# Research Pulse — 2026-06-19 _Generated 2026-06-19 07:32 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 19일 (금요일) · 통합의 날(Integration Day)** 6/13(검증)→6/14(전환)→6/15(구현)→6/16(수렴)→6/17(이행)→6/18(심화)에 이은 6일은 AI가 "찾고, 확인하고, 환자에게 도달하고, 시스템에 심고, 깊이 파고드는" 과정이었다. 6월 19일, **통합의 날(Integration Day)**: 각 기술 스택이 서로의 영역으로 확장하며 하나의 생물학적 현상을 여러 modality가 동시에 규명하는 날. CRISPR에서는 겸상적혈구병/베타지중열 치료에 대한 체계적 검토가 장기 추적 4년 이상의 기능적 완치 데이터를 제시하며 건강경제학 논쟁으로 진입하고, AI 신약에서는 AI 에이전트가 약물 발견 워크플로우에 실제 투입되어 자율적 추론-실행-반복의 사례가 발표되며, 단백질 AI에서는 ProModEv 벤치마크 포털과 ESMFold 정확도 체계적 평가로 "측정 기준의 통합"이 시작되고, 단일세포 FM에서는 veloAgent(공간 속도.+에이전트 기반 미세 환경 시뮬레이션)와 STEER( kinetic mixture-of-experts)가 공간 시계열 추론이라는同一 문제에 다른 해법으로 동시에 도착하며, FDA에서는 2025년 1월 초안 가이던스에 대한 Crit Review가 바이어스 완화·설명 가능성 요구사항·阿爾法 기준의 균열을 지적하며, 공간전사체에서는 MONSTAR-SCREEN-3(21개 고형암·약 2,000만 세포·15개 보존 niche)가 종양 미세 환경 아키텍처의 범람종 통합 아틀라스로 도달하며 마침내 ICI 반응성 예측의 공간적 기준이 잡힌다. 통합은 심화의 다음 단계다. 오늘 6개 전선은 서로 다른 기술 스택에서 출발해 환자層에서 만난다. *출처: [Gene Editing SCD BetaThal Systematic Review 2026](https://consensus.app/papers/details/70b3297984375a1a9470b326da40d602/), [AI Agents Drug Discovery Drug Discovery Today 2026](https://consensus.app/papers/details/d47b0cf47a4f5055a7175a6fe09bb6e4/), [ProModEv AlphaFold ESMFold Benchmarking NAR Genomics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [STEER RNA Velocity Spatial Temporal 2026](https://consensus.app/papers/details/ee734036ac105135bf603aac90edce53/), [FDA AI Guidance Critical Review 2026](https://consensus.app/papers/details/e016addd493055de8bbca57954a06666/), [MONSTAR-SCREEN-3 Spatial Atlas AACR 2026](https://consensus.app/papers/details/acaee5f0a8c55ba89f5719ee65eaba95/)* *#AIBioresearch #BioResearchDaily #IntegrationDay #June2026* --- ### Post 2: CRISPR — 겸상적혈구병/베타지중열 체계적 검토가 제시하는 기능적 완치의 4년 추적 데이터와 건강경제학의 만남 🧪 **[CRISPR] 겸상적혈구병/베타지중열 치료의 4년 기능적 완치 데이터가 건강경제학 논쟁을 일으키다 — Casgevy의 다음 단계는 임상 적격 기준이다** Casgevy(CRISPR/Cas9 치료 sickle cell disease + transfusion-dependent beta-thalassaemia, FDA 승인 2023년 12월) 이후 CRISPR 겸상적혈구병/베타지중열 치료가 **체계적 검토(SR)/메타분석** 단계에 도달했다 [1][2]. Gab-Obinna et al. 2026과 Krishna Prasad et al. 2026이 제시하는 4년 이상의 장기 추적 데이터는 임상적 유효성(vfficacy)를 넘어 **건강경제학(health economics)** 과 **건강형평성(health equity)** 의 논쟁을 본격화한다. **4년 기능적 완치 데이터** [1]: 11개 연구(처리된 환자 170명 이상)에서 확인된 핵심 지표: (1) **Beta-Thalassaemia(TDT, 수혈 의존성 베타지중열)**: 处理 가능 환자 100명 이상에서 12개월 이상의 수혈 독립(Hb ≥9g/dL) 달성率 89~100%, 4년 이상 지속 확인. (2) **Sickle Cell Disease(SCD, 겸상적혈구병)**: 处理 가능 환자 60명 이상에서 판정된 혈관폐색 위기(vaso-occlusive crises, VOCs) 12개월 이상 완전 제거率 97~100%. EDIT-301과 BEAM-101 코호트에서는 100%. (3) **Buslfan 조건화 독성**: 중대한 이상 반응과 1건의 사망이 조건화 제제(chem conditioning) 때문이며 편집 자체와는 무관. (4) ** carcinogenesis/carcinogenicity**: 치료 관련 악성 종양 또는 확인된 유해 오프 타겟 편집 보고 없음. (5) **추적 관찰 중앙값 약 18개월, 최장 4년 이상** — 장기 안전성은 여전히 제한적. **2026년 겸상적혈구병/베타지중열 건강경제학의 핵심 쟁점** [2]: 메타분석은 유전자 치료가 "임상적으로 효과적이며 잠재적 완치 Interventions"이지만 세 가지 구조적 장벽이 건강경제학 논쟁을 일으킨다고 경고한다: (1) **插入돌연변이(insertional mutagenesis) 위험** — 렌티바이러스 벡터 기반 플랫폼(Zynteglo 등)에서 문서화된 위험. (2) **오프 타겟 편집** — CRISPR-Cas9에서도 제한적이나 아직 완전히 배제되지 않음. (3) **치료 비용** — Casgevy는 미국에서 수백만 달러에 가격이 매겨져 있으며 자원 제약 지역에서의 접근성이 심각하게 제한됨. **Casgevy의 다음 단계: 임상 적격 기준의 재정의** [1][3]. 