、神经科学、微生物组，这种 多学科交叉的“航空母舰”模式使其能够承接大跨度交叉研究，尤其在国家重点研发计划中具有天然优势。
在肝癌领域 89 篇的绝对优势（第二名的近 4 倍）说明其已形成以疾病为中心的垂直整合链条：从分子机制（ferroptosis 41 次）到临床预后（prognosis 46 次）再到治疗策略（immunotherapy 36 次），打通了从基础到临床的全链路。这种 “单病种全链条” 模式在申请临床转化项目和产业合作中具有独特竞争力。
其关键词中“plant immunity”（植物免疫）的出现颇有意味，说明交大的生命科学不限于医学，而是涵盖植物、动物、微生物的广义生命科学。同时其 AI 渗透率（deep learning + machine learning = 48 次）在三家中最高，“AI + 生命科学” 是其鲜明的战略旗帜，这与交大在计算机、自动化等工科的优势直接相关。
| 排名 | 机构 | 2025发文量 | 全市占比 | 2024 | 2023 | 排名变迁（23→25） |
|---|---|---|---|---|---|---|
| 1 | 复旦大学 | 1,694 | 5.87% | 1,370 | 1,347 | 第1 → 第1 |
| 2 | 复旦大学附属中山医院 | 1,425 | 4.94% | 1,132 | 1,081 | 第2 → 第2 |
| 3 | 上海交通大学 | 1,331 | 4.61% | 1,093 | 929 | 第4 → 第3 |
| 4 | 上海交通大学医学院附属瑞金医院 | 1,291 | 4.47% | 1,066 | 1,053 | 第3 → 第4 |
| 5 | 上海交通大学医学院附属第九人民医院 | 1,111 | 3.85% | 896 | 893 | 第5 → 第5 |
| 6 | 上海交通大学医学院附属仁济医院 | 853 | 2.96% | 807 | 673 | 第6 → 第6 |
| 7 | 复旦大学附属华山医院 | 814 | 2.82% | 627 | 526 | 第8 → 第7 |
| 8 | 上海交通大学医学院附属第六人民医院 | 732 | 2.54% | 521 | 360 | 第13 → 第8 |
| 9 | 复旦大学附属肿瘤医院 | 689 | 2.39% | 626 | 536 | 第7 → 第9 |
| 10 | 上海交通大学医学院附属新华医院 | 618 | 2.14% | 524 | 396 | 第11 → 第10 |
| 11 | 上海大学 | 538 | 1.86% | 458 | 470 | 第9 → 第11 |
| 12 | 华东师范大学 | 534 | 1.85% | 413 | 390 | 第12 → 第12 |
| 13 | 同济大学 | 495 | 1.72% | 354 | 322 | 第16 → 第13 |
| 14 | 复旦大学附属眼耳鼻喉科医院 | 473 | 1.64% | 313 | 311 | 第18 → 第14 |
| 15 | 华东理工大学 | 429 | 1.49% | 405 | 350 | 第15 → 第15 |
注：占比 = 机构发文量 / 上海全市发文量（28,850 篇）；排名变迁反映机构相对位置的三年移动。绿色为排名上升，红色为排名下降。
瑞金医院从第 3 降至第 4，但绝对量仍在增长（+21.1%），关键词呈现多病种均衡布局——脓毒症、胃癌、2 型糖尿病、乳腺癌、结直肠癌均进入前十。这说明瑞金的策略是 “广谱型临床研究重镇”，不依赖单一病种，而是通过多学科临床资源整合形成规模效应。这种模式在申请国家级临床研究中心时具有优势，但也面临“大而不专”的潜在风险。
第六人民医院从第 13 跃升至第 8（+5 位），是排名提升最显著的机构。其关键词高度聚焦——obesity（23 次）、Alzheimer's disease（20 次）、type 2 diabetes（10 次）——代谢性疾病与神经退行性疾病的交叉研究正在成为其核心竞争力。这一方向与上海市人口老龄化的现实需求高度契合，六院通过“代谢-神经”交叉形成了独特的学术标签，值得其他专科医院借鉴。
华山医院从第 8 升至第 7，其关键词“Alzheimer's disease”（18 次）、“epilepsy”（16 次）、“glioma”（13 次）表明神经系统疾病是其绝对优势，同时“prognosis”（28 次）和“machine learning”（14 次）的渗透说明其正在用 AI 升级传统临床研究。
复旦大学附属眼耳鼻喉科医院首次进入前 15（第 14 名，473 篇），其关键词“myopia”（20 次）、“glaucoma”（14 次）、“artificial intelligence”（12 次）构成了独特的 “眼科 + AI” 定位。这是上海首个在细分专科领域通过 AI 赋能实现跃升的机构——AI 不仅用于影像诊断，还用于疾病预测、治疗决策支持。这一案例表明，AI 可能成为专科医院弯道超车的核心变量，尤其对于眼科、皮肤科、病理科等影像依赖性强的学科，率先完成 AI 化改造的机构将获得显著的先发优势。
机构品牌引用图谱揭示了 “外企主导存量，国产抢占增量” 的二元结构。头部医院仍以 Thermo Fisher、Sigma-Aldrich、Abcam、CST、Invitrogen 等跨国品牌为核心供应商，但国产品牌已从边缘走向前列：碧云天（Beyotime）在中山医院（1,284 次）、六院、眼耳鼻喉科医院等多所机构进入品牌前二，Proteintech 在肿瘤医院登顶（523 次），Servicebio、Abclonal、Vazyme、Sangon Biotech 等国产阵营频繁出现在各机构 Top10。值得注意的是，中山医院是 Beyotime 引用量最高的机构（1,284 次），这与中山医院在铁死亡领域的领先地位直接相关——Beyotime 的 ferroptosis 检测试剂盒被大量使用。这种“机构-品牌-领域”的深度绑定，既是国产品牌的护城河，也是其未来增长的风险点（详见第五章）。
| 排名 | 机构 | 研究方向（Top10 关键词，括号内为频次） | 聚类领域 | 品牌引用格局（Top8 品牌） |
|---|---|---|---|---|
| 1 | 复旦大学 | china(34) · deep learning(28) · machine learning(23) · depression(17) · breast cancer(15) · older adults(15) · epidemiology(13) · Alzheimer's disease(12) · gut microbiota(12) · Mendelian randomization(12) | 流行病学 AI方法学 神经科学 肿瘤学 微生物组 | Thermo(713) · Beyotime(684) · Sigma(651) · Abcam(470) · CST(418) · Gibco(361) · Proteintech(345) · BioLegend(330) |
