Research Pulse — 2026-09-30 | Brown Biotech

# Research Pulse — 2026-09-30
_Generated 2026-09-30 07:30 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 30일 (수요일) · Translating(번역) Day**

9/30(번역) → 9/29(안착) → 9/28(제도화) → 9/27(성숙) → 9/26(확장) → 9/25(시너지) → 9/24(집적화) → 9/23(진전). Embedding(9/29)된 기술들이 임상 데이터·실험 결과·규제 심사의 번역(Translating) 단계로 이행하며, 기술의 실용적 적용에서 실제 임상 번역来实现하는 날이다. ROCKET이 AlphaFold2를 cryo-EM/cryo-ET/X-ray 실험 데이터와 통합하여 실용적 구조 결정 번역实现, SCMBench가 single-cell multi-omics에서 FM vs DM 성능 격차를 실증, CRISPR on/off-target 활동 스펙트럼이 규제 심사 번역 实现, SCLC spatial atlas 600K cells LNM 종양 미세환경 번역 实现, Herdiana AI pharma disruptive force가 규제·데이터·인력 번역 장벽 체계화, Ali AI drug development가 임상 전제제 임상 번역 현황 번역实现, CAPTAIN 382 protein + multimodal integration이 단일세포 프로테옴 통섭 번역实现, du Rand CRISPR Epidermolysis Bullosa therapy가 표피학 번역 가능성 번역实现한다.

*출처: [Fadini ROCKET AlphaFold2 Cryo-EM Nature Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Wang SCMBench Single-Cell Multi-Omics Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [Magdy CRISPR On-Off Target Trends Biotechnology 2026](https://consensus.app/papers/details/2952c798ad0458e188c7cc56cffc4dec/), [Zhang SCLC Spatial CosMx Cell Reports Medicine 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/), [Herdiana AI Disruptive Pharma Drug Design 2026](https://consensus.app/papers/details/1b1edf7317d95e199624cb7f078f5c07/), [Ali AI Drug Development Drug Development Research 2026](https://consensus.app/papers/details/7a8e73e032a7505fa67758810d3c03ec/), [Ji CAPTAIN Multimodal Nature Communications 2026](https://consensus.app/papers/details/40361e55d4815c1dae3d5f6a95d4468a/), [du Rand CRISPR Epidermolysis Bullosa Drugs 2026](https://consensus.app/papers/details/d0c81a22f4eb5d75bdb836fdbb9ca499/)*

*#TranslatingDay #Fadini #ROCKET #AlphaFold2 #CryoEM #CryoET #Xray #Wang #SCMBench #FoundationModel #DomainSpecific #Magdy #CRISPR #OnTarget #OffTarget #TrendsBiotechnology #Zhang #SCLC #LymphNodeMetastasis #CosMx #600K #CellReportsMedicine #Herdiana #AI #Pharma #Disruptive #DrugDesign #Ali #DrugDevelopment #ClinicalTranslation #Ji #CAPTAIN #382Proteins #Multimodal #duRand #EpidermolysisBullosa #SkinDisease #Embedding #Translating #ClinicalTranslation #BiomedicalAI #DailyReport*

---

### Post 2: CRISPR & Gene Editing — On/Off-Target 활동 Spectrome × Epidermolysis Bullosa: Translating

🪄 **[CRISPR/Gene Editing] Magdy et al.로 CRISPR on-target/off-target 활동 스펙트럼 — exagamglogene autotemcel(Cas9) + kayjayguran abengcemeran(base editing) + in vivo/in vitro therapy spectral analysis + 규제 심사 번역(Trends Biotechnology 2026) + du Rand et al.로 CRISPR Epidermolysis Bullosa therapy — Cas9 nickases + prime editing + off-target genotoxicity mitigation + 表皮永久 치료 번역 가능성(Drugs 2026) + Fadini et al.로 ROCKET AlphaFold2 + cryo-EM 통합 — experimental structure determination conditioned on pretrained neural network + 실용적 구조 결정 번역(Nature Methods 2026): CRISPR Translating(번역) 동시 확인**

CRISPR gene therapy의 on/off-target 활동 스펙트럼 규제 심사 + 表皮 치료 번역 가능성이 출처에서 동시에 확인된다[1][2][3].

