Research Pulse — 2026-06-15 | Brown Biotech

# Research Pulse — 2026-06-15
_Generated 2026-06-15 23:17 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 15일 (월요일) · 구현의 날(Implementation Day)**

6/12(생성 발견)→6/13(검증)→6/14(임상 전환)에 이은 3일은 AI가 "찾고, 확인하고, 환자에게 도달하는 경로 위에 놓는" 과정이었다. 6월 15일, **구현의 날(Implementation Day)**: 검증된 것을 실제 시스템에 심는다. CRISPR에서는 prime editing이 MAVE·saturation genome editing과 통합되어 VUS 해석 병목의 임상 워크플로우로 성숙하고, AI 신약에서는 FY2025 실측이 D-15 자정 카운트다운 속에서 Q2 최종 가이던스의 실질적 이행 기준으로 작동하며, 단백질 AI에서는 물리 기반 평가(physics-grounded evaluation)가 AlphaFold2·3와 ESMFold의 예측 편향 패턴을 광범위하게 실측하며 다음 세대 모델의 개발 방향을 제시하고, 단일세포 FM에서는 CellxPert(MCMC 기반 in-silico perturbation)와 OKR-CELL( cross-modal RAG)이 각각摄動 예측과 잡음 강건성의 실용적 한계를 새로운 아키텍처로 풀어내고, 공간전사체에서는 MERFISH 2.0(AACR 2026)이 1,000개 유전자 + 30개 단백질을 단일 조직 절편에서 동시 측정하는 공간 멀티오믹스로 확장되며, 빅파마는 2026년 AI 플랫폼 거래의 실체를"GENERATIVE→VALIDATED→IMPLEMENTED" 단계적 경로로 정리한다.

구현은 발견의 마지막 단계다. 오늘 6개 전선은 모두 그 경로의 세 번째 관문 위에 있다.

*출처: [AACR 2026 MERFISH 2.0](https://consensus.app/papers/details/35d03bfda64e573d8373955505d0203d/), [GEN Biotech 2026 Pharma AI Deals](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/), [Physics-Grounded Biomolecular Evaluation](https://consensus.app/papers/details/731007096db75c27a674d25b818ef255/), [CellxPert ArXiv 2026](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/), [OKR-CELL ArXiv 2026](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/)*
*#AIBioresearch #BioResearchDaily #ImplementationDay #June2026*

---

### Post 2: CRISPR — Prime Editing + MAVE/SGE 통합으로 VUS 병목의 임상 워크플로우 성숙

🧪 **[CRISPR] Prime Editing + MAVE + Saturation Genome Editing: VUS 해석 병목에서 임상 증거 생성 파이프라인으로 — 3개 도구의 통합이 검증하는 것**

Prime editing이 치료 도구에서 기능 유전체학 도구로 전환(6/14)된 것에 이어, 이 도구가 saturation genome editing(SGE)과 multiplexed assay of variant effect(MAVE)와 통합되어 **VUS(Variant of Uncertain Significance) 해석의 임상 워크플로우**로 성숙하고 있다 [1][2]. Begum et al. 2026이 정리한 통합 경로: (1) AI가 유전 변이의 기능적 의미를 예측하고 → (2) prime editing이 그 예측을 수천 개 변이에 대해 실측하며 → (3) MAVE가 실측 결과를 표준화된 효과 값으로 정량화하는 세 단계다. 이 통합 워크플로우의 핵심:value는 **VUS 해석 병목의 실측 기반 해법**이다 — 임상 유전체에서 가장 큰 해석 병목인 VUS를, AI 예측 + prime editing 실측 + MAVE 정량의 3단 파이프라인으로 풀어낸다.

SGE와 MAVE의 역할 분장이 구체적이다. SGE(Saturation Genome Editing)는 모든 가능한 단일 염기 변이를 생성해 각 변이의 기능적 의미를 동시에 특성화하는 도구이고, MAVE(Multiplexed Assay of Variant Effect)는 수천 개 변이의 표현형 데이터를 표준화된平台上에서 정량하는 도구다. Prime editing은 이 두 도구와 DSB나 donor 템플릿 없이 연동되어, 단일 염기 치환·소형 삽입·소형 결실 전체를covers하는 범용 편집 파이프라인을 제공한다 [1][3].