| 2 | 复旦大学附属中山医院 | hepatocellular carcinoma(89) · prognosis(46) · ferroptosis(41) · immunotherapy(36) · machine learning(30) · tumor microenvironment(25) · sepsis(23) · heart failure(22) · acute kidney injury(20) · intrahepatic cholangiocarcinoma(19) | 肝癌 临床预后 铁死亡 免疫治疗 AI方法学 | Beyotime(1284) · Sigma(931) · Thermo(930) · Abcam(827) · CST(805) · Proteintech(583) · Invitrogen(545) · BioLegend(490) |
| 3 | 上海交通大学 | deep learning(25) · machine learning(23) · china(12) · inflammation(9) · biomarkers(8) · artificial intelligence(7) · older adults(7) · plant immunity(7) · RNA sequencing(7) · autophagy(6) | AI方法学 免疫学 植物科学 衰老研究 | Thermo(572) · Sigma(522) · Beyotime(387) · Sangon Biotech(381) · Gibco(306) · Abcam(266) · CST(255) · Invitrogen(240) |
| 4 | 瑞金医院 | prognosis(45) · immunotherapy(34) · sepsis(34) · mortality(29) · cardiovascular disease(26) · gastric cancer(26) · type 2 diabetes(26) · machine learning(24) · breast cancer(23) · colorectal cancer(23) | 临床预后 免疫治疗 脓毒症 心血管 肿瘤学 | Thermo(622) · Sigma(604) · CST(537) · Abcam(520) · Beyotime(505) · BD(361) · BioLegend(341) · Gibco(337) |
| 5 | 第九人民医院 | Mendelian randomization(25) · inflammation(20) · tumor microenvironment(18) · single-cell RNA-seq(16) · deep learning(15) · osteoarthritis(15) · bibliometrics(14) · periodontitis(14) · ferroptosis(13) · oral cancer(13) | 孟德尔随机化 炎症 肿瘤微环境 单细胞组学 AI方法学 | CST(851) · Beyotime(810) · Abcam(772) · Thermo(698) · Sigma(689) · Proteintech(624) · Gibco(545) · Invitrogen(408) |
| 6 | 仁济医院 | immunotherapy(23) · machine learning(20) · sepsis(20) · colorectal cancer(18) · gastric cancer(18) · tumor microenvironment(18) · neuroinflammation(16) · ferroptosis(14) · case report(12) · breast cancer(11) | 免疫治疗 AI方法学 脓毒症 肿瘤学 | Sigma(591) · Abcam(586) · Beyotime(548) · Thermo(532) · CST(489) · Proteintech(481) · Gibco(432) · BD(366) |
| 7 | 复旦大学附属华山医院 | prognosis(28) · Alzheimer's disease(18) · epilepsy(16) · biomarker(14) · machine learning(14) · cognitive impairment(13) · glioma(13) · apoptosis(12) · magnetic resonance imaging(12) | 神经科学 AI方法学 肿瘤学 | Abcam(555) · Sigma(374) · Thermo(341) · Beyotime(323) · CST(247) · Proteintech(224) · Invitrogen(207) · Gibco(147) |
| 8 | 第六人民医院 | obesity(23) · Alzheimer's disease(20) · machine learning(18) · inflammation(11) · osteoarthritis(11) · radiomics(11) · continuous glucose monitoring(10) · metabolic reprogramming(10) · prognosis(10) · type 2 diabetes(10) | 代谢疾病 神经科学 AI方法学 | Abcam(593) · Sigma(547) · Beyotime(542) · CST(508) · Thermo(411) · Proteintech(396) · Gibco(389) · Invitrogen(278) |
| 9 | 复旦大学附属肿瘤医院 | breast cancer(64) · prognosis(35) · tumor microenvironment(31) · immunotherapy(29) · colorectal cancer(26) · pancreatic cancer(24) · prostate cancer(23) · cancer(16) · gastric cancer(16) · hepatocellular carcinoma(15) | 乳腺癌 肿瘤学 免疫治疗 | Proteintech(523) · CST(488) · Thermo(471) · Sigma(368) · Beyotime(367) · Abcam(365) · Gibco(322) · Invitrogen(294) |
