Research Pulse — 2026-09-12 | Brown Biotech

# Research Pulse — 2026-09-12
_Generated 2026-09-12 07:33 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 — 9월 12일 (일요일) · Diversifying(다양화 Day)**

9/12(다양화) → 9/11(전이) → 9/10(재보정) → 9/9(집약) → 9/8(가동화) → 9/7(가속) → 9/6(구현) → 9/5(다양화) → ... → 7/14(가속). Translation(9/11)된 기술들이 **새로운 적용 영역과 비표준 방법론의 다양화(Diversifying) 단계로 이전하며 기존 패러다임 바깥의 성과들을 동시에 확인하는 날** — Zhao et al.으로 oncogenic drivers의 single-atom inhibition through cysteine coordination 확인 — cysteine thiols만 표적, 높은 선택성, 기존 기전과 차별화(Nature Nanotechnology 2026), Marti et al.으로 Down syndrome brain organoids에서 oligodendrocyte 성숙 손상 + altered neural network activity 확인 — single-cell + organoid 통합 모델 확인(MCell Biology 2026), Roskoski et al.으로 2025년 10개 protein kinase inhibitor 신규 승인 상세 분석 — avutometinib(MEK1/2) · defactinib(FAK) · delgocitinib(JAK) 등 + 94개 전체 현황(Pharmacological Research 2026), Maciel et al.으로 전 세계 희귀 분류군 vascular plants의 지리적 분포 불균형 확인 — GBIF 데이터의 한계 + 87% gap 분석(Biodiversity Data Journal 2026), Tchatakoura et al.으로 mosquito幼虫의 microplastic 노출이 immune-related gene expression 변화 + larval microbiota diversity 감소 확인(Environmental Pollution 2026), Fujiwara et al.으로 histamine과 GABA의 개별 synaptic vesicles 내 共存在 확인 — dual-transmitter organization의 새로운 개념(Nature Neuroscience 2026)이 동시에 진행된다.

Diversifying은 Translation의 다음 단계다. 오늘 6개 전선은 검증된 기술들이 **새로운 적용 영역과 비표준 방법론으로 확장하며 전통적 접근법과 차별화된 성과들을 동시에 확인하는 날**이다.

*출처: [Zhao Single-Atom Inhibition Nature Nanotechnology 2026](https://consensus.app/papers/details/0701c4f7e8cb57a5a5b3a8e5f1d2c4b3/), [Marti Down Syndrome Brain Organoids Cell Biology 2026](https://consensus.app/papers/details/1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d/), [Roskoski Protein Kinase Inhibitors Pharmacological Research 2026](https://consensus.app/papers/details/a1931950cc815d8a9136ea7cea0912f3/), [Maciel Vascular Plants GBIF Biodiversity Data Journal 2026](https://consensus.app/papers/details/9e5850399cb35884a68986dc94903425/), [Tchatakoura Microplastic Mosquito Immunity Environmental Pollution 2026](https://consensus.app/papers/details/3e7944ef6ab85bb99aaeb74de2c3dca4/), [Fujiwara Histamine GABA Synaptic Vesicles Nature Neuroscience 2026](https://consensus.app/papers/details/48f053efc3485e6589bcd85cc6009842/)*

*#DiversifyingDay #Zhao #NatureNanotechnology #SingleAtom #Cysteine #OncogenicDrivers #CovalentInhibition #Marti #CellBiology #BrainOrganoid #DownSyndrome #Oligodendrocyte #NeuralNetwork #Roskoski #PharmacologicalResearch #KinaseInhibitor #2025Approval #Maciel #BiodiversityDataJournal #VascularPlants #GBIF #GapAnalysis #Tchatakoura #EnvironmentalPollution #Microplastic #Mosquito #Immunity #Fujiwara #NatureNeuroscience #Histamine #GABA #SynapticVesicle #DualTransmitter #Translation #Diversifying #ClinicalTranslation #NewModalities #NonStandard #Biodiversity #Neuroscience #Immunology #DailyReport*

---

### Post 2: CRISPR & Gene Editing — Single-Atom Oncogenic Driver Inhibition과 Cysteine Coordinate 접근의 산업적 함의

🪄 **[CRISPR/Gene Editing] Zhao et al.으로 oncogenic drivers의 single-atom inhibition through cysteine coordination 확인 — cysteine thiols만 표적, 높은 선택성, 기존 기전과 차별화(Nature Nanotechnology 2026) + PE-LNP 49% in vivo liver editing(Jiang Nature Nanotechnology 2026) · npegRNA 26.8× 효율 향상(Fang Nature Biomedical Engineering 2026) · PE8 RT redesign 2.9×(Tao Nature Biotechnology 2026)과 비교: CRISPR의 Diversifying(다양화) 동시 확인**

CRISPR 유전자 편집 기술의**새로운 적용 영역 확장(Diversifying)**이 출처에서 동시에 확인된다[1][2][3].

**Single-Atom Inhibition: Cysteine Coordination으로 Oncogenic Drivers 표적[1]**
W. Zhao et al.(Nature Nanotechnology 2026)의 연구는 oncogenic drivers의 single-atom inhibition through cysteine coordination 개념을 제시한다. **기존 저해제 한계**: conventional small-molecule inhibitors는 molecular recognition을 위해 적합한 binding pockets 필요 — 많은 질병 관련 단백질 targeting 어려움. **핵심 혁신 — Single-atom inhibition**: cysteine thiols(-SH)만 선택적 표적. ** cysteine coordination의 의의**: (i) 높은 선택성 — cysteine residues만 반응 부위, (ii) 기존 기전과 근본적 차별화 — covalent vs non-covalent, (iii) previously undruggable 표적 접근 가능. **적용 가능성**: oncogenic drivers 표적 치료. **핵심 메시지**: single-atom cysteine coordination으로 oncogenic drivers inhibition — CRISPR/drug discovery Diversifying.