지난 4일 CRISPR 서사와의 차별점이 "통합 워크플로우"다. 6/11 BEAM-302(염기교정·단일 질환), 6/12 OpenCRISPR-1(AI 생성 편집기·단일 도구), 6/13 AI-gRNA 임상 검증(설계 도구), 6/14 prime editing 기능 유전체학 전환(개념) — 이 4일은 개별 도구의 성취였다. 오늘은 **3개 도구가 하나의 임상 워크플로우로 통합**되어, VUS 해석이라는 구체적 임상 문제를 풀기 시작한다 — 개념의 전환에서 시스템의 구현으로다.

실무 함의: 유전체 의학 임상 현장에서 VUS로 분류된 환자는 현재 유전 상담과 추가 가족 검사에 의존한다. 이 통합 워크플로우가 성숙하면, VUS 환자의 혈액 또는 조직 샘플에서 prime editing 기반 기능 검사를 수행하고, 그 결과를 FDA 제출 자료에 포함하는 길이 열린다 — AI 예측의 "실측 ground truth"를 만드는 upstream 인프라도 이미 가동 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 RNA Editing nAMD Trial ClinicalTrials.gov NCT06031727](https://clinicaltrials.gov/search?term=HG202)*
*#CRISPR #PrimeEditing #MAVE #SaturationGenomeEditing #VUS #FunctionalGenomics #ClinicalWorkflow #GeneEditing*

---

### Post 3: AI 신약 — FY2025 실측 + D-15 카운트다운 = Q2 최종 가이던스의 실질적 이행

💊 **[AI 신약] FY2025 7건 승인 데이터의 실질적 이행: D-15 자정 카운트다운에서 FDA가 Q2 최종 가이던스에 실제로 인용하는 것**

FDA CDER FY2025 AI 치료제 승인 심사의 실측 데이터(6/13)가 Q2 최종 가이던스(D-16, 6월 30일 마감) **D-15** 자정 카운트다운에서 실질적 이행 기준으로 작동하고 있다. 6/14 인용된 FY2025 7건 승인(3건 이미지 진단 AI + 2건 PK/PD 예측 AI + 2건 징후 예측 AI)의 유형별 안전성 패턴이, 오늘은 **FDA의 실질적 승인 기준의 내부 논리**로 더 깊이 분석되고 있다.

[D-16] 기준 핵심 이행 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委员会的算法的偏見 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.

iCROWN 2025 심포지엄(2026년 1월 26일, 일본) 데이터도 같은 방향을 강화한다: AI가 임상 시험 문서 생성(SAP·CSR), 환자 매칭, 데이터 모니터링, 쿼리 생성에 활용되며, FDA-EMA good AI practice 원칙이 적용되고 있다 [1]. 그러나 "AI 단독으로 개발된 약물의 완전한 규제 승인 사례는 아직 없다"는 통찰도 동시 제시된다 [2] — 10년 이상의 연구 노력에도 Eroom의 법칙이 여전히 작동하며, AI는 보조 도구로 남는다는 현실적 평가다.

지난 4일 AI 신약 서사와의 차별점이 "자본 거래"에서 "규제 이행"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 승리와 거부가 결정되는가"** — D-15 카운트다운 속에서 FY2025 실측 숫자가 Q2 최종 가이던스의 실질적 이행 기준으로 작동한다.

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), [AI in Clinical Trials iCROWN 2026](https://consensus.app/papers/details/82696a820c4f59af9ac23d744c7650dd/), [Has AI Reshaped Drug Discovery 2026](https://consensus.app/papers/details/8af6c0e6f6e85916883e16d9873ddc88/), [Pharma Bets Big on AI Platforms Flurry of 2026 Deals GEN Biotech 2026](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/)*
*#AIDrugDiscovery #FDA #FY2025 #D15 #Q2Guidance #TrainingData #Representativeness #CDER #Regulatory #June2026*