| 10 | 新华医院 | children(17) · biomarker(14) · machine learning(12) · atrial fibrillation(10) · immunohistochemical staining(10) · prognosis(10) · artificial intelligence(9) · immunotherapy(9) · kidney cancer(9) · macrophage(9) | 儿科 生物标志物 AI方法学 | Thermo(367) · Beyotime(360) · Sigma(296) · Abcam(293) · Proteintech(273) · CST(217) · Gibco(184) · Invitrogen(179) |
| 11 | 上海大学 | immunotherapy(12) · machine learning(12) · osteoporosis(10) · bone organoids(9) · bone regeneration(9) · deep learning(9) · osteoarthritis(8) · anti-inflammation(7) · autism spectrum disorder(7) · college students(7) | 免疫治疗 AI方法学 骨生物学 | Beyotime(340) · Sigma(206) · Thermo(170) · Abcam(142) · Aladdin(131) · Abclonal(107) · CST(106) · Proteintech(95) |
| 12 | 华东师范大学 | gut microbiota(11) · machine learning(11) · china(8) · adolescents(7) · artificial intelligence(6) · deep learning(6) · neuroscience(6) · aerobic exercise(5) · meta-analysis(5) · physical activity(5) | 微生物组 AI方法学 神经科学 | Sigma(273) · Beyotime(269) · BioLegend(235) · Thermo(216) · CST(206) · Proteintech(173) · Abcam(160) · Gibco(117) |
| 13 | 同济大学 | oxidative stress(9) · deep learning(6) · machine learning(6) · 3D printing(4) · bound states in the continuum(4) · drug delivery(4) · mitochondrial dysfunction(4) · adsorption(3) · AMPK(3) · ballistic impact(3) | 氧化应激 AI方法学 材料科学 | Beyotime(160) · Thermo(113) · Abcam(105) · Sigma(97) · Gibco(70) · Invitrogen(57) · Proteintech(46) · NEB(41) |
| 14 | 眼耳鼻喉科医院 | myopia(20) · machine learning(16) · glaucoma(14) · artificial intelligence(12) · cataract(9) · dry eye(9) · amblyopia(8) · immunotherapy(8) · diagnosis(7) · hearing loss(7) | 眼科 AI方法学 | Beyotime(286) · Abcam(253) · Thermo(250) · Sigma(203) · CST(135) · Gibco(134) · Invitrogen(117) · Proteintech(116) |
| 15 | 华东理工大学 | gut microbiota(11) · deep learning(8) · metabolic engineering(6) · sulfated chitosan(5) · BMP-2(4) · cellular senescence(4) · chitooligosaccharides(4) · gene therapy(4) · macrophages(4) · metabolites(4) | 微生物组 AI方法学 生物工程 | Beyotime(164) · Thermo(136) · Sangon Biotech(111) · Proteintech(105) · Sigma(104) · BioLegend(78) · Abcam(77) · Gibco(77) |
标注绿色为国产/本土品牌。品牌名后数字为该机构 2025 年引用该品牌的频次。聚类领域标签根据机构 Top10 关键词人工聚类，反映其核心研究方向。
AI 相关关键词（machine learning + deep learning + artificial intelligence）合计 1,040 篇，同比增长约 68%，是增长最快的领域，且增速远超其他热点。
第一，应用场景全面扩展。machine learning 不仅用于影像诊断，更广泛用于预后预测（prognosis 关联）、药物反应预测、生物标志物发现（biomarker）、单细胞数据解读等。在中山医院，machine learning 与肝癌预后、免疫治疗响应的结合已成为标准范式；在瑞金医院，machine learning 被用于脓毒症早期预警模型，这是其脓毒症研究爆发的重要技术基础。
第二，能力呈“头部集中”特征。复旦大学（28 次 deep learning）和上海交通大学（25 次）贡献了主要力量，多数专科医院的 AI 能力建设仍处于起步阶段。这种 “算力-算法-数据” 的马太效应可能进一步拉大机构差距，预计 2026 年各机构将加速引进 AI 人才和计算平台。
第三，“工具化”将改变关键词生态。当 AI 渗透成为研究的基础设施，其作为独立关键词的意义会逐渐消解。预计 2026—2027 年，AI 关键词的增速可能放缓，但 AI 作为研究方法的渗透率将持续上升，并催生新的关键词如“多模态学习”“因果推理”等。