**9월 8일 Operationalizing vs 오늘의 차별점**: 9/8이 **Jiang Nature Nanotechnology**으로 **PE-LNP 49% in vivo liver editing**을, **Lummerstorfer Drug Delivery**으로 **136 trial + 36 non-viral 전환**을, **Yang MedComm**으로 **virus-mimicking nanosystems**을 제시했다면, 오늘은 **Zhao Nature Nanotechnology**으로 **single-atom cysteine coordination으로 oncogenic drivers 표적**을(새 표적 기전 Diversifying), **Fang npegRNA**와 **Tao PE8**을 **기존 PE 효율 향상과 비교 맥락으로 재제시**한다. Translation(9/11) → CRISPR Diversifying(9/12).

실무 함의: 암치료 연구팀에서 Zhao et al.의 single-atom cysteine coordination 접근법과 기존 PE-LNP/npegRNA를 결합하여 targeted cancer therapy strategy를 수립해야 한다.

*출처: [Zhao Single-Atom Inhibition Cysteine Coordination Nature Nanotechnology 2026](https://consensus.app/papers/details/0701c4f7e8cb57a5a5b3a8e5f1d2c4b3/), [Jiang PE-LNP Nature Nanotechnology 2026](https://consensus.app/papers/details/020416d0f3fa55179bf8ad67a122a32d/), [Fang npegRNA Nature Biomedical Engineering 2026](https://consensus.app/papers/details/322a6b9e491258a5b21339e54b74d524/)*

*#CRISPR #GeneEditing #Zhao #NatureNanotechnology #SingleAtom #Cysteine #Covalent #OncogenicDrivers #Selective #Inhibition #DiversifyingDay #Jiang #PELNP #49Percent #InVivo #Fang #npegRNA #268Fold #Tao #PE8 #ProteinMPNN #29Fold #NonViral #Delivery #TargetedCancer #Druggable #PreviouslyUndruggable #CovalentInhibition #SelectiveTargeting #DrugDiscovery #CRISPR #Diversifying #PrecisionOncology #TherapeuticIndex #NewModalities*

---

### Post 3: AI 신약 — Inhaled Rentosertib Phase 2a Update와 AI-Designed Drug 임상 이행 후속

💊 **[AI 신약] Satler et al.으로 inhaled Rentosertib Phase 2a oral safety/tolerability 확인 + 폐기능 개선 확인(AJRCCM 2026) + 3번째 week inhaled formulation 동물 실험 재확인 — 폐-혈장 比 50-70배 + dose-dependent ERK1/2 저하(AJRCCM 2026) + Yoo et al.으로 AI-designed drug Phase 2a efficacy · Phase 1/I safety double-edged 재확인(BJC Reports 2026) + Mao et al.으로 AI Phase II ~40% ≈ conventional ~37% 근본 원인 재확인(Frontiers Pharmacology 2026): AI drug discovery의 Diversifying(다양화) 후속 확인**

AI-Driven Drug Discovery의**임상 이행 후속과 새로운 적용 영역 확장(Diversifying)**이 출처에서 동시에 확인된다[4][5][6].

**Inhaled Rentosertib Phase 2a Update: Oral Safety 확인 + 폐기능 개선[4]**
C. Satler et al.(AJRCCM 2026)의 연구는 AI-designed TNIK inhibitor Rentosertib의 inhaled formulation 동물 실험 데이터를 Phase 2a oral 결과와 연계한다. **Phase 2a oral 결과**: safety/tolerability 확인 + lung function 개선. **흡입형 개발 동기**: 폐에 최적 노출 도달 + 전신 노출 최소화. ** bleomycin 폐섬유증 마우스 모델**: 72마리 / 4 용량군. **핵심 성과 1 — 폐-혈장 比 50-70배**: 흡입 직후 폐조직 농도, 혈장 比 50-70배 높음. **핵심 성과 2 — ERK1/2 인산화 저하**: dose-dependent. **핵심 성과 3 — 용량 의존적 폐기능 향상**: FVC 증가, Cdyn 향상, RL 감소. **핵심 성과 4 — 섬유증/염증 조직학적 감소**: 최고/차상위 용량군에서. **핵심**: inhaled Rentosertib Phase 2a 후속 + inhaled formulation 확대 — AI drug discovery Diversifying.

**AI-Designed Drug Phase IIa/I Double-Edged 재확인[5]**
W. Yoo et al.(BJC Reports 2026)의 perspective는 AI-driven drug discovery의 임상 이행을 분석한다. **AI-designed TNIK inhibitor Phase 2a trial 결과**: safety/tolerability + pharmacodynamic target engagement + functional decline 경향 확인. **핵심 메시지**: AI-discovered molecules의 임상 시험 진입 확인 — broader validation · mechanistic understanding · regulatory alignment 필요. **Precision oncology 적용 전망**: multi-omics integration · federated model validation · adaptive trial design. 핵심: AI-designed drug의 Phase 2a 후속 확인 — AI drug discovery Diversifying.

**AI Drug Discovery Phase II 현실 재확인: Target Validity 근본 원인[6]**
Z. Mao et al.(Frontiers in Pharmacology 2026)의 review는 AI drug discovery의 algorithmic foundations에서 clinical translation까지 분석한다. **Methods evolution**: CNN, RNN, GNN, GAN, VAE, Diffusion models, Transformers. **Phase II ~40% ≈ conventional ~37%**: 근본 원인 — target hypothesis validity 미개선. **핵심**: AI가 Phase I(molecular safety/ADMET)은 개선하나 Phase II(target validity)는仍未改善 — AI drug discovery Diversifying 한계.

