關於 實驗誤差百分比 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#勇於嘗試_才能找到最佳的自己

每年夏天我都會到海外的高原移地訓練，除了學習海外訓練的新知外，也親身體驗一下不同的訓練環境。馬拉松訓練除了在田徑場、公路上執行訓練外，其實國外優秀馬拉松跑者有大量的訓練時間是在Cross Country （越野路線）上執行訓練課表，但台灣因運動環境的限制與開發問題，台灣的跑者大多都在人工材質的場地上進行訓練，環境問題間接錯失了許多體驗的機會。

科學化的訓練除了環境的高度、溫濕度影響外，也有常聽到的監控心率變化，而我還會持續觀察肌肉量、體脂率，也是我常做的數據紀錄。不但可以避免減重時的誤解造成肌肉量下滑，反而影響訓練狀況與運動表現。

#所以只看體重數字是不夠的💪🏻

在體重不變的情況下，肌肉量增加、體脂率降低，才是朝向有效訓練的方向！🏃🏻‍♂️🏋🏻🚴

就算是運動員，也無法時常再實驗室或醫院使用百萬器材DEXA來檢測，所以在家我都用InBody（家用版）做長期趨勢觀察相當簡單又方便，而InBody與DEXA相關係數為0.93（P=1)，體脂百分比誤差範圍也只有3.3%。

最近使用InBody後有很多朋友在詢問，而今天開始你也有機會跟奧運馬拉松選手一樣聰明做訓練，只要點選下列網址連結，輸入折扣碼：TrulyMan， #原價13500元立馬折扣為9590元，真男人替大家現省3910元，可以多買一雙跑鞋啦🥳（折扣活動09/17止）

✨手刀搶購：https://pulling.page.link/TrulyMan

用手機就能輕鬆科學化訓練
用更聰明的方法來打破現狀

#InBody
#AttitudeforAltitude #阿里山 #科學化訓練 #高地訓練 #高地トレーニング #HighlandTraining #AltitudeTraining # #マラソン #MarathonTraining #marathon

#Nike #森林跑站 #勁元素加鹽葡萄糖 #亞仕生醫 #ROCKERM #真男人文創商行 #TrulyMan #跑者肌地 #馬拉松治療師

「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

親民黨立法院黨團新聞稿：親民黨團公布瘦肉精民調並譴責馬扁政府放行瘦肉精之違法行政記者會20120628

在Codex不訂定萊克多巴胺殘留標準前提下，高達72.5%國民拒絕瘦肉精

親民黨團委託TISR臺灣指標民調公司在2012年6月25日至26日進行民調，完訪1,009位居住在台澎金馬年滿20歲的民眾，民調結果顯示，至今仍有高達72.5%的國民拒絕瘦肉精。

請問，最近大家在討論美國牛肉的事情，根據報導，7月初聯合國的食品法典委員會（Codex）要開會討論瘦肉精的安全標準。請問，如果這個會議沒有訂出標準，那您贊不贊成政府就可以開放進口含有瘦肉精的美國牛肉？
次數 百分比 很贊成
29 2.9

次數 百分比 還算贊成
117 11.6

次數 百分比 有點不贊成
180 17.8

次數 百分比 很不贊成
552 54.7

次數 百分比 不知道／未回答
132 13.0

總和 百分比
1009 100.0

在95%信賴水準時的抽樣誤差為正負3.1%

Codex對萊克多巴胺每次討論都有結論，也就是不予訂定安全殘留容許量

7月2日到7日，Codex將針對萊克多巴胺再次進行討論，預計3日或4日就會有確定結論。這個對於萊克多巴胺是否可容許殘留於肉品之中的結論，將成為全球WTO、WHO會員國的共同標準規範，也就是全球食品貿易與食品安全的共同規範。簡單說，只要Codex多數會員國對於萊克多巴胺仍持食品安全疑慮，並決議不予訂定安全殘留容許量，則包括美國在內的全球貿易國家，都可以此決議作為食品貿易之標準規範。馬政府配合美方公私部門說法，表示Codex的標準制定是政治經貿問題，而非食品安全因素，這其實完全偏離重點。因為Codex第八步驟既是科學的也是民主的，端看全體會員國的共同議決。更重要的是，這個Codex標準，就是全球WTO會員國所應共同遵循的標準。
那麼，馬政府為什麼要自絕WTO標準，硬逼國人吞下18個月以下嬰幼兒無法代謝的萊克多巴胺？