M. Magdy et al.(Trends in Biotechnology 2026)의 perspective는 FDA 승인 CRISPR 치료제의 분자 활동 스펙트럼을 분석한다[1]. exagamglogene autotemcel은 hemoglobinopathies용 ex vivo Cas9 CRISPR 치료제이며, kayjayguran abengcemeran은 초희귀 대사 장애용 in vivo protospacer adjacent motif-altered base-editing Cas9 variant 치료제다. 두 치료제의 작용 스펙트럼을 in vivo와 in vitro로 체계적으로 비교分析하며, on-target activity 최적화와 off-target activity 관리 전략을 제시한다. 특히 규제 심사 프레임워크를 FDA 승인 치료제로부터 도출하여 CRISPR gene therapy의 규제 심사를 체계화한다.

Alex du Rand et al.(Drugs 2026)의 review는 CRISPR 기반 표피물집(EB) 치료 전략을 종합한다[2]. 표피물집은 현재 영구 치료가 없는 중증 단일유전자 피부 질환이며, 현재 FDA 승인된 beremagene geperpavec(Vyjuvek)는 ongoing application이 필요하고 모든 EB 형태에 적용 불가하다. Cas9 nickases는 완전한 nuclease보다 오프타겟 유독성을 감소시키며, prime editing은 새로운 gene editing 도구로 EB gene therapy의 significant potential을 보여준다. 잠재적 평생 치료 가능성으로 表皮永久 치료 번역이 실현 가능하다.

A. Fadini et al.(Nature Methods 2026)의 연구는 ROCKET 방법을 제시한다[3]. AlphaFold2를 cryo-EM, cryo-ET, X-ray crystallography 데이터로 구조 정제하며, Cartesian 좌표 대신 coevolutionary embeddings 공간에서 구조를 최적화하여 low signal-to-noise ratio를 처리한다. 재훈련 없이 확장 가능한 자동화 모델 구축이 가능하며, template-based limitations을 극복하여 AlphaFold2 단독보다 superior한 결과를 제공한다.

9월 29일 Embedding(Kresladi + nanomaterial delivery) vs 오늘의 차별점: 9/29가 Sheikh Annals으로 Kresladi FDA 승인(2026년 3월)이라는 구체적 제품을, Wang Frontiers Bioengineering으로 nanomaterial delivery 산업 표준화를 제시했다면, 오늘은 Magdy Trends Biotechnology으로 exagamglogene + kayjayguran의 on/off-target 활동 스펙트럼 + 규제 심사 프레임워크를, du Rand Drugs으로 EB에서의 Cas9 nickases + prime editing + 表皮 영구 치료 번역 가능성을, Fadini Nature Methods으로 ROCKET AlphaFold2 + cryo-EM 통합을 동시에 제시한다.

실무 함의: 유전자 치료 규제팀에서 Magdy et al.의 CRISPR on/off-target 활동 스펙트럼 분석을 참조하여 규제 심사 전략을 수립해야 한다.

*출처: [Magdy CRISPR On-Off Target Activities Trends Biotechnology 2026](https://consensus.app/papers/details/2952c798ad0458e188c7cc56cffc4dec/), [du Rand CRISPR Epidermolysis Bullosa Drugs 2026](https://consensus.app/papers/details/d0c81a22f4eb5d75bdb836fdbb9ca499/), [Fadini ROCKET AlphaFold2 Cryo-EM Nature Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/)*

*#CRISPR #GeneEditing #Magdy #TrendsBiotechnology #Exagamglogene #Kayjayguran #OnTarget #OffTarget #BaseEditing #InVivo #InVitro #duRand #Drugs #EpidermolysisBullosa #Cas9Nickases #PrimeEditing #Vyjuvek #SkinDisease #Fadini #ROCKET #AlphaFold2 #CryoEM #NatureMethods #StructureDetermination #ExperimentalData #TranslatingDay #OncologyTarget #EpidermalTranslation #RegulatoryFramework #BiomedicalAI #DailyReport*

---

### Post 3: AI 신약 — AI Disruptive Force × Clinical Translation 현황: Translating

💊 **[AI 신약] Herdiana et al.로 AI as disruptive force in pharma — 규제·데이터·인력 번역 장벽 체계화(Drug Design 2026) + Ali et al.로 AI drug development pipeline — target ID → clinical translation 현황 + collaboration models + Challenges(Drug Development Research 2026) + Seyhan et al.로 AI molecule generation + 3D molecular design + molecular property prediction(Biomedicines 2026): AI Drug Discovery Translating(번역) 동시 확인**

AI-Driven Drug Discovery의 규제/데이터/인력 번역 장벽 체계화 + 임상 번역 현황이 출처에서 동시에 확인된다[4][5][6].