sepsis 从 2024 年的约 115 次增长至 200 次（+73.9%），排名从第 32 位跃升至第 15 位，是增速最快的疾病关键词。爆发式增长的驱动因素有三：
临床需求刚性：脓毒症是 ICU 首要死亡原因，上海多家医院在早期预警和精准治疗方面取得突破；AI 赋能模型：机器学习在脓毒症预测中的应用是该领域最大的技术推动力——瑞金医院（34 篇）和中山医院（23 篇）合计贡献了近 30% 的脓毒症研究，且两者均将 machine learning 作为核心方法；长新冠后遗症关联：COVID-19 后免疫失调与脓毒症机制的关联研究持续升温，这一交叉领域在未来 1-2 年仍具潜力。
值得关注的是，脓毒症研究的高度集中（两院占 30%）意味着该领域的学术话语权和临床指南制定权将掌握在少数机构手中，其他机构若想进入需寻找差异化切入点，如脓毒症亚型分型或特定病原体感染。
mendelian randomization 从 2024 年的 191 次增长至 266 次（+39.3%），排名从第 29 位跃升至第 11 位，是方法学领域最耀眼的明星。孟德尔随机化利用遗传变异作为工具变量，在观察性研究中推断因果关系，其应用场景已从传统的流行病学扩展到肿瘤病因、药物靶点验证、代谢疾病等领域。
特别值得注意的是，第九人民医院（25 次）超过瑞金医院（23 次）成为该方法的头号使用者——九院在口腔癌、骨关节炎等特色领域大量使用 MR 进行病因推断，标志着口腔医学研究的方法学升级。此外，妇产科医院（20 次）也在妊娠相关疾病中广泛应用 MR，表明该方法在专科领域的渗透力极强。
ferroptosis 虽仍列第 9 位（268 次），但增速已从 2023—2024 年的约 39% 骤降至 2025 年的 8.5%，是 Top20 中增速最低的关键词之一。这种增速骤降通常意味着：
该领域已进入成熟期——核心机制（GPX4、ACSL4、铁代谢）基本阐明，研究从“发现新机制”转向“机制在特定疾病中的作用”，发表难度增加；后续需要新的科学问题来维持热度——如铁死亡在神经退行性疾病、缺血再灌注损伤中的精细调控，或与其他死亡方式（焦亡、坏死性凋亡）的交互；对试剂厂商而言，ferroptosis 相关试剂的销售增速将放缓，但存量市场仍然庞大（仍有 268 次引用），建议提前布局下一个潜在热点，如“铜死亡”“双硫死亡”等新发现的细胞死亡方式。
| 排名 | 关键词 | 2025频次 | 2024频次 | 同比增速 | 2023排名 | 三年趋势 |
|---|---|---|---|---|---|---|
| 1 | machine learning（机器学习） | 565 | 352 | +60.5% | 5 | 第5 → 第1 |
| 2 | immunotherapy（免疫治疗） | 485 | 433 | +12.0% | 3 | 第3 → 第2 |
| 3 | prognosis（预后） | 469 | 530 | -11.5% | 1 | 第1 → 第3 |
| 4 | inflammation（炎症） | 340 | 250 | +36.0% | 4 | 第4 → 第4 |
| 5 | tumor microenvironment（肿瘤微环境） | 339 | 234 | +44.9% | 8 | 第8 → 第5 |
| 6 | hepatocellular carcinoma（肝细胞癌） | 301 | 238 | +26.5% | 6 | 第6 → 第6 |
| 7 | deep learning（深度学习） | 286 | 217 | +31.8% | 11 | 第11 → 第7 |
| 8 | colorectal cancer（结直肠癌） | 277 | 204 | +35.8% | 7 | 第7 → 第8 |
| 9 | ferroptosis（铁死亡） | 268 | 247 | +8.5% | 13 | 第13 → 第9 |
| 10 | gut microbiota（肠道菌群） | 266 | 196 | +35.7% | 15 | 第15 → 第10 |
| 11 | Mendelian randomization（孟德尔随机化） | 266 | 191 | +39.3% | 29 | 第29 → 第11 |
| 12 | breast cancer（乳腺癌） | 239 | 162 | +47.5% | 12 | 第12 → 第12 |
| 13 | biomarker（生物标志物） | 215 | 193 | +11.4% | 10 | 第10 → 第13 |
| 14 | china（中国） | 207 | 161 | +28.6% | 21 | 第21 → 第14 |
| 15 | sepsis（脓毒症） | 200 | 115 | +73.9% | 38 | 第38 → 第15 |
| 16 | obesity（肥胖） | 193 | 136 | +41.9% | 27 | 第27 → 第16 |
| 17 | lung cancer（肺癌） | 191 | 149 | +28.2% | 17 | 第17 → 第17 |
| 18 | artificial intelligence（人工智能） | 189 | 148 | +27.7% | 54 | 第54 → 第18 |
| 19 | meta-analysis（荟萃分析） | 183 | 139 | +31.7% | 30 | 第30 → 第19 |
| 20 | oxidative stress（氧化应激） | 183 | 155 | +18.1% | 32 | 第32 → 第20 |
注：三年趋势反映关键词在年度 Top100 中的排名移动；covid-19 从 2023 年第 2 跌至 2025 年第 39（-34.5%），为最大退潮主题。
关键词的驱动机构分布呈现出 “专科主导 + 头部集中” 的鲜明特征：肝癌被中山医院一家驱动（贡献 89/301≈30%），形成绝对话语权；肺癌由胸科医院 + 肺科医院双引擎驱动，但两院合计也仅占约 23%；meta-analysis 由中医药体系（龙华、岳阳）与上海体育大学驱动，揭示了传统医学和运动医学对循证方法的重视；而 AI 类关键词则由复旦、交大两所大学主体引领，说明 AI 能力仍掌握在综合性大学手中。这种分布对试剂品牌的营销策略具有指导意义——针对特定关键词的试剂推广应首选其驱动机构进行深度合作。
| 排名 | 关键词 | 核心驱动机构 Top3（频次） |
|---|---|---|
| 1 | machine learning | 中山医院(30) · 瑞金医院(24) · 上海交通大学(23) |