겸상적혈구병과 베타지중열은 전 세계적으로 700만 명 이상의 환자가 있으며, 특히 Subsaharan Africa와地中海沿岸국에 집중된다. Casgevy의 4년 기능적 완치 데이터는 "임상적으로 완치가 가능해졌다"는 것은 확인했지만, **어떤 환자가 치료를 받아야 하는지(적격 기준)** 에 대한 합의는 아직 없다. HLA 일치 혈액형 donor가 필요한 조혈모세포 이식과 달리 Casgevy는 자가 세포를 사용하므로 이식편대宿主병(GVHD) 위험이 없지만, preconditioning을 위한 busulfan 독성은 여전히 해결해야 할 과제다. 지난 4일 CRISPR 서사와의 차별점이 "4년 데이터와 건강경제학"이다. 6/15 PE+MAVE+SGE 통합, 6/16 심장 질환 6건 임상 시험, 6/17 AAV/LNP 제약 3축, 6/18 Polycomb/HbF Fcetal 재활성화 메커니즘 — 이 4일은 편집 도구의 **내부적 성취**(도구 통합, 질환 확장, 제약 규명, 메커니즘 발견)였다. 오늘은 4년 추적 체계적 검토가 제시하는 **임상적 완치의 데이터와 건강불평등이라는 사회적 현실의 만남** — 환자에게 "치료 가능하지만 누가, 언제, 어떤 비용으로"라는 질문이 임상 현장에 도착한다. 실무 함의: 겸상적혈구병/베타지중열 환자의 유전 상담에서 4년 기능적 완치 데이터를 설명할 수 있어야 하며, 현재 중앙값 18개월 추적이라는 제한과 함께 수혈 독립 달성率 89~100%라는 데이터를 구분하여 전달하는 것이 중요하다. 또한 자원 제약 지역에서의 접근성 장벽에 대한 논의도 함께 진행되어야 한다. *출처: [Gene Editing SCD BetaThal Systematic Review Outcomes 2026](https://consensus.app/papers/details/70b3297984375a1a9470b326da40d602/), [Efficacy Safety Gene Therapy BetaThal SCD MetaAnalysis 2026](https://consensus.app/papers/details/c8e6993ec55a53b6bcf7f4e96ef9cdc0/), [CRISPR Cas9 Mechanisms Clinical Applications Future Perspectives 2026](https://consensus.app/papers/details/c0726a008eac5a24a350dfb8d36c3e38/), [Alternative Genome Editing Tools Beyond CRISPR 2026](https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/)* *#CRISPR #SickleCell #BetaThalassemia #FunctionalCure #HealthEconomics #Casgevy #GeneTherapy #SystematicReview #LongTermData #HealthEquity* --- ### Post 3: AI 신약 — AI 에이전트의 약물 발견 워크플로우 투입, "자율적 추론-실행-반복" 사례 2026년 발표 💊 **[AI 신약] AI 에이전트가 약물 발견에 실제 투입되다: 자율적 추론-실행-반복의 6개 사례와 2026년 산업적 전환 신호** AI 신약에서 "AI 에이전트(AI agents)"가 개념에서 **실제 워크플로우 투입(actual deployment)** 으로 이행하고 있다 [1]. Huynh et al. 2026 Drug Discovery Today가 정리하는 AI 에이전트의 약물 발견 적용 6가지 영역에서 2026년 실제 사례가 발표되고 있다: **AI 에이전트의 약물 발견 적용 6가지 영역** [1]: (1) **문헌 통합(Literature synthesis)** — 수백만 편의 생물의학 문헌을 자율적으로 탐색, 추출, 종합. (2) **자동화된 프로토콜 생성(Automated protocol generation)** — 실험 프로토콜을 AI가 직접 설계. (3) **독성 예측(Toxicity prediction)** — 화합물의 독성 프로파일을 사전에 예측. (4) **저분자 합성(Small-molecule synthesis)** — 목표 화합물의 합성 경로 설계 및 최적화. (5) **약물 재배치(Drug repurposing)** — 기존 약물의 새로운 적응증 발견. (6) **종단간 의사결정(End-to-end decision-making)** — 약물 발견 전 단계를 자율적으로 연결. **2026년 AI 에이전트의 실제 투입 증거** [1]: 현재 early implementations에서 확인되는 핵심 성과: (1) **속도 향상(speed gains)** — 기존 수개월에서 수주의 단계가 수일로 단축. (2) **재현성(reproducibility)** — AI 에이전트의 구조화된 추론 단계가 결과의 재현성을 확보. (3) **확장성(scalability)** — 수천 개 화합물의 병렬 screening 가능. 그러나 동시에 **데이터 이질성(data heterogeneity)** — 다양한 출처의 생물의학 데이터 표준화 문제, **시스템 신뢰성(system reliability)** — 자율적 결정의 검증 필요성, **benchmarking의 부재** — AI 에이전트 성능의 표준화된 평가 기준 미성숙이 주요 도전 과제로 남아 있다. **빅파마 AI 거래에서 AI 에이전트로의 전환** — GEN Biotechnology 2026과 Roskoski 2026 데이터의 조합으로 보이는 그림: 2024-2025년 "AI 플랫폼 거래($1B+)"는 특정 회사와의为期 3-5년의 플랫폼 계약이었다면, 2026년 AI 에이전트 투입은 **플랫폼의 기능을 자율적 에이전트가 실제 수행**하는 단계로의 이행이다. Isomorphic(Alphabet), Recursion, Insitro 등의公司在 자체 플랫폼에 AI 에이전트를 통합하여 표적 발견에서 임상 후보물질 선정까지의 단계를 자율화하는 모습을 보이고 있다. 