Research Pulse — 2026-09-15 | Brown Biotech

# Research Pulse — 2026-09-15
_Generated 2026-09-15 07:34 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 15일 (화요일) · Validating(검증 Day)**

9/15(검증) → 9/14(정밀화) → 9/13(가동화) → 9/12(다양화) → 9/11(전이) → 9/10(재보정) → 9/9(집약) → 9/8(가동화). Precision(9/14)된 도구들이 **실제 임상 데이터에서 효과를 재확인하고 산업 적용 가능성을 검증(Validating)하는 단계로 이전하며 산업적 신뢰성 확보와 규제 인정의里程碑을 동시에 확인하는 날** — Sheikh et al.으로 FDA Kresladi(marnetegra-gene autotemcel) 승인 확인 — LAD-I 최초 gene therapy, 2026-03-26 승인, pediatric patients 대상(Annals Medicine Surgery 2026), Khairil et al.으로 AI drug discovery Phase II ~40% ≈ conventional ~37% + 90% 임상 실패율 + reproducibility crisis 재확인(Pharmaceuticals 2026), DenAdel et al.으로 scFM 22.2M cells × 400 models × 6,400 experiments — dataset scaling plateau 확인, data scaling laws 없음(Nature Methods 2026), Wang et al.으로 SCMBench 23 methods 평가 — FMs이 DMs에 미달, lightweight adaptation strategy 제안(Nature Communications 2026), Garcia et al.으로 de novo design ESMFold pLDDT 76% monomeric accuracy에도 confidence metric topology 의존성 재확인 — 실패한 디자인이 더 나은 confidence 가짐(Protein Science 2026), Oo et al.으로 FDA 38개 CGTs + 86.8% orphan + 92.1% expedited + 73.7% 단일 pivotal study + postmarketing efficacy study 17.9% 재확인(J Clinical Pharmacology 2026)이 동시에 진행된다.

Validating은 Precision의 검증 단계다. 오늘 6개 전선은 검증된 도구들이 **실제 FDA 승인·임상 데이터·체계적 실험에서 효과를 재확인하며 산업적 신뢰성 확보와 규제 인정의里程碑을 동시에 확인하는 날**이다.

*출처: [Sheikh Kresladi LAD-I FDA Approval Annals Medicine Surgery 2026](https://consensus.app/papers/details/f2f27f7392e05d9693a11da0cb87b29d/), [Khairil AI Validation Crisis Pharmaceuticals 2026](https://consensus.app/papers/details/9c8119317b2851c4a481cb52c0ad8a69/), [DenAdel scFM Dataset Scaling Nature Methods 2026](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/), [Wang SCMBench Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [Garcia De Novo Protein Design Protein Science 2026](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/), [Oo FDA Gene Therapy Approvals J Clinical Pharmacology 2026](https://consensus.app/papers/details/181658e93c825ea581a0664845a98d12/)*

*#ValidatingDay #Sheikh #AnnalsMedicineSurgery #Kresladi #LAD-I #FDAApproval #GeneTherapy #Pediatric #Khairil #Pharmaceuticals #PhaseII #90Percent #ValidationCrisis #Reproducibility #AI #DrugDiscovery #DenAdel #NatureMethods #scFM #DatasetScaling #Plateau #NoScalingLaws #Wang #NatureCommunications #SCMBench #FoundationModels #DomainSpecific #DMs #Garcia #ProteinScience #ESMFold #pLDDT #Confidence #Topology #Oo #FDA #CGTs #OrphanDesignation #ExpeditedPathway #SingleStudy #Postmarketing #Precision #Validating #ClinicalTranslation #BiomedicalAI #DailyReport*

---

### Post 2: CRISPR & Gene Editing — FDA Kresladi 승인과 LAD-I 최초 Gene Therapy 산업적 신뢰성 Validation

🪄 **[CRISPR/Gene Editing] Sheikh et al.으로 FDA Kresladi(marnetegra-gene autotemcel) 승인 확인 — LAD-I 최초 gene therapy, 2026-03-26 승인, pediatric patients 대상, ITGB2 biallelic variants 치료(Annals Medicine Surgery 2026) + Oo et al.으로 FDA 38개 CGTs 86.8% orphan + 92.1% expedited + 73.7% 단일 pivotal study 재확인(J Clinical Pharmacology 2026) + Jong et al.으로 PE1→PE7 evolution 종합(BMB Reports 2026) + Lushington et al.으로 PE first-in-human functional restoration(Molecular Therapy 2026): CRISPR의 Validating(검증) 동시 확인**

CRISPR 유전자 편집 기술의**FDA 승인里程碑과 산업적 신뢰성 검증(Validating)**이 출처에서 동시에 확인된다[1][2][3][4].