**9월 8일 Operationalizing vs 오늘의 차별점**: 9/8이 **Satler AJRCCM**으로 **inhaled rentosertib 폐-혈장 比 50-70배**를(첫 확인), **Yoo BJC Reports**으로 **Phase 2a oral 성공 + precision oncology framework**를(첫 확인) 제시했다면, 오늘은 **Satler의 inhaled formulation 3번째 week 후속 데이터**를(동물 실험 확인 재확인), **Mao Phase II 근본 원인 재확인**을(9/10 Recalibrating과 동일 근본 원인 확인) 동시에 제시한다. Translation(9/11) → AI drug discovery Diversifying 후속(9/12).

실무 함의: AI drug discovery 협업팀에서 Satler et al.의 Phase 2a 후속 데이터를 분석하여 inhaled AI-designed drug development strategy를 수립해야 한다.

*출처: [Satler Inhaled Rentosertib AJRCCM 2026](https://consensus.app/papers/details/1b69782ae2605d0f8d8b22639574d68e/), [Yoo Precision Oncology AI Age BJC Reports 2026](https://consensus.app/papers/details/3061bab99a9351b297c698ef342d7f34/), [Mao AI Drug Discovery Frontiers Pharmacology 2026](https://consensus.app/papers/details/ca5321af0bb656e095b6108766231764/)*

*#AI #DrugDiscovery #Satler #AJRCCM #Rentosertib #Inhaled #TNIK #IPF #PulmonaryFibrosis #Phase2a #LungPlasmaRatio #5070Fold #ERK12 #FVC #Cdyn #AirwayResistance #Yoo #BJCReports #PrecisionOncology #Phase2a #AdaptiveTrial #Mao #FrontiersPharmacology #PhaseII #TargetValidity #DoubleEdged #DiversifyingDay #InsilicoMedicine #AIDesigned #InhalationFormulation #TargetEngagement #FunctionalDecline #Diversifying #ClinicalTranslation #Respiratory #Fibrosis #LungTargeting #SystemicExposure #DoseDependent #Biomarker #TherapeuticIndex*

---

### Post 4: 단백질 AI — ESMFold Dimeric 41% 한계의 근본 원인 분석과 AlphaFold Confidence Metric 체계화

🔬 **[단백질 AI] Mahtha et al.으로 AlphaFold2/3 monomeric 88%, dimeric 77% vs ESMFold monomeric 76%, dimeric 41% — dimeric에서 ESMFold 현저히 낮은 이유 분석(NAR Genomics Bioinformatics 2026) + Garcia et al.으로 de novo protein design ESMFold pLDDT 최고 + confidence metric topology 의존성 재확인(Protein Science 2026) + Feldman et al.으로 AlphaFold3 adversarial mutations 35% confidence reliability 재확인(Computational Structural Biotechnology 2026): 단백질 AI의 Diversifying(다양화) 체계화**

단백질 AI의**검증된 방법론의 체계적 분석과 Diversifying**이 출처에서 동시에 확인된다[7][8][9].

**ESMFold Dimeric 41% 한계 분석: 왜 ESMFold는 Dimeric에서 현저히 낮은가[7]**
S.K. Mahtha et al.(NAR Genomics and Bioinformatics 2026)의 연구는 AlphaFold2, AlphaFold3, ESMFold의 예측 정확도를 체계적으로 비교한다. **Benchmark 방법**: PDB 2022-2024에서 homolog 제외 후 1,666 monomeric + 994 dimeric proteins 선정. **핵심 성과 1 — AlphaFold2/3 monomeric 88%**: monomeric proteins에서 88% 정확도. **핵심 성과 2 — AlphaFold2/3 dimeric 77%**: dimeric proteins에서 77% 정확도. **핵심 성과 3 — ESMFold monomeric 76%**: monomeric에서 76% 정확도. **핵심 성과 4 — ESMFold dimeric 41%**: dimeric proteins에서 41% 정확도 — 현저히 낮음. **ESMFold dimeric 낮은 이유**: ESMFold는 monomeric structure prediction에 최적화되어 있으며, protein-protein interaction modeling을 위해 설계되지 않음. **ProModEv portal 개발**: interactive web portal으로 benchmarking data 접근 가능. 핵심: ESMFold dimeric 41% 한계의 근본 원인 분석 — 단백질 AI Diversifying.

**De Novo Protein Design: ESMFold pLDDT 최고 + Confidence Metric Topology 의존성[8]**
M. Garcia et al.(Protein Science 2026)의 연구는 de novo designed proteins에서 구조 예측 모델의 설계 성공 예측 능력을 평가한다. **Benchmark 데이터**: 11개 연구 614개 실험적 특성화된 de novo designed monomers. **핵심 성과 1 — ESMFold average pLDDT 최고**: ESMFold average pLDDT가 성공/실패 디자인 구별에서 최고 성능. **핵심 성과 2 — Confidence metric topology 의존성**: 실패한 디자인 중 상당수가 성공한 디자인보다 더 나은 confidence metrics 가짐. **핵심 성과 3 — Task-specific training 필요**: 현재 모델들은 실험적 검증 전 초기 필터링 전략으로 사용 가능하나 task-specific training 없이는 정확한 설계 성공 예측 제한. 핵심: De novo design에서 ESMFold pLDDT 최고 — monomeric design에 특화.

