Research Pulse — 2026-07-04 | Brown Biotech

# Research Pulse — 2026-07-04
_Generated 2026-07-04 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 — 7월 4일 (토요일) · 표준화의 날(Standardization Day)**

6/14(전환)→6/15(구현)→6/16(수렴)→6/17(이행)→6/18(심화)→6/19(통합)→6/20(확산)→6/21(안착)→6/22(현장화)→6/24(확산)→6/25(통합)→6/27(종합)→6/29(이행)→6/30(이행 심화)→7/1(이행 확산)→7/2(제도화)→오늘 표준화의 날(Standardization Day). 제도화된 도구들이 다음 단계로 **성능 기준과 검증 기준의 표준화(Standardization)되는 날** — FDA AI 의료기기 전체 수명 주기管理软件 오류44.87%, AI+자연산 신약 발견 standardized pipeline, 단일세포 FM 벤치마크(SMBench) 수립으로 DMs vs FMs 성능 격차 실증, genome editing alternative tools review로 CRISPR/TALEN/ZFN/base/prime editing의 비교 표준 확립, AlphaFold3 실험 데이터 통합(ROCKET)으로 구조 예측-실험 통합 표준 가속, 공간 전사체 아틀라스 3건 동시 발표로 암 아틀라스 표준화 양상を示している.

표준화는 제도화의 다음 단계다. 오늘 6개 전선은 제도화된 도구들이 성능 기준과 검증 기준을 충족하기 위한 표준을 세우는 날이다.

*출처: [Prime Editing First-in-Human Trial Mol Ther 2026](https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/), [Pharma Bets Big AI 2026 GEN Biotech 2026](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/), [ROCKET AlphaFold CryoEM Nat Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [SMBench SCM FM Benchmark Nat Commun 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [CRC Epithelial-Fibroblast Atlas Digest Dis Sci 2026](https://consensus.app/papers/details/91550c999fe5558798e00a12b48eb028/), [FDA Urology AI Devices BJU Int 2026](https://consensus.app/papers/details/8df7e1c4eaf4504ba276303c98a9f91f/)*

---

### Post 2: CRISPR & Delivery — Prime Editing First-in-Human Trial(Mol Ther 2026) + Alternative Genome Editing Review(IJMRALS 2026) + NanoCas Cancer Treatment(Mol Biotechnol 2026): genome editing 표준화 — CRISPR/TALEN/ZFN/base/prime 비교 체계 확립

🧪 **[CRISPR/Delivery] Prime Editing First-in-Human Trial(Mol Ther 2026) + Alternative Genome Editing Review(CRISPR vs TALEN/ZFN/base/prime) + NanoCas Cancer Treatment(Mol Biotechnol 2026): CRISPR-Cas9의 장단점 비교 체계 확립과 prime editing 첫 인체 시험 본격화**

Genome editing의 **표준화**가 세 논문에서 동시에 진행되고 있다. Lushington et al.(Mol Ther 2026), Kanodia et al.(IJMRALS 2026), Hossain et al.(Mol Biotechnol 2026)의 논문이 각각 다른 축을 제시한다[1][2][3].

**Prime Editing First-in-Human Trial[1]**: (1) **CRISPR-Cas9의 한계**: double-strand breaks(DSBs) 의존, PAM 의존성, 예기치 않은 결과. (2) **Prime editing 장점**: DSB-free precise edits, Cas9 nickase + engineered reverse transcriptase(RT) fusion, pegRNA가 desired repair template 인코딩. (3) **최적화 과정**: Cas variant 선택, RT engineering, pegRNA 개선. (4) **전환 성과**: nanoparticles, split viral systems 도입으로 전임상 질병 모델 전반에 적용 확대. (5) **첫 인체 시험**: 기능적 회복(functional restoration) 보고, 현 단계까지 유의적 안전성 프로필. (6) **향후 도전**: efficiency, delivery, safety에서 broad clinical impact 달성을 위한 과제 잔존.

**Alternative Genome Editing Review: CRISPR vs alternatives[2]**: (1) **CRISPR 한계**: unintended targeting, PAM 요구, delivery 어려움, immunogenicity. (2) **대안들**: meganucleases, ZFNs, TALENs. (3) **Base/prime editors**: DSB-free precise alternatives, TP53, KRAS, EGFR oncogenic mutations 표적 가능. (4) **Clinical cases**: CCR5 editing(HIV), hemoglobinopathies, liver/eye disorders in vivo therapy. (5) **Delivery 전략**: viral, non-viral, mRNA/RNP — ex vivo vs in vivo suitability 비교. (6) **Ethical/regulatory**: germline vs somatic editing, patient consent, 장기 모니터링, 국제 정책. (7) **핵심 결론**: 도구 선택이 biological question/therapeutic goal에 따라 달라지며, 단일 최우위 접근법 없음.

**NanoCas Cancer Treatment[3]**: (1) **NanoCas systems**: compact Cas orthologs에서 파생, in vivo 적용에서 delivery advantages. (2) **종양 미세환경**: cell-type specificity, immune barriers가 editing efficacy/safety 영향. (3) **High-fidelity variants + optimized gRNAs**: precision 향상 + risk 최소화. (4) **Stimuli-responsive nanoparticles**: targeted delivery 향상.

**7월 2일 Engineered Neutrophils 임상 전환 제도화 + Precision Gene Editing Review(gene addition → precise editing 전환) vs 오늘의 차별점**: 7/2가 **engineered neutrophils의 CRISPR+nanotech+AI 통합 임상 전환**과 **gene addition → precise genome editing으로의 패러다임 전환**을 제시했다면, 오늘은 그와 다른 축 — **prime editing의 첫 인체 시험 본격화**(DSB-free precise editing의 임상 실증)와 **CRISPR 대안들(ZFN, TALEN, base, prime, NanoCas)의 비교 체계 확립**을 동시에 제시한다. 통합 플랫폼 임상 전환(7/2) → 인체 시험 본격화 + 비교 표준화(7/4).

