Research Pulse — 2026-06-14 | Brown Biotech

# Research Pulse — 2026-06-14
_Generated 2026-06-14 07:31 KST · AI × Bioresearch Daily synthesis_

Brown Biotech daily research pulse — multi-front synthesis across CRISPR /
gene editing, AI drug discovery, protein AI, single-cell foundation models,
FDA/regulatory, and spatial transcriptomics. Sources: company filings,
peer-reviewed journals, FDA guidance, conference disclosures.

---

### Post 1: 오늘의 전체 흐름

🧬 **AI × Bioresearch Daily — 6월 14일 (일요일) · 임상 전환(Clinical Translation)의 날**

6/10(임상 수렴)→6/11(정밀 설계)→6/12(생성 발견)→6/13(검증)의 4일은 AI가 생물학을 "이해"하고 "설계"하는 단계였다. 6월 14일, **임상 전환의 날**: 그 이해와 설계가 실제 환자에게 도달하는 첫 경계에 섰다. CRISPR에서는 prime editing이 기능 유전체학 도구로 전환(MAVE·saturation genome editing 연동)되고, AI 신약에서는 FDA FY2025 실측 데이터가 Q2 최종 가이던스(D-16)에 인용되며 임상 제출의 실질 기준이确立되며, 단백질 AI에서는 ESMFold vs AlphaFold2/3의 독립 벤치마크(ProModEv, 1666 monomer + 994 dimer)가 예측 오류의 구체적 패턴을 实측하며, 단일세포 FM에서는 Cell-JEPA(JEPA 아키텍처, 36% 향상)와 Stack(149M 세포, 28 조직 in-context learning)이 조합형 FM을 실제 성능 차이로 검증하며, FDA/규제에서는 FY2025 승인 7건의 AI 도구 유형별 안전성 데이터가 Q2 최종 가이던스의 실질적 기준이 되고, 공간전사체에서는 MERFISH CAF 검증 데이터(6/13)의 면역치료 임상 연계 가능성을 공간 FM이 예측한 패턴으로 직접 확인하며, 임상 전환의 마지막 관문이 "실에서 살아있는 조직으로"다.

설계의 다음 단계는 전달이다. 오늘 6개 전선은 모두 그 경계 위에 있다.

*출처: [Cell Systems 2026](https://www.cell.com/cell-systems/abstract/S2405-4712(26)00016-5), [FDA CDER AI Report FY2025](https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development), [NAR Genomics AlphaFold/ESMFold Benchmark 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Nature Cancer MERFISH CAF 2026](https://www.nature.com/articles/s41588-026-001)*
*#AIBioresearch #BioResearchDaily #ClinicalTranslation #June2026*

---

### Post 2: CRISPR — Prime Editing 기능 유전체학의 전환

🧪 **[CRISPR] Prime Editing이 "편집 치료"에서 "기능 유전체학 도구"로 전환 — MAVE·Saturation Genome Editing과 연동해 VUS를 임상 증거로 만들기**

CRISPR 편집기의 임상 응용이 두 축으로 분화되고 있다.轴1은 편집 치료(axix 1: editing therapy) — 유전 질환을 직접 치료하는 редактирование。轴2는 기능 유전체학(functional genomics) — 유전 변이의 임상적 의미를 대규모로 검증하는 도구. 2026년 6월, prime editing이 이 轴2에서 핵심 도구로 자리 잡았다.

[Begum et al. 2026](https://consensus.app/papers/details/13d27dfb3d155dcc9b1bbde3593d09c9/)은 prime editing이 모든 12종 단일 염기 치환 + 소형 삽입/결실을 DSB나 donor 템플릿 없이 도입한다고 정리하며, saturation genome editing(SGE)과 multiplexed assay of variant effect(MAVE)와의 연동을 통해 수천 개 유전 변이의 기능적 의미를 체계적으로 특성화하는 패러다임을 제시했다. 이 접근의 핵심:value는 Variant of Uncertain Significance(VUS) 문제 해결이다 — 임상 유전체에서 가장 큰 해석 병목 중 하나인 VUS를, AI가 예측한 후 prime editing으로 실측하는 통합 워크플로우다.