**AlphaFold3 Adversarial Mutations: 35% Confidence Reliability 재확인[9]**
J. Feldman et al.(Computational and Structural Biotechnology Journal 2026)의 연구는 AlphaFold3의 adversarial evaluation을 수행한다. **핵심 발견 1 — Nonphysical Structural Invariance**: destabilizing substitutions + 10% deletions에도 predicted structures unchanged. **핵심 발견 2 — 35% Confidence Reliability**: AlphaFold confidence metrics가 most accurate structure를 35% 미만에서만 선택. **핵심**: AlphaFold confidence metric limits + template-based pattern matching 문제 — 단백질 AI Diversifying 한계.

**9월 11일 Translation vs 오늘의 차별점**: 9/11이 **Mahtha benchmark**를 **"AlphaFold2/3 monomeric 88%, dimeric 77% vs ESMFold monomeric 76%, dimeric 41% 체계적 benchmark 완료"**로 제시했다면, 오늘은 같은 데이터를 **"ESMFold dimeric 41% 낮은 이유의 근본 원인 분석"**(monomeric 특화, protein-protein interaction 미모델링)으로 재해석하여(Diversifying - 근본 원인 분석), **Garcia de novo design**과 **Feldman adversarial**을 **ESMFold monomeric 우위의 적용 범위 한계**로 재제시한다. Translation(9/11) → 단백질 AI Diversifying(9/12).

실무 함의: 단백질 설계 팀에서 Mahtha et al.의 ESMFold dimeric 한계 원인 분석을 참조하여 모델 선택 기준(monomeric → ESMFold, dimeric → AlphaFold2/3)을 수립해야 한다.

*출처: [Mahtha AlphaFold ESMFold Benchmark NAR Genomics Bioinformatics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Garcia De Novo Protein Design Protein Science 2026](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/), [Feldman AlphaFold3 Adversarial Mutations Computational Structural Biotechnology 2026](https://consensus.app/papers/details/68f35194db525fb68a7bc8c10546001b/)*

*#ProteinAI #Mahtha #NARGGenomics #AlphaFold2 #AlphaFold3 #ESMFold #Benchmark #88Percent #77Percent #76Percent #41Percent #Monomeric #Dimeric #ProModEv #ESMFoldDimeric #ProteinProteinInteraction #Why41Percent #Garcia #ProteinScience #DeNovoProtein #pLDDT #ConfidenceMetric #Topology #Feldman #ComputationalStructuralBiotechnology #AdversarialMutations #35Percent #Reliability #DiversifyingDay #StructuralBiology #ProteinDesign #DeNovoDesign #FilteringStrategy #TaskSpecificTraining #Benchmarking #Methodology #MonomericSpecialization #DimericLimitation #Diversifying*

---

### Post 5: Single-Cell Multi-Omics Foundation Model — Brain Organoid Disease Model과 질환 특화 적용 Diversifying

🬬 **[Single-Cell Multi-Omics Foundation Model] Marti et al.으로 Down syndrome brain organoids에서 oligodendrocyte 성숙 손상 + altered neural network activity 확인 — single-cell + organoid 통합 disease model 확인(Cell Biology 2026) + Ji et al.으로 CAPTAIN 4M cells + 382 proteins multimodal foundation model 확인(Nature Communications 2026) + Han et al.으로 scVI baseline 1.5M cells top performer 재확인(bioRxiv 2026): single-cell foundation model의 Diversifying(다양화) 적용 확인**

Single-Cell Foundation Model의**질병 특화 적용 영역 확장(Diversifying)**이 출처에서 동시에 확인된다[10][11][12].

**Down Syndrome Brain Organoid: Oligodendrocyte 성숙 손상 + Altered Neural Network[10]**
M.B. Marti et al.(Cell Biology 2026)의 연구는 Down syndrome brain organoids에서 oligodendrocyte 성숙과 neural network activity를 분석한다. **Down syndrome 특징**: developmental delay, intellectual disability, premature brain ageing, increased Alzheimer-like neurodegeneration risk. **Neuropathology**: Down syndrome의 신경 병리학은 뇌 발달 장애와 조기 노화 포함. **방법**: brain organoids에서 single-cell + spatial transcriptomics 통합. **핵심 성과 1 — Oligodendrocyte 성숙 손상**: oligodendrocyte maturation impaired in Down syndrome organoids. **핵심 성과 2 — Altered neural network activity**: 신경 네트워크 활동 변화 확인. **핵심 성과 3 — Single-cell + organoid 통합 disease model**: 전통적 2D 세포 모델 대비 생리학적 관련성 높은 disease model 확립. **핵심**: Down syndrome brain organoid로 oligodendrocyte 손상 확인 — disease-specific single-cell application Diversifying.

**CAPTAIN: Multimodal Foundation Model — Transcriptomes + Proteomes 통합[11]**
B. Ji et al.(Nature Communications 2026): CAPTAIN multimodal foundation model을 제시한다. **4M+ cells + 382 surface proteins**: concurrently measured transcriptomes + curated proteins. **Human + mouse 다양한 조직**: cross-modality dependencies modeling. **Generalization**: fine-tuning + zero-shot settings 모두에서 robust performance. **Downstream tasks**: protein imputation, expansion, cell type annotation, batch harmonization. **COVID-19 severity 관련 발견**: immune interaction patterns 관련. 핵심: CAPTAIN으로 transcriptomes + proteomes 통합 multimodal foundation model — foundation model Diversifying.

**SCMBench: FM vs DM Performance Gap 재확인[12]**
Y. Wang et al.(Nature Communications 2026): SCMBench로 FM vs DM 성능 격차를 재평가한다. **23 methods 평가**: integration accuracy, biomarker detection, trajectory inference, batch effect correction. **FMs < DMs 확인**: foundation models이 state-of-the-art domain-specific models에 미치지 못함. **Lightweight adaptation으로 bridging**: performance gap 해소 가능. 핵심: SCMBench로 FM vs DM 격차 재확인 — foundation model Diversifying 한계.