실무 함의: 유전성 질환 치료제 개발팀에서 prime editing의 첫 인체 시험 결과를 추적하고, 자사의 gene editing 플랫폼에서 base editing/prime editing 적용 가능성을 평가해야 한다. 암 치료 개발팀에서 CRISPR-Cas9의 한계(TP53, KRAS, EGFR oncogenic mutations)와 base/prime editors의 장점을 비교하여 치료 전략을 수립해야 한다.

*출처: [Prime Editing First-in-Human Trial Mol Ther 2026](https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/), [Alternative Genome Editing Tools IJMRALS 2026](https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/), [NanoCas Cancer Treatment Mol Biotechnol 2026](https://consensus.app/papers/details/9d5090d89fcc57f989ef3d82ec5d090a/), [Engineered Neutrophils Adv Healthc Mater 2026](https://doi.org/10.1002/adhm.71370)*

*#PrimeEditing #FirstInHuman #MolTher #CRISPRCas9 #BaseEditing #TALEN #ZFN #NanoCas #GenomeEditing #Standardization #AlternativeTools #TP53 #KRAS #EGFR #pegRNA #ReverseTranscriptase #DBSFree #ClinicalTrial #Nucleases #GeneTherapy #PrecisionMedicine #Lushington #Delivery #Nanoparticles #Standardization*

---

### Post 3: AI 신약 — Pharma Bets Big AI Platforms 2026 Deals(GEN Biotech) + AI+자연산 신약 발견(Natural Products Bioprospecting 2026) + ROCKET(AlphaFold+cryoEM/cryoET/X-ray 통합, Nat Methods 2026): 빅파마 AI 투자 표준화와 AI+자연산 발견パイプライン 표준화

💊 **[AI 신약] Pharma AI 2026 Deals(GEN Biotech, 2026년 빅파마 AI 플래트홈 대규모 거래) + AI+자연산 신약 발견(NP-based drug discovery AI 통합) + ROCKET(AlphaFold+cryoEM/cryoET/X-ray 통합, Nat Methods 2026): AI-driven 신약 발견의 standardized pipeline 확립**

AI-driven 신약 발견의 **표준화**가 세 축에서 동시에 진행되고 있다. Fay Lin(GEN Biotech 2026), Muthuraj et al.(Natural Products Bioprospecting 2026), Fadini et al.(Nat Methods 2026)의 논문이 각각 다른 축을 제시한다[4][5][6].

**Pharma AI 2026 Deals: 빅파마 AI 플래트홈 대규모 투자[4]**: (1) **2026년big pharma AI 거래 활발**: AI 플래트엄 활용 신약 발견에서 대규모 파트너십/인수 활발. (2) **AI Investment Signals**: Genetic Engineering & Biotechnology News 2026 리포트에서 Pharma의 AI 투자 신호 분석. (3) **AI Investment → New Drug Discovery Paradigm**: 전통적 screening에서 AI-driven pipeline로의 전환 가속.

**AI+자연산(Natural Products) 신약 발견[5]**: (1) **자연산(NPs)의 의의**: paclitaxel, artemisinin 등 핵심 약물의 근원, 생물학적으로 관련된 chemical space 제공. (2) **NP 발견 bottle네cks**: structural complexity, low bioactive yield, frequent rediscovery, limited scalability. (3) **AI 통합 범위**: NLP for ethnopharmacological knowledge mining, ML-driven dereplication, cheminformatics, genome mining(GNPS2). (4) **Antibiotic/anticancer discovery 사례**: AI-NP 통합으로 초기 발견 가속화. (5) **향후 패러다임**: quantum ML, federated data ecosystems, AI-assisted molecular design. (6) **핵심 결론**: AI가 NP 과학 대체가 아닌 보완적 역할.

**ROCKET: AlphaFold + cryoEM/cryoET/X-ray 통합[6]**: (1) **문제의식**: AlphaFold2의 구조 예측은 혁신적이나, side-chain packing, condition-dependent conformational changes, biomolecular interactions에서 한계 — 제한적 고품질 학습 데이터. (2) **ROCKET 방법론**: AlphaFold2를 cryo-EM, cryo-ET, X-ray crystallography 데이터로 refinement. (3) **핵심 혁신**: coevolutionary embeddings 공간에서 구조 최적화 — Cartesian coordinates보다 biologically meaningful structural variation 포착. (4) **적용 범위**: low signal-to-noise ratio 상황에서 특히 효과적. (5) **Scalable**: 재학습 없이 automated model building 제공. (6) **범용 프레임워크**: 실험 관측치와 biomolecular ML 통합의 일반적 프레임워크.

**7월 2일 AI in Genomics(BioEssays review, 5개 유전체 기술全覆盖) + WEE1 kinase ML Drug Repurposing vs 오늘의 차별점**: 7/2가 **AI-driven genomics의 제도화**(5개 유전체 기술全覆盖)와 **ML+thermodynamics 통합 약물 재창출**을 제시했다면, 오늘은 그와 다른 축 — **빅파마의 2026년 AI 플래트엄 대규모 투자热的**와 **AI+자연산 신약 발견パイプライン 표준화**, 그리고 **AlphaFold+cryoEM 통합 구조 예측 표준**(ROCKET)을 동시에 제시한다. 특정 기술 적용(7/2) → 투자热的 + 발견 표준 + 실험 통합 표준(7/4).