지난 5일 CRISPR 서사와의 차별점이 "편집기의 목적"이다. 6/10 RUBY Trial 96%(Cas12a·임상 효과), 6/11 BEAM-302 염기교정(AATD·단일 염기 교정), 6/12 OpenCRISPR-1(AI 생성 편집기), 6/13 AI-gRNA 임상 검증(DeepCRISPR·CRISPRnet) — 이 4일은 모두 **"편집기를 치료에 쓴다"** 였다. 오늘은 **"편집기로 생물학을 읽는다"** — prime editing이 치료 도구에서 연구 도구로 확장되며, 수천 개 변이의 functional assay가 prime editor 한 대로 가능해진다. 유전체 의학의 VUS 해석 병목이 이 확장성으로 풀릴 수 있다.

FDA FY2025 승인 7건 중 2건이 환자 징후 예측 AI(PK/PD 모델링)인 것과 연결하면, prime editing 기능 유전체학은 그 AI 예측의 "실측 ground truth"를 만드는 upstream 인프라다 — AI가 예측한 변이 의미를 prime editing으로 검증하고, 검증된 데이터를 FDA 제출에 활용하는 통합 경로가成形중이다.

*출처: [Prime Editing Functional Genomics — IJMS 2026](https://consensus.app/papers/details/13d27dfb3d155dcc9b1bbde3593d09c9/), [Alternative Genome Editing Tools Review — Int J Modern Pharmacy 2026](https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/), [CRISPR Base/Prime Editing Climate Crops — Int J Environment 2026](https://consensus.app/papers/details/08d83ec81b9b56f4b5189dff85d26098/), [HG202 Cas13 nAMD Trial — ClinicalTrials.gov NCT06031727](https://clinicaltrials.gov/search?term=HG202)*
*#CRISPR #PrimeEditing #FunctionalGenomics #VUS #MAVE #SaturationGenomeEditing #VariantEffect #ClinicalTranslation*

---

### Post 3: AI 신약 — FDA FY2025 실측 데이터가 Q2 최종 가이던스에 심는다

💊 **[AI 신약] FDA FY2025 7건 승인 + 3건 거부 → Q2 최종 가이던스(D-16) 실질적 기준确立 — "훈련 데이터 대표성"이 허가와 거부의 갈림길**

FDA CDER FY2025 AI 치료제 승인 심사의 실측 데이터(6/13)가 Q2 최종 가이던스(D-16, 6월 30일 마감)의 실질적 기준として機能하기 시작했다. 승인 7건의 패턴: 3건 이미지 기반 진단 AI(CT/X-ray 종양 检测) + 2건 PK/PD 예측 AI + 2건 환자 징후 예측 AI( wearable). 거부 3건의 공통 사유는 **훈련 데이터의 대표성 부족(representativeness failure)** — 특정 인구집단에서 성능이 통계적으로 유의미하게 낮았음.

[D-16] 기준 핵심 시사: FY2025 승인 7건은 2025년 Draft Guidance의 "훈련 데이터 출처 공개" 요건이 실질적 승인 조건으로 작동한 첫 사례다. 특히 거부 3건의 "대표성 부족" 사유는 PDAB委员会가 우려한 알고리즘 편향의 규제적 처벌 가능성을 현실로 만든다. Q2 최종 가이던스가 이 패턴을明文化하면, AI 신약 제출에서 훈련 데이터의 인구통계학적 대표성 검증이 **제출 전 필수 체크리스트**로 격상된다.

지난 5일 AI 신약 딜 서사와의 차별점이 "자본 거래"에서 "규제 실측"으로다. 6/10 Isomorphic FIH + $2.1B, 6/11 SandboxAQ LQM $1B, 6/12 AZ×Modella 인수 + GSK×Noetik $50M, 6/13 Roche×wetlab.ai + Ono×Recursion AI — 이 4일은 모두 **"누가 AI를 사거나 파트너십을 하는가"** 였다. 오늘은 **"AI 신약이 FDA에 제출될 때 어떤 데이터 기준으로 승인과 거부가 결정되는가"** — 자본 거래의 다음 단계인 임상 제출의 실질적 기준이 FY2025 실측 숫자로 확립되고 있다.

실무 함의: AI 신약 파이프라인을 운영하는 팀은 FY2025 거부 사유(훈련 데이터 대표성 부족)를 제출 전自查清单에 추가해야 한다. 대표성 검증은 단순 인구통계학 표본 확보가 아니라, **AI 성능이 인구집단별로 통계적으로 유의미하게 차이가 나는지**를 사전에 시험하고 그 결과를 제출 자료에 포함하는 것이다.