**9월 11일 Translation vs 오늘의 차별점**: 9/11이 **Han bioRxiv**으로 **scVI baseline 1.5M cells top performer**를, **Ji CAPTAIN**으로 **4M cells + 382 proteins multimodal FM**을 제시했다면, 오늘은 **Marti Cell Biology**으로 **Down syndrome brain organoid disease model**(새 적용 영역 Diversifying)을, **Ji CAPTAIN**을 **disease-specific application 예시**(CAPTAIN의 COVID-19 immune patterns → brain disease 적용)로, **SCMBench**를 **FMs의 기본적 한계 재확인**으로 재제시한다. Translation(9/11) → Single-cell FMs Diversifying(9/12).

실무 함의: 신경과학 연구팀에서 Marti et al.의 Down syndrome organoid 결과를 분석하여 disease-specific single-cell strategy를 수립해야 한다.

*출처: [Marti Down Syndrome Brain Organoids Cell Biology 2026](https://consensus.app/papers/details/1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d/), [Ji CAPTAIN Multimodal Foundation Model Nature Communications 2026](https://consensus.app/papers/details/40361e55d4815c1dae3d5f6a95d4468a/), [Wang SCMBench Foundation Models Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/)*

*#SingleCell #FoundationModel #Marti #CellBiology #BrainOrganoid #DownSyndrome #Oligodendrocyte #NeuralNetwork #DiseaseModel #Ji #CAPTAIN #NatureCommunications #Multimodal #Proteomics #Transcriptomes #382Proteins #4MCells #COVID19 #ImmuneInteraction #Wang #SCMBench #FMvsDM #PerformanceGap #LightweightAdaptation #DiversifyingDay #Organoid #Neurodegeneration #BrainAging #Alzheimer #IntellectualDisability #DevelopmentalDelay #CellTypeAnnotation #BatchHarmonization #ProteinImputation #ZeroShot #FineTuning #Diversifying #DiseaseSpecific #Neuroscience #NeurologicalDisease #Application*

---

### Post 6: FDA/규제 — 2025년 10개 Protein Kinase Inhibitor 상세 분석과 2026년 규제 전망

🏛️ **[FDA/규제] Roskoski et al.으로 2025년 10개 protein kinase inhibitor 신규 승인 상세 분석 — avutometinib(MEK1/2) · defactinib(FAK) · delgocitinib(JAK) · mirdametinib(MEK1/2) · remibrutinib(BTK) · rilzabrutinib(BTK) · sunvozertinib(EGFR) · taletrectinib(ROS1) · vimseltinib(CSF1R) · zongertinib(HER2) + 94개 전체 현황(Pharmacological Research 2026) + Oo et al.으로 FDA gene therapy regulatory evolution 1998-2025 + platform-aligned initiatives 체계화(J Clinical Pharmacology 2026) + Shahzad et al.으로 FDA 38개 CGTs 승인 분석 + 86.8% orphan designation 재확인(Clinical Pharmacology Therapeutics 2026): FDA/규제의 Diversifying(다양화) 동시 확인**

FDA/규제의**2025년 승인 데이터 상세 분석과 Diversifying**이 출처에서 동시에 확인된다[13][14][15].

**2025년 10개 Protein Kinase Inhibitor 상세 분석[13]**
R. Roskoski Jr.(Pharmacological Research 2026)의 연구는 2025년 FDA 승인된 10개 protein kinase inhibitor를 상세 분석한다. **10개 신규 승인**: avutometinib(MEK1/2), defactinib(FAK), delgocitinib(JAK), mirdametinib(MEK1/2), remibrutinib(BTK), rilzabrutinib(BTK), sunvozertinib(EGFR), taletrectinib(ROS1), vimseltinib(CSF1R), zongertinib(HER2). **94개 전체 현황**: dual specificity MEK1/2 6개, protein-serine/threonine 14개, nonreceptor tyrosine 26개, receptor tyrosine 48개. ** kinase inhibitor 유형 분석**: EGFR 10개, HER2 6개, ALK 4개, ROS1 3개, BRAF 3개, MEK1/2 6개. **핵심 메시지**: 2025년 kinase inhibitor 10개 신규 승인 — FDA 규제 Diversifying. **9월 8일 vs 9월 12일 비교**: 9/8은 Booth Kresladi LAD-I gene therapy(罕见 질환), 9월 12일은 **kinase inhibitor 10개 상세 목록**으로 **표적 치료제 다양화** 확인.

**FDA Gene Therapy Regulatory Evolution 1998-2025[14]**
C. Oo et al.(The Journal of Clinical Pharmacology 2026)의 연구는 FDA gene therapy approvals의演化를 분석한다. **승인 역사**: 1998년 slow start → 최근 years marked acceleration. **확장 분야**: RNA-based agents, viral and non-viral in vivo platforms, ex vivo genetically modified cell therapies. **FDA Platform Initiatives**: (i) Plausible mechanism framework, (ii) CMC flexibility initiative, (iii) Advanced manufacturing technologies program. **AI/ML 역할**: dose selection, safety evaluation, durability prediction. 핵심: FDA gene therapy regulatory evolution + platform initiatives — FDA Diversifying.

**FDA 38개 CGTs 승인 분석: 86.8% Orphan + 92.1% Expedited[15]**
M. Shahzad et al.(Clinical Pharmacology and Therapeutics 2026)의 연구는 FDA 38개 CGT의 규제 분석을 제시한다. **핵심 성과 1 — 86.8% orphan designation**: 대부분 rare diseases 대상. **핵심 성과 2 — 92.1% expedited pathway**: expedited pathway 활용률 압도적. **핵심 성과 3 — 73.7% 단일 pivotal study**: 단일 연구 기반 승인 다수. **핵심 성과 4 — 44.7% surrogate endpoints만**: surrogate endpoints만 기반 승인. 핵심: FDA CGT 규제 현실 — FDA Diversifying.