Y. Herdiana et al.(Drug Design, Development and Therapy 2026)의 review는 AI의 제약 분야 disruptive impact를 분석한다[4]. 생성 AI + 실험실 자동화 + digital twin이 제약 가치 사슬 전반에 적용 확대되고 있으며, 규제·데이터 상호운용성 장벽, 모델 검증·거버넌스 필요성, 편향·책임성 문제, 인력 기술 부족이 핵심 번역 장벽으로 작용한다. 인적 자원 준비도, 거버넌스 구조, 기술 성숙도 평가 전략을 권고사항으로 제시한다.

M. Ali et al.(Drug Development Research 2026)의 review는 AI drug discovery pipeline의 현재 현황을 종합한다[5]. Target identification에서 lead optimization까지 AI가 통합 적용되고 있으며, in silico 독성 예측으로 약물 후보 조기 선별이 가능하다. AI 개발자와 제약사의 협력 모델이 필수적이며, algorithmic transparency와 data quality가 규제 수용성 조건으로 작용한다. personalized medicine 적용 가능성과 함께 데이터 품질, 상호운용성, 규제 수용성이 현재 도전과제다.

Seyhan et al.(Biomedicines 2026)의 review는 AI 분자 생성 및 3D 분자 설계 도구를 분석한다[6]. AlphaFold, MoleR, PocketCrafter가 구조 기반 분자 설계 도구로 활용되며, 3D molecular design capability와 molecular property prediction 정확도가 향상되었다. scaffold-aware design으로 골격 인식 분자 설계가 가능하며, hit finding에서 lead optimization까지 AI 적용이 확대되고 있다.

9월 29일 Embedding(TNIK Phase IIa + Mao Phase I safety 정지 + 0건 AI 승인) vs 오늘의 차별점: 9/29가 Yoo BJC Reports으로 TNIK inhibitor Phase IIa efficacy를, Mao Frontiers Pharmacology으로 Phase I safety 정지 + 0건 완전 승인 현실을 제시했다면, 오늘은 Herdiana Drug Design으로 규제·데이터·인력 번역 장벽 체계화를, Ali Drug Development Research으로 target ID에서 clinical translation 현황 + collaboration models를, Seyhan Biomedicines으로 3D molecular design 도구를 동시에 제시한다.

실무 함의: AI drug discovery 팀에서 Herdiana et al.의 번역 장벽 분석을 참조하여 전략 수립해야 한다.

*출처: [Herdiana AI Disruptive Pharma Drug Design Development Therapy 2026](https://consensus.app/papers/details/1b1edf7317d95e199624cb7f078f5c07/), [Ali AI Drug Development Drug Development Research 2026](https://consensus.app/papers/details/7a8e73e032a7505fa67758810d3c03ec/), [Seyhan AI Drug Discovery Critical Reviews Oncology Hematology 2026](https://consensus.app/papers/details/0e6b685fd2be56fb8a814115873a73d5/)*

*#AI #DrugDiscovery #Herdiana #DrugDesign #Disruptive #Regulation #Data #Workforce #Ali #DrugDevelopmentResearch #ClinicalTranslation #Collaboration #Seyhan #Biomedicines #MolecularDesign #3D #AlphaFold #MoleR #PocketCrafter #TranslatingDay #Regulatory #DataInteroperability #TalentGap #Pipeline #BiomedicalAI #DailyReport*

---

### Post 4: 단백질 AI — ROCKET Cryo-EM 통합 × SCMBench FM vs DM: Translating

🔬 **[단백질 AI] Fadini et al.로 ROCKET AlphaFold2 + cryo-EM/cryo-ET/X-ray 통합 — experimental structure determination conditioned on pretrained NN + low SNR + scalable automated model building(Nature Methods 2026) + Wang et al.로 SCMBench single-cell multi-omics FM vs DM benchmarking — 23 methods + FMs fall short of DMs + lightweight adaptation strategy (Nature Communications 2026) + Fadini ROCKET이 기존 9/29 Yin AlphaFold practical applications review와 다른 점: experimental data integration이라는 번역 단계 차별화: 단백질 AI Translating(번역) 동시 확인**

단백질 AI의 실험 데이터 통합 구조 결정 + FM vs DM 성능 격차 실증이 출처에서 동시에 확인된다[3][7].

A. Fadini et al.(Nature Methods 2026)의 연구는 ROCKET方法来 제시한다[3]. AlphaFold2를 cryo-EM, cryo-ET, X-ray crystallography 데이터로 구조 정제하며, coevolutionary embeddings 공간에서 최적화하여 low signal-to-noise ratio를 처리한다. 재훈련 없는 확장 가능 자동화 모델 구축이 가능하며, template-based limitations을 극복하여 AlphaFold2 단독보다 superior한 결과를 제공한다. experimental observables와 biomolecular machine learning 통합의 일반적 프레임워크를 제시한다.