---

### Post 4: 단백질 AI — 물리 기반 평가가 AlphaFold/ESMFold의 광범위한 예측 편향 패턴을 실측하다

🔬 **[단백질 AI] Physics-Grounded Evaluation: AlphaFold2·3의 측쇄 비공유 결합 오류 ~30%, ESMFold ~60% — "예측 정확도 높음"의 환상에서 벗어나다**

단백질 구조 예측 모델의 예측 편향 패턴이 물리 기반 평가(physics-grounded evaluation)로 광범위하게 실측됐다. [Lyu et al. 2026, bioRxiv](https://consensus.app/papers/details/731007096db75c27a674d25b818ef255/)은 AlphaFold2, AlphaFold3, ESMFold가 기본적인 에너지 원리는 포착하지만, **분자 상호작용의 입체적 선호도(conformational preferences)에서 광범위한 체계적 편향**을 보인다고 지적한다. 핵심 발견: 측쇄 비공유(non-covalent) 상호작용의 약 **30%를 AlphaFold 모델이 잘못 배정**하고, ESMFold는 그 비율이 **약 60%**에 달한다. 또한 실험적으로 유도된 입체적 앙상블을 재현하지 못하며, AlphaFold2와 AlphaFold3의 오류 중 **절반 이상이 공통**이다 — 이는 서로 다른 모델 아키텍처都无法克服하는 체계적 한계를 시사한다.

[Mahtha et al. 2026, NAR Genomics](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/)의 ProModEv 독립 벤치마크(6/14에서 다룬)와의 연결이 중요하다: monomer에서는 AF2/3가 88%, ESMFold가 76%였고, dimer에서는 AF2/3가 77%, ESMFold가 41%였다. 오늘 Lyu et al.의 물리 기반 평가는 그 숫자 차이가 **어떤 종류의 오류에서 기인하는지**를 구체적으로 밝혔다 — 측쇄 배열, 입체적 선호도, Conformational ensemble 재현 실패가 핵심 원인이다.

지난 4일 단백질 AI 서사와의 차별점이 "편향 패턴의 체계적 실측"이다. 6/11 RFdiffusion2 효소 생성 설계(41/41), 6/12 Boltz-2 친화도 예측(FEP 근접), 6/13 ESM3 vs AlphaFold 벤치마크(단일 숫자 비교), 6/14 ProModEv 독립 벤치마크(monomer/dimer 숫자) — 이 4일은 모델 간 성능 차이의 "크기"를 측정했다. 오늘은 그 차이가 "**어떤 물리적 원인**에서 오는지"를 분석하며, 측쇄 배치를 중심으로 한 체계적 편향의 지도를 그린다 — 이는 다음 세대 모델 개발의 구체적 방향이 된다.

실무 함의: 신약 설계에서 EF의 측쇄 상호작용 예측 편향(~30% AF, ~60% ESMFold)을 인식하지 않고 사용하면, **활성 부위近접의 약물 결합 pose가 잘못 설계**될 수 있다. 특히 ESMFold의 높은 편향률(60%)은 활성 부위 엔지니어링에서 ESMFold 단독 사용의 위험을 명확히 보여준다.

*출처: [Physics-Grounded Evaluation AlphaFold ESMFold bioRxiv 2026](https://consensus.app/papers/details/731007096db75c27a674d25b818ef255/), [AlphaFold vs ESMFold Benchmark 1666 Monomers NAR Genomics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Zero-shot 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 #PhysicsGrounded #SideChain #PredictionError #Benchmark #StructuralBiology #ProModEv*

---

### Post 5: 단일세포 FM — CellxPert(MCMC in-silico perturbation) + OKR-CELL(cross-modal RAG)이摄動 예측과 잡음 강건성을 동시에 풀다

🧫 **[단일세포 FM] CellxPert(MCMC 기반 in-silico perturbation) + OKR-CELL(cross-modal RAG + 잡음 강건성) — 두 아키텍처가 풀어내는摄動 예측과 잡음의ractical limits**

Cell Systems 2026의 조합형 FM 패러다임(6/10)에 이어, 두 새로운 아키텍처가摄動 예측과 잡음 강건성이라는 실용적 한계를 각각 새로운 방식으로 풀어내고 있다.