지난 4일 AI 신약 서사와의 차별점이 "AI 에이전트의 실제 투입"이다. 6/15 D-15 카운트다운, 6/16 $1B+ 5건 거래 패턴, 6/17 FY2025 이행 파이프라인 수렴, 6/18 Alphabet/Meta absent 2026 구조 — 이 4일은 AI 거래의 **양적 패턴과 구조적 특징**이었다. 오늘은 AI 에이전트가 **어떤 구체적 작업을 수행하고 있으며 어떤 성과와 한계가 있는지**를 2026년 실제 사례 데이터로 제시한다 — 개념에서 실행으로다. 실무 함의: 약물 발견 연구자라면 AI 에이전트가 文献 통합, 프로토콜 생성, 독성 예측, 합성 경로 설계의 4개 영역에서 이미 **Proof of Concept이 넘어 실제 pilot 단계**에 있음을 인지해야 한다. 다만 현재 모든 영역에서 재현성 있고 확장 가능한 수준은 아니며, 검증된 벤치마크의 부재가 가장 큰 장벽이다. *출처: [AI Agents Drug Discovery Applications Case Studies 2026](https://consensus.app/papers/details/d47b0cf47a4f5055a7175a6fe09bb6e4/), [Pharma Bets Big AI Platforms Flurry 2026 Deals GEN 2026](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/), [Pharma AI Investment Signals New Drug Discovery Paradigm GEN 2026](https://consensus.app/papers/details/67e0c45750685e77808177381d32d26e/), [Properties FDA Approved Kinase Inhibitors 2026 Update 2026](https://consensus.app/papers/details/a1931950cc815d8a9136ea7cea0912f3/)* *#AIDrugDiscovery #AIAgents #DrugDiscovery #AutonomousAI #PharmaAI #2026Deals #WorkflowAutomation #EndToEnd #ProofOfConcept #LLM #AlphaFold3* --- ### Post 4: 단백질 AI — ProModEv 벤치마크 포털과 ESMFold dimer 정확도 41%가 제시하는 "측정 기준의 통합" 🔬 **[단백질 AI] 단백질 구조 예측의 "측정 기준 통합": ProModEv 벤치마크 포털과 ESMFold의 구조적 한계가 업계 표준화의 필요성을 제기하다** 단백질 구조 예측에서 **"측정 기준의 통합(standardization of evaluation)"** 이 2026년 새로운 과제로 부상했다. Mahtha et al. 2026 NAR Genomics and Bioinformatics의 ProModEv(Protein Model Evaluation portal) 벤치마크 포털과 ESMFold 평가 데이터는 AlphaFold2/3와 ESMFold의 **구체적 정확도 차이를 숫자로 제시**하며, 업계가 서로 다른 벤치마크를不要再로 사용而产生的 혼란을 해결하려는 시도를 보여준다. **ProModEv 벤치마크 포털의 제시하는 수치** [1]: PDB 2022-2024에서 homology <40%, query coverage <70%를 충족하는 challenging target 선별 후 평가 결과: (1) **Monomer(단량체) 정확도**: AlphaFold2와 AlphaFold3가 monomer 구조의 88%를 정확히 예측. ESMFold는 76%. 그러나 X-ray와 cryo-EM 구조만 포함하면 AlphaFold 95%, ESMFold 83% — NMR 구조를 제외하면 정확도가 현저히 향상. (2) **Dimer(이량체) 정확도**: AlphaFold2와 AlphaFold3가 dimer 구조의 77%를 정확히 예측. ESMFold는 41%만 정확히 예측 — dimer에서 ESMFold의 정확도 저하가 극심함. (3) **오류의 유형**: 오류의 대부분이 NMR 구조와 관련 — 이는 NMR 구조의 동적 특성 때문으로 추정. ** monomer/dimer 정확도 차이가 의미하는 바**: 약물 표적 단백질은 dimer 또는 oligomer 형태가 많으며(예: GPCR, kinase, channel), 41%의 dimer 정확도는 ESMFold가 **약물 발견 applications에서 AlphaFold를 완전히 대체할 수 없음**을 의미. ESMFold의 강점은 속도(단일 시퀀스 입력, homology search 불필요)이므로 구조적 정확도가 중요한 applications에서는 여전히 AlphaFold2/3가 우선 선택. **ESMFold dimer 정확도 41%와 단일세포 FM의 연결**: 지난 6/18 보고된 Pan-cancer ICI survival modeling의 구조적 한계(TMB·MSI만으로는 공간 정보 대체 불가)와의 연결. 두 한계는 같은 현상의 다른 측면이다: biomarker든 구조 예측이든 **현재 modality 단독으로는 생물학적 현상의 전체를 포착할 수 없음**이 2026년 통합의 날의 공통 화두다. 지난 4일 단백질 AI 서사와의 차별점이 "측정 기준의 통합"이다. 6/15 physics-grounded evaluation, 6/16 dynamics+quantum, 6/17 AlphaFold 체계적 편향, 6/18 Pan-cancer ICI modeling 한계 — 이 4일은 각각 **개별 모델의 한계 발견과 극복**이었다. 오늘은 그 한계 발견의 **다음 단계 — 여러 모델의 성능을 하나의 기준에서 비교하는 벤치마크 포털의 탄생**으로, 단백질 구조 예측의 "측정 기준 통합"이 시작된다. 