Yixuan Wang et al.(Nature Communications 2026)의 연구는 single-cell multi-omics 통합을 위한 FM vs DM 성능을 비교한다[7]. 23개 방법을 benchmarking하여 integration accuracy, biomarker detection, trajectory inference, batch effect correction에서 평가했으며, foundation models가 domain-specific models보다 낮은 성능을 보인다는 결과를 실증했다. lightweight adaptation strategy로 FM 성능 향상을 제시하며, 연구자용 통합 방법 선택 가이드를 제공한다.

9월 29일 Embedding(Yin AlphaFold practical applications + Feldman AF template memorization) vs 오늘의 차별점: 9/29가 Yin Frontiers Molecular Biosciences으로 AlphaFold practical applications comprehensive review를, Feldman Computational Biotechnology으로 template memorization 문제를 제시했다면, 오늘은 Fadini Nature Methods으로 ROCKET AlphaFold2 + cryo-EM 통합이라는 experimental data integration 번역 단계를, Wang Nature Communications으로 SCMBench에서 FM vs DM 성능 격차 실증을 동시에 제시한다.

실무 함의: 단백질 구조 연구팀에서 Fadini et al.의 ROCKET 방법을 참조하여 실험 데이터 통합 전략을 수립해야 한다.

*출처: [Fadini ROCKET AlphaFold2 Cryo-EM Nature Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Wang SCMBench Single-Cell Multi-Omics Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/)*

*#ProteinAI #AlphaFold #ROCKET #CryoEM #CryoET #NatureMethods #Fadini #ExperimentalData #StructureDetermination #Automated #Wang #SCMBench #NatureCommunications #FoundationModel #DomainSpecific #Benchmarking #23Methods #LightweightAdaptation #TranslatingDay #MultiOmics #Integration #PerformanceGap #BiomedicalAI #DailyReport*

---

### Post 5: Single-Cell Multi-Omics Foundation Model — CAPTAIN 382 Proteins × SCMBench DM 우위: Translating

🬬 **[Single-Cell Multi-Omics Foundation Model] Ji et al.로 CAPTAIN multimodal FM — scRNA + 382 proteins + cross-modality dependencies + COVID-19 immune interaction patterns (Nature Communications 2026) + Wang et al.로 SCMBench — FMs fall short of DMs + lightweight adaptation strategy + 23 methods benchmarking (Nature Communications 2026) + Cen et al.로 single-cell + spatial omics comprehensive review — AI + foundation models + multi-omics integration algorithms (MedComm 2026): foundation model Translating(번역) 동시 확인**

Single-Cell Foundation Model의 multimodal 통합 + DM 대비 성능 격차 실증이 출처에서 동시에 확인된다[8][7][9].

Boya Ji et al.(Nature Communications 2026)의 연구는 CAPTAIN multimodal foundation model을 제시한다[8]. 4 million 이상의 단일세포에서 transcriptomes와 382개의 surface proteins를 동시 측정했으며, modality 간 의존성을 학습하여 unified multimodal representations를 생성한다. protein imputation과 expansion, cell type annotation, batch harmonization에서 superior downstream performance를 보이며, COVID-19 severity 관련 immune interaction patterns이라는 novel biology를 발견했다.

Yixuan Wang et al.(Nature Communications 2026)의 연구는 foundation model의 성능 한계를 실증한다[7]. 23개 방법 benchmarking 결과 foundation models가 domain-specific models보다 낮은 성능을 보였으며, lightweight adaptation strategy로 FM 성능 향상을 제시한다. multi-omics 통합에서 FM의 체계적 한계를 확인했으며, 연구자용 통합 방법 선택 가이드를 제공한다.

Xiaoping Cen et al.(MedComm 2026)의 review는 single-cell + spatial omics의 현재 현황을 종합한다[9]. 단일세포 + 공간 전사체 기술이 고해상도 분자 프로파일링을 실현하며, AI와 foundation models가 급속히 발전하고 있다. multi-omics integration algorithms 현황과 biomarker discovery, therapeutic target identification 적용 사례를 정리하며, 기술 발전과 발견 번역 사이의 격차를 지적했다.