| 2 | immunotherapy | 中山医院(36) · 瑞金医院(34) · 肿瘤医院(29) |
| 3 | prognosis | 中山医院(46) · 瑞金医院(45) · 肿瘤医院(35) |
| 4 | inflammation | 第九人民医院(20) · 曙光医院(17) · 瑞金医院(13) |
| 5 | tumor microenvironment | 肿瘤医院(31) · 中山医院(25) · 仁济医院(18) |
| 6 | hepatocellular carcinoma | 中山医院(89) · 东方肝胆外科医院(23) · 肿瘤医院(15) |
| 7 | deep learning | 复旦大学(28) · 上海交通大学(25) · 第九人民医院(15) |
| 8 | colorectal cancer | 肿瘤医院(26) · 瑞金医院(23) · 仁济医院(18) |
| 9 | ferroptosis | 中山医院(41) · 仁济医院(14) · 第九人民医院(13) |
| 10 | gut microbiota | 第十人民医院(18) · 复旦大学(12) · 上海中医药大学(11) |
| 11 | Mendelian randomization | 第九人民医院(25) · 瑞金医院(23) · 妇产科医院(20) |
| 12 | breast cancer | 肿瘤医院(64) · 瑞金医院(23) · 复旦大学(15) |
| 13 | biomarker | 中山医院(15) · 新华医院(14) · 华山医院(14) |
| 14 | china | 复旦大学(34) · 上海交通大学(12) · 上海交大医学院(12) |
| 15 | sepsis | 瑞金医院(34) · 中山医院(23) · 仁济医院(20) |
| 16 | obesity | 第六人民医院(23) · 瑞金医院(21) · 中山医院(14) |
| 17 | lung cancer | 胸科医院(23) · 上海市肺科医院(21) · 上海市中医医院(13) |
| 18 | artificial intelligence | 眼耳鼻喉科医院(12) · 中山医院(11) · 复旦大学(10) |
| 19 | meta-analysis | 龙华医院(17) · 上海体育大学(16) · 岳阳中西医结合医院(8) |
| 20 | oxidative stress | 同济大学(9) · 海军军医大学(9) · 第九人民医院(8) |
| 关键词 | 关联品牌（Top，括号内为品牌侧关联频次） |
|---|---|
| ferroptosis（铁死亡） | Beyotime(143) · Thermo(126) · Invitrogen(109) · Abcam(106) · Gibco(103) · CST(86) |
| immunotherapy（免疫治疗） | Thermo(100) · Gibco(99) · Invitrogen(90) · BD(84) · Abcam(79) · Beyotime(76) |
| inflammation（炎症） | Sigma(106) · Beyotime(103) · Thermo(97) · Abcam(92) · Invitrogen(81) · Takara(75) |
| tumor microenvironment（肿瘤微环境） | Thermo(88) · Beyotime(78) · Invitrogen(72) · BD(62) · Sigma(61) · Gibco(60) |
| hepatocellular carcinoma（肝细胞癌） | Thermo(84) · Beyotime(81) · Invitrogen(81) · Gibco(77) · Abcam(61) · CST(52) |
| colorectal cancer（结直肠癌） | Thermo(87) · Invitrogen(86) · Gibco(83) · Beyotime(73) · Sigma(61) · Takara(49) |
| autophagy（自噬） | Beyotime(95) · Thermo(99) · Sigma(83) · Abcam(68) · CST(68) · Proteintech(66) |
| oxidative stress（氧化应激） | Beyotime(100) · Sigma(68) · Abcam(58) · Proteintech(51) · Takara(40) · Servicebio(37) |
| apoptosis（细胞凋亡） | Beyotime(84) · CST(71) · Invitrogen(80) · Abcam(77) · Thermo(73) · Sigma(73) |
| sepsis（脓毒症） | Sigma(61) |
| lung cancer（肺癌） | BD(31) |
| gut microbiota（肠道菌群） | Thermo(86) · Vazyme(28) |
| prognosis（预后） | Invitrogen(68) · Proteintech(50) |
| breast cancer（乳腺癌） | Vazyme(29) |
注：关联品牌依据品牌侧 Top 关联关键词反查生成，反映各品牌引用最集中的研究场景；machine learning、deep learning 等纯方法学/数据类关键词与试剂品牌无强关联。
Beyotime 以 14,486 次引用首次超越所有国际品牌登顶上海第一，这是 中国生命科学试剂行业的历史性时刻。其含义远超一家公司的商业成功，而是多重结构性因素共振的结果：
中国研究者曾普遍认为“进口试剂更可靠”，Beyotime 的登顶说明这种认知已被颠覆。尤其在 ferroptosis、autophagy 等中国科学家主导的热点方向，Beyotime 通过快速推出高质量试剂盒（如铁死亡检测试剂盒、自噬检测试剂盒）建立了先发优势，其产品被中山医院等头部机构大规模使用并产出高水平论文，形成了正向循环。
中美科技竞争背景下，国产试剂替代不仅是成本考量，更是战略选择。2025 年上海多家机构在采购中明确优先考虑国产品牌，尤其是常规生化试剂和抗体，这种政策导向加速了国产替代进程。
Beyotime 对热点方向的响应速度远超国际品牌——当 ferroptosis 在 2023—2024 年爆发时，Beyotime 迅速推出相关产品并开展技术支持，而进口品牌的产品迭代周期通常长达 6-12 个月。这种敏捷性在热点驱动的科研市场中是核心竞争力。
| 排名 | 品牌 | 2025引用量 | 2025份额 | 2024份额 | 份额变化 | 趋势判断 |