실무 함의: 약물 발견팀에서 빅파마의 2026년 AI 투자热的을 추적하여 자사의 AI integration 전략을 점검해야 한다. 천연물 신약 개발팀에서 AI-NP 통합 접근(GNPS2 등)을 활용하면, NP 발견의 bottle neck을 완화할 수 있다. 구조생물학팀에서 ROCKET의 AlphaFold+cryoEM 통합 접근을 활용하면, 단백질-リ간드 상호작용 예측의 정확도를 향상시킬 수 있다.

*출처: [Pharma AI 2026 Deals GEN Biotech 2026](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/), [AI Natural Products Drug Discovery Natural Products Bioprospecting 2026](https://consensus.app/papers/details/8df598a3c79f56318b67eb16d39746e4/), [ROCKET AlphaFold CryoEM Nat Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Pharma AI Investment Signals GEN Biotech 2026](https://consensus.app/papers/details/67e0c45750685e77808177381d32d26e/)*

*#PharmaAI #AIDrugDiscovery #BigPharma #2026Deals #NaturalProducts #AI #GNPS2 #QuantumML #ROCKET #AlphaFold #CryoEM #CryoET #Xray #StructureRefinement #Standardization #DrugDiscovery #Pipeline #MachineLearning #NaturalProducts #Bioprospecting #VirtualScreening #SBDD #FederatedLearning #Integration #ParadigmShift*

---

### Post 4: 단백질 AI — ROCKET(AlphaFold+cryoEM/cryoET/X-ray, Nat Methods 2026) + Pooled-AlphaFold3(전 게놈 PPI 예측, Mol Sys Bio 2026) + Atlas of Predicted PPI Structures(110만 개 PPI, Nat Commun 2026): 구조 예측 표준의 확장 — 전 게놈 PPI에서 종간 PPI 아틀라스까지

🔬 **[단백질 AI] ROCKET(AlphaFold+cryoEM/cryoET/X-ray) + Pooled-AlphaFold3(미코플라즈마 전 게놈 PPI 예측) + Atlas of Predicted PPI Structures(110만 개 PPI, 6개 왕국): 구조 예측 표준의 전 게놈 확장과 종간 보전 분석**

단백질 구조 예측의 **표준화**가 세 논문에서 동시에 보고된다. Fadini et al.(Nat Methods 2026), Todor et al.(Mol Sys Bio 2026), Qi et al.(Nat Commun 2026)의 논문이 각각 다른 축을 제시한다[6][7][8].

**ROCKET: AlphaFold + 실험 데이터 통합[6]**: (1) **AlphaFold2의 한계**: side-chain packing, condition-dependent conformational changes, biomolecular interactions. (2) **ROCKET**: cryo-EM, cryo-ET, X-ray crystallography 데이터로 구조 refinement. (3) **핵심**: coevolutionary embeddings 공간에서 최적화 → Cartesian coordinates보다 biological variation 포착. (4) **Scalable automated model building** — 재학습 불필요.

**Pooled-AlphaFold3: 미코플라즈마 전 게놈 PPI 예측[7]**: (1) **문제**: AlphaFold3 paired PPI prediction이 전 게놈 적용에 계산 비용 과다. (2) **Pooled-PPI prediction**: paired 대비 inference time ~2배 감소, job 수 ~100배 감소. (3) **성능**: 113,050 pairwise PPIs를 2,027개 AlphaFold3 jobs로 예측. (4) **검증**: known interactions highly predictive. (5) **발견**: AlphaFold interface scores에서 size bias 흔적, macromolecular complexes에서 단백질-단백질 interfaces 식별. (6) **M. genitalium의 새로운 biology**: previously unappreciated biology 밝혀냄. (7) **방법론적 의의**: functional genomics toolkit에 대규모 PPI screening 추가.

**Atlas of Predicted PPI Structures: 110만 개 PPI[8]**: (1) **ColabFold 기반**: 1.1백만 개의 predicted PPI structures 생성. (2) **범위**: bacteria, archaea, humans, mice, plants, human-virus pairs. (3) **High-confidence structures**: 181,671개(37,855개 인간 interactome). (4) **구조적 clustering**: conserved protein complex architectures across kingdoms. (5) **Human mastadenovirus A/Papiine alphaherpesvirus 2**: candidate viral receptors 동정. (6) **Gene fusion/fission events**: evolution에서 widespread 발견. (7) **적용**: deep learning 기반 protein binding-surface prediction 향상.

**7월 2일 AlphaFold 5건 일상화(HIV/DMD/TPM1/Centromere/Herpesvirus) vs 오늘의 차별점**: 7/2가 **AlphaFold의 5개 영역 일상화 적용**을 제시했다면, 오늘은 그와 다른 축 — **AlphaFold의 방법론적 표준 확장**(ROCKET으로 cryoEM 통합, pooled-AlphaFold3으로 전 게놈 PPI screening, 110만 개 PPI atlas로 종간 구조 아틀라스)을 동시에 제시한다. 일상화 적용(7/2) → 방법론적 표준 확장(7/4).

실무 함의: 구조생물학팀에서 ROCKET의 cryoEM/cryoET/X-ray 통합 접근을 활용하면, AlphaFold2 예측의 한계(특히 low signal-to-noise ratio 상황)를 보완할 수 있다. 기능 유전체학팀에서 pooled-AlphaFold3 접근으로 전 게놈 PPI screening을 수행하면, 새로운 기능적 상호작용을 대규모로 동정할 수 있다. 비교유전체학팀에서 6개 왕국 PPI 아틀라스를 활용하면, 보존된 복합체 구조와 gene fusion/fission events에 대한 통찰을 얻을 수 있다.