9월 29일 Embedding(Ji CAPTAIN 382 proteins + Wang CellVQ SCD) vs 오늘의 차별점: 9/29가 Ji Nature Communications으로 CAPTAIN 382 proteins multimodal을, Wang Nature Communications으로 CellVQ SCD module interpretability를 제시했다면, 오늘은 같은 Ji CAPTAIN에서 COVID-19 severity 관련 novel immune patterns이라는 구체적 biology 발견을, Wang SCMBench에서 FMs fall short of DMs라는 성능 격차 실증을, Cen MedComm으로 single-cell + spatial omics comprehensive review + 기술→발견 번역 격차를 동시에 제시한다.

실무 함의: 단일세포 연구팀에서 Wang et al.의 SCMBench 결과를 참조하여 foundation model vs domain-specific model 선택 기준을 수립해야 한다.

*출처: [Ji CAPTAIN Multimodal Foundation Nature Communications 2026](https://consensus.app/papers/details/40361e55d4815c1dae3d5f6a95d4468a/), [Wang SCMBench Single-Cell Multi-Omics Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [Cen Single-Cell Spatial Omics MedComm 2026](https://consensus.app/papers/details/c4f998ebe8e15bf498b5fb58997799d6/)*

*#SingleCell #FoundationModel #Ji #CAPTAIN #Multimodal #NatureCommunications #382Proteins #COVID19 #ImmunePatterns #Wang #SCMBench #FoundationModel #DomainSpecific #Benchmarking #LightweightAdaptation #23Methods #Cen #MedComm #SpatialOmics #ComprehensiveReview #TranslatingDay #Biomarker #TherapeuticTarget #PrecisionMedicine #TranslationalGap #BiomedicalAI #DailyReport*

---

### Post 6: FDA/규제 — CRISPR On/Off-Target 규제 심사 × AI Pharma 장벽: Translating

📋 **[FDA/규제] Magdy et al.로 CRISPR on-target/off-target 활동 스펙트럼 — exagamglogene + kayjayguran + in vivo/in vitro spectral analysis + 규제 심사 프레임워크(Trends Biotechnology 2026) + Herdiana et al.로 AI pharma disruptive force — 규제·데이터·인력 번역 장벽 체계화(Drug Design 2026) + Ali et al.로 AI drug development — algorithmic transparency + data quality + regulatory acceptance 체계화(Drug Development Research 2026): FDA/규제 Translating(번역) 동시 확인**

FDA/규제의 CRISPR on/off-target 규제 심사 프레임워크 + AI pharma 번역 장벽 체계화가 출처에서 동시에 확인된다[1][4][5].

M. Magdy et al.(Trends in Biotechnology 2026)의 perspective는 FDA 승인 CRISPR 치료제의 규제 심사 프레임워크를 제시한다[1]. exagamglogene autotemcel은 Cas9 nuclease 기반 hemoglobinopathies 치료제이며, kayjayguran abengcemeran은 PAM-altered base-editing Cas9 variantultra-rare metabolic disorder 치료제다. 두 치료제의 작용 스펙트럼을 in vivo와 in vitro로 비교分析하며, on-target activity 최적화와 off-target activity management 전략을 제시한다. FDA 승인 치료제로부터 규제 심사 프레임워크를 도출했다.

Y. Herdiana et al.(Drug Design, Development and Therapy 2026)의 review는 AI 제약 통합의 번역 장벽을 체계화한다[4]. 규제 프레임워크 미성숙, 데이터 상호운용성 부족, 인력 기술 부족이 핵심 장벽이며, 모델 검증과 거버넌스 필요성, 편향과 책임성 문제가 있다. 인적 자원 준비, 거버넌스 구조, 기술 성숙도 평가가 전략적 권고사항이다.

M. Ali et al.(Drug Development Research 2026)의 review는 AI drug development의 규제 수용성 문제를 분석한다[5]. algorithmic transparency와 data quality가 규제 수용성 조건이며, AI 개발자와 제약사의 협력 모델이 필요하다. personalized medicine 적용 가능성과 함께 현재 도전과제를 정리한다.

9월 29일 Embedding(Oo FDA 38개 플랫폼 규제 + Shahzad orphan 86.8%) vs 오늘의 차별점: 9/29가 Oo J Clinical Pharmacology으로 FDA 38개 승인 플랫폼 규제 체계화를, Shahzad Clinical Pharmacology으로 orphan 86.8%·expedited 92.1%·surrogate 44.7%를 제시했다면, 오늘은 Magdy Trends Biotechnology으로 exagamglogene + kayjayguran의 on/off-target 활동 스펙트럼 + 규제 심사 프레임워크를, Herdiana Drug Design으로 규제·데이터·인력 번역 장벽 체계화를, Ali Drug Development Research으로 algorithmic transparency + data quality + regulatory acceptance를 동시에 제시한다.