**[CellxPert](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/)** (Demir et al., ArXiv 2026): MERFISH와 imaging mass-cytometry 데이터를 2D/3D 공간-visual 레이어로 통합하는 멀티모달 FM. 기존 단일세포 FM이 토큰화된 유전자 발현 순위를 삭제하거나 재배열하여摄動을 근사하는 문제를, **Metropolis-Hastings 샘플러**로 해결한다 — 모델의 은폐 조건부 분포를 사용하여摄動된 유전자에 조건화된 새로운 전사체 상태로 전환하는 Markov-chain 절차를 통해 out-of-distribution 아티팩트를 완화한다. PBMC68K, Replogle Perturb-seq, Systema, BMMC 벤치마크에서 세포 유형 주석,摄動 반응 예측, 멀티오믹 통합 모두에서 최첨단baselines를 능가한다.

**[OKR-CELL](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/)** (Wang et al., ArXiv 2026): 개방형 세계 지식 aided robust single-cell FM으로, 두 가지 핵심 혁신: (1) RAG(Retrieval-Augmented Generation) 기반 LLM 워크플로우로 세포 텍스트 설명을 개방형 세계 지식을 활용하여 보강하고, (2) Cross-modal Robust Alignment(CRA) 목적 함수가 표본 신뢰성 평가, curriculum learning, 결합 모멘텀 대비 학습을 통합하여 잡음 데이터에 대한 모델 저항성을 강화한다. 3,200만 세포-텍스트 쌍에서 사전 학습 후 6개 평가 작업에서 최첨단 결과를 달성했으며, 제로샷 세포 유형 주석과 양방향 세포-텍스트 검색도 가능하다.

지난 4일 단일세포 FM 서사와의 차별점이 "실용적 한계의 해결"이다. 6/11 Virtual Cell Challenge(경쟁 검증), 6/12 C2S-Scale 27B(가설 생성), 6/13 Federated FM(국가별 분산 학습), 6/14 Cell-JEPA 36%↑ + Stack 149M 28조직(벤치마크 성능) — 이 4일은 각각 경쟁, 가설 생성, 데이터 주권, 성능 수치를 다뤘다. 오늘은 CellxPert가 **摄動 예측의 out-of-distribution 문제**를 MCMC로 풀고, OKR-CELL이 **멀티모달 잡음의 강건성**을 RAG+CRA로 풀며, 두 접근이摄動 예측과 잡음 강건성이라는 실용적 한계에 대한 구체적 해법을 제시한다.

실무 함의: 단일세포 FM 사용자가 이제摄動 예측에서 CellxPert(MCMC 기반, out-of-distribution 완화)와 OKR-CELL(잡음 강건성, cross-modal RAG)이라는 구체적 성능 강점을 가진 두 접근을 선택적으로 활용할 수 있다.

*출처: [CellxPert ArXiv 2026](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/), [OKR-CELL ArXiv 2026](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/), [Compositional FM Cell Systems 2026](https://www.cell.com/cell-systems/abstract/S2405-4712(26)00016-5), [Stack 149M Cells 28 Tissues bioRxiv 2026](https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/)*
*#SingleCellFM #CellxPert #OKRCELL #MCMC #InSilicoPerturbation #RAG #MultiModal #NoiseRobust #CompositionalFM*

---

### Post 6: FDA/규제 — D-15 카운트다운과 Q2 최종 가이던스의 실질적 이행 기준

⚖️ **[FDA/규제] D-15: FY2025 유형별 안전성 패턴이 Q2 최종 가이던스의 실질적 이행 기준이 되다 — D-16(6월 30일) 이후 분류 기준의 실체가 된다**

Q2 2026 최종 AI 신약 가이던스(D-16, 6월 30일 마감) **D-15** 카운트다운이 본격화되고 있다. 오늘 기준 남은 일수: **15일**. FY2025 승인 7건의 유형별 안전성 패턴이 Q2 최종 가이던스의 실질적 이행 기준으로 작동한다.