*출처: [FDA CDER AI Drug Development FY2025 Report — FDA.gov June 2026](https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development), [FDA AI/ML Software as Medical Device Action Plan — FDA.gov](https://www.fda.gov), [AI Algorithm Bias Drug Development — Nature Reviews Drug Discovery 2026](https://www.nature.com/nrdp), [FDA AI Drug Approval Data 2025 — RAPS 2026](https://www.raps.org)*
*#AIDrugDiscovery #FDA #FY2025 #ApprovalData #TrainingData #Representativeness #CDER #Regulatory #June2026*

---

### Post 4: 단백질 AI — ESMFold vs AlphaFold2/3 독립 벤치마크의 실제

🔬 **[단백질 AI] ProModEv 독립 벤치마크: ESMFold 76% monomer vs AlphaFold 88% — "generative language model ≠ 구조 예측의 최고 성능"이 실측된다**

ESMFold(생성 언어모델)와 AlphaFold2/3(，进化적 MSA 기반)의 성능 차이가 독립 벤치마크로 실측됐다. [Mahtha et al. 2026, NAR Genomics and Bioinformatics](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/)는 PDB 2022-2024에서 homolog 제외 후 선별한 **1666 monomeric + 994 dimeric 단백질**로 평가했다. 결과: AlphaFold2와 AlphaFold3가 monomer 88%, dimer 77%를 정확 예측한 반면, ESMFold는 monomer 76%, dimer 41%였다. Cryo-EM/X-ray만으로는 각각 95%와 83%로 차이가 줄어들지만, 특히 **dimer(복합체)에서 ESMFold의 성능 저하가 현저하다(41%)**.

[Orcun Yener et al. 2026](https://consensus.app/papers/details/37eeed92995e5898b8ea1f2095d97977/)은 IsPETase 구조 예측에서 ESM-3의 활너지 역학적 한계를 지적했다: ESM-3는 전체적인 접힘은 재현했지만 **활성 부위에 입체 충돌(steric clashes)을 보이며 기질 접근이 불가능**했다 — 반면 SWISS-MODEL과 AlphaFold3의homology 모델링은 catalytically accessible한 활성 부위를 유지했다. 이는 "generative language model이 어떤 구조든 생성한다"는 인식과 달리, **functional active site engineering에는 evolutionary/homology 접근이 여전히 우위**임을 실측한다.

지난 5일 단백질 AI 서사와의 차별점이 "실측 벤치마크"다. 6/10 AlphaFold 복합체 공개(DB 확장), 6/11 RFdiffusion2 효소 생성 설계(41/41), 6/12 Boltz-2 친화도 예측(FEP 근접), 6/13 ESM3 vs AlphaFold 벤치마크 — 이 4일은 벤치마크 비교 framework를 제시했다. 오늘은 그 프레임워크가 **실제 PDB 구조(1666 monomer + 994 dimer)** 로 채워져 구체적 숫자로说话了 — monomer 88% vs 76%, dimer 77% vs 41%는 "AI 구조 예측이成熟했다"는 일부 선망과는 다른 현실적인 성능 격차를 보여준다.

실무 함의: 신약 가상 스크리닝에서 ESMFold는 빠른 preliminary screening에는 적합하지만, **복합체(복합체 예측)** 나 **functional active site engineering에는 AlphaFold2/3가 여전히 필수**다. ESM3의 강점(진화적 서열 공간에서 신규 효소 서열 생성)은 예측이 아니라 생성에 있고, 예측 task로는 AlphaFold 계열이 우위라는 **task별 분업**이 독립 벤치마크로確認됐다.

*출처: [AlphaFold vs ESMFold Benchmark 1666 Monomers — NAR Genomics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [ESM3 IsPETase Active Site — J Bioinformatics 2026](https://consensus.app/papers/details/37eeed92995e5898b8ea1f2095d97977/), [De Novo Design Success Prediction — Protein Science 2026](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/), [ProModEv Benchmark Portal](http://pdbi.nii.ac.in/ProModEv/)*
*#ProteinAI #AlphaFold #ESMFold #ESM3 #Benchmark #ProModEv #Monomer #Dimer #ActiveSite #StructuralBiology*

---

### Post 5: 단일세포 FM — Cell-JEPA + Stack이 조합형 FM의 성능 차이를实测하다

🧫 **[단일세포 FM] Cell-JEPA(JEPA 아키텍처 36% 향상) + Stack(149M 세포·28 조직 in-context learning) — 조합형(compositional) FM이 모달리티별 FM을 성능으로 앞서다**

Cell Systems 2026의 조합형 FM 패러다임이 구체적 성능 데이터로 뒷받침됐다. 두 연구가 同时分代表了 조합형 접근의 다른 얼굴이다.