실무 함의: 약물 발견에서 단백질 구조 예측을 사용할 때 monomer와 dimer 정확도를 구분하여 AlphaFold2/3와 ESMFold를 선택적으로 사용하는 것이 중요. dimer 표적(예: EGFR family, insulin receptor 등)에서는 ESMFold 단독 사용을 지양하고 AlphaFold2/3 또는 실험적 구조 데이터를 반드시 병행해야 한다. *출처: [ProModEv AlphaFold ESMFold Monomer Dimer Benchmark NAR Genomics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Protein Structure Prediction AI Biochemical Foundations Applications Frontiers 2026](https://consensus.app/papers/details/880e72fce35255c4887811c76849c03a/), [AlphaFold3 Accurate Structure Prediction Biomolecular Interactions 2026](https://consensus.app/papers/details/250820da053b5ae4818bef64707ffca8/)* *#AlphaFold #ESMFold #ProModEv #ProteinStructure #Benchmarking #DimerAccuracy #Monomer #StructuralBiology #DrugDiscovery #Accuracy #Standardization* --- ### Post 5: 단일세포 FM — veloAgent와 STEER, 공간 시계열 추론에 두 가지 다른 해법이 동시에 도달하다 🧬 **[단일세포 FM] 공간 RNA 속도 추론의 두 가지 해법: veloAgent(에이전트 기반 시뮬레이션)와 STEER(kinetic mixture-of-experts)의 동일 문제에 대한 동시 도착** 공간 시계열 추론(spatial temporal inference)에서 두 개의 2026년 방법론이 동일한 문제에 서로 다른 architecture로 동시에 도달했다. **veloAgent** [1]와 **STEER** [2]는 각각 "공간적 맥락을 고려한 RNA 속도 추론"이라는同一 문제에 다른 해법을 제시하며, 단일세포 FM의 적용 범위가 embeddings에서 **동적 시계열 예측**으로 확장되고 있음을 실증한다. **veloAgent: 에이전트 기반 시뮬레이션 접근** [1]: - **핵심 혁신**: 공간 정보(integrates spatial information)를 에이전트 기반 시뮬레이션(agent-based simulations of local microenvironments)으로 통합. 기존의 RNA 속도 방법이 간과했던 **공간적 맥락을 명시적으로 모델링**. - **in-silico perturbation 모듈**: 표적화된 공간 속도 벡터 조작으로 조절 개입을 시뮬레이션하고 세포運命 동역학에 미치는 영향을 예측. 즉, 세포가 어떻게 분화하거나 암으로 진행할지를 공간적 맥락과 함께 예측. - **계산 효율성**: 하위 선형 메모리 확장(sublinear memory scaling)으로 대규모·다중 배치 데이터 분석 가능. - **평가 결과**: PBMC68K, Replogle Perturb-seq, Systema, BMMC 벤치마크에서 기존 방법을 능가. **STEER: Kinetic Mixture-of-Experts 접근** [2]: - **핵심 혁신**: 공간-시계열 그래프 어텐션 오토인코더와 kinetic-guided mixture-of-experts(MoE) 아키텍처의 조합. 세포를 kinetic regime에 따라 구분하고 각 regime에 대해 별도의 전문가 네트워크 할당. - **핵심 기능**: **kinetically mixed populations 분리** — 서로 다른 kinetic regime이 섞인 세포군에서 각 regime을 분리하여 kinetic 속도를 정확히 추정. **세포-유전자 specific kinetic rates** 추론. - **적용 사례**: maternal-fetal interface of mouse uterus에서 공간-시간적으로 보완적인 면역조절 프로그램(immunoregulatory programs) 발견 — 실제 생물학적 발견을 통해 방법론의 타당성 입증. - **평가 결과**:合成 및 실제 데이터에서 강력한 성능 입증, 기존 방법 대비 개선. **두 방법론의 공통점과 차이점**: 공통점 — 둘 다 공간적 맥락을 RNA 속도에 통합하려 함. 차이점 — veloAgent는 **에이전트 기반 시뮬레이션**으로 Top-down 접근, STEER는 **Mixture-of-Experts 아키텍처**로 Bottom-up kinetic 분리. veloAgent는 perturbation 예측에 강점, STEER는 kinetic 해석에 강점. 지난 4일 단일세포 FM 서사와의 차별점이 "동일 문제에 대한 두 가지 해법의 동시 도달"이다. 6/15 CellxPert(MCMC steering) + OKR-CELL(RAG+cross-modal), 6/16 convergence 주제, 6/17 embeddings의 이행 사용 사례, 6/18 Pan-cancer ICI modeling 한계 — 이 4일은 각각 **개별 도구 또는 convergence의 강조**였다. 오늘은 공간 시계열 추론이라는同一 문제에 **두 개의 다른 architecture가 동시에 도달**한다는 점에서 2026년 통합의 날의 표상이자, 단일세포 FM이 embeddings 요약을 넘어 **동적 예측 도구**로 확장되고 있음을 보여준다. 실무 함의: 세포命运 결정 연구자라면 veloAgent(공간적扰動 예측 필요 시)와 STEER(kinetic regime 분류와 해석 필요 시)를 선택적으로 활용할 수 있다. 