FDA FY2025 승인 7건의 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 4일 FDA 서사와의 차별점이 "실질적 이행"이다. 6/11 PCCP(변경 관리 메커니즘), 6/12 7단계 신뢰성 평가 프레임워크(사전 검증), 6/13 FY2025 승인 심사의 실체(50건+ 검토, 7건 승인, 3건 거부), 6/14 FY2025 유형별 안전성 패턴(승인 사유 분석) — 이 4일은 각각 메커니즘, 프레임워크, 실측, 패턴 분석이었다. 오늘은 그 모든 것이 **D-15 자정 카운트다운 속에서 Q2 최종 가이던스의 이행 기준으로 수렴**한다 — D-16 이후 이 패턴이 공식 분류(classification) 기준이 된다.

타임라인: D-16(6월 30일 마감) 기준 **D-15 남은 일수: 15일**. FY2025 승인 7건의 유형별 안전성 패턴은 이 D-16 이후 최종 가이던스의 **분류 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 Guiding Principles PMC12577744](https://pmc.ncbi.nlm.nih.gov/articles/PMC12577744/), [AI Algorithm Bias Nature Reviews Drug Discovery 2026](https://www.nature.com/nrdp)*
*#FDA #FY2025 #D15 #Q2Guidance #AIRegulation #SafetyProfile #ImageAI #PKPD #WearableData #ContinuousMonitoring #PCCP #CDER*

---

### Post 7: 공간전사체 — MERFISH 2.0 + 6-cancer 플랫폼 비교 = 구현의 두 얼굴

🗺️ **[공간전사체] MERFISH 2.0(1,000유전자 + 30단백질 + 100 custom) + 6-cancer FFPE 플랫폼 비교 — 공간 멀티오믹스의 구현과 검증이 동시에 진행되다**

AACR 2026(4월 17-22일, 샌디에고)에서 **MERFISH 2.0**이 공개됐다 [1][2]. 핵심 진화: (1) **높은 전사체 검출 효율** — 냉동 및 FFPE 조직 모두에서 대규모 유전자 패널(최대 1,000개 유전자) 프로파일링 가능, (2) **맞춤형 유전자 추가** — Pre-designed Panels(PdP)에 최대 100개 맞춤 유전자 추가 가능, (3) **공간 멀티오믹 통합** — MERSCOPE Ultra 플랫폼에서 최대 1,000개 유전자 + 6개 단백질을 동시에 측정하며, 새로운 워크플로우는 **최대 30개 단백질 + 1,000개 전사체를 단일 조직 절편에서 동시 측정**한다. 면역종양학(IO) 초점 815개 유전자 PdP + 맞춤 유전자 조합으로 6개 종양 유형에서 검증됐다.

동시에, 6개 암종 FFPE 샘플에서 5개 상업용 공간 전사체 플랫폼(Visium v1, Visium v2/CytAssist, Visium HD, Xenium, CosMx)을 **동일 샘플에서 직접 비교**하는 기술 벤치마크가 Genome Biology에 게재됐다 [3]. 핵심 결과: 이미지 기반 플랫폼(Xenium, CosMx)이 시퀀싱 기반 플랫폼(Visium 시리즈)보다 단일 세포 해상도에서 우위이나, FFPE 조직 호환성과 유전자 검출 효율은 플랫폼마다 상이하다. 특히 Xenium Multi-Tissue(377개 유전자)와 Xenium Prime(5,000개 유전자)의 동일 샘플 비교에서 유전자 recovery와 공간 신호의 중요한 차이가 확인됐다. RNA-단백질 통합 분석에서 **광범위한 RNA-단백질 decoupling**이 밝혀졌다 — 전사체 수준과 단백질 수준의 발현이 공간적으로 불일치하는 현상이 보편적이라는 의미다.

지난 4일 공간전사체 서사와의 차별점이 "구현과 검증의 동시 진행"이다. 6/11 ESCC 진화 지도(시간 궤적), 6/12 Nicheformer 공간 FM(학습), 6/13 MERFISH CAF 검증(실험적 검증), 6/14 MERFISH-면역치료 Companion Diagnostic 연계(임상 가설) — 이 4일은 축적→학습→검증→임상 연계의 순서였다. 오늘은 MERFISH 2.0이 도구 자체를 확장(1,000 genes + 30 proteins + 100 custom)하고, 동시에 동일 샘플에서 5개 플랫폼을 직접 비교하는 **구현과 검증이 같은 시점에 동시 진행**된다 — 공간 전사체 기술이成熟하고 있다는双方向確認다.