실무 함의: 규제 기획팀에서 Magdy et al.의 CRISPR 규제 심사 프레임워크를 참조하여 유전자 치료 규제 전략을 수립해야 한다.

*출처: [Magdy CRISPR On-Off Target Activities Trends Biotechnology 2026](https://consensus.app/papers/details/2952c798ad0458e188c7cc56cffc4dec/), [Herdiana AI Disruptive Pharma Drug Design Development Therapy 2026](https://consensus.app/papers/details/1b1edf7317d95e199624cb7f078f5c07/), [Ali AI Drug Development Drug Development Research 2026](https://consensus.app/papers/details/7a8e73e032a7505fa67758810d3c03ec/)*

*#FDA #Regulation #Magdy #TrendsBiotechnology #Exagamglogene #Kayjayguran #OnTarget #OffTarget #CRISPR #RegulatoryFramework #Herdiana #DrugDesign #AI #Pharma #Disruptive #DataInteroperability #TalentGap #Ali #DrugDevelopmentResearch #AlgorithmicTransparency #DataQuality #RegulatoryAcceptance #TranslatingDay #GeneTherapy #PlatformRegulation #Collaboration #BiomedicalAI #DailyReport*

---

### Post 7: Spatial Transcriptomics — SCLC 600K Cells LNM Microenvironment: Translating

🗺️ **[Spatial Transcriptomics] Zhang et al.로 SCLC(소세포폐암) spatial atlas — 75 patients 105 specimens 600K+ cells + CosMx + Lymph Node Metastasis(LNM) + vascular-immune crosstalk + Pan-Immune Hotspot(PIHs-1) survival predictor (Cell Reports Medicine 2026) + Li et al.로 pan-cancer spatial 56 LCPs + Niche_4(macrophage+tumor) poor prognosis + Niche_11(macrophage+immune) better survival (Cell Reports Medicine 2026) + Gao et al.로 gastric cancer LAR + TLS + PD1+CD8 T proximity + immunotherapy biomarkers (Nature Communications 2026): spatial transcriptomics Translating(번역) 동시 확인**

Spatial transcriptomics의 SCLC LNM 환경 + niche survival predictor + immunotherapy biomarkers가 출처에서 동시에 확인된다[10][11][12].

Zicheng Zhang et al.(Cell Reports Medicine 2026)의 연구는 소세포폐암(SCLC)의 공간적 종양 미세환경을 분석한다[10]. 75명 환자 105개 검체에서 600,000개 이상의 세포를 CosMx Spatial Molecular Imager로 분석했다. Lymph Node Metastasis(LNM) 미세환경을 특성화하여 3개의 LNM-enriched malignant subclusters를 식별했으며, 대사와 혈관신생 프로그램이 다른 악성 하위 클러스터를 보였다. immune exclusion features와 함께 vascular-immune crosstalk를 확인했으며, 종양세포 회피와 세포독성 T 세포의 기능적 혈관주변 구축을 관찰했다. Pan-Immune Hotspot(PIHs-1)은 독립적 생존 예측인자로 작용한다.

Jiarong Li et al.(Cell Reports Medicine 2026)의 연구는 12개 암종 373개 검체에서 56개 지역 세포 프로그램(LCPs)과 13개 반복 niches를 분석한다[11]. Niche_4(macrophage + tumor cell)는 poor prognosis와 immunotherapy resistance와 연관되며, Niche_11(macrophage + immune cell)은 better survival과 treatment response와 연관된다. niche-shared와 niche-specific interactions를 확인했다.

Sen Gao et al.(Nature Communications 2026)의 연구는 위암의 면역 미세환경을 분석한다[12]. Lymphocyte Aggregated Region(LAR)과 Tertiary Lymphoid Structures(TLS)를 식별했으며, PD1+CD27+CD8 T cells와 CD70+LAMP3+ dendritic cells의 근접성을 확인했다. immunotherapy biomarkers를 발견했다.

9월 29일 Embedding(Li IBD CosMx vs Xenium + Enninful DBiTplus) vs 오늘의 차별점: 9/29가 Li Nature Communications으로 IBD spatial atlas 3M+ cells + CosMx vs Xenium benchmark를, Enninful Nature Methods으로 DBiTplus imaging + sequencing multimodal을 제시했다면, 오늘은 Zhang Cell Reports Medicine으로 SCLC 75 patients 600K+ cells + LNM + vascular-immune crosstalk + PIHs-1 survival predictor를, 같은 Li Cell Reports Medicine으로 pan-cancer 56 LCPs + Niche_4 poor prognosis + Niche_11 better survival을, Gao Nature Communications으로 gastric cancer LAR + TLS + PD1+CD8 proximity를 동시에 제시한다.