**FDA Kresladi 승인: LAD-I 최초 Gene Therapy[1]**
M. Sheikh et al.(Annals of Medicine and Surgery 2026)의 연구는 FDA Kresladi(marnetogra gene autotemcel) gene therapy 승인을 분석한다. **LAD-I 개요**: Leukocyte adhesion deficiency type I — 희귀 상염색체 열성 면역결핍, ITGB2 유전자 돌연변이로 백혈구가 감염과 싸우지 못함. **既往 예후**: 2세 이내 75% 사망률, 중등도 환자의 경우 40세 이내 50% 사망률. **기존 치료 한계**: 항생제, 호중구 수혈, 조혈모세포 이식(graft-versus-host disease 위험 + 적기 공여 Donor 부족). **Kresladi 승인**: 2026-03-26 FDA 승인 — 첫 LAD-I gene therapy. **적용 대상**: 적기 matched sibling donor가 없는 pediatric LAD-I 환자. **작용 기전**: Biallelic ITGB2 variants 치료. **핵심 메시지**: FDA Kresladi 승인 — CRISPR gene therapy 산업적 신뢰성 Validating Consolidating.

**FDA CGTs 규제 현황: 38개 승인 86.8% Orphan + 92.1% Expedited[2]**
C. Oo et al.(The Journal of Clinical Pharmacology 2026)의 연구는 FDA gene therapy approvals의 현황과演化를 분석한다. **총 38개 CGTs 승인**(2025-12-31 기준). **Orphan designation**: 86.8% (33개). **Expedited pathway**: 92.1% (35개). **단일 pivotal study**: 73.7% (28개). **Surrogate endpoints solely**: 44.7% (17개). **Postmarketing requirements/commitments**: 73.4% (28개), 총 52개 후속 연구. **Postmarketing primary efficacy endpoint**: 17.9%만 포함. **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 CGTs 규제 체계 + postmarketing efficacy study 17.9%만 — gene therapy Validating regulatory framework.

**PE 기술 진화 종합: PE1→PE7 + First-in-Human Trial[3][4]**
U. Jong et al.(BMB Reports 2026)의 review는 PE의 기술 진화와 이행 전략을 종합한다[3]. **PE1→PE7 진화**: editing efficiency 향상, editable target range 확대, large genomic region correction 가능. **In vivo delivery**: nanoparticles, split viral systems. Caleb Lushington et al.(Molecular Therapy 2026)의 review는 PE first-in-human study 결과를 분석한다[4]. **Functional restoration 확인 + promising safety profile**. **핵심**: PE1→PE7 + first-in-human functional restoration — CRISPR Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 **Boutin Nature Communications**으로 **scSNP-DNA-seq 단일세포 해상도 모니터링**을(Precision), **Naoe Molecular Therapy**으로 **LNP-Cas9 off-target framework**를(Precision evaluation) 제시했다면, 오늘은 **Sheikh Annals Medicine Surgery**으로 **FDA Kresladi 승인**(Validating — 규제 인정里程碑)을(new angle), **Oo FDA 38 CGTs 재확인**으로 **postmarketing efficacy study 17.9% 한계**(Validating — 규제 체계 검증)를(new angle), **Jong/Lushington PE**을 **Validating 이전 임상 이행 확인**으로 재제시한다. Precision(9/14) → CRISPR Validating(9/15).

실무 함의: 유전자 치료 전략팀에서 Sheikh et al.의 Kresladi 승인을 참조하여 pediatric rare disease gene therapy regulatory strategy를 수립해야 한다.

*출처: [Sheikh Kresladi LAD-I FDA Approval Annals Medicine Surgery 2026](https://consensus.app/papers/details/f2f27f7392e05d9693a11da0cb87b29d/), [Oo FDA Gene Therapy Approvals J Clinical Pharmacology 2026](https://consensus.app/papers/details/181658e93c825ea581a0664845a98d12/), [Jong Prime Editing Updates BMB Reports 2026](https://consensus.app/papers/details/11216802c06153dca45549e3d4ff98f5/), [Lushington PE First-in-Human Molecular Therapy 2026](https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/)*

*#CRISPR #GeneEditing #Sheikh #Kresladi #LAD-I #FDAApproval #GeneTherapy #Pediatric #ITGB2 #AnnalsMedicineSurgery #Oo #JClinicalPharmacology #FDA #CGTs #38Approvals #OrphanDesignation #ExpeditedPathway #SingleStudy #Postmarketing #CMC #PlatformTechnology #Jong #BMBReports #PrimeEditing #PE1 #PE7 #Lushington #MolecularTherapy #FirstInHuman #FunctionalRestoration #ValidatingDay #ClinicalTranslation #RegulatoryApproval #里程碑 #RareDisease #Pediatric #IndustrialValidation #BiomedicalAI #DailyReport*

---

### Post 3: AI 신약 — AI Validation Crisis 90% 임상 실패율 재확인과 Reproducibility 한계 Validation

💊 **[AI 신약] Khairil et al.으로 AI drug discovery 2022-2026 투자 USD 100B+ Over却说 임상 성과 불확실 + Phase II ~40% ≈ conventional ~37% + 90% 임상 실패율 + reproducibility challenge + regulatory gaps 재확인(Pharmaceuticals 2026) + Mao et al.으로 AI Phase I 80-90% 성공률(Hist. 52%) 확인 BUT Phase II ~40% 근본 원인 target hypothesis validity 미개선(Frontiers Pharmacology 2026) + Yoo et al.으로 AI-designed TNIK inhibitor Phase IIa efficacy · Phase I safety double-edged 재확인(BJC Reports 2026): AI drug discovery의 Validating(검증) 현실 재확인**

AI-Driven Drug Discovery의**임상 이행 한계와 Validation Crisis 재확인(Validating)**이 출처에서 동시에 확인된다[5][6][7].