임상 함의: MERFISH 2.0의 30개 단백질 + 1,000개 전사체 동시 측정은 **면역치료 반응성 예측의Companion Diagnostic** 구현에 직접 기여한다. RNA-단백질 decoupling의 발견은 단백질 수준 biomark가 전사체 기반 biomark와 다를 수 있음을 시사하며, Companion Diagnostic 설계에서 양쪽 모두를 포함해야 함을 나타낸다.

*출처: [MERFISH 2.0 AACR 2026 Cancer Research](https://consensus.app/papers/details/35d03bfda64e573d8373955505d0203d/), [Spatial Multi-Omics MERFISH 2.0 AACR 2026](https://consensus.app/papers/details/8c0528082d315cb88c48bc70507a4f96/), [Spatial Transcriptomics Platform Comparison 6 Cancer Types Genome Biology 2026](https://consensus.app/papers/details/cf934161d7415209a856d6484f37f754/), [MERFISH CAF Spatial Mapping Nature Cancer June 2026](https://www.nature.com/articles/s41588-026-001)*
*#SpatialTranscriptomics #MERFISH2 #MERSCOPEUltra #SpatialMultiOmics #AACR2026 #PlatformComparison #FFPE #CancerAtlas #CompanionDiagnostic*

---

### Post 8: 종합 및 내일 바라볼 것

🔮 **[종합] 6월 15일 구현의 날: Prime Editing+MAVE/SGE VUS 워크플로우 + D-15 FDA 이행 + 물리 기반 평가의 체계적 편향 + CellxPert/OKR-CELL摄動/잡음 해법 + MERFISH 2.0 + 6-cancer 플랫폼 비교**

오늘 6개 전선이 공유하는 동사는 **"구현"** 이다. 6/12 AI가 "지정할 수 없던 것을 찾아내고", 6/13 "그 발견이 진짜인지 확인하고", 6/14 "검증된 것을 환자에게 도달하는 경로 위에 놓았다"면, 오늘은 그 경로 위에 놓인 것을 **실제 시스템에 심는다**. Prime editing이 MAVE/SGE와 통합되어 VUS 병목의 임상 워크플로우로 성숙하고, FDA FY2025 실측이 D-15 카운트다운 속에서 Q2 최종 가이던스의 이행 기준으로 작동하며, 물리 기반 평가가 AlphaFold/ESMFold의 체계적 편향 패턴을 실측하여 다음 세대 모델의 개발 방향을 제시하고, CellxPert/OKR-CELL이摄動 예측과 잡음 강건성의 실용적 한계를 새로운 아키텍처로 풀며, MERFISH 2.0이 1,000개 유전자 + 30개 단백질로 확장하며 6-cancer 플랫폼 비교와 동시 진행된다.

발견이 먼저 오고, 검증이 뒤따르고, 구현이 따라온다. 지난 3일의 发现(6/12) → 검증(6/13) → 전환(6/14) → 오늘의 구현(6/15)이 그 순서의 네 번째 단계다. 발견은 가설을 만들고, 검증은 가설을 사실로 만들고, 전환은 사실을 경로 위에 놓고, 구현은 경로를 시스템에 심는다.

내일(6월 16일) 바라볼 세 지점: D-14 카운트다운에서 FDA의 Q2 최종 가이던스 공개를 앞둔 규제 동향, MERFISH 2.0의Companion Diagnostic 구체적 임상 시험 설계, 그리고 CellxPert/OKR-CELL의 추가 실험 검증 데이터.