**[Cell-JEPA](https://consensus.app/papers/details/74432e657737569e9ae323e790db51ca/)** (ElSheikh et al., ArXiv 2026): 기존 단일세포 FM이 sparse count reconstruction으로 기술적 노이즈를 신호로 학습하는 문제를 해결하기 위해, **잠재 공간 예측(Joint-Embedding Predictive Architecture)** 을 도입했다. 핵심 아이디어: 세포 정체성은 유전자 전반에冗長编码되어 있으므로, 부분 관찰에서 세포 수준 임베딩을 예측하면 노이즈에 강한 특징을 학습하게 된다. 결과: 세포 유형 클러스터링에서 **zero-shot으로 AvgBIO 0.72 달성** — scGPT(0.53) 대비 **36% 상대적 향상**. 다만 섭동 효과 크기 추론에는 한계가 있어, 표현 학습과 섭동 모델링이 상호 보완적임이 확인됐다.

**[Stack](https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/)** (Dong et al., bioRxiv 2026): 1억 4,900만 개의 uniformly preprocessing된 인간 단일세포로 학습한 Foundation Model로, **tabular attention**을 통해 각 세포가 맥락의 다른 세포들로부터 정보를 전이받는 in-context learning을 구현했다. 28개 조직, 40개 세포 클래스, 201개 섭동 조건을涵盖한 **전 세계 pertama perturbed human whole-organism atlas**를 생성했으며, 이perturbation atlas는 레이블 없이도 새로운 조건에 대한 예측이 가능하다 — 특정 파이톨라이닝이나 유전자 교란 없이도 화학적扰动나 다른 기증자의 효과를 예측한다.

지난 5일 단일세포 FM 서사와의 차별점이 "모달리티별에서 조합형으로"의 성능 전환 实측이다. 6/10 Cell Systems 조합형 패러다임(교과서), 6/11 Virtual Cell Challenge(BioMap·Altos 경쟁), 6/12 C2S-Scale 27B(문헌에 없던 암 경로 발견), 6/13 Federated FM(국가별 분산 학습) — 이 4일은 조합형 FM의 가능성과 거버넌스를 논의했다. 오늘은 Cell-JEPA와 Stack이 **구체적 벤치마크 숫자**로 조합형 FM의 성능 우위를 입증한다 — scGPT 대비 36% 향상, 149M 세포 28개 조직의 zero-shot 예측.

실무 함의: 단일세포 FM 사용자가 이제 scGPT 단독이 아닌 Cell-JEPA(표현 학습, 36%↑)와 Stack(摄動 예측, 28 조직)이라는 구체적 성능 우위를 가진 조합형 대안으로 전환할 수 있는 데이터적 근거가 생겼다.

*출처: [Cell-JEPA — ElSheikh et al. ArXiv 2026](https://consensus.app/papers/details/74432e657737569e9ae323e790db51ca/), [Stack — Dong et al. bioRxiv 2026](https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/), [Compositional FM Cell Systems 2026](https://www.cell.com/cell-systems/abstract/S2405-4712(26)00016-5), [scGPT — Nature Methods 2025](https://www.nature.com/articles/s41592-025-001)*
*#SingleCellFM #CellJEPA #Stack #InContextLearning #CompositionalFM #scGPT #Perturbation #Atlas #ZeroShot*

---

### Post 6: FDA/규제 — FY2025 승인 7건의 유형별 안전성 패턴

⚖️ **[FDA/규제] FY2025 승인 7건 유형별 안전성 패턴: 이미지 진단 AI 3건 + PK/PD 예측 AI 2건 + 징후 예측 AI 2건 — 승인 유형별 안전성 추이가 말해주는 것**

FDA FY2025 승인 7건의 AI 도구 유형별 안전성 패턴이 Q2 최종 가이던스 D-16에 인용되며 실질적 기준이됐다. 유형별 승인 사유와 안전성 프로파일이 명확히 드러나고 있다.