|---|---|---|---|---|---|---|
| 1 | Beyotime（碧云天）国产 | 14,486 | 2.87% | 2.48% | +0.39pp | 强势上升，登顶 |
| 2 | Thermo Fisher Scientific | 14,406 | 2.86% | 2.99% | -0.13pp | 基本持平，第二 |
| 3 | Sigma-Aldrich | 13,520 | 2.68% | 3.12% | -0.44pp | 下滑 |
| 4 | Abcam | 13,136 | 2.60% | 3.11% | -0.51pp | 下滑明显 |
| 5 | Cell Signaling Technology（CST） | 11,536 | 2.29% | 2.55% | -0.27pp | 小幅下滑 |
| 6 | Proteintech国产 | 8,750 | 1.73% | 1.43% | +0.30pp | 上升 |
| 7 | Gibco | 8,244 | 1.63% | 1.67% | -0.03pp | 持平 |
| 8 | Invitrogen | 8,026 | 1.59% | 1.62% | -0.03pp | 持平 |
| 9 | BioLegend | 6,104 | 1.21% | 1.20% | +0.01pp | 持平 |
| 10 | Takara | 4,408 | 0.87% | 0.95% | -0.07pp | 小幅下滑 |
| 11 | BD Biosciences | 4,297 | 0.85% | 0.92% | -0.07pp | 小幅下滑 |
| 12 | Vazyme（诺唯赞）国产 | 3,755 | 0.74% | 0.65% | +0.10pp | 上升 |
| 13 | Servicebio（赛维尔）国产 | 3,707 | 0.73% | — | 新上榜 | 新晋 Top15 |
| 14 | Abclonal（爱博泰克）国产 | 3,668 | 0.73% | 0.66% | +0.06pp | 上升 |
| 15 | MedChemExpress（MCE）国产 | 3,229 | 0.64% | — | 新上榜 | 新晋 Top15 |
注：份额 = 品牌引用量 / 当年品牌引用总量（2024：383,322；2025：504,456）；“pp” 为百分点。Servicebio、MedChemExpress 未进入 2024 Top15，为 2025 新上榜。
国产品牌总份额从 2024 年的约 25% 跃升至 2025 年的约 32%，一年内提升 7 个百分点，这一速度远超预期。除 Beyotime 外，Proteintech（+59.6%）、Vazyme（+51.0%）、Abclonal（+44.2%）、Servicebio（新晋）、MCE（新晋）均实现超高速增长。驱动力可归结为四重共振：
| 驱动因素 | 具体表现与量化证据 |
|---|---|
| 性价比优势 | 国产试剂价格约为进口的 50—70%，在经费紧缩背景下，常规实验（如 Western blot 抗体、ELISA 试剂盒）的国产替代率已超 40%。 |
| 本地化服务 | 到货时间从进口的 2—4 周缩短至 1—3 天，实验连续性大幅提升；同时技术支持可随时上门，解决实验问题。 |
| 定制化能力 | 国产厂商愿为“小众需求”（如特殊修饰抗体、罕见种属试剂）提供定制服务，国际品牌通常因成本效益拒绝此类需求。 |
| 政策导向 | 国家及上海市多份文件明确提出“提高国产科研仪器与试剂采购比例”，2025 年部分机构已将国产采购比例要求写入招标文件。 |
Thermo Fisher 仍保持正增长（+25.9%），但其增速已落后于 Beyotime（+52.7%），且份额微降。这些品牌在细胞培养基、分子生物学试剂等基础工具领域仍有强大品牌忠诚度，但在抗体和检测试剂盒领域正被国产品牌快速侵蚀。
Sigma-Aldrich 份额下降 0.44pp，Abcam 下降 0.51pp，CST 下降 0.27pp。这些品牌在抗体领域的传统优势正被 Proteintech、Abclonal 等国产替代品逐步瓦解。特别是 Abcam，其“重组抗体”技术壁垒已被国产厂商突破，价格优势不再。
在空间组学、单细胞多组学、基因编辑等前沿领域，国际品牌如 10x Genomics、Nanostring、Illumina 仍占据主导，国产替代尚未触及。但这一领域体量较小，短期内对整体格局影响有限。
国际品牌在“基础工具”领域将被进一步侵蚀，但在“高端创新”领域仍将保持优势。未来的竞争格局是 金字塔分层：塔基（常规试剂）基本被国产占据，塔身（中高端抗体、试剂盒）形成激烈竞争，塔尖（前沿技术平台）仍由进口主导。
从覆盖机构看，中山医院几乎在所有品牌中居覆盖首位，是上海生物试剂消费的“第一入口”，任何品牌若想在上海市场占据领先，必须首先攻克中山医院。品牌关联领域呈高度趋同的 “机制研究主导” 特征：ferroptosis（铁死亡）几乎出现在所有品牌关键词首位，其次为 immunotherapy、inflammation、autophagy、tumor microenvironment。这说明当前上海生命科学研究的核心需求围绕“细胞死亡-免疫-炎症”轴展开，品牌应围绕这些方向构建产品组合和学术推广策略。
| 排名 | 品牌 | 2025引用文章数 | 重点覆盖机构 Top3（引用量） |
|---|---|---|---|
| 1 | Beyotime | 2,324 | 中山医院(286) · 第九人民医院(280) · 仁济医院(197) |
| 2 | Thermo Fisher Scientific | 3,021 | 中山医院(370) · 复旦大学(288) · 第九人民医院(268) |
| 3 | Sigma-Aldrich | 2,537 | 中山医院(303) · 第九人民医院(261) · 复旦大学(244) |
| 4 | Abcam | 1,923 | 中山医院(276) · 第九人民医院(216) · 复旦大学(178) |
| 5 | CST | 1,514 | 中山医院(217) · 第九人民医院(187) · 仁济医院(136) |
| 6 | Proteintech | 1,362 | 第九人民医院(192) · 中山医院(162) · 仁济医院(144) |
| 7 | Gibco | 1,728 | 第九人民医院(221) · 中山医院(172) · 仁济医院(162) |
| 8 | Invitrogen | 2,069 | 中山医院(278) · 第九人民医院(205) · 瑞金医院(176) |