扁政府不訂殘留標準及歐盟不准萊克多巴胺合法使用皆符合WTO規範

扁政府執政時也曾遭遇美國巨大壓力，因而曾向WTO通報預告訂定殘留標準，但後來仍在當年度Codex未訂出安全殘留容許量標準後，再度向WTO通報延期實施，因而至今我國皆未將禁藥萊克多巴胺合法化。在扁政府2007年8月16日通報ＷＴＯ文件的第八點明文指出：「若有國際標準、指引或建議，請提供適當參考說明並簡要說明誤差：訂定萊克多巴胺的標準殘留量的食品法典草案即將完成，是建立這一標準的重要參考之一」。也就是說，正因Codex是WTO所採取的食品貿易標準規範，所以美國即使認為扁政府違反開放承諾，但從2007年至今，近5年期間內，美國亦未能據此向WTO進行爭訟。

此外，親民黨團必須特別澄清一個馬政府刻意散佈的錯誤案例：前此馬政府與美方公私部門大肆宣傳一個WTO判決歐盟敗訴，因此美國於1999年獲授權報復1億1680萬美元的案例，這完全是張冠李戴、張飛打岳飛、擅自擴張解釋的刻意誤導。因為，這個案例爭訟的標的包括estradiol, progesterone, testosterone, melengesterol acetate, trenbolone acetate, and zeranol等六項，根本就不包括萊克多巴胺（Racotopamine），事實上，在美國對歐盟發動此一爭訟時，根本連美國自己都未使用萊克多巴胺作為飼料添加劑，也就是說，針對禁止含萊克多巴胺殘留之牛肉進口是否違反WTO規範，WTO之爭端判決根本沒有判例！更進一步講，世界上未訂定萊克多巴胺安全殘留量的對美貿易國家所在多有，何曾聽過美國因此至WTO興訟？
甚而，連食品藥物管理局局長康照洲都於媒體上坦承：「歐盟敗訴是因禁止符合國際標準的荷爾蒙肉品進口…萊克多巴胺目前沒有國際標準，因此康照洲認為這樣的舉例，並不適用於瘦肉精，我國即使禁止瘦肉精美牛進口，不會因此被告。」
這讓國人不得不問兩個問題：第一，扁政府能守住，馬政府為什麼在至今仍有72.5%反對的民意下卻硬要開放且換不到任何實質利益與承諾？第二，馬政府為什麼要與美方一起使用錯誤案例惡意誤導國人？

馬扁政府皆長期刻意以違法不行政方式，默許含萊克多巴胺牛肉進口臺灣
6月18日堂堂行政院為遂行馬總統萊克多巴胺合法化之意志，竟當起爆料達人，指出扁政府時期早讓臺灣人民吃下10萬噸瘦肉精美國牛肉。行政院發言人胡幼偉表示：「有關萊克多巴胺議題，資料顯示，扁政府於民國九十五年十月公告為禁藥，隨後並於九十六年七月十九日開始檢驗進口美國豬，但當時並未檢驗美牛。」
然查，國民黨執政時，衛生署早於98年11月12日，亦即食品藥物管理局成立前一年多，為因應進口狂牛肉爭議，即會同農委會、經濟部與財政部共同研定「進口牛肉檢疫及查驗管理辦法」（即三管五卡）。其中「檢疫、檢驗之方式」第四項「實驗室檢驗」之「檢驗項目」，雖包括「動物用藥」項目，卻獨獨漏列95年即公告之禁藥萊克多巴胺等瘦肉精，亦即刻意維持民進黨「驗豬不驗牛」之檢驗政策。
甚而，在馬英九總統主動重啟開放含瘦肉精萊克多巴胺肉品合法進口之爭論後，朝野立委接獲地方縣市衛生局人員指控，表示「衛生署早在二月七日即調查各縣市衛生局『願意配合』中央，延緩抽驗市售牛肉瘦肉精，並整理成表格，標出該縣市政黨屬性及配合度，以『技術性拖延』戰術，降低市售瘦肉精比率。」
也就是說，扁政府自民國95年10月由農委會公告萊克多巴胺為違法禁藥後，直到馬政府執政至100年食品藥物管理局成立前，在此4年2個月期間內，歷經民進黨及國民黨兩黨執政，兩黨主政下之主管機關皆未針對萊克多巴胺進行任何牛肉檢驗，導致全體國民暴露在法定禁藥風險之中。甚且，馬政府更對違法禁藥動用公務預算進行宣傳及推廣。以上諸般情節，顯示馬扁政府皆有違法失職之實，應受國民嚴厲譴責。