**AI Drug Discovery Validation Crisis: 90% 임상 실패율 + Regulatory Gaps[5]**
L. Khairil et al.(Pharmaceuticals 2026)의 review는 AI drug discovery의 경제적·기술적·임상적·규제적 차원을 분석한다. **투자 규모**: 2022-2026년 USD 100B+ 투자. **성과 불확실**: 임상 성과 불확실 — Phase II ~40% ≈ conventional ~37%. **90% 임상 실패율**: 후보 물질의 약 90%가 규제 승인 달성 실패. **AlphaFold 성과**: pLDDT 90+ 정확도 + RMSD 실험적 방법 대비 유사. **남은 한계**: 단백질 dynamics, 번역 후 변형, 단백질-리간드 상호작용 모델링. **Reproducibility challenges**: 데이터 투명성 부족. **Regulatory gaps**: 규제 격차. **핵심 메시지**: AI drug discovery validation crisis 재확인 — Phase I 우위 있으나 Phase II/III 임상 성과 불확실 — AI drug discovery Validating Consolidating.

**AI Phase I 80-90% vs Phase II ~40%: Target Validity 미개선[6]**
Z. Mao et al.(Frontiers in Pharmacology 2026)의 review는 AI drug discovery의 algorithmic foundations에서 clinical translation까지 분석한다[6]. **Phase I 성공률 80-90%**: AI-native pipelines vs historical ~52% — molecular safety engineering과 ADMET prediction 진정한 우위. **Phase II 성공률 ~40%**: AI ≈ conventional ~37% — 통계적으로 유의미한 차이 없음. **근본 원인**: Target hypothesis validity — AI는 올바른 biological premise 선택 확률 미개선. **AI 추가 가치**: 단백질 구조 예측, lead 최적화, timeline 압축. **AI 미개선 영역**: 타겟 검증, 환자 계층화, 동물모델-인간 전환. 핵심: Phase I 우위 있으나 Phase II 차이 없음 — target validity 미개선 — AI drug discovery Validating Consolidating.

**AI-Designed TNIK Inhibitor Phase IIa/I Double-Edged 재확인[7]**
W. Yoo et al.(BJC Reports 2026)의 perspective는 AI-driven drug discovery의 임상 이행을 분석한다[7]. **Phase IIa 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 drug Phase IIa/I double-edged 재확인 — AI drug discovery Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 **He Nature Communications**으로 **AstraZeneca ChatInvent 실제生产적使用**(Precision deployment)를, **Dinh-Long Huynh Drug Discovery Today**으로 **AI agents 6대 기능 comprehensive review**(Precision applications)를 제시했다면, 오늘은 **Khairil Pharmaceuticals**으로 **validation crisis 재확인**(Validating — Phase I 우위 있으나 90% 임상 실패 지속)을(new angle), **Mao Phase I/II 분기**를 **target validity 미개선 재확인**(Validating)으로, **Yoo Phase IIa/I double-edged**를 **실제 임상 데이터에서 재확인**(Validating)으로 동시에 제시한다. Precision(9/14) → AI drug discovery Validating(9/15).

실무 함의: AI drug discovery 협업팀에서 Khairil et al.의 validation crisis 분석을 참조하여 Phase II 이후成功率改善 전략을 수립해야 한다.

*출처: [Khairil AI Validation Crisis Pharmaceuticals 2026](https://consensus.app/papers/details/9c8119317b2851c4a481cb52c0ad8a69/), [Mao AI Drug Discovery Frontiers Pharmacology 2026](https://consensus.app/papers/details/ca5321af0bb656e095b6108766231764/), [Yoo Precision Oncology AI Age BJC Reports 2026](https://consensus.app/papers/details/3061bab99a9351b297c698ef342d7f34/)*

*#AI #DrugDiscovery #Khairil #Pharmaceuticals #ValidationCrisis #90Percent #FailureRate #100Billion #Investment #PhaseII #PhaseI #TargetValidity #Mao #FrontiersPharmacology #8090Percent #40Percent #52Percent #Reproducibility #RegulatoryGaps #Yoo #BJCReports #TNIK #Inhibitor #Phase2a #DoubleEdged #PrecisionOncology #ValidatingDay #ClinicalTranslation #ADMET #Limitations #TargetValidation #Reproducibility #DataTransparency #BiomedicalAI #DailyReport*