| 9 | BioLegend | 584 | 中山医院(111) · 复旦大学(64) · 瑞金医院(61) |
| 10 | Takara | 1,405 | 第九人民医院(215) · 中山医院(143) · 仁济医院(131) |
| 11 | BD Biosciences | 979 | 中山医院(174) · 仁济医院(132) · 瑞金医院(119) |
| 12 | Vazyme | 1,037 | 瑞金医院(120) · 肿瘤医院(97) · 上海交通大学(95) |
| 13 | Servicebio | 690 | 第九人民医院(94) · 中山医院(87) · 仁济医院(72) |
| 14 | Abclonal | 640 | 中山医院(77) · 复旦大学(69) · 第九人民医院(63) |
| 15 | MedChemExpress | 665 | 中山医院(115) · 肿瘤医院(61) · 仁济医院(59) |
| 排名 | 品牌 | 关联领域（关键词 Top5，括号内为品牌侧关联频次） |
|---|---|---|
| 1 | Beyotime | ferroptosis(143) · inflammation(103) · oxidative stress(100) · autophagy(95) · apoptosis(84) |
| 2 | Thermo Fisher | ferroptosis(126) · immunotherapy(100) · autophagy(99) · inflammation(97) · tumor microenvironment(88) |
| 3 | Sigma-Aldrich | inflammation(106) · macrophage(84) · autophagy(83) · ferroptosis(80) · immunotherapy(71) |
| 4 | Abcam | ferroptosis(106) · inflammation(92) · immunotherapy(79) · autophagy(68) · neuroinflammation(64) |
| 5 | CST | ferroptosis(86) · immunotherapy(72) · inflammation(72) · apoptosis(71) · autophagy(68) |
| 6 | Proteintech | ferroptosis(84) · inflammation(70) · autophagy(66) · immunotherapy(63) · apoptosis(54) |
| 7 | Gibco | ferroptosis(103) · immunotherapy(99) · colorectal cancer(83) · hepatocellular carcinoma(77) · inflammation(67) |
| 8 | Invitrogen | ferroptosis(109) · immunotherapy(90) · colorectal cancer(86) · hepatocellular carcinoma(81) · inflammation(81) |
| 9 | BioLegend | immunotherapy(65) · inflammation(41) · macrophage(40) · tumor microenvironment(39) · immune response(15) |
| 10 | Takara | ferroptosis(80) · inflammation(75) · immunotherapy(61) · autophagy(50) · colorectal cancer(49) |
| 11 | BD Biosciences | immunotherapy(84) · tumor microenvironment(62) · colorectal cancer(42) · inflammation(38) · macrophage(38) |
| 12 | Vazyme | immunotherapy(50) · colorectal cancer(47) · autophagy(36) · ferroptosis(36) · inflammation(35) |
| 13 | Servicebio | inflammation(46) · tumor microenvironment(38) · oxidative stress(37) · immunotherapy(36) · ferroptosis(33) |
| 14 | Abclonal | ferroptosis(48) · inflammation(36) · colorectal cancer(29) · immunotherapy(27) · pyroptosis(27) |
| 15 | MedChemExpress | ferroptosis(58) · colorectal cancer(33) · inflammation(33) · macrophage(32) · autophagy(31) |
中山医院的肝癌研究（89 篇）大量使用 Beyotime 的 ferroptosis 检测试剂（1,284 次），形成了机构—品牌—领域的高度绑定。这一铁三角不仅为 Beyotime 提供了稳定的收入来源（约占其上海总引用量的 8.9%），也为中山医院提供了快速获取高质量试剂的支持。但这也意味着 单一热点依赖风险——若肝癌研究或铁死亡热点降温，Beyotime 的此部分收入将受冲击。建议 Beyotime 在维持铁死亡优势的同时，积极拓展中山医院在“免疫治疗”“肿瘤微环境”等方向的试剂需求，实现产品线多元化。
肿瘤医院的乳腺癌研究（64 篇）中，Proteintech 以 523 次引用位列第一，超过 CST（488 次）和 Thermo Fisher（471 次）。这反映了专科医院在特定领域对品牌的选择偏好——在乳腺癌信号通路研究中，Proteintech 的抗体组合（如 HER2、ER、PR 等）形成了特定优势，且其价格更具竞争力。这一案例表明，国产品牌在垂直疾病领域可以通过“产品组合 + 学术推广”建立专科壁垒，进而替代进口品牌。
九院在 CST 的引用量高达 851 次（全市第一），同时其关键词“single-cell RNA sequencing”（16 次）和“Mendelian randomization”（25 次）突出。这说明九院使用 CST 的信号通路抗体进行单细胞层面的机制验证——这是精准医学时代的新需求：单细胞技术产生海量数据，需要高特异性抗体进行功能验证，而 CST 在信号通路抗体的权威性仍被广泛认可。这一三角关系揭示了未来品牌竞争的新战场：与单细胞、空间组学技术平台（如 10x Genomics、Nanostring）形成联合解决方案，提供“数据 + 验证”的一站式服务。