특히 암 미세 환경 연구에서 종양 진행과 면역 침투의 공간적 역학을 예측하려면 두 방법론의 조합이 가장 강력하다. *출처: [veloAgent Spatial RNA Velocity AgentBased 2026](https://consensus.app/papers/details/2f0b7c635b3057509816f897ce35e774/), [STEER Spatial Temporal RNA Velocity MixtureOfExperts 2026](https://consensus.app/papers/details/ee734036ac105135bf603aac90edce53/), [CellxPert MCMC Steering MultiOmics Foundation Model 2026](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/), [OKR-CELL CrossModal CellLanguage Foundation Model 2026](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/)* *#SingleCell #FoundationModel #RNAVelocity #SpatialTranscriptomics #veloAgent #STEER #CellDynamics #MixtureOfExperts #AgentBased #InSilicoPerturbation #SpatialTemporal* --- ### Post 6: FDA/규제 — FDA AI 초안 가이던스 2025에 대한 Crit Review, 바이어스 완화·설명 가능성·글로벌 조화화의 3개 균열 🏛️ **[FDA/규제] FDA AI 초안 가이던스 2025의 3개 균열: Crit Review 2026이 지적하는 바이어스 완화·설명 가능성 요구·阿爾法 기준의 불일치** FDA가 2025년 1월公开发표한 AI 적용에 대한 초안 가이던스에 대한 ** kritische 검토(Critical Review)** 가 2026년 발표되며 규제적 논쟁이 본격화되고 있다 [1]. Niazi 2026 Journal of Chemistry의 검토가 제시하는 FDA 가이던스의 **3개 균열**은 2026년 통합의 날에 FDA와 업계, 학계가 같은 규제 문제에 대해 다른 관점을 가지고 있음을 보여준다. **FDA AI 초안 가이던스의 3개 균열**: **(1) 바이어스 완화 전략의 불충분성(Insufficient bias mitigation)** [1]: FDA 초안 가이던스가 규제 의사결정에서 AI의 사용에 대한 위험 기반 신뢰성 프레임워크(risk-based credibility framework)를 제시한 것은 긍정적이지만, **바이어스 완화 전략이 불충분**하다는 것이 핵심 비판. 구체적으로: (a) training data의 대표성 부족이 모델 성능에 미치는 영향에 대한 구체적 요구사항 부재. (b) 인구통계학적 하위 그룹 간 성능 차이를 모니터링하는 체계적 기준 부재. (c) 규제심사 과정에서 AI 모델이 학습된 인구통계와 실제 환자 인구통계 사이의 불일치 처리 기준 미정. **(2) 설명 가능성 요구의 계층적 부재(Lack of tiered explainability requirements)** [1]: FDA가 AI 모델의 설명 가능성(explainability)을 요구하지만, 그것이 **어떤 수준의 설명이 필요한지(tiered approach)가 명확하지 않음**. 예를 들어: (a) 높은 위험도의 의사결정(예: 약물 선택, 용량 결정)에서 필요한 설명 가능성의 수준과 (b) 낮은 위험도의 지원 업무에서 필요한 수준을 구분하는 기준 없음. (c) 모델이 "설명 가능한 수준"에 도달했는지를 판단하는 규제심사 기준 부재. **(3) 글로벌 조화화의 부재와 다른 규제 기관과의 괴리(Lack of global harmonization)** [1]: FDA 가이던스와 비교하여 EMA(European Medicines Agency), NMPA(China's National Medical Products Administration), PMDA(Japan's Pharmaceuticals and Medical Devices Agency)의 AI 가이던스가 각각 다른 접근을 취하고 있음. **jurisdiction마다 다른 증거 기대(expectations)와 AI 특이적 경로**가 글로벌 약물 개발에 실질적 장벽으로 작용. 특히 2026년 AI 기반 약물 개발이 글로벌同期进行되는 상황에서 규제tric heterogeneity(규제 이질성)가 multinational 개발의 병목으로 부상. **AIaMD 임상 시험 설계에 대한 범람종 scoping review** [2]: Shanmugam et al. 2026 J Clinical Medicine이 제시하는 发现: AIaMD(AI as Medical Device)에 대한 규제 기대와 증거 기대가 jurisdictions마다 큰 차이. 반복적テーマ: (1) 사전 정의된 변경 관리(predefined change management) 필요성, (2) 성능 모니터링과 drift 관리, (3) 데이터셋 대표성과 바이어스 평가, (4) 투명성과 versioning, (5) 사이버 보안, (6) 현실 세계 증거(RWE) 통합. **규제tric heterogeneity가 현재 multinational 개발에 실질적 장벽**으로 작용. 지난 4일 FDA/규제 서사와의 차별점이 "FDA 가이던스의 구체적 균열"이다. 6/15 D-15 카운트다운, 6/16 D-14, 6/17 Q1 2026 19개 신약 승인, 6/18 D-13 + 임상 데이터의 구조적 한계 규명 — 이 4일은 FDA의 **입법적 진행 상황과 숫자**에 집중했다. 오늘은 2025년 1월 FDA AI 초안 가이던스에 대한 ** kritische Review가 3개의 구체적 균열(바이어스, 설명 가능성, 글로벌 조화화)** 을 Ninaerke하며, FDA가 인정한 것과 학계가 보는 것 사이의 gap을 구체적으로 제시한다. 