---

### Post 4: 단백질 AI — scFM Dataset Scaling Plateau + Confidence Metric Topology 의존성 Validation

🔬 **[단백질 AI] DenAdel et al.으로 scFM 22.2M cells × 400 models × 6,400 experiments — dataset scaling plateau 확인, data scaling laws 없음(Nature Methods 2026) + Wang et al.으로 SCMBench 23 methods 평가 — FMs이 DMs에 미달, lightweight adaptation strategy 제안(Nature Communications 2026) + Garcia et al.으로 de novo design ESMFold average pLDDT 최고 + confidence metric topology 의존성 재확인 — 실패한 디자인이 더 나은 confidence 가짐(Protein Science 2026) + Feldman et al.으로 AlphaFold3 adversarial 35% confidence reliability 한계(Computational Structural Biotechnology 2026): 단백질 AI의 Validating(검증) 체계화**

단백질 AI의**데이터 스케일링 한계와 방법론 검증(Validating)**이 출처에서 동시에 확인된다[8][9][10][11].

**scFM Dataset Scaling Plateau: No Data Scaling Laws[8]**
A. DenAdel et al.(Nature Methods 2026)의 연구는 scFM의 pre-training dataset size와 diversity 효과를 체계적으로 분석한다. **실험 규모**: 22.2M cells corpus로 400개 모델 pre-training → 6,400개 실험 평가. **핵심 성과 1 — Scaling plateau 확인**: current methods가 현재 training corpus 크기의 일부만으로도 성능 plateau 도달. **핵심 성과 2 — No data scaling laws**: large language models과 달리 scFM은 명확한 data scaling laws 없음. **핵심 성과 3 — 균형 강조**: model capacity, dataset size, computational resources의 균형이 indiscriminate increase보다 중요. **핵심**: scFM dataset scaling plateau + no data scaling laws — 단백질 AI Validating methodology.

**SCMBench: Foundation Models이 Domain-Specific Models에 미달[9]**
Y. Wang et al.(Nature Communications 2026)의 연구는 single-cell multi-omics를 위한 DM과 FM을 체계적으로 benchmark한다. **평가 대상**: 23개 방법 (DMs + FMs). **핵심 성과 1 — FMs DMs에 미달**: integration accuracy, biomarker detection, trajectory inference, batch effect correction에서 FMs이 최첨단 DMs에 미달. **핵심 성과 2 — Lightweight adaptation strategy 제안**: lightweight adaptation으로 FMs 효과 향상 가능. **핵심 성과 3 — Domain-specific models 우위**: multi-omics integration에서 DMs 우위 확인. **핵심**: SCMBench에서 FMs < DMs + lightweight adaptation strategy 제안 — 단백질 AI Validating Consolidating.

**De Novo Protein Design: ESMFold pLDDT 최고 + Confidence Topology 의존성[10]**
M. Garcia et al.(Protein Science 2026)의 연구는 de novo designed proteins에서 구조 예측 모델의 설계 성공 예측 능력을 평가한다[10]. **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 — Logistic regression 미미한 개선**: 모든 confidence metrics 결합이 ESMFold pLDDT 단독 대비 미미한 개선만 제공. **핵심 성과 4 — Task-specific training 필요**: task-specific training 없이는 정확한 설계 성공 예측 제한. 핵심: De novo design ESMFold pLDDT 최고 + confidence metric topology 의존성 — 단백질 AI Validating methodology.

**AlphaFold3 Adversarial Mutations: 35% Confidence Reliability 한계[11]**
J. Feldman et al.(Computational and Structural Biotechnology Journal 2026)의 연구는 AlphaFold3의 adversarial evaluation을 수행한다[11]. **핵심 성과 1 — 40% residues invariance**: 점변이나 결실에도 구조가 불변. **핵심 성과 2 — 35% confidence reliability**: confidence metrics가 most accurate structure를 선택하는 비율. **핵심 성과 3 — ESMFold greater mutational sensitivity**: ESMFold가 더 큰突变민감도. **핵심**: AlphaFold3 adversarial 35% confidence reliability 한계 확인 — 단백질 AI Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 **Feldman**으로 **AlphaFold3 adversarial 35% 한계**를(Precision limitation identification), **Maddipatla Nature Biotechnology**으로 **experiment-guided AlphaFold3 refinement**(precision refinement)를 제시했다면, 오늘은 **DenAdel Nature Methods**으로 **scFM dataset scaling plateau + no data scaling laws**(Validating — 방법론 검증)를(new angle), **Wang Nature Communications**으로 **FMs < DMs + lightweight adaptation**(Validating — 방법론 검증)을(new angle), **Garcia Protein Science**으로 **ESMFold pLDDT topology 의존성 심화**(Validating — 방법론 검증)을(new angle) 동시에 제시한다. Precision(9/14) → 단백질 AI Validating(9/15).