*출처: [ROCKET AlphaFold CryoEM Nat Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Pooled-AlphaFold3 Mycoplasma Mol Sys Bio 2026](https://consensus.app/papers/details/bb0ed41dbd335f9aacd323b8ae1a19b9/), [Atlas PPI Structures 1.1M Nat Commun 2026](https://consensus.app/papers/details/0e770876a7ea5106b86512f1ede3c4d6/), [AlphaFold HIV Calcium Phosphate J Biomed Sci 2026](https://doi.org/10.1186/s12929-026-01274-7)*

*#ROCKET #AlphaFold #AlphaFold3 #CryoEM #CryoET #Xray #PooledPPI #ProteinComplex #Interactome #ColabFold #PPIAtlas #NatMethods #MolSysBio #NatCommun #StructurePrediction #Standardization #CrossKingdom #VirusReceptor #GeneFusion #Fission #Evolution #FunctionalGenomics #Interface #BindingSurface #Mgenitalium*

---

### Post 5: FDA/규제 — FDA Urology AI Devices Review(BJU Int 2026, 1,358개 AI 장치 중 30개 비뇨기과) + Full Lifecycle Risk Management Absence(NPJ Digital Med 2026, 44.87%software updates) + Generative AI Medical Devices 규제 혁신(NPJ Digital Med 2026): FDA AI 의료기기 규제 표준화의 위기

⚖️ **[FDA/규제] FDA Urology AI Devices(1,358개 AI 장치 중 30개 비뇨기과, 2025년 26.7% 증가) + Radiology AI Lifecycle Risk Management Absence(44.87%software updates, 34.88% adverse events) + Generative AI Medical Devices 규제 혁신 긴급성: FDA AI 의료기기 규제 표준화의 위기**

FDA AI 의료기기 규제의 **표준화 위기**가 세 논문에서 동시에 보고된다. Qian et al.(BJU Int 2026), Li et al.(NPJ Digital Med 2026), Ong et al.(NPJ Digital Med 2026)의 논문이 각각 다른 축을 제시한다[9][10][11].

**FDA Urology AI Devices: 비뇨기과 AI 의료기기 검토[9]**: (1) **FDA AI-Enabled Medical Devices**: 총 1,358개 AI 장치 승인. (2) **비뇨기과 특이적**: 30개(2.2%). (3) **증가 추세**: 2025년(9월 기준) 26.7% 증가. (4) **주요 범주**: Radiology(70.0%), prostate imaging(43.3%). (5) **Evidence 문제**: FDA decision summaries에서 연구 디자인, training/testing, 외부 검증 특성 정보가 자주 누락. (6) **Demographics**: training/testing에서 인종/민족 보고 3.3%, 외부 검증에서 13.3%. (7) **주요 인구**: White 86.1%(training/testing), 87.6%(external validation). (8) **결론**: 규제 승인은 증가하나 공개된 evidence는 제한적 → Greater transparency and post-authorization evaluation 필요.

**Radiology AI Lifecycle Risk Management Absence[10]**: (1) **대상**: 956개 FDA 승인 radiology AI 의료기기(1995-2025년 9월). (2) **Software updates**: 429개(44.87%)가 software version updates 경험. (3) **Adverse events**: 15개 제품(34.88%)에서 software 결함 관련 이상사태. (4) **Recalls**: 4개 제품(26.67%)이 이상사태 후 software update, 3개 제품(20%)이 이상사태 발생 후recall 실시. (5) **전체 recall**: 124개 보고(68.13%)가 software defects 원인. (6) **문제**: companies 대부분이 이상사태, recalls, software updates를 포괄하는 closed-loop risk management system 부재. (7) **Software updates 빈도/특성**: 분석. (8) **핵심 기여**: full lifecycle management의 규제에서 critical 역할 실증.

**Generative AI Medical Devices 규제 혁신 긴급성[11]**: (1) **문제의식**: GenAI와 LLM의 healthcare 통합이 unprecedented opportunities와 challenges 동시에 제시. (2) **현재 규제 한계**: 기존 medical device regulation frameworks가 GenAI/LLM에 부적합. (3) **Global collaboration 필요성**: regulatory science research에서 multidisciplinary expertise Engaging + diverse populations의 니즈에 집중. (4) **urgency**: 규제 혁신이 긴급한 우선순위.

**7월 2일 Veterinary AI Regulation + Global Regulatory Harmonization(ICH, CTD/eCTD) vs 오늘의 차별점**: 7/2가 **수의학 AI 규제 부재**와 **글로벌 규제 조화(ICH, CTD/eCTD)**를 제시했다면, 오늘은 그와 다른 축 — **FDA 승인 AI 의료기기( radiology+urology)의 Evidence 부족과 lifecycle risk management 부재**라는 **표준화 위기**와 **Generative AI 의료기기 규제 혁신 긴급성**을 동시에 제시한다. Vet AI 규제 부재 + global harmonization(7/2) → FDA AI 의료기기 Evidence 위기 + lifecycle management 위기 + GenAI 규제 혁신 긴급성(7/4).

실무 함의: 비뇨기과 AI 의료기기 개발팀에서 FDA 승인 증가(2025년 26.7%) 추세를 확인하되, 공개 evidence 부족 문제를 인지하여 임상적 evidence 확보 전략을 수립해야 한다. 방사선 AI 개발팀에서 44.87% software update 발생 빈도와 adverse event 리스크를 인지하여, closed-loop risk management system을 설계해야 한다. 생성형 AI 의료기기 팀에서 Ong et al.의 규제 혁신 논의를 참조하여, 글로벌 협력을 통한 규제 표준 수립 전략을 수립해야 한다.