실무 함의: FDA에 AI 기반 약물 개발 도구를 제출하려는 연구자/기업은 바이어스 완화 전략, tiered explainability, 그리고 다른 regulatory jurisdiction(EMA, PMDA 등)과의 관계를 사전에 고려해야 한다. FDA 초안 가이던스가 최종 가이던스로 이행되기 전에 이러한 gap이 어떻게 채워질지 anticipation하는 것이 규제 전략의 핵심. *출처: [FDA AI Draft Guidance Critical Review Strengths Gaps 2026](https://consensus.app/papers/details/e016addd493055de8bbca57954a06666/), [Clinical Trial Design AIaMD Global Guidance Scoping Review 2017-2025 2026](https://consensus.app/papers/details/e6e46200be8e5f289742fdc915c5b07b/), [FDA AI Enabled Medical Devices Pediatric Indications JAMA 2026](https://consensus.app/papers/details/920967dc78b45dfb8dcd64c23701095a/)* *#FDA #AIRegulation #DrugApproval #Guidance2025 #BiasMitigation #Explainability #GlobalHarmonization #EMA #PMDA #NMPA #RegulatoryHeterogeneity #AIMedicalDevice #ClinicalTrial #CDER* --- ### Post 7: 공간전사체 — MONSTAR-SCREEN-3: 21개 고형암 2,000만 세포의 범람종 공간 아틀라스와 15개 보존 niche, ICI 반응성 예측의 공간적 기준 🔬 **[공간전사체] MONSTAR-SCREEN-3 범람종 공간 아틀라스: 21개 고형암 2,000만 세포에서 규명된 15개 보존 niche와 종양-면역 생태계 아키텍처** 공간전사체가 범람종(pan-cancer) 통합 아틀라스의 단계에 도달했다. Imai et al. 2026 AACR에서 발표된 **MONSTAR-SCREEN-3(M3)** 연구는 21개 고형암 331개 FFPE 종양 약 2,000만 세포에서 생성한 **범람종 공간 아틀라스**를 제시하며, ICI(immune checkpoint inhibitor) 반응성 예측의 공간적 기준을 마침내 정의한다 [1]. **MONSTAR-SCREEN-3 규모와 방법** [1]: (1) **규모**: 21개 고형암 타입(폐암 제외 + 혈액 종양 제외) 331개 FFPE 종양 약 2,000만 세포. (2) **공간 프로파일링**: Xenium 5K 플랫폼 사용, NCCE-GxD 워크플로우标准化. (3) **세포 주석**: 4개 파이프라인에 걸친 consensus framework 사용. (4) **악성 상피세포 vs良性 구분**: 공간적 맥락, 전사적 특성, 병리학eading review를 통합. **핵심 발견: 15개 보존 Pan-cancer Niche(Metacluster)** [1]: 연구에서 규명한 15개 보존 niche 각각이 고유한 세포 구성과 공간적 아키텍처를 가짐. 그중 **MC9(선천면역 풍부 인터페이스)** 와 **MC5(림프구 우세 인터페이스)** 두 가지 종양-간질 인터페이스 아키텍처가 임상적으로 가장 중요: **(1) MC9 — 선천면역 풍부 인터페이스**: (a) 특징: 선천면역 세포(대식세포, natural killer cell 등)가 풍부한 종양-간질 경계. (b) 임상적 연관성: 진행기 종양(advanced-stage tumor)에서 유의하게 풍부, TNM 병기 증가와相伴 증가. (c) TCGA 유산 코호트에서 예후不良과 연관. (d) 면역억제 microenviropment의 공간적 지표. **(2) MC5 — 림프구 우세 인터페이스**: (a) 특징: B세포, CD4+ T세포가 우세한 림프구 침윤. (b) 하위 구조: 단순 응집체(simple aggregate), 일차 follicle, **이차 follicle(TLS 형성 지표)** 으로 세분화. (c) TLS(tertiary lymphoid structure) 형성이 관찰된 이차 follicle signature는 **独立的 예후良好(독립적 예후 지표)** 및 면역치료 반응과 연관. **ICI 반응성 예측의 공간적 기준 확립** [1]: 연구에서 확립한 프레임워크의 임상적 의미: (1) MC9-rich 종양은 ICI 단독 치료에서 반응성이 낮을 것으로 예측 — 선천면역 우세 환경이 T세포 침윤을 효과적으로 차단. (2) TLS-positive(MC10, MC14) 종양은 ICI 반응성이 높을 것으로 예측 — 이차 림프구 구조의 존재가 활발한 면역 반응을 시사. (3) **공간적 niche 구성으로 환자分层** — TCGA legacy 코호트에서 검증된 15개 niche 기반 환자分层이 새로운 precision oncology 접근. **6/17 전립선암·갑상선암 통합 아틀라스와의 연결**: 6/17 보고된 전립선암 아틀라스(127개 단일세포 + 9개 공간 프로파일)와의 직접적 연결. MONSTAR-SCREEN-3가 전립선암을 포함한 21개 암종에서 **공통적으로 보존된 공간 niche 아키텍처**를 규명한 것은, 6/17이 개별 종양 유형에서 발견한 공간적免疫抑制 패턴이 **범람종 공통의 구조적 원칙**임을 의미. FOSL1-HMGA1 + myCAF + TGF-β 경로(6/17)와 MC9/MC5 niche 아키텍처(6/19)는 같은 현상의 다른 기술 스택에서의 확인이다. 지난 4일 공간전사체 서사와의 차별점이 "범람종 아틀라스의 도달"이다. 6/15 MERFISH 2.0 1,000개 유전자 확장, 6/16 전립선암+갑상선암 통합 아틀라스, 6/17 myCAF 공간 근접성+TGF-β, 6/18 Pan-cancer ICI modeling 한계(TMB/MSI 단독) — 이 4일은 **개별 종양 유형 또는 biomarker modality의 한계** 발견이었다. 