실무 함의: 단백질 설계 연구팀에서 DenAdel et al.의 dataset scaling plateau 분석을 참조하여 scFM training strategy를 재검토해야 한다.

*출처: [DenAdel scFM Dataset Scaling Nature Methods 2026](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/), [Wang SCMBench Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [Garcia De Novo Protein Design Protein Science 2026](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/), [Feldman AlphaFold3 Adversarial Computational Structural Biotechnology 2026](https://consensus.app/papers/details/68f35194db525fb68a7bc8c10546001b/)*

*#ProteinAI #AlphaFold #ESMFold #DenAdel #NatureMethods #scFM #DatasetScaling #Plateau #NoScalingLaws #22MillionCells #400Models #6400Experiments #Wang #NatureCommunications #SCMBench #FoundationModels #DomainSpecific #DMs #Garcia #ProteinScience #DeNovoDesign #pLDDT #Confidence #Topology #TopologyDependence #Feldman #AlphaFold3 #Adversarial #35Percent #ConfidenceReliability #40Percent #ResiduesInvariance #ValidatingDay #Methodology #Validation #Benchmark #BiomedicalAI #DailyReport*

---

### Post 5: Single-Cell Multi-Omics Foundation Model — SCMBench FMs < DMs + Dataset Scaling Plateau Validation

🧫 **[Single-Cell Multi-Omics] Wang et al.으로 SCMBench 23 methods 평가 — FMs이 DMs에 미달, lightweight adaptation strategy 제안(Nature Communications 2026) + DenAdel et al.으로 scFM 22.2M cells × 400 models × 6,400 experiments — dataset scaling plateau 확인, data scaling laws 없음(Nature Methods 2026) + Hou et al.으로 unified scFM framework 13 FMs + 50+ datasets benchmark — classical PCA 경쟁력 유지(bioRxiv 2026): Single-Cell Foundation Model의 Validating(검증) 한계 동시 확인**

Single-Cell Foundation Model의**방법론 한계 재확인(Validating)**이 출처에서 동시에 확인된다[9][12][13].

**SCMBench: FMs < DMs + Lightweight Adaptation[9]**
Y. Wang et al.(Nature Communications 2026)의 연구는 SCMBench로 DMs와 FMs를 체계적으로 benchmark한다[9]. **평가 항목**: integration accuracy, biomarker detection, trajectory inference, quantitative batch effect correction. **핵심 성과 1 — FMs DMs에 미달**: multi-omics integration에서 FMs이 최첨단 DMs에 미달. **핵심 성과 2 — Lightweight adaptation strategy**: FMs 효과를 향상시키는 lightweight adaptation strategy 제안. **핵심**: SCMBench에서 FMs < DMs — single-cell Validating methodology.

**scFM Dataset Scaling: Plateau + No Data Scaling Laws[8]**
A. DenAdel et al.(Nature Methods 2026)의 연구는 scFM dataset scaling 효과를 6,400개 실험으로 분석한다[8]. **핵심 성과 1 — Scaling plateau**: 현재 방법들이 일부 데이터만으로도 plateau. **핵심 성과 2 — No data scaling laws**: large language models과 달리 scaling laws 없음. **핵심 성과 3 — 균형 강조**: model capacity, dataset size, computational resources 균형 중요. **핵심**: scFM dataset scaling plateau — single-cell Validating methodology.

**Unified scFM Framework: 13 FMs + 50+ Datasets[12]**
S. Hou et al.(bioRxiv 2026)의 연구는 unified computational framework로 13개 FMs를 benchmark한다[12]. **핵심 성과 1 — Classical PCA 경쟁력 유지**: classical PCA approach remains competitive or even preferable. **핵심 성과 2 — FMs 우위 상황**: pre-trained embeddings가 biologically meaningful structure capture + low-label/transfer-learning scenarios에서 우위. **핵심 성과 3 — Technical barriers 감소**: unified framework로 technical barriers 감소. **핵심**: unified framework 13 FMs benchmark — classical PCA competitive + FMs advantages in specific scenarios — single-cell Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 **Ji CAPTAIN**으로 **4M cells + 382 proteins 동시 측정**(Precision)을 제시했다면, 오늘은 **Wang SCMBench**으로 **FMs < DMs 체계적 검증**(Validating — 방법론 한계 확인)을(new angle), **DenAdel dataset scaling plateau**으로 **no data scaling laws**(Validating — 방법론 검증)을(new angle), **Hou unified framework**으로 **classical PCA 여전히 경쟁력**(Validating — 방법론 검증)을 동시에 제시한다. Precision(9/14) → Single-Cell Validating(9/15).

실무 함의: Single-cell 분석팀에서 Wang et al.의 SCMBench 결과를 참조하여 integration method selection strategy를 수립해야 한다.