*출처: [FDA Urology AI Devices BJU Int 2026](https://consensus.app/papers/details/8df7e1c4eaf4504ba276303c98a9f91f/), [AI Radiology Lifecycle Risk NPJ Digital Med 2026](https://consensus.app/papers/details/2d1312a2ac045bcbbe7853c68ef5c380/), [Generative AI Medical Devices NPJ Digital Med 2026](https://consensus.app/papers/details/080f0aab9c7f5d80aa812978184ceea8/), [Veterinary AI Regulation Vet Clin 2026](https://doi.org/10.1016/j.cvsm.2026.04.002)*

*#FDA #UrologyAI #RadiologyAI #AIMedicalDevices #LifecycleRisk #SoftwareUpdate #AdverseEvents #Recalls #Standardization #GenerativeAI #LLM #Regulation #Innovation #GlobalCollaboration #Transparency #PostAuthorization #Evidence #BJUInternational #NPJDigitalMedicine #MedicalDevice #RiskManagement #StandardizationCrisis*

---

### Post 6: 단일세포/면역 FM — SMBench(23개 방법 benchmarking, Nat Commun 2026) + HiCFoundation(종간 3D 유전체 분석 FM, Nat Methods 2026) + Single-Cell FM Data Scaling(DenAdel et al., Nat Methods 2026): DMs vs FMs 성능 격차 실증과 데이터 스케일링 한계 실증

🧫 **[단일세포/면역] SMBench(23개 방법 benchmark, DMs > FMs) + HiCFoundation(Hi-C foundation model, Nat Methods 2026) + Single-Cell FM Data Scaling(22.2M cells, plateau 발견): 단일세포 FM의 성능 한계 실증과 benchmark 표준 확립**

단일세포 FM의 **표준화**가 세 논문에서 동시에 보고된다. Wang et al.(Nat Commun 2026), Wang et al.(Nat Methods 2026), DenAdel et al.(Nat Methods 2026)의 논문이 각각 다른 축을 제시한다[12][13][14].

**SMBench: 23개 방법 benchmarking[12]**: (1) **대상**: 23개 방법(Domain-specific Models + Foundation Models) benchmarking. (2) **평가 기준**: integration accuracy, biomarker detection, trajectory inference, quantitative batch effect correction. (3) **핵심 발견**: multi-omics integration에서 DMs(Domain-specific Models)가 FMs(Foundation Models)보다 성능 우위. (4) **이유**: FMs가 특정 통합 task에서 최先进 DMs에 미치지 못함. (5) **해결책 제시**: lightweight adaptation strategy로 FMs 효과 향상. (6) **의의**: 연구자들이 specific analysis objectives에 적합한 방법 선택 가이드 제공, 향후 모델 설계 위한 통찰 제공.

**HiCFoundation: Hi-C foundation model[13]**: (1) **문제의식**: 3D genome structure(Hi-C 측정)와 associated epigenomic regulation(ATAC-seq, ChIP-seq) 통합 분석이 data format, resolution, analytical pipelines 차이로 어려움. (2) **HiCFoundation**: massive Hi-C 데이터로 학습된 foundation model. (3) **핵심 성과**: state-of-the-art performance + 종간 generalizability. (4) **적용**: reproducibility analysis, resolution enhancement, loop detection. (5) **epigenomic 예측**: Hi-C에서 various epigenomic activities 예측 → 3D structure와 regulatory function 연결. (6) **Single-cell Hi-C 적용**: easily adaptable. (7) **범용성**: 종간/세포 유형 전반에 걸쳐 해석 가능한 프레임워크.

**Single-Cell FM Data Scaling: 22.2M cells, plateau[14]**: (1) **배경**: single-cell FMs가 1M cells에서 100M+ cells规模的로 확장. (2) **실험 규모**: 22.2M cells corpus에서 총 400개 모델 pre-training, 6,400개 실험 평가. (3) **핵심 발견**: current methods는 pretraining datasets의 일부만으로도 performance plateau 도달. (4) **스케일링法则 부재**: large language models과 달리 clear data scaling laws 없음. (5) **지적**: 개발자들은 무차별적 증가 대신 model capacity, dataset size, computational resources 균형에 집중해야. (6) **실용적 함의**: 데이터 규모만으로 성능 향상 기대에 한계.

**7월 2일 p21 sKCs HCC + S100A8/A9 CRC Multi-omics + Matrix Stiffness Endothelial vs 오늘의 차별점**: 7/2가 **특정 세포 유형(sKCs, myeloid, endothelial) senescence/TME 세포 단위 해상도**를 다뤘다면, 오늘은 그와 다른 축 — **단일세포 FM 전반의 성능 표준 확립**(SMBench benchmarking으로 DMs > FMs 확인)과 **Foundation model 자체의 방법론적 표준 확립**(HiCFoundation으로 3D genome 분석 FM 확립, data scaling plateau로 FM 개발 표준 재점검)을 동시에 제시한다. 특정 세포 유형 적용(7/2) → FM 성능 표준 + FM 개발 표준(7/4).

실무 함의: 단일세포 분석팀에서 SMBench 결과를 참조하여, multi-omics 통합 작업에서 DMs와 FMs의 장단점을 비교하고, lightweight adaptation strategy 적용 가능성을 평가해야 한다. 3D 유전체학 연구팀에서 HiCFoundation을 활용하면, ATAC-seq/ChIP-seq 데이터와 Hi-C 데이터를 통합하는 분석의 효율성을 크게 향상시킬 수 있다. FM 개발팀에서 data scaling plateau 발견을 참조하여, 데이터 규모만으로 성능을 올리는 접근의 한계를 인지하고 다른 최적화 전략을 탐색해야 한다.