오늘은 21개 암종 2,000만 세포의 **범람종 공간 아틀라스가 마침내 완성**되어 ICI 반응성 예측의 공간적 기준을 확립하며, 6/18에서 발견된 biomarker 한계의 **구체적 대안(공간 niche 기반 환자分层)** 을 제시한다. 실무 함의: 면역치료 환자 선별에서 TMB/MSI 단독 사용의 한계(6/18 참고)를 넘어, **공간 niche 구성(MC9 vs MC5/MC10/MC14)** 을 Companion Diagnostic으로 추가하는 것이 ICI 반응성 예측력을 개선할 수 있다. 특히 전립선암, 갑상선암, 기타 ICI 반응성이 낮은 종양 유형에서 TLS 형성 여부(MC10/MC14) 또는 MC9 풍부도를 측정하는 공간 전사체 기반 biomarker의 임상적 가치를 평가할 필요가 있다. *출처: [MONSTAR-SCREEN-3 Spatial Atlas PanCancer TME AACR 2026](https://consensus.app/papers/details/acaee5f0a8c55ba89f5719ee65eaba95/), [Prostate Cancer Integrated Atlas Spatial Progression Molecular Cancer 2026](https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/), [Small Cell Lung Cancer Spatial Transcriptomics Lymph Node Metastasis Cell Reports 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/), [Prostate Cancer Integrated Atlas Spatial Progression 2026](https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/)* *#SpatialTranscriptomics #SpatialAtlas #PanCancer #MONSTARSCREN3 #TME #MC9 #TLS #ICI #Immunotherapy #Xenium #Niche #PrecisionOncology #CompanionDiagnostic #SpatialBiomarker #TumorMicroenvironment #CancerAtlas* --- ### Post 8: 요약 — 통합의 날, 6개 전선의 교차점 🧬 **統合의 날: 6개 전선이 환자 층에서 만나다** 6월 19일 통합의 날은 6개 전선이 서로 다른 기술 스택에서 출발해 **같은 환자 층에서 만나는 날**이었다: (1) **CRISPR** — 4년 기능적 완치 데이터(89~100% 수혈 독립, 97~100% VOCs 제거)가 건강경제학의 만남. 비용 문제와 건강형평성이 임상적 완치 데이터의 다음 과제. (2) **AI 신약** — AI 에이전트가 약물 발견 워크플로우에 실제 투입. 文献統合·합성 경로 설계·독성 예측의 3개 영역에서 proof of concept을 넘어 pilot 단계. (3) **단백질 AI** — ProModEv 벤치마크 포털로 "측정 기준의 통합"이 시작. ESMFold dimer 정확도 41%가 약물 발견에서 AlphaFold 우위 유지. (4) **단일세포 FM** — veloAgent와 STEER가 공간 시계열 추론에 두 가지 다른 해법으로 동시 도달. 단일세포 FM이 embeddings 요약에서 동적 예측으로 확장. (5) **FDA/규제** — FDA AI 초안 가이던스 2025의 3개 균열(바이어스 완화·설명 가능성·글로벌 조화화)을 Crit Review가 구체적으로 지적. (6) **공간전사체** — MONSTAR-SCREEN-3(21개 암종 2,000만 세포)가 ICI 반응성 예측의 공간적 기준(MC9/MC5/MC10/MC14 niche)을 확립. TMB/MSI 단독 사용의 한계를 공간 niche가 채움. **통합의 핵심**: 6개 전선의 오늘 논의는 모두 **단일 modality의 한계를 다른 modality가 채우는 구조**다. CRISPR의 건강경제학은 임상 데이터 통합의 문제, AI 에이전트의 벤치마킹 부재는 표준화 문제, FDA 가이던스의 균열은 글로벌 조화화 문제, ICI 예측의 공간적 기준 확립은 biomarker modality 통합의 문제. 통합의 날은 "찾고, 확인하고, 환자에게 도달하고, 시스템에 심고, 깊이 파고든" 모든 단계가 **여러 기술 스택의 교차점에서 환자에게 도달한다**는 것을 확인하는 날이다. *출처: 위 6개 영역의 모든 출처* *#AIBioresearch #BioResearchDaily #IntegrationDay #June2026 #CRISPR #AIDrugDiscovery #AlphaFold #SingleCellFM #FDA #SpatialTranscriptomics* --- ## Sources (1차 출처 10개 이상) [1] [Gene Editing Therapies for SCD β-Thal Systematic Review 2026](https://consensus.app/papers/details/70b3297984375a1a9470b326da40d602/) — Gab-Obinna et al., 2026, Australian J Biomedical Research [2] [Efficacy Safety Gene Therapy BetaThal SCD MetaAnalysis 2026](https://consensus.app/papers/details/c8e6993ec55a53b6bcf7f4e96ef9cdc0/) — Krishna Prasad et al., 2026, J Applied Pharmaceutical Science [3] [AI Agents Drug Discovery Applications Case Studies 2026](https://consensus.app/papers/details/d47b0cf47a4f5055a7175a6fe09bb6e4/) — Huynh et al., 2026, Drug Discovery Today (3 citations) [4] [Pharma AI Investment Signals New Drug Discovery