*출처: [Wang SCMBench Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [DenAdel scFM Dataset Scaling Nature Methods 2026](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/), [Hou Unified scFM Framework bioRxiv 2026](https://consensus.app/papers/details/a7b39f95795558cc982213ff8dd7deb8/)*

*#SingleCell #MultiOmics #FoundationModel #Wang #NatureCommunications #SCMBench #FMs #DMs #LightweightAdaptation #DenAdel #NatureMethods #scFM #DatasetScaling #Plateau #NoScalingLaws #Hou #bioRxiv #UnifiedFramework #13FMs #50Datasets #PCA #Competitive #TransferLearning #ValidatingDay #Benchmark #Methodology #Integration #Biomarker #Trajectory #BatchEffect #BiomedicalAI #DailyReport*

---

### Post 6: FDA/규제 — Kresladi LAD-I 승인 + Postmarketing Efficacy Study 17.9% 한계 Validation

🏛️ **[FDA/규제] Sheikh et al.으로 FDA Kresladi(marnetegra-gene autotemcel) 승인 — LAD-I 최초 gene therapy, 2026-03-26, pediatric patients(Annals Medicine Surgery 2026) + Oo et al.으로 FDA 38개 CGTs 86.8% orphan + 92.1% expedited + 73.7% 단일 pivotal study + postmarketing efficacy study 17.9% 재확인(J Clinical Pharmacology 2026) + Shahzad et al.으로 FDA 38개 CGTs 86.8% orphan designation + 92.1% expedited pathway + 73.7% 단일 pivotal study + 44.7% surrogate endpoints solely 재확인(Clinical Pharmacology Therapeutics 2026): FDA/규제의 Validating(검증)里程碑과 한계 동시 확인**

FDA/규제의**승인里程碑과 규제 체계 검증(Validating)**이 출처에서 동시에 확인된다[1][2][14].

**FDA Kresladi 승인: LAD-I 최초 Gene Therapy[1]**
M. Sheikh et al.(Annals of Medicine and Surgery 2026)의 연구는 FDA Kresladi gene therapy 승인을 분석한다[1]. **LAD-I**: 희귀 상염색체 열성 면역결핍, 2세 이내 75% 사망률. **Kresladi**: 2026-03-26 FDA 승인 — 첫 LAD-I gene therapy. **적용 대상**: 적기 matched sibling donor가 없는 pediatric LAD-I 환자. **ITGB2 biallelic variants 치료**. **핵심**: FDA Kresladi 승인 — gene therapy Validating Consolidating.

**FDA 38개 CGTs 규제 현황: 73.7% 단일 Pivotal + Postmarketing Efficacy 17.9%[2]**
C. Oo et al.(J Clinical Pharmacology 2026)의 연구는 FDA gene therapy approvals의 현황을 분석한다[2]. **총 38개 CGTs 승인**. **Orphan designation**: 86.8%. **Expedited pathway**: 92.1%. **단일 pivotal study**: 73.7%. **Surrogate endpoints solely**: 44.7%. **Postmarketing requirements**: 73.4% (52개 후속 연구). **Postmarketing primary efficacy endpoint**: 17.9%만 포함. **핵심**: FDA CGTs 규제 체계 + postmarketing efficacy study 17.9% 한계 — FDA/규제 Validating Consolidating.

**FDA CGTs 특수 지정 현황: 86.8% Orphan + 44.7% Surrogate Endpoints[14]**
M. Shahzad et al.(Clinical Pharmacology & Therapeutics 2026)의 연구는 FDA CGTs 승인의 증거와 후속 요구사항을 분석한다[14]. **Orphan designation**: 86.8% (33개). **Expedited pathway**: 92.1% (35개). **단일 pivotal study**: 73.7% (28개). **Surrogate endpoints solely**: 44.7% (17개). **핵심**: FDA 38개 CGTs 특수 지정 현황 재확인 — FDA/규제 Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 FDA CGTs 규제 체계에 대한 기존 분석을 제시했다면, 오늘은 **Sheikh Annals Medicine Surgery**으로 **Kresladi 구체적 승인**(Validating — 실질적 규제 인정里程碑)을(new angle), **Oo/Shahzad FDA CGTs**를 **postmarketing efficacy study 17.9% 한계**(Validating — 규제 체계 검증)를 동시에 제시한다. Precision(9/14) → FDA/규제 Validating(9/15).

실무 함의: 규제 전략팀에서 Sheikh et al.의 Kresladi 승인 사례를 참조하여 pediatric rare disease gene therapy regulatory pathway strategy를 수립해야 한다.