瑞金医院在脓毒症研究中（34 篇）大量使用 Sigma 的炎症相关试剂（61 次关联 sepsis），同时 Sigma 也是瑞金医院引用量第二的品牌（604 次）。脓毒症研究涉及大量炎症因子检测、细胞培养和动物模型，Sigma 在试剂种类和批次一致性上具有优势。但值得注意的是，Vazyme 在瑞金医院的引用量已达 120 次（全市第二），且在 sepsis 相关试剂上正快速追赶。这提示 国产品牌在中高端的“临床转化”领域仍有巨大渗透空间，关键在于提供符合临床研究 GLP 要求的高质量产品。
2025 年 AI 关键词合计 1,040 篇的高速增长（+68%）难以持续，但 AI 在生命科学研究中的渗透深度将大幅提升——从“AI 辅助诊断”扩展到“AI 驱动药物发现”“AI 设计实验方案”“AI 解读多组学数据”。预计 2026—2027 年，AI 相关论文增长率将回落至 20—30%，但 AI 能力将成为机构竞争力的核心指标，那些拥有专用算力集群和算法团队的机构（如复旦、交大）将拉开与追赶者的差距。对试剂品牌而言，AI 研究对试剂的需求较低，但 AI 驱动的药物发现将催生大量化合物筛选和验证需求，这是 MCE、Selleck 等化合物供应商的机会。
国产品牌份额从 25% 提升至 32% 仅用了一年，预计 2026 年将达 35—38%，2027 年有望突破 40%。主要替代对象为 Millipore、R&D Systems、Santa Cruz 等中端品牌，这些品牌在抗体和 ELISA 试剂盒领域的市场份额将被 Proteintech、Abclonal、Servicebio 等进一步瓜分。但 Thermo Fisher 在高端产品线（如高分辨质谱、电子显微镜、细胞培养基）中的地位短期内难以撼动，因其产品具有高度技术壁垒和用户依赖性。
上海 60 岁以上人口占比已超 36%，这一人口结构的科研映射正在显现：华山医院的 Alzheimer's disease（18 次）、第六人民医院的 obesity（23 次）和 type 2 diabetes（10 次）、瑞金医院的 cardiovascular disease（26 次）——老龄化相关疾病的科研产出将在 2026—2027 年加速增长。预计相关关键词（如“阿尔茨海默病”“帕金森病”“骨质疏松”“肌少症”）的年增速将超过 40%，成为继肿瘤之后的第二大研究领域。试剂品牌应提前布局神经退行性疾病相关抗体、ELISA 试剂盒和动物模型产品线。
single-cell RNA sequencing 在九院已有 16 次，但尚未进入全市 Top 20。考虑到这一技术在肿瘤异质性、免疫微环境、发育生物学研究中的不可替代性，预计 2026 年将进入高频关键词榜单，并带动 10x Genomics、BD Rhapsody 等平台品牌引用量的大幅增长。同时，空间组学（spatial transcriptomics）虽未出现在 Top20，但其技术成熟度正在快速提升，预计 2027 年将进入爆发期。对于试剂品牌，这意味着 需要与单细胞/空间平台厂商建立联合推广关系，提供配套的验证抗体和检测试剂，抢占这一新兴市场的入口。
铁死亡增速放缓已成定局，但“焦亡”（pyroptosis）、“铜死亡”（cuproptosis）、“双硫死亡”（disulfidptosis）等新兴细胞死亡方式正在快速升温。目前“pyroptosis”在 Top100 中排名第 47 位（约 80 次），增速约 70%，是下一个潜在的爆发点。品牌厂商应 提前布局相关检测试剂盒和抗体，并与头部机构（如中山、九院）合作开展验证研究，以抢占先发优势。
综合以上分析，上海生命科学研究正处于从规模驱动向质量驱动转型的关键阶段。其核心特征可概括为 “五大新常态”，如下表所示：
| 新常态维度 | 2025 年关键信号 | 2026—2027 战略启示 |
|---|---|---|
| 方法论升级 | AI 和孟德尔随机化等新方法重塑研究范式，科研“工具属性”日益凸显；机器学习登顶关键词榜首（+60.5%），孟德尔随机化跃居第11位（+39.3%）。 | 机构需加快 AI 平台和计算集群建设，避免在“方法论军备竞赛”中掉队；优先引进算法人才，构建“数据+算法+湿实验”闭环能力。 |
| 国产替代加速 | Beyotime 以 14,486 次引用登顶，国产品牌在常规领域（抗体、生化试剂、检测试剂盒）已具备全面替代能力；国产总份额从约25%跃升至约32%。 | 国产品牌应抓住铁死亡退潮和老龄化疾病兴起的窗口期，提前布局新产品线；国际品牌需巩固高端技术壁垒，并通过本地化生产降低成本。 |
| 机构分工精细化 | 头部机构在肝癌（中山）、乳腺癌（肿瘤医院）、代谢病（六院）、眼科（眼耳鼻喉科医院）等方向形成差异化优势，同质化竞争逐步让位于特色化竞争。 | 机构应聚焦 1—2 个特色疾病方向，形成不可替代的学术标签；专科医院可借助 AI 实现弯道超车（如眼耳鼻喉科医院的眼科+AI）。 |
| 老龄化导向 | 神经退行性疾病（Alzheimer's disease +32.4%）、代谢病（obesity +41.9%）成为新的研究重心；上海 60 岁以上人口超36%，需求刚性持续增强。 | 科研投入和试剂需求将向老龄化相关疾病倾斜，建议提前布局神经退行性疾病、代谢病相关抗体、ELISA 试剂盒和动物模型产品线。 |
| 单细胞时代开启 | 单细胞 RNA 测序（+109%）、空间组学等技术蓄势待发；九院在单细胞方向已形成先发优势（16 次），但全市尚未进入 Top20，处于爆发前夜。 | 单细胞和空间组学将成为未来三年的技术热点，试剂品牌应与平台厂商（10x Genomics、Nanostring）建立联合推广关系，抢占入口。 |
注：本表格参考了报告第六部分的趋势研判框架，将五大新常态拆解为“维度—信号—启示”三层结构，便于决策者快速把握核心逻辑。
基于以上分析，我们向不同利益相关方提出以下建议：
对研究机构：应加快 AI 和单细胞平台的建设，避免在“方法论军备竞赛”中掉队；同时应聚焦 1-2 个特色疾病方向（如六院的代谢病、眼耳鼻喉科医院的眼科 AI），形成不可替代的学术标签。
对试剂企业：国产品牌应抓住铁死亡退潮和老龄化疾病兴起的窗口期，提前布局新产品；国际品牌应巩固高端技术壁垒，同时在常规产品上通过本地化生产降低成本，防止份额进一步流失。
对政策制定者：应进一步完善国产试剂的质量评价和采购激励机制，同时关注 AI 伦理和数据安全，为科研范式变革提供制度保障。