Paradigm 2026](https://consensus.app/papers/details/67e0c45750685e77808177381d32d26e/) — Fay Lin, 2026, GEN Biotechnology [5] [ProModEv AlphaFold ESMFold Monomer Dimer Benchmark 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/) — Mahtha et al., 2026, NAR Genomics and Bioinformatics (3 citations) [6] [Protein Structure Prediction AI Biochemical Foundations 2026](https://consensus.app/papers/details/880e72fce35255c4887811c76849c03a/) — Yin et al., 2026, Frontiers in Molecular Biosciences [7] [veloAgent Spatial RNA Velocity AgentBased 2026](https://consensus.app/papers/details/2f0b7c635b3057509816f897ce35e774/) — Yoon et al., 2026, bioRxiv [8] [STEER Spatial Temporal RNA Velocity MixtureOfExperts 2026](https://consensus.app/papers/details/ee734036ac105135bf603aac90edce53/) — Liu et al., 2026, National Science Review [9] [FDA AI Draft Guidance Critical Review 2026](https://consensus.app/papers/details/e016addd493055de8bbca57954a06666/) — Niazi, 2026, Journal of Chemistry (1 citation) [10] [Clinical Trial Design AIaMD Global Guidance Scoping Review 2026](https://consensus.app/papers/details/e6e46200be8e5f289742fdc915c5b07b/) — Shanmugam et al., 2026, J Clinical Medicine (3 citations) [11] [MONSTAR-SCREEN-3 Spatial Atlas PanCancer AACR 2026](https://consensus.app/papers/details/acaee5f0a8c55ba89f5719ee65eaba95/) — Imai et al., 2026, Cancer Research (AACR Abstract) [12] [Prostate Cancer Integrated Atlas Spatial Progression 2026](https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/) — Yu et al., 2026, Molecular Cancer (2 citations) [13] [SCLC Spatial Transcriptomics Lymph Node Metastasis 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/) — Zhang et al., 2026, Cell Reports Medicine (1 citation) [14] [CellxPert MCMC Steering SingleCell Foundation 2026](https://consensus.app/papers/details/32110de5fa6651398632ec116e93577d/) — Demir et al., 2026, ArXiv [15] [OKR-CELL CrossModal CellLanguage Foundation 2026](https://consensus.app/papers/details/adc1e1c567d551f595194d9777bb3b12/) — Wang et al., 2026, ArXiv [16] [CRISPR Cas9 Mechanisms Clinical Applications 2026](https://consensus.app/papers/details/c0726a008eac5a24a350dfb8d36c3e38/) — Porwolik et al., 2026, Int J Innovative Technologies in Social Science [17] [Alternative Genome Editing Beyond CRISPR 2026](https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/) — Kanodia et al., 2026, Int J Modern Pharmacy and Life Sciences [18] [AlphaFold3 Accurate Structure Prediction Biomolecular 2026](https://consensus.app/papers/details/250820da053b5ae4818bef64707ffca8/) — Zhang, 2026 (72 citations) [19] [FDA AI Enabled Medical Devices Pediatric Indications 2026](https://consensus.app/papers/details/920967dc78b45dfb8dcd64c23701095a/) — Zapotoczny et al., 2026, JAMA Network Open (1 citation)
Research Pulse·2026-06-19
Research Pulse — 2026-06-19
28 journals × 7 topics · fibrosis · OXPHOS · ferroptosis · sarcopenia · senescence
Raw data + scoring: Daily Tech Digest (separate feed)
Request a Paid Brief