*출처: [Sheikh Kresladi LAD-I FDA Approval Annals Medicine Surgery 2026](https://consensus.app/papers/details/f2f27f7392e05d9693a11da0cb87b29d/), [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 #GeneTherapy #CGTs #Sheikh #Kresladi #LAD-I #FDAApproval #Pediatric #RareDisease #ITGB2 #AnnalsMedicineSurgery #Oo #JClinicalPharmacology #Shahzad #ClinicalPharmacologyTherapeutics #OrphanDesignation #ExpeditedPathway #SingleStudy #SurrogateEndpoints #Postmarketing #Requirements #Commitments #17Point9Percent #ValidatingDay #RegulatoryApproval #CMC #PlatformTechnology #里程碑 #里程碑 #BiomedicalAI #DailyReport*

---

### Post 7: Spatial Transcriptomics/Cancer Atlas — SCLC 600K Spatial Map + LCP Niche-Specific Prognosis Validation

🗺️ **[Spatial Transcriptomics/Cancer Atlas] Zhang et al.으로 SCLC 75 patients · 105 specimens · 600,000+ cells · CosMx Spatial Molecular Imager · 3개 LNM-enriched malignant subclusters · PIHS-1 survival predictor 확인(Cell Reports Medicine 2026) + Li et al.으로 12개 암종 373 samples · 56개 LCPs · 13개 niches · Niche_4 poor prognosis · Niche_11 better survival · immunotherapy resistance 확인(Cell Reports Medicine 2026) + Gao et al.으로 gastric cancer Lymphocyte Aggregated Region(LAR) + TLS spatial characterization 확인(Nature Communications 2026): Spatial Transcriptomics/Cancer Atlas의 Validating(검증) 체계화**

Spatial Transcriptomics/Cancer Atlas의**공간적 특성화와 임상적용 검증(Validating)**이 출처에서 동시에 확인된다[15][16][17].

**SCLC Spatial Map: 600,000+ Cells · PIHS-1 Survival Predictor[15]**
Z. Zhang et al.(Cell Reports Medicine 2026)의 연구는 SCLC의 lymph node metastasis에서 spatial transcriptomics를 수행한다[15]. **연구 규모**: 75 SCLC patients · 105 specimens(primary + metastatic LN) · 600,000+ cells · CosMx Spatial Molecular Imager. **핵심 성과 1 — 3개 LNM-enriched malignant subclusters**: distinct metabolic + angiogenic programs + immune exclusion features. **핵심 성과 2 — PIHS-1 (pan-immune hotspot 1)**: independent survival predictor. **핵심 성과 3 — Vascular-immune crosstalk**: endothelial cells가 cytotoxic T cells와 functional perivascular niches 형성. **핵심**: SCLC spatial map + PIHS-1 survival predictor — spatial transcriptomics Validating Consolidating.

**Pan-Cancer Spatial Microenvironment: 56 LCPs · 13 Niches · Niche_4 Poor · Niche_11 Better Survival[16]**
J. Li et al.(Cell Reports Medicine 2026)의 연구는 12개 암종의 spatial transcriptomics를 수행한다[16]. **연구 규모**: 373 samples · 12 cancer types. **핵심 성과 1 — 56개 LCPs(local cellular programs)**: tumor spatial microenvironment 고유한 발현 프로그램. **핵심 성과 2 — 13개 recurrent niches**: niche-shared + niche-specific ligand-receptor interactions. **핵심 성과 3 — Niche_4 poor prognosis**: macrophages + tumor cells colocalization — poor prognosis + immunotherapy resistance. **핵심 성과 4 — Niche_11 better survival**: macrophages colocalized with immune cells — better survival + treatment response. **핵심**: Pan-cancer 56 LCPs + Niche_4/11 prognosis validation — spatial transcriptomics Validating Consolidating.

**Gastric Cancer LAR: Lymphocyte Aggregated Region + TLS Spatial[17]**
S. Gao et al.(Nature Communications 2026)의 연구는 gastric cancer의 spatial microenvironment를 특성화한다[17]. **핵심 성과 1 — Lymphocyte Aggregated Region(LAR)**: lymphocyte aggregates + tertiary lymphoid structures(TLS). **핵심 성과 2 — PD1+CD27+CD8 T cells**: CD70+LAMP3+ dendritic cells와 근접 cluster. **핵심 성과 3 — Group A/B 차이**: Group A — more activated lymphocytes + adjacent cancerous regions; Group B — more resting lymphocytes. **핵심**: Gastric cancer LAR + TLS spatial characterization — spatial transcriptomics Validating Consolidating.

**9월 14일 Precision vs 오늘의 차별점**: 9/14가 **Zhang SCLC spatial**으로 **600,000 cells**을(Precision) 제시했다면, 오늘은 **Zhang PIHS-1 survival predictor**으로 **독립적 생존 예측 인자**(Validating — 임상적용 검증)를(new angle), **Li 56 LCPs**으로 **Niche_4 poor · Niche_11 better survival**(Validating — 임상적용 검증)을(new angle), **Gao LAR**을 **공간적 특성화 확인**(Validating — 임상적용 검증)으로 동시에 제시한다. Precision(9/14) → Spatial Validating(9/15).

실무 함의: 암면역치료 연구팀에서 Li et al.의 Niche_4/11 분석을 참조하여 immunotherapy resistance mechanism 연구 strategy를 수립해야 한다.