*출처: [SMBench Single-Cell Multi-Omics Benchmark Nat Commun 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [HiCFoundation Hi-C FM Nat Methods 2026](https://consensus.app/papers/details/3b896f879f585bc4a16e4c799adbe311/), [Single-Cell FM Data Scaling Nat Methods 2026](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/), [scFoundation EGSP Bioinformatics Advances 2026](https://consensus.app/papers/details/22f34170f63e5467badcc9ef75f0a619/)*

*#SMBench #Benchmarking #DMs #FMs #FoundationModel #SingleCell #MultiOmics #Integration #Biomarker #Trajectory #BatchCorrection #HiCFoundation #HiC #3DGenome #Chromatin #ATACseq #ChIPseq #DataScaling #Plateau #NatMethods #NatCommun #Standardization #Adaptation #Pretraining #ModelCapacity*

---

### Post 7: 공간전사체 & 암 아틀라스 — CRC Epithelial-Fibroblast Atlas(Digest Dis Sci 2026) + GBM Spatially Resolved Atlas(Nat Commun 2026) + Prostate Cancer Lineage Plasticity Atlas(Mol Cancer 2026): 암 아틀라스 표준화 — 세 가지 주요 암종에서 동시에 표준 아틀라스 발표

🗺️ **[공간전사체] CRC Epithelial-Fibroblast Atlas(Digest Dis Sci 2026) + GBM Spatially Resolved Atlas(Nat Commun 2026) + Prostate Cancer Lineage Plasticity Atlas(Mol Cancer 2026): 세 가지 주요 암종(결장직장암, 교모세포종, 전립선암)에서 동시에 표준 아틀라스 발표**

암 아틀라스의 **표준화**가 세 논문에서 동시에 보고된다. Wu et al.(Digest Dis Sci 2026), Sonpatki et al.(Nat Commun 2026), Yu et al.(Mol Cancer 2026)의 논문이 각각 다른 축을 제시한다[15][16][17].

**CRC Epithelial-Fibroblast Atlas[15]**: (1) **배경**: CRC에서 상피-섬유아세포 상호작용이 tumor progression/treatment response에 영향이나, 정확한 interplay가 불완전 이해. (2) **방법**: CRC 및 정상 조직에서 scRNA-seq + 공간 전사체 통합. (3) **발견**: 9개 상피 + 9개 섬유아세포 하위 집단. (4) **핵심**: FGGY+ 상피세포 + COL11A1+ 섬유아세포가 종양에서 현저히 집중. (5) **상호작용**: PPIA-BSG 신호 매개 tumor-specific epithelial-CAF axis. (6) **공간 공존**: strong spatial co-localization 확인. (7) **종양 가소성**: PLK1+ progenitor-like 상피세포가 종양 가소성에 기여. (8) **FGCS score**: 6개 유전자 기반 점수 → stage/survival分层, 독립적 예후 인자.

**GBM Spatially Resolved Atlas[16]**: (1) **대상**: 교모세포종(glioblastoma) — 공격적 뇌암, 치료 옵션 제한, 환자 생존율 낮음. (2) **방법**: gene expression profiling + matched single-cell/protein measurements at subcellular resolution 통합. (3) **유전자 패널**: vascular/stromal markers에 enriched 348 gene panel. (4) **발견**: 덜 알려진 endothelial, perivascular, fibroblast-like cell states와 그 공간적 연관성. (5) ** oligodendrocyte population**: 종양 핵심 및 perivascular regions에 restricted, 재발 및 불량 예후와 관련된 유전자 발현 패턴. (6) **공용 접근**: publicly accessible atlas.

**Prostate Cancer Lineage Plasticity Atlas[17]**: (1) **통합 atlas**: 127개 scRNA-seq 샘플 + 9개 공간 전사체 프로필. (2) **질환 연속체**: healthy prostate에서 neuroendocrine carcinoma까지. (3) **4개 악성 상피 하위 유형**: luminal-identity(sub1), stress-adaptive luminal(sub2), neuroendocrine(sub3), double-negative basal-like state(sub4). (4) **FOSL1**: lineage plasticity의 key driver — HMGA1 직접 전사 조절. (5) **종양 미세환경 재프로그래밍**: neoadjuvant hormone therapy 후 distinct cellular responses 유도. (6) **免疫억제 niche**: TGF-β 매개 CD8+ T cell functional exhaustion. (7) **공간 분석**: 치료 후 chemokine signaling 증가, 특히 특정 TAM subsets에서.

**7월 2일 GPNMB CAR T + PD-1 synergy + ZDHHC9 HCC + B7-H4 Radiotheranostics vs 오늘의 차별점**: 7/2가 **면역치료-이미징 통합(GPNMB CAR T, B7-H4 radiotheranostics)**과 **ZDHHC9 hypoxia-immunosuppressive axis**를 다뤘다면, 오늘은 그과 다른 축 — **세 가지 주요 암종(CRC, GBM, 전립선암)에서 동시에 표준 아틀라스 발표**를 통해 **암 아틀라스 표준화의 폭발**을 제시한다. 면역치료-이미징 통합(7/2) → 암 아틀라스 표준화(7/4).

실무 함의: 대장암 연구팀에서 CRC 상피-섬유아세포 아틀라스의 공간적 상호작용 데이터(PPIA-BSG axis, FGCS score)를 활용하면, 종양 미세환경 타겟 치료 전략을 수립할 수 있다. 교모세포종 연구팀에서 GBM 공간 아틀라스의 종양 핵심/Perivascular oligodendrocyte population 데이터를 참조하여, 재발 메커니즘에 대한 연구 전략을 수립해야 한다. 전립선암 연구팀에서 lineage plasticity 아틀라스의 FOSL1-HMGA1 축과 immunosuppressive niche 데이터를 활용하면, 치료 저항성 극복 전략을 수립할 수 있다.