食管法修正版本，國民黨版不在乎國民健康、民進黨版不在乎國際規範
如今在立法院院會朝野協商的食管法修正案有三個版本：親民黨團Codex版、民進黨團零檢出版，以及國民黨團禁藥合法化版。拒絕瘦肉精萊克多巴胺的唯一正當且衡平應對之道，是Codex，明白講，Codex的標準不但是零檢出，而且就是根本不准使用。

親民黨團多次呼籲，只有Codex標準才能同時兼顧國人「食品安全」與「國際貿易」權益，也只有接軌Codex這個聯合國架構與標準規範，才是保護台灣人民利益的最佳途徑：

一、 親民黨團堅持將所有食品安全之規範標準與普世通行之可信賴標準接軌，以一體適用於相關國際貿易磋商及談判：我國身為國際貿易大國，自不能避免與各貿易夥伴國就食品貿易經常磋商、談判相關進出口標準。為求在確保食品安全前提下兼顧國際貿易交流發展，實應全面完備我國食品安全標準規範體系，將所有食品或食品添加物之安全規範標準接軌普世通行之可信賴標準，以一體適用於相關國際貿易磋商及談判，俾使我國及相關貿易國家有所遵循。

二、 拒絕瘦肉精是全民共識，但方法必須理性，手段必須具備正當性：藍綠惡鬥殺紅眼，理性靠邊站。民進黨「零檢出」版本，表面上似乎是為了維護國民健康，但在缺乏「食品安全檢驗與動植物防疫檢疫措施協議（SPS協議）所認可WTO會員得以科學性風險評估作為限制貿易的現況下，復又摒棄WHO與WTO所共通之Codex標準，可說自棄正當性，更恐自陷貿易紛爭難以自拔。親民黨團必須再次提醒，「零檢出」版本之逕行入法，無論在法理及實務上，皆不具正當性。

三、 親民黨團堅持國民健康與食品安全，必須全面不低於當前全球人類可信賴之先進科學水準：將我國食品安全體系全面與聯合國Codex標準接軌，可一次全面處理我國所有的食品安全標準，讓所有食品或食品添加物之相關安全標準不低於當前全球人類可信賴之先進科學水準。


重啟TIFA不是台灣經濟的救命丹，產業結構調整才是根本
馬政府從一開始沒有預設立場、沒有承諾、沒有時間表的三不立場，到如今聲稱進口瘦肉精美牛為TIFA的敲門磚。親民黨團必須指出，如今只將TIFA、TPP甚至其他的FTA當成台灣經濟的救命丹可說為時已晚。臺灣當前真正需要的是整體產業結構的調整與升級，如果馬政府遲遲無法為臺灣經濟固本培元、強身健體，卻只寄望與他國簽署貿易協定就能改善臺灣經濟發展遲滯的困境，那是毫不可能的。
綜上，親民黨團誠摯呼籲國民兩黨立委拋棄成見，共同理性為國計民生著想，於臨時會議決瘦肉精相關食管法修正案時，重新考慮接受親民黨所提與Codex接軌的正當、衡平主張。