*출처: [Zhang SCLC Spatial Transcriptomics Cell Reports Medicine 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/), [Li Pan-cancer Spatial Transcriptomics Cell Reports Medicine 2026](https://consensus.app/papers/details/f420ab985e1257e18352cac9e0c425cf/), [Gao Gastric Cancer LAR Nature Communications 2026](https://consensus.app/papers/details/46f3d71acd2e5b6e8816d6886aa485d9/)*

*#SpatialTranscriptomics #CancerAtlas #Zhang #SCLC #CellReportsMedicine #600000Cells #CosMx #LNM #MalignantSubclusters #PIHS1 #SurvivalPredictor #VascularImmune #Crosstalk #Li #PanCancer #LCP #Niche #Niche4 #Niche11 #PoorPrognosis #BetterSurvival #ImmunotherapyResistance #Gao #GastricCancer #LAR #TLS #TertiaryLymphoidStructures #PD1 #CD27 #CD8 #DendriticCells #ValidatingDay #SpatialMap #ClinicalTranslation #BiomedicalAI #DailyReport*

---

### Post 8: 오늘의 요약과 향후 관전 포인트

🧬 **오늘의 Validating(검증) 핵심:**

오늘은 Precision(9/14)된 도구들이 **실제 FDA 승인·임상 데이터·체계적 실험에서 효과를 재확인하며 산업적 신뢰성 확보와 규제 인정의里程碑을 동시에 확인한 날**이다.

**6개 전선 핵심 메시지:**

1. **CRISPR/Gene Editing**: FDA Kresladi 승인 — LAD-I 최초 gene therapy, 2026-03-26. CRISPR gene therapy 산업적 신뢰성 Validating Consolidating[1][2].

2. **AI 신약**: AI drug discovery validation crisis 재확인 — Phase I 80-90% 있으나 90% 임상 실패율 지속, target validity 미개선, reproducibility challenge[5][6][7].

3. **단백질 AI**: scFM dataset scaling plateau + no data scaling laws 확인. FMs이 DMs에 미달. Confidence metric topology 의존성 심화[8][9][10][11].

4. **Single-Cell Multi-Omics Foundation Model**: FMs < DMs + lightweight adaptation 필요. Classical PCA 여전히 경쟁력. Dataset scaling plateau 확인[8][9][12].

5. **FDA/규제**: Kresladi LAD-I 승인 + FDA 38 CGTs 73.7% 단일 pivotal study + postmarketing efficacy study 17.9% 한계 재확인[1][2][14].

6. **Spatial Transcriptomics/Cancer Atlas**: PIHS-1 survival predictor · Niche_4 poor prognosis · Niche_11 better survival · LAR/TLS spatial characterization — 임상적용 검증 Consolidating[15][16][17].

**향후 관전 포인트:**

• Kresladi 승인 이후 pediatric rare disease gene therapy 규제 전략 재검토
• AI drug discovery Phase II 이후成功率改善 전략 수립 — target validity 개선 필수
• scFM training에서 dataset size보다 model capacity 균형 강조 필요
• Spatial transcriptomics Niche_4/11免疫치료 resistance mechanism 추가 연구 필요

*출처: [Sheikh Kresladi](https://consensus.app/papers/details/f2f27f7392e05d9693a11da0cb87b29d/) · [Khairil AI Validation Crisis](https://consensus.app/papers/details/9c8119317b2851c4a481cb52c0ad8a69/) · [DenAdel scFM Scaling](https://consensus.app/papers/details/f0f6bddc16985563ad8478918950e0f4/) · [Wang SCMBench](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/) · [Garcia De Novo](https://consensus.app/papers/details/f9c8c442c8065c0688de2538546747db/) · [Feldman AlphaFold3](https://consensus.app/papers/details/68f35194db525fb68a7bc8c10546001b/) · [Zhang SCLC Spatial](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/) · [Li Pan-cancer Spatial](https://consensus.app/papers/details/f420ab985e1257e18352cac9e0c425cf/) · [Gao Gastric LAR](https://consensus.app/papers/details/46f3d71acd2e5b6e8816d6886aa485d9/) · [Oo FDA CGTs](https://consensus.app/papers/details/181658e93c825ea581a0664845a98d12/) · [Mao AI Phase I/II](https://consensus.app/papers/details/ca5321af0bb656e095b6108766231764/) · [Yoo Phase IIa](https://consensus.app/papers/details/3061bab99a9351b297c698ef342d7f34/) · [Hou Unified scFM](https://consensus.app/papers/details/a7b39f95795558cc982213ff8dd7deb8/) · [Jong Prime Editing](https://consensus.app/papers/details/11216802c06153dca45549e3d4ff98f5/) · [Lushington PE First-in-Human](https://consensus.app/papers/details/79a173589b1d58598fd94fa334768881/) · [Shahzad FDA CGTs](https://consensus.app/papers/details/24705d5037e85bcb9d9863f1aabca040/)*

*#ValidatingDay #DailyReport #AI #Bioresearch #Biotech #Precision #Operationalizing #Diversifying #Translation #Recalibrating #Converging #Accelerating #Implementing #Industrializing #DailyReport #AIxBioresearch*