*출처: [CRC Epithelial-Fibroblast Atlas Digest Dis Sci 2026](https://consensus.app/papers/details/91550c999fe5558798e00a12b48eb028/), [GBM Spatial Atlas Nat Commun 2026](https://consensus.app/papers/details/1c672557e3bd5a398afb1025b3fb436e/), [Prostate Cancer Lineage Plasticity Mol Cancer 2026](https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/), [GPNMB CAR T Nature Cancer 2026](https://doi.org/10.1038/s43018-026-01194-3)*

*#SpatialTranscriptomics #CRC #ColorectalCancer #Epithelial #Fibroblast #CAF #Glioma #GBM #Glioblastoma #ProstateCancer #LineagePlasticity #Neuroendocrine #FOSL1 #HMGA1 #Atlas #Standardization #TME #TumorMicroenvironment #scRNAseq #Spatial #PPIA #BSG #FGCS #Oligodendrocyte #Recurrence #Immunosuppressive #Niche #TreatmentResistance #ADT #TherapeuticTarget*

---

### Post 8: 종합 및 내일 바라볼 것

🔮 **[종합] 7월 4일 표준화의 날: Prime Editing First-in-Human Trial + Alternative Genome Editing Review(CRISPR/TALEN/ZFN/base/prime 비교 체계) + NanoCas + Pharma AI 2026 Deals热的 + AI+Natural Products发现パイプライン + ROCKET(cryoEM/AlphaFold 통합) + Pooled-AlphaFold3(전 게놈 PPI) + Atlas 1.1M PPI + FDA Urology AI Devices Evidence 위기 + Radiology AI Lifecycle Risk 위기 + GenAI 규제 혁신 긴급성 + SMBench(DMs>FMs) + HiCFoundation(Hi-C FM) + Data Scaling Plateau + CRC Atlas + GBM Atlas + Prostate Cancer Atlas**

오늘 6개 전선이 공유하는 동사는 **"표준화"**이다. 6/14 전환→6/15 구현→6/16 수렴→6/17 이행→6/18 심화→6/19 통합→6/20 확산→6/21 안착→6/22 현장화→6/24 확산→6/25 통합→6/27 종합→6/29 이행→6/30 이행 심화→7/1 이행 확산→7/2 제도화→오늘 표준화. 제도화된 도구들이 성능 기준과 검증 기준을 세우는 날이다. Prime editing의 첫 인체 시험이 본격화되며 DSB-free precise editing의 임상 실증이 진행되고, alternative genome editing review가 CRISPR/TALEN/ZFN/base/prime editing의 비교 체계를 확립하며, Pharma AI 2026 Deals热的과 AI+자연산 신약 발견パイプライン이 AI-driven drug discovery의 표준 pipeline을 확립하고, ROCKET이 cryoEM/cryoET/X-ray 통합으로 구조 예측-실험 통합 표준을 가속하며, pooled-AlphaFold3이 전 게놈 PPI screening 방법을 표준화하고 110만 개 PPI 아틀라스가 종간 구조 표준을 제시하며, FDA urology AI devices의 evidence 위기(30개 중 2.2%)와 radiology AI lifecycle risk 위기(44.87% software updates, 34.88% adverse events)가 FDA AI 의료기기 규제 표준화의 필요성을 긴급하게 제시하고 generative AI medical devices 규제 혁신 긴급성이 새로운 규제 표준 수립의 필요성을 강조하며, SMBench가 DMs > FMs임을 실증하며 lightweight adaptation strategy를 표준으로 제시하고, HiCFoundation이 Hi-C foundation model로 3D genome 분석 표준을 확립하며, single-cell FM data scaling plateau가 FM 개발의 데이터 스케일링 한계를 실증하고, CRC epithelial-fibroblast atlas, GBM spatially resolved atlas, prostate cancer lineage plasticity atlas가 세 가지 주요 암종에서 동시에 표준 아틀라스를 제시하며 암 아틀라스 표준화의 폭발을 보여주고 있다.

표준화는 제도화의 다음 단계다. 오늘의 6개 데이터 포인트는 그 순자의 스물 번째 단계에 있다.

내일(7월 5일 일요일) 바라볼 세 지점: prime editing 첫 인체 시험의后续 데이터, FDA AI 의료기기 lifecycle risk management 표준 수립 진행 상황, SMBench lightweight adaptation strategy의 실전 적용 사례.

표준화 다음은 **정렬(Alignment)**이다. 오늘의 6개 데이터 포인트가 제시하는 공통 질문: 표준화된 성능 기준과 검증 기준이 각 분야主流 체계에서 어떤 방식으로 정렬되어야 하는가. 이 질문이 내일 이후 각 전선의 핵심 과제가 된다.