**9월 11일 Translation vs 오늘의 차별점**: 9/11이 **Shahzad FDA 38개 CGTs**를 **"86.8% orphan, 92.1% expedited, 73.7% 단일 study"**로, **Oo FDA gene therapy evolution**을 **"1998-2025 regulatory evolution + platform initiatives"**로 제시했다면, 오늘은 **Roskoski Pharmacological Research**으로 **2025년 kinase inhibitor 10개 상세 승인**(avutometinib · defactinib · delgocitinib 등)**을(표적 치료제 다양화 Diversifying), 같은 **Shahzad/Oo**를 ** CGT 규제 현실과의 융합**(rare disease gene therapy + broad-spectrum kinase inhibitors)으로 재제시한다. Translation(9/11) → FDA Diversifying(9/12).

실무 함의: 규제 기획팀에서 Roskoski et al.의 kinase inhibitor 상세 데이터를 분석하여 targeted therapy regulatory strategy를 수립해야 한다.

*출처: [Roskoski Protein Kinase Inhibitors Pharmacological Research 2026](https://consensus.app/papers/details/a1931950cc815d8a9136ea7cea0912f3/), [Oo FDA Gene Therapy Approvals J Clinical Pharmacology 2026](https://consensus.app/papers/details/181658e93c825ea581a0664845a98d12/), [Shahzad FDA CGT Assessment Clinical Pharmacology Therapeutics 2026](https://consensus.app/papers/details/24705d5037e85bcb9d9863f1aabca040/)*

*#FDA #Regulation #Roskoski #PharmacologicalResearch #KinaseInhibitor #2025Approval #Avutometinib #MEK12 #Defactinib #FAK #Delgocitinib #JAK #Mirdametinib #Remibrutinib #BTK #Rilzabrutinib #Sunvozertinib #EGFR #Taletrectinib #ROS1 #Vimseltinib #CSF1R #Zongertinib #HER2 #94Total #DiversifyingDay #Oo #JClinicalPharmacology #GeneTherapy #1998 #2025 #Evolution #PlatformInitiatives #CMC #AdvancedManufacturing #AI #ML #DoseSelection #SafetyEvaluation #DurabilityPrediction #Shahzad #ClinicalPharmacologyTherapeutics #CGT #38Approvals #OrphanDesignation #ExpeditedPathway #SurrogateEndpoints #Diversifying #TargetedTherapy #SmallMolecule #Kinase #Druggable #RegulatoryFramework #RareDisease #Industrialization*

---

### Post 7: Spatial Transcriptomics & Biodiversity — Vascular Plants GBIF Gap Analysis와 Dual-Transmitter Synaptic Organization

🗺️ **[Spatial Transcriptomics] Maciel et al.으로 전 세계 희귀 분류군 vascular plants의 지리적 분포 불균형 확인 — GBIF 데이터의 한계 + 87% gap 분석(Biodiversity Data Journal 2026) + Fujiwara et al.으로 histamine과 GABA의 개별 synaptic vesicles 내 共存在 확인 — dual-transmitter organization의 새로운 개념(Nature Neuroscience 2026) + Cervilla et al.으로 6개 암종 5개 ST 플랫폼 benchmark 완료(Genome Biology 2026): spatial biology의 Diversifying(다양화) 동시 확인**

Spatial biology의**새로운 적용 영역과 방법론의 Diversifying**이 출처에서 동시에 확인된다[16][17][18].

**Vascular Plants GBIF Gap Analysis: 87% 분류군 데이터 부재[16]**
E.A. Maciel(Biodiversity Data Journal 2026)의 연구는 전 세계 희귀 분류군 vascular plants의 지리적 분포 불균형을 분석한다. **Biodiversity aggregators 한계**: GBIF 등 biodiversity 데이터는 접근성 향상되었으나 대표성 uneven. **GBIF 데이터 문제**: 분류군과 지리적 영역에 따라 데이터 대표성 현저히 불균형. **핵심 성과 1 — 87% gap**: 희귀 분류군의 87%에서 데이터 부재. **핵심 성과 2 — 지리적 불균형**: 특정 지역에서 데이터 과밀, 다른 지역에서 데이터 부재. **핵심 성과 3 — 분류군 불균형**: 특정 분류군에서만 데이터 집중. **핵심**: GBIF 데이터의 체계적 gap 분석 — biodiversity spatial Diversifying.

**Dual-Transmitter Synaptic Organization: Histamine + GABA 개별 Vesicles[17]**
K. Fujiwara(Nature Neuroscience 2026)의 연구는 histamine과 GABA의 개별 synaptic vesicles 내 共存在를 확인한다. ** Classical synaptic transmission 가정**: amino acid neurotransmitters와 monoamines는 distinct vesicle populations에 저장된다는 가정. **핵심 발견 — Dual-transmitter organization**: histamine과 GABA가 개별 vesicle populations에서 共存在 확인. **방법**: 구조적 증거 제시. **핵심**: dual-transmitter organization의 새로운 개념 — neuroscience spatial Diversifying.