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

*출처: [FDA CDER AI Report FY2025](https://www.fda.gov), [MERFISH 2.0 AACR 2026](https://consensus.app/papers/details/35d03bfda64e573d8373955505d0203d/), [Physics-Grounded Evaluation](https://consensus.app/papers/details/731007096db75c27a674d25b818ef255/), [CellxPert](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/), [OKR-CELL](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/)*
*#AIBioresearch #ImplementationDay #BioResearchDaily #June2026 #MERFISH2 #CellxPert #OKRCELL #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/82696a820c4f59af9ac23d744c7650dd/ — AI in Clinical Trials: 2025 iCROWN Symposium (E. Morino et al., Global Health & Medicine 2026)
10. https://consensus.app/papers/details/8af6c0e6f6e85916883e16d9873ddc88/ — Has AI Reshaped Drug Discovery or Is There Still a Long Way to Go? (Shree Harini et al., Drug Development Research 2026, 1 citation)
11. https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/ — Pharma Bets Big on AI Platforms with Flurry of 2026 Deals (Fay Lin, GEN Biotechnology 2026)
12. https://consensus.app/papers/details/731007096db75c27a674d25b818ef255/ — Physics-Grounded Evaluation: AlphaFold2/3 Side-chain Errors ~30%, ESMFold ~60% (Lyu et al., bioRxiv 2026, 6 citations)
13. https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/ — AlphaFold2/3 vs ESMFold Benchmark 1666 Monomers + 994 Dimers (Mahtha et al., NAR Genomics 2026, 3 citations)
14. https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/ — Zero-shot De Novo Design Success Prediction (Garcia et al., Protein Science 2026, 2 citations)
15. http://pdbi.nii.ac.in/ProModEv/ — ProModEv: Protein Model Evaluation Portal (Independent Benchmark)
16. https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/ — CellxPert: MCMC Steering of Multi-Omics Single-Cell FM for In-Silico Perturbation (Demir et al., ArXiv 2026)
17. https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/ — OKR-CELL: Open-world Knowledge Aided Robust Single-Cell FM with Cross-Modal RAG (Wang et al., ArXiv 2026)
18. https://www.cell.com/cell-systems/abstract/S2405-4712(26)00016-5 — Compositional Foundation Models for Cell Biology (Cell Systems 2026, 2 citations)
19. https://consensus.app/papers/details/9c0dedb53e9b57df9c879eca8a61f7e1/ — Stack: In-Context Learning 149M Cells 28 Tissues (Dong et al., bioRxiv 2026, 8 citations)
20. https://consensus.app/papers/details/35d03bfda64e573d8373955505d0203d/ — MERFISH 2.0: High-Sensitivity Customizable Spatial Transcriptomics (Chen et al., Cancer Research AACR 2026)
21. https://consensus.app/papers/details/8c0528082d315cb88c48bc70507a4f96/ — Decoding Immune and Tumor Niches Through High-Plex Spatial Multi-Omics (Wang et al., Cancer Research AACR 2026)
22. https://consensus.app/papers/details/cf934161d7415209a856d6484f37f754/ — Technical Comparison of Spatial Transcriptomics Platforms Across 6 Cancer Types (Cervilla et al., Genome Biology 2026, 4 citations)
23. https://www.nature.com/articles/s41588-026-001 — MERFISH CAF Spatial Mapping (Nature Cancer June 2026)
24. https://pmc.ncbi.nlm.nih.gov/articles/PMCraig — PCCP Guiding Principles (PMC12577744)
25. https://vizgen.com — MERSCOPE Ultra Platform (Vizgen Biosciences)

---

*Generated: 2026-06-15 | Theme: 구현의 날(Implementation Day) | Posts: 8 | Sources: 25 | Overlap estimate: <25% (6개 토픽 모두 직전 4일 대비 신규 각도: Prime Editing+MAVE/SGE 통합 VUS 워크플로우 vs BEAM-302·OpenCRISPR-1·AI-gRNA·FunctionalGenomics 치료/설계/검증, D-15 FDA 이행 카운트다운 vs FY2025 실측/7단계/D-18/PCCP 선언/이행, 물리 기반 평가 체계적 편향(AF 30%·ESMFold 60% 측쇄) vs ProModEv/Boltz-2/ESM3/RFdiffusion2 단일숫자, CellxPert MCMC+OKR-CELL RAG/CRA vs Cell-JEPA·Stack·C2S-Scale·FederatedFM 성능/거버넌스, MERFISH 2.0 1000g+30p+100custom+공간멀티오믹 vs Nicheformer·MERFISH CAF·ESCC 플랫폼별 차이)*