실무 함의: 면역종양학 연구팀에서 Zhang et al.의 PIHs-1 survival predictor 결과를 참조하여 면역 미세환경 연구 전략을 수립해야 한다.

*출처: [Zhang SCLC Spatial CosMx Cell Reports Medicine 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/), [Li Pan-Cancer Spatial Niche Cell Reports Medicine 2026](https://consensus.app/papers/details/f420ab985e1257e18352cac9e0c425cf/), [Gao Gastric Cancer Spatial Nature Communications 2026](https://consensus.app/papers/details/46f3d71acd2e5b6e8812d6886aa485d9/)*

*#SpatialTranscriptomics #Zhang #SCLC #SmallCellLungCancer #CellReportsMedicine #600KCells #75Patients #LymphNodeMetastasis #VascularImmune #Crosstalk #PIHs1 #SurvivalPredictor #Li #PanCancer #56LCPs #Niche4 #Niche11 #Macrophage #Tumor #Prognosis #Gao #GastricCancer #LAR #TLS #PD1 #CD8 #Immunotherapy #Biomarkers #TranslatingDay #SpatialNiche #ImmuneMicroenvironment #BiomedicalAI #DailyReport*

---

### Post 8: 오늘의 요약 — Translating(번역) Day 핵심 정리

🧬 **오늘 6개 영역 핵심 요약:**

9/30(Translating)의 핵심: Embedding(9/29)된 기술들이 임상 데이터·실험 결과·규제 심사의 번역 단계로 이행하며, 기술의 실용적 적용에서 실제 임상 번역来实现하는 날이었다.

CRISPR On/Off-Target 규제 심사 프레임워크(Magdy Trends Biotechnology 2026): exagamglogene(Cas9)와 kayjayguran(base editing)의 on/off-target 활동 스펙트럼을 체계적으로 분석하여 FDA 승인 치료제로부터 규제 심사 프레임워크를 도출했다[1].

ROCKET AlphaFold2 + Cryo-EM 통합(Fadini Nature Methods 2026): cryo-EM/cryo-ET/X-ray 데이터로 구조를 정제하며 coevolutionary embeddings 공간에서 최적화하고, low SNR을 처리하며 scalable automated model building을 실현했다 — 실용적 구조 결정 번역이다[3].

SCMBench FM vs DM 성능 격차(Wang Nature Communications 2026): 23개 방법 benchmarking에서 foundation models가 domain-specific models보다 낮은 성능을 실증했으며, lightweight adaptation strategy로 FM 성능 향상을 제시했다[7].

AI Pharma Disruptive Force 번역 장벽(Herdiana Drug Design 2026): 규제·데이터 상호운용성·인력 기술 번역 장벽을 체계적으로 분석하고 전략적 권고사항을 제시했다[4].

SCLC Spatial Atlas 600K+ Cells LNM 환경(Zhang Cell Reports Medicine 2026): 75명 환자 105개 검체에서 600K 이상의 세포를 분석하여 LNM vascular-immune crosstalk와 PIHs-1 survival predictor를 확인했다[10].

Pan-Cancer 56 LCPs + Niche Survival Predictors(Li Cell Reports Medicine 2026): Niche_4(macrophage+tumor)가 poor prognosis를, Niche_11(macrophage+immune)이 better survival을 예측한다[11].

9월 30일 전망: Translating된 기술들의 임상 데이터·실험 결과·규제 심사의 번역 속도가 핵심 변수다. ROCKET의 cryo-EM 통합 구조 결정 실용화, SCMBench FM vs DM 격차 해결을 위한 lightweight adaptation 전략 구체화, SCLC spatial atlas의 PIHs-1 survival predictor 임상 적용이 관전이다.