*출처: [Prime Editing First-in-Human Mol Ther 2026](https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/), [Alternative Genome Editing IJMRALS 2026](https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/), [NanoCas Cancer Mol Biotechnol 2026](https://consensus.app/papers/details/9d5090d89fcc57f989ef3d82ec5d090a/), [Pharma AI 2026 Deals GEN 2026](https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/), [AI Natural Products NP Bioprospecting 2026](https://consensus.app/papers/details/8df598a3c79f56318b67eb16d39746e4/), [ROCKET AlphaFold CryoEM Nat Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Pooled-AlphaFold3 Mol Sys Bio 2026](https://consensus.app/papers/details/bb0ed41dbd335f9aacd323b8ae1a19b9/), [Atlas 1.1M PPI Nat Commun 2026](https://consensus.app/papers/details/0e770876a7ea5106b86512f1ede3c4d6/), [FDA Urology AI BJU Int 2026](https://consensus.app/papers/details/8df7e1c4eaf4504ba276303c98a9f91f/), [AI Radiology Lifecycle NPJ Digital Med 2026](https://consensus.app/papers/details/2d1312a2ac045bcbbe7853c68ef5c380/), [GenAI Medical Devices NPJ Digital Med 2026](https://consensus.app/papers/details/080f0aab9c7f5d80aa812978184ceea8/), [SMBench Nat Commun 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [HiCFoundation Nat Methods 2026](https://consensus.app/papers/details/3b896f879f585bc4a16e4c799adbe311/), [SC FM Data Scaling Nat Methods 2026](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/), [CRC Atlas Digest Dis Sci 2026](https://consensus.app/papers/details/91550c999fe5558798e00a12b48eb028/), [GBM Atlas Nat Commun 2026](https://consensus.app/papers/details/1c672557e3bd5a398afb1025b3fb436e/), [Prostate Cancer Atlas Mol Cancer 2026](https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/)*

*#AIBioresearch #StandardizationDay #BioResearchDaily #July2026 #PrimeEditing #FirstInHuman #AlternativeGenomeEditing #NanoCas #PharmaAI #NaturalProducts #ROCKET #AlphaFold #CryoEM #PooledAlphaFold3 #AtlasPPI #FDA #UrologyAI #RadiologyAI #LifecycleRisk #GenAI #SMBench #HiCFoundation #DataScaling #CRCATlas #GBMAtlas #ProstateAtlas #Standardization #Benchmarking #Alignment #ClinicalTranslation #Regulation #Validation*

---

## Sources (1차 출처 10개 이상 URL)

[1] https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/ — A primer on prime: A prime editing update from advances to first-in-human trial (Molecular Therapy, Lushington Caleb et al., 2026)

[2] https://consensus.app/papers/details/25e4c20a91f75d86a6d0e6a95f5c0723/ — Genome Editing Beyond CRISPR: Comparative Insights into Alternative Tools (International Journal of Modern Pharmacy and Life Sciences, Kanodia Nandita et al., 2026)

[3] https://consensus.app/papers/details/9d5090d89fcc57f989ef3d82ec5d090a/ — Prime Editing, CRISPR-Cas9, and NanoCas Genome Editing for Cancer Treatment (Molecular Biotechnology, Hossain Hemayet et al., 2026)

[4] https://consensus.app/papers/details/bc6e9ea3ec2e5025af707131d2fa0ca7/ — Pharma Bets Big on AI Platforms with Flurry of 2026 Deals (GEN Biotechnology, Fay Lin, 2026)

[5] https://consensus.app/papers/details/8df598a3c79f56318b67eb16d39746e4/ — Nature meets machine: the AI renaissance in natural product drug discovery (Natural Products and Bioprospecting, Muthuraj R et al., 2026)

[6] https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/ — AlphaFold as a prior: experimental structure determination conditioned on a pretrained neural network (Nature Methods, Fadini A et al., 2026)

[7] https://consensus.app/papers/details/bb0ed41dbd335f9aacd323b8ae1a19b9/ — Predicting the protein interaction landscape of a free-living bacterium with pooled-AlphaFold3 (Molecular Systems Biology, Todor Horia et al., 2026)

[8] https://consensus.app/papers/details/0e770876a7ea5106b86512f1ede3c4d6/ — Atlas of predicted protein complex structures across kingdoms (Nature Communications, Qi Xianzhi et al., 2026)

[9] https://consensus.app/papers/details/8df7e1c4eaf4504ba276303c98a9f91f/ — Artificial intelligence in urology: A review of United States Food and Drug Administration-cleared devices (BJU International, Qian Zhiyu et al., 2026)

[10] https://consensus.app/papers/details/2d1312a2ac045bcbbe7853c68ef5c380/ — The absence of full lifecycle risk management for AI-based medical devices in radiology (NPJ Digital Medicine, Li Jia et al., 2026)

[11] https://consensus.app/papers/details/080f0aab9c7f5d80aa812978184ceea8/ — Innovating global regulatory frameworks for generative AI in medical devices is an urgent priority (NPJ Digital Medicine, Ong J et al., 2026)

[12] https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/ — SCMBench: benchmarking domain-specific and foundation models for single-cell multi-omics data integration (Nature Communications, Wang Yixuan et al., 2026)

[13] https://consensus.app/papers/details/3b896f879f585bc4a16e4c799adbe311/ — A generalizable Hi-C foundation model for chromatin architecture, single-cell and multiomics analysis across species (Nature Methods, Wang Xiao et al., 2026)

[14] https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/ — Evaluating the role of pretraining dataset size and diversity on single-cell foundation model performance (Nature Methods, DenAdel Alan et al., 2026)

[15] https://consensus.app/papers/details/91550c999fe5558798e00a12b48eb028/ — The Single-Cell and Spatial Transcriptomics Atlas of Epithelial-Fibroblast Interactions in Colorectal Cancer (Digestive Diseases and Sciences, Wu Shuo et al., 2026)

[16] https://consensus.app/papers/details/1c672557e3bd5a398afb1025b3fb436e/ — A spatially resolved human glioblastoma atlas reveals distinct cellular and molecular patterns of anatomical niches (Nature Communications, Sonpatki P et al., 2026)

[17] https://consensus.app/papers/details/e8027b6caaf05099ab5b2868a5255d16/ — Integrated single-cell and spatial transcriptomic profiling decodes lineage plasticity and immune microenvironment remodeling in prostate cancer progression (Molecular Cancer, Yu Hongyuan et al., 2026)