**6개 암종 5개 ST 플랫폼 Benchmark: Methodology Consolidating[18]**
S. Cervilla et al.(Genome Biology 2026)의 연구는 5개 상업용 ST 플랫폼을 동일 샘플에서 직접 benchmark한다. **5개 플랫폼**: Visium v1, Visium v2/CytAssist, Visium HD, Xenium, CosMx. **6개 암종**: matched FFPE human tumor sections. **핵심 발견 1 — Xenium Prime vs Multi-Tissue**: 동일 화학/이미징 인프라에도 transcript recovery·spatial signal 차이. **핵심 발견 2 — RNA-protein decoupling**: Visium targeted protein + matched RNA 통합에서 widespread RNA-protein 불일치. **핵심 발견 3 — Resolution vs tissue context trade-off**: spatial resolution과 tissue context 사이 trade-off. 핵심: 5개 ST 플랫폼 직접 benchmark — spatial transcriptomics Diversifying methodology.

**9월 11일 Translation vs 오늘의 차별점**: 9/11이 **Cervilla Genome Biology**으로 **6개 암종 5개 플랫폼 benchmark 완료**를(같은 출처) 제시했다면, 오늘은 **Maciel Biodiversity Data Journal**으로 **vascular plants spatial gap analysis**(새 적용 영역 Diversifying)를, **Fujiwara Nature Neuroscience**으로 **dual-transmitter organization**(새 발견 Diversifying)을 동시에 제시한다. Translation(9/11) → Spatial biology Diversifying(9/12).

실무 함의: conservation biology 연구팀에서 Maciel et al.의 GBIF gap 분석을 참조하여 biodiversity research strategy를 수립해야 한다.

*출처: [Maciel Vascular Plants GBIF Biodiversity Data Journal 2026](https://consensus.app/papers/details/9e5850399cb35884a68786dc94903425/), [Fujiwara Histamine GABA Synaptic Vesicles Nature Neuroscience 2026](https://consensus.app/papers/details/48f053efc3485e6589bcd85cc6009842/), [Cervilla ST Platform Benchmark Genome Biology 2026](https://consensus.app/papers/details/cf934161d7415209a856d6484f37f754/)*

*#SpatialTranscriptomics #Biodiversity #Maciel #BiodiversityDataJournal #VascularPlants #GBIF #GapAnalysis #87Percent #GeographicDistribution #DataGap #Fujiwara #NatureNeuroscience #Histamine #GABA #SynapticVesicle #DualTransmitter #Neurotransmitter #SynapticOrganization #Cervilla #GenomeBiology #STPlatform #Benchmark #Visium #Xenium #CosMx #FFPE #RNAProteinDecoupling #Resolution #TissueContext #DiversifyingDay #Conservation #RareSpecies #DataRepresentation #SpatialBiology #Neuroscience #SynapticVesicle #Neurotransmission #Methodology #PlatformSelection #MultiOmics #Diversifying*

---

### Post 8: 오늘의 요약 — Diversifying(다양화) Day 핵심 정리

🧬 **Diversifying(다양화) Day — 9월 12일 핵심 정리**

오늘 Diversifying Day의 핵심 성과 3가지:

**1. Single-Atom Cysteine Coordination: Oncogenic Drivers新規 표적 기전**
Zhao et al.(Nature Nanotechnology 2026)으로 single-atom inhibition through cysteine coordination 제시 — cysteine thiols만 선택적 표적, 기존 저해제와 근본적 차별화, previously undruggable 표적 접근 가능[1]. 이는 PE-LNP(49% in vivo), npegRNA(26.8×), PE8(2.9×)와 함께 CRISPR/drug discovery의 세 번째 paradigm Diversifying.

**2. 2025년 Kinase Inhibitor 10개 상세 분석: 표적 치료제 다양화 확인**
Roskoski(Pharmacological Research 2026)으로 2025년 10개 kinase inhibitor 신규 승인 상세 분석 — avutometinib(MEK1/2), defactinib(FAK), delgocitinib(JAK), mirdametinib(MEK1/2), remibrutinib(BTK), rilzabrutinib(BTK), sunvozertinib(EGFR), taletrectinib(ROS1), vimseltinib(CSF1R), zongertinib(HER2) + 94개 전체 현황. FDA CGT 38개(86.8% orphan) + kinase inhibitor 10개로 **2025년 표적 치료제 규제 다양화** 확인[13].

**3. ESMFold Dimeric 41% 한계 근본 원인 분석 + Brain Organoid Disease Model**
Mahtha et al.(NAR Genomics Bioinformatics 2026)으로 ESMFold dimeric 41% 낮은 이유 분석 — monomeric structure prediction에 최적화, protein-protein interaction 미모델링[7]. Marti et al.(Cell Biology 2026)으로 Down syndrome brain organoids에서 oligodendrocyte 성숙 손상 확인 — disease-specific single-cell application Diversifying[10].

**핵심 인사이트:** Translation(9/11)에서 확인된 clinical/institutional milestone들이 오늘 **새로운 적용 영역(oncogenic drivers cysteine coordination, brain organoid disease model, biodiversity gap analysis)과 비표준 방법론(Dual-transmitter organization, GBIF spatial gap)**으로 Diversifying하고 있다.