*출처: [Magdy CRISPR On-Off Target Trends Biotechnology 2026](https://consensus.app/papers/details/2952c798ad0458e188c7cc56cffc4dec/), [Fadini ROCKET AlphaFold2 Cryo-EM Nature Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/), [Wang SCMBench Single-Cell Multi-Omics Nature Communications 2026](https://consensus.app/papers/details/24b273d01c1f508c9a20a5a981ac2e3c/), [Herdiana AI Disruptive Pharma Drug Design 2026](https://consensus.app/papers/details/1b1edf7317d95e199624cb7f078f5c07/), [Ali AI Drug Development Drug Development Research 2026](https://consensus.app/papers/details/7a8e73e032a7505fa67758810d3c03ec/), [Seyhan AI Drug Discovery Critical Reviews 2026](https://consensus.app/papers/details/0e6b685fd2be56fb8a814115873a73d5/), [Ji CAPTAIN Multimodal Nature Communications 2026](https://consensus.app/papers/details/40361e55d4815c1dae3d5f6a95d4468a/), [Cen Single-Cell Spatial MedComm 2026](https://consensus.app/papers/details/c4f998ebe8e15bf498b5fb58997799d6/), [Zhang SCLC Spatial Cell Reports Medicine 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/), [Li Pan-Cancer Spatial Niche Cell Reports Medicine 2026](https://consensus.app/papers/details/f420ab985e1257e18352cac9e0c425cf/), [Gao Gastric Cancer Spatial Nature Communications 2026](https://consensus.app/papers/details/46f3d71acd2e5b6e8812d6886aa485d9/), [du Rand CRISPR Epidermolysis Bullosa Drugs 2026](https://consensus.app/papers/details/d0c81a22f4eb5d75bdb836fdbb9ca499/)*

*#TranslatingDay #Summary #Magdy #CRISPR #OnTarget #OffTarget #TrendsBiotechnology #Fadini #ROCKET #AlphaFold2 #CryoEM #NatureMethods #Wang #SCMBench #FoundationModel #DomainSpecific #PerformanceGap #Herdiana #AI #Pharma #Disruptive #DrugDesign #Ali #DrugDevelopment #ClinicalTranslation #Zhang #SCLC #CosMx #LNM #VascularImmune #PIHs1 #Li #PanCancer #56LCPs #Niche4 #Niche11 #Gao #GastricCancer #LAR #TLS #PD1 #CD8 #duRand #EpidermolysisBullosa #Embedding #Translating #ClinicalTranslation #SpatialAtlas #SurvivalPredictor #BiomedicalAI #DailyReport*

---

## Sources

[1] [Magdy et al. — On-target and Off-target Activities of CRISPR Therapeutics Across Scales. Trends in Biotechnology 2026](https://consensus.app/papers/details/2952c798ad0458e188c7cc56cffc4dec/)
[2] [du Rand et al. — Developing CRISPR-Based Therapies for Epidermolysis Bullosa: A Comprehensive Review of Current Strategies. Drugs 2026](https://consensus.app/papers/details/d0c81a22f4eb5d75bdb836fdbb9ca499/)
[3] [Fadini et al. — AlphaFold as a prior: experimental structure determination conditioned on a pretrained neural network. Nature Methods 2026](https://consensus.app/papers/details/a1a4ffbc5dd75c548e55837812a33916/)
[4] [Herdiana et al. — Artificial Intelligence as a Disruptive Force in Pharmaceutical Innovation: Transforming Discovery, Development, and Manufacturing. Drug Design, Development and Therapy 2026](https://consensus.app/papers/details/1b1edf7317d95e199624cb7f078f5c07/)
[5] [Ali et al. — Artificial Intelligence in Drug Discovery and Development: Transforming Pharmaceutical Innovation. Drug Development Research 2026](https://consensus.app/papers/details/7a8e73e032a7505fa67758810d3c03ec/)
[6] [Seyhan et al. — AI in Drug Discovery and Development. Critical Reviews in Oncology/Hematology 2026](https://consensus.app/papers/details/0e6b685fd2be56fb8a814115873a73d5/)
[7] [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/)
[8] [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/)
[9] [Cen et al. — Single-Cell and Spatial Omics: Methods and Applications. MedComm 2026](https://consensus.app/papers/details/c4f998ebe8e15bf498b5fb58997799d6/)
[10] [Zhang et al. — Single-cell spatial transcriptomics reveals tumor microenvironment heterogeneity in primary and lymph node-metastatic small cell lung cancer. Cell Reports Medicine 2026](https://consensus.app/papers/details/dc8b02ddbfcb574fb92b18cf8aed1117/)
[11] [Li et al. — Pan-cancer analysis of spatial transcriptomics reveals heterogeneous tumor spatial microenvironment. Cell Reports Medicine 2026](https://consensus.app/papers/details/f420ab985e1257e18352cac9e0c425cf/)
[12] [Gao et al. — A spatially resolved atlas of gastric cancer characterises a lymphocyte-aggregated region. Nature Communications 2026](https://consensus.app/papers/details/46f3d71acd2e5b6e8812d6886aa485d9/)