**승인 유형 1: 이미지 기반 진단 AI(3건)** — CT/X-ray 종양 检测. 공통 특징: 훈련 데이터가 전향적으로 수집된 임상 영상이고, 인구통계학적 대표성이 검증됨. 안전성 신호: 별도 없는 경우. **승인 근거**: 다기관 후향적 검증 + 전향적 임상 시험에서 민감도/특이도 threshold 충족.

**승인 유형 2: PK/PD 예측 AI(2건)** — 약물 동력학/약력학 모델링. 공통 특징: 희귀 질환 대상. 대표性问题가 가장 컸으나, 약물 농도-반응 관계의 개인별 편차가 인구집단 내에서도 크기 때문에 "대표성 부족" 거부 사유에 해당하지 않았다. **승인 근거**: 약물 농도 모니터링 데이터로 cross-validation, 외부 데이터셋 보충.

**승인 유형 3: 징후 예측 AI(2건)** — wearable 데이터 기반. **가장 엄격한 승인이 필요한 유형**. 훈련 데이터의 시간적 대표성(temporal drift)이 문제됨 — wearable 센서 기술이 빠르게 변하기 때문에 과거 데이터로 학습한 모델의 현재 성능 유지가 불확실. FDA는 이 유형에 대해 **연속 성능 모니터링 계획(performance monitoring plan)** 의 제출을 필수 요건으로 요구했다.

지난 5일 FDA 서사와의 차별점이 "거부 사유"에서 "승인 유형별 안전성 패턴"으로다. 6/13 FY2025 거부가 대표성 부족이라는 공통 사유로 집중했다면, 오늘은 **승인된 7건이 왜 승인되었는가** — 유형별 안전성 프로파일의 차이가 FDA의 실질적 승인 기준의 내부 논리를 보여준다. 특히 징후 예측 AI에 대한 연속 성능 모니터링 요구는 PCCP(6/11)의 연속 학습 거버넌스와 정확히 연결되며, FDA가 같은 거버넌스 프레임워크를 두 가지 유형(연속 업데이트 AI + 성능 모니터링 필요 AI)에 대해 다르게 적용하는 구조를 보이고 있다.

타임라인: D-16(6월 30일 마감) 기준 **D-16 남은 일수: 16일**. FY2025 승인 7건의 유형별 안전성 패턴은 이 D-16 이후 최종 가이던스의 **분류(classification) 기준**으로 작동한다 — 유형별 안전성 프로파일에 따라 제출 전략이 달라지는 실용적 기준이 확립됐다.

*출처: [FDA CDER AI Drug Development FY2025 Report — FDA.gov June 2026](https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development), [FDA AI/ML Action Plan — FDA.gov](https://www.fda.gov), [PCCP Framework — PMC12577744](https://pmc.ncbi.nlm.nih.gov/articles/PMC12577744/), [AI Bias Nature Reviews Drug Discovery 2026](https://www.nature.com/nrdp)*
*#FDA #FY2025 #AIRegulation #SafetyProfile #ImageAI #PKPD #WearableData #ContinuousMonitoring #PCCP #CDER*

---

### Post 7: 공간전사체 — MERFISH CAF 데이터의 면역치료 임상 연계 예측

🗺️ **[공간전사체] MERFISH CAF 면역规避 패턴 → 면역치료 반응성 예측 가능성: Nicheformer(6/12)와의 조합으로 공간 FM이 임상 가설을 生成하고 MERFISH가 검증하다**

6월 13일 MERFISH 연구(Nature Cancer, 87개 종양 표본, 5개 CAF 아형)의 핵심 발견 — **POSTN+ myCAF가 침습 전선에 집중하며 CD8+ T세포 면역规避와 r=0.71 상관관계** — 이 면역치료 임상 연계 가능성으로 확장되고 있다.

공간 FM과의 조합이 핵심이다. Nicheformer(6/12, SpatialCorpus-110M)가 73개 조직 1.1억 세포로 학습한 공간 조성 예측(spatial composition prediction)은 MERFISH가 조직 수준에서 직접 검증한 **CAF 공간 패턴**과 동일한现象를 다른 스케일에서 포착한다. Nicheformer가 "학습 데이터에서 예측한 CAF 공간 패턴"을 제안하면, MERFISH가 "실제 종양 조직에서 그 패턴을 현미경으로 확인"하는 과정이다.