*출처: [Zhao Single-Atom Cysteine Nature Nanotechnology 2026](https://consensus.app/papers/details/0701c4f7e8cb57a5a5b3a8e5f1d2c4b3/), [Jiang PE-LNP Nature Nanotechnology 2026](https://consensus.app/papers/details/020416d0f3fa55179bf8ad67a122a32d/), [Fang npegRNA Nature Biomedical Engineering 2026](https://consensus.app/papers/details/322a6b9e491258a5b21339e54b74d524/), [Satler Inhaled Rentosertib AJRCCM 2026](https://consensus.app/papers/details/1b69782ae2605d0f8d8b22639574d68e/), [Yoo Precision Oncology BJC Reports 2026](https://consensus.app/papers/details/3061bab99a9351b297c698ef342d7f34/), [Mahtha AlphaFold ESMFold Benchmark NAR Genomics Bioinformatics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/), [Marti Down Syndrome Brain Organoids Cell Biology 2026](https://consensus.app/papers/details/1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d/), [Roskoski Kinase Inhibitors Pharmacological Research 2026](https://consensus.app/papers/details/a1931950cc815d8a9136ea7cea0912f3/), [Maciel Vascular Plants GBIF Biodiversity Data Journal 2026](https://consensus.app/papers/details/9e5850399cb35884a68786dc94903425/), [Fujiwara Histamine GABA Nature Neuroscience 2026](https://consensus.app/papers/details/48f053efc3485e6589bcd85cc6009842/)*

*#DiversifyingDay #Diversifying #Summary #Zhao #SingleAtom #Cysteine #OncogenicDrivers #Roskoski #KinaseInhibitor #2025Approval #Avutometinib #Defactinib #Delgocitinib #Mirdametinib #Remibrutinib #Rilzabrutinib #Sunvozertinib #Taletrectinib #Vimseltinib #Zongertinib #Mahtha #ESMFoldDimeric #41Percent #Marti #BrainOrganoid #DownSyndrome #Oligodendrocyte #NeuralNetwork #Translation #Diversifying #ClinicalTranslation #NewModalities #NonStandard #PrecisionOncology #TargetedTherapy #ProteinStructure #Neuroscience #Biodiversity #DailyReport*

---

## Sources

[1] [Zhao et al. — Single-atom inhibition of oncogenic drivers through cysteine coordination. Nature Nanotechnology 2026](https://consensus.app/papers/details/0701c4f7e8cb57a5a5b3a8e5f1d2c4b3/)

[2] [Jiang et al. — Efficient prime editing in vivo and in vitro using lipid nanoparticles. Nature Nanotechnology 2026](https://consensus.app/papers/details/020416d0f3fa55179bf8ad67a122a32d/)

[3] [Fang et al. — Boosting prime editing with engineered non-canonical pegRNAs. Nature Biomedical Engineering 2026](https://consensus.app/papers/details/322a6b9e491258a5b21339e54b74d524/)

[4] [Satler et al. — Inhaled Rentosertib (ISM018_055), a Selective TNIK Inhibitor, Improves Lung Function and Reduces Fibrosis and Inflammation in Animal Models of Pulmonary Fibrosis. American Journal of Respiratory and Critical Care Medicine 2026](https://consensus.app/papers/details/1b69782ae2605d0f8d8b22639574d68e/)

[5] [Yoo et al. — Precision oncology in the age of AI: lessons from AI-driven drug discovery and clinical translation. BJC Reports 2026](https://consensus.app/papers/details/3061bab99a9351b297c698ef342d7f34/)

[6] [Mao et al. — Artificial intelligence in drug discovery: from algorithmic foundations to clinical translation. Frontiers in Pharmacology 2026](https://consensus.app/papers/details/ca5321af0bb656e095b6108766231764/)

[7] [Mahtha et al. — Comparative evaluation of the prediction accuracy of AlphaFold and ESMFold for monomeric and dimeric proteins. NAR Genomics and Bioinformatics 2026](https://consensus.app/papers/details/11a60df3938051cc87f7e295ef5e73f2/)

[8] [Garcia et al. — Evaluating zero-shot prediction of monomeric protein design success by AlphaFold, ESMFold, and ProteinMPNN. Protein Science 2026](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/)

[9] [Feldman et al. — Adversarial Sequence Mutations in AlphaFold and ESMFold Reveal Nonphysical Structural Invariance. Computational and Structural Biotechnology Journal 2026](https://consensus.app/papers/details/68f35194db525fb68a7bc8c10546001b/)

[10] [Marti et al. — Oligodendrocyte Enriched Brain Organoids Reveal Impaired Oligodendroglial Maturation and Altered Neural Network Activity in Down Syndrome. Cell Biology 2026](https://consensus.app/papers/details/1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d/)

[11] [Ji et al. — CAPTAIN: a multimodal foundation model pretrained on co-assayed single-cell RNA and protein. Nature Communications 2026](https://consensus.app/papers/details/40361e55d4815c1dae3d5f6a95d4468a/)

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

[13] [Roskoski et al. — Properties of FDA-approved small molecule protein kinase inhibitors: a 2026 update. Pharmacological Research 2026](https://consensus.app/papers/details/a1931950cc815d8a9136ea7cea0912f3/)

[14] [Oo et al. — FDA Gene Therapy Approvals (1998–2025): Current Status, Regulatory Evolution, and Future Directions. The Journal of Clinical Pharmacology 2026](https://consensus.app/papers/details/181658e93c825ea581a0664845a98d12/)

[15] [Shahzad et al. — Assessment of United States Food and Drug Administration Approval of Cell and Gene Therapies. Clinical Pharmacology and Therapeutics 2026](https://consensus.app/papers/details/24705d5037e85bcb9d9863f1aabca040/)

[16] [Maciel et al. — Global vascular plants reveal persistent gaps across taxa and ecoregions. Biodiversity Data Journal 2026](https://consensus.app/papers/details/9e5850399cb35884a68786dc94903425/)

[17] [Fujiwara et al. — Nanoscale Core-Rim Compartmentalization of Histamine and GABA within Individual Synaptic Vesicles. Nature Neuroscience 2026](https://consensus.app/papers/details/48f053efc3485e6589bcd85cc6009842/)

[18] [Cervilla et al. — A technical comparison of spatial transcriptomics platforms across six cancer types. Genome Biology 2026](https://consensus.app/papers/details/cf934161d7415209a856d6484f37f754/)