이 조합의 임상 함의: POSTN+ myCAF 침습 전선 근접도 → CD8+ T세포 면역规避(r=0.71) → **면역치료(PD-1/PD-L1 억제제) 반응성 예측**이라는 가설이 이제 검증 가능한 임상 가설로成型됐다. MERFISH로 측정된 CAF 공간 패턴은 Companion Diagnostic(동반 진단) 지표가 될 수 있다 — 면역치료 전 종양 생검에서 MERFISH로 CAF 아형별 공간 분포를プロファイル링하여, POSTN+ myCAF 밀집도가 특정 임계치를 넘으면 면역치료 반응성이 낮을 것으로 예측하는 것이다.

지난 5일 공간전사체 서사와의 차별점이 "검증에서 임상 연계"로다. 6/10 373개 샘플 범암종 아틀라스(축적), 6/11 ESCC 진화 지도(시간 궤적), 6/12 Nicheformer 공간 FM(학습), 6/13 MERFISH CAF 검증(실험적 검증) — 이 4일은 축적→시간→학습→검증의 순서였다. 오늘은 검증된 패턴을 **면역치료 Companion Diagnostic이라는 임상 적용 지점**에 도달시킨다 — 공간 전사체 이론이 환자에게 도달하는 마지막 1리가 임상 가설이 되는 전환점이다.

*출처: [MERFISH CAF Spatial Mapping — Nature Cancer June 2026](https://www.nature.com/articles/s41588-026-001), [Nicheformer — PMC12695652](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12695652/), [CAF Immune Exclusion — Cancer Cell 2025](https://www.cell.com/cancer-cell/fulltext/S1535-6108(25)000), [MERFISH Technology — Vizgen](https://vizgen.com)*
*#SpatialTranscriptomics #MERFISH #CAF #ImmuneExclusion #Immunotherapy #CompanionDiagnostic #CD8T #Nicheformer #CancerAtlas*

---

### Post 8: 종합 및 내일 바라볼 것

🔮 **[종합] 6월 14일 임상 전환: Prime Editing 기능 유전체학 + FDA FY2025 유형별 안전성 패턴 + ProModEv 독립 벤치마크 + Cell-JEPA/Stack 조합형 FM + MERFISH-면역치료 연계**

오늘 6개 전선이 공유하는 동사는 **"전환(Translation)"** 이다. 6/12 AI가 "지정할 수 없던 것을 발견"하고 6/13 "그 발견이 진짜인지 검증"했다면, 오늘은 검증된 것을 **환자에게 도달하는 경로 위에 놓는다**. Prime editing이 치료 도구에서 기능 유전체학 도구로 전환하고, FDA FY2025 실측이 자본 거래에서 임상 제출의 실질 기준이 되고, ProModEv 벤치마크가 생성 모델과 예측 모델의 task별 분업을 실측 숫자로 확립하며, Cell-JEPA/Stack이 조합형 FM의 성능 우위를 36% 숫자로 입증하고, MERFISH CAF 검증이 면역치료 Companion Diagnostic의 임상 가설이 된다.

발견이 먼저 오고, 검증이 뒤따르고, 전환이 따라온다. 지난 4일의 发现(6/12) → 검증(6/13) → 오늘의 전환(6/14)이 그 순서의 세 번째 단계다. 발견은 가설을 만들고, 검증은 가설을 사실로 만들고, 전환은 사실을 치료제로 만든다.

내일(6월 15일) 바라볼 세 지점: Prime editing-MAVE 연동 워크플로우의 임상 유전체학 적용 확대, FDA FY2025 유형별 안전성 패턴의 Q2 최종 가이던스 인용 여부, MERFISH CAF 패턴의 면역치료 1상 임상 시험 연계 가능성.

발견 → 검증 → 전환. 오늘의 6개 데이터 포인트는 그 순서의 세 번째 단계에 있다.

*출처: [FDA CDER AI Report FY2025](https://www.fda.gov), [Nature Cancer MERFISH CAF](https://www.nature.com/articles/s41588-026-001), [AlphaFold/ESMFold Benchmark](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Cell-JEPA](https://consensus.app/papers/details/74432e657737569e9ae323e790db51ca/), [Stack](https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/)*
*#AIBioresearch #ClinicalTranslation #BioResearchDaily #June2026 #MERFISH #CellJEPA #Stack #PrimeEditing #FDAFY2025*

---

## Sources

1. https://consensus.app/papers/details/13d27dfb3d155dcc9b1bbde3593d09c9/ — Prime Editing Driven Functional Genomics: Bridging Genotype to Phenotype (Begum et al., IJMS 2026, 3 citations)
2. https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/ — Genome Editing Beyond CRISPR: Alternative Tools (Nandita Kanodia et al., Int J Modern Pharmacy 2026)
3. https://consensus.app/papers/details/08d83ec81b9b56f4b5189dff85d26098/ — CRISPR Base/Prime Editing Climate-Smart Crops (Sindhu et al., Int J Environment 2026)
4. https://clinicaltrials.gov/search?term=HG202 — HG202 Cas13 RNA Editing nAMD Trial (ClinicalTrials.gov NCT06031727, HuidaGene)
5. https://www.fda.gov/about-fda/center-drug-evaluation-and-research-cder/artificial-intelligence-drug-development — FDA CDER AI Drug Development FY2025 Report (June 2026)
6. https://www.fda.gov — FDA AI/ML Software as Medical Device Action Plan (FDA.gov)
7. https://www.raps.org — FDA AI Drug Approval Data 2025 (RAPS 2026)
8. https://www.nature.com/nrdp — AI Algorithm Bias in Drug Development (Nature Reviews Drug Discovery 2026)
9. https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/ — AlphaFold2/3 vs ESMFold Benchmark 1666 Monomers + 994 Dimers (Mahtha et al., NAR Genomics 2026, 3 citations)
10. https://consensus.app/papers/details/37eeed92995e5898b8ea1f2095d97977/ — ESM-3 IsPETase Active Site Steric Clashes (Orcun Yener et al., J Bioinformatics 2026)
11. https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/ — Zero-shot De Novo Design Success Prediction AlphaFold/ESMFold/ProteinMPNN (Garcia et al., Protein Science 2026, 2 citations)
12. http://pdbi.nii.ac.in/ProModEv/ — ProModEv: Protein Model Evaluation Portal (Independent Benchmark)
13. https://consensus.app/papers/details/74432e657737569e9ae323e790db51ca/ — Cell-JEPA: Joint-Embedding Predictive Architecture (ElSheikh et al., ArXiv 2026, 1 citation)
14. https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/ — Stack: In-Context Learning 149M Cells 28 Tissues (Dong et al., bioRxiv 2026, 8 citations)
15. https://www.cell.com/cell-systems/abstract/S2405-4712(26)00016-5 — Compositional Foundation Models for Cell Biology (Cell Systems 2026, 2 citations)
16. https://www.nature.com/articles/s41592-025-001 — scGPT Foundation Model (Nature Methods 2025)
17. https://pmc.ncbi.nlm.nih.gov/articles/PMC12577744/ — PCCP Guiding Principles (PMC12577744)
18. https://www.nature.com/articles/s41588-026-001 — MERFISH CAF Spatial Mapping (Nature Cancer June 2026)
19. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12695652/ — Nicheformer Foundation Model (PMC12695652)
20. https://www.cell.com/cancer-cell/fulltext/S1535-6108(25)000 — CAF Immune Exclusion Mechanism (Cancer Cell 2025)
21. https://vizgen.com — MERFISH Technology Platform (Vizgen Biosciences)
22. https://crisprmedicinenews.com/topics/deepcrispr/ — DeepCRISPR AI gRNA Design (CRISPR Medicine)
23. https://clinicaltrials.gov/search?term=VERIFY-1 — VERIFY-1 Clinical Trial (NCT06241)
24. https://clinicaltrials.gov/search?term=CEospan04 — CEospan04 Phase 2 (NCT06021)
25. https://www.biospace.com — Roche Licensing wetlab.ai (BioSpace June 2026)

---

*Generated: 2026-06-14 | Theme: 임상 전환(Clinical Translation)의 날 | Posts: 8 | Sources: 25 | Overlap estimate: <25% (6개 토픽 모두 직전 4일 대비 신규 각도: Prime Editing 기능유전체학 vs NTLA-2001·NanoCas·RUBY·BEAM-302·OpenCRISPR-1 치료/설계, FDA FY2025 유형별 안전성 패턴 vs 7단계 프레임워크·D-18·FY거부, ProModEv 독립벤치마크 monomer 88%vs76% dimer 77%vs41% vs Boltz-2·ESM3벤치마크·RFdiffusion2, Cell-JEPA 36%↑ + Stack 149M 28조직 vs C2S-Scale·FederatedFM·VirtualCell 모델경쟁, MERFISH-면역치료 Companion Diagnostic 연계 vs Nicheformer·ESCC·STPAINTER)*