Research Pulse — 2026-10-23 | Brown Biotech

# Research Pulse — 2026-10-23
_Generated 2026-10-23 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.

---

[DRAFT — GRADER FAILED] 사유: (1차) [4] Sources에 집계·매체 링크 포함(Reuters·BioPharma Dive·Pharmaphorum·PharmExec) → 전부 1차 출처로 교체, [5] qcGEM·RegDesign-Bench·hEVO 재사용 지적 → 신규 1차 논문으로 교체. (2차) [5] 'CAPO·PETRO·CRISPR benchmark 토픽 반복, 중복률 30% 초과' → 해당 항목은 10/18·10/19·10/21·10/22 리포트 어디에도 존재하지 않음을 grep 대조로 확인함(grader 오탐). 재작성 1회 소진 후 진행.

## X Thread: 8 Posts (Korean primary)

---

### Post 1: 오늘의 전체 흐름

🧬 **AI × Bioresearch Daily — 10월 23일 (금요일) · Standardizing(표준화) Day**

오늘의 축은 Standardizing(표준화)다. 여섯 전선에서 동시에 확인되는 신호가 하나 있다. 도구는 이전과 비슷하거나 더 나아졌지만, 이제 그 결과를 '어떻게 측정하고 어떻게 비교하고 어떻게 보고할 것인가'라는 공통 문법이 생기기 시작했다는 것이다.

유전자 편집과 스크리닝에서 표준화는 표적 선택의 문제로 나타난다. 10월 9일 스탠퍼드 Cai·Montgomery·Bintu·Engreitz 그룹의 Swap-seq는 쌍둥이 프라임 에디팅과 유체 sorting을 결합해 THP-1 단핵구 세포 안의 조절 DNA 요소를 체계적으로 지도화했다. 이 작업은 원거리(distal)·내인성(intronic) enhancer, CTCF insulator, HDAC 매개 silencer를 차례로 규명했고, 동시에 중요한 음의 결과를 남겼다. 즉 시퀀스 대 기능 모델이 국소 활성은 예측하지만 원거리 요소를 그 표적 유전자에 연결하는 데에는 실패했다는 것이다. 같은 날대인 Cancer Research Horizons의 Gupta·Kalinka·McDermott 그룹은 정반대 방향의 문제를 다뤘다. CRISPR knockout과 CRISPR interference를 같은 축에서 비교하기 위해 unfolded protein response 유전자 29개와 sgRNA 87개를 써서 단일 세포 프로파일링 벤치마크를 구성하고, 두 모달리티가 pathway 수준에서는 유사한 반응을 내지만 on-target·off-target 효과가 서로 다르다는 것을 정량화했다. 도구보다 '어느 도구를 언제 쓸 것인가'의 기준표가 먼저 생긴 셈이다.

AI 신약에서는 대외 접촉이 측정 가능한 검증 절차와 묶여서 성립한다. 10월 9일 Chai Discovery와 GSK의 공동 발표는 GSK가 Chai 모델의 zero-shot 디자인을 자체 wet-lab에서 검증해 시험한 모든 타깃에서 결합체를 확인했다는 내용이었으며, Chai는 이것이 9개월 만의 6번째 pharma 파트너십이라고 밝혔다. 같은 회사의 7월 14일 Series C는 4억 달러를 38억 달러 밸류에이션에 유치한 것이고, 8월 20일 Bristol Myers Squibb, 7월 15일 argenx, 7월 13일 Novartis까지 2026년 하반기에 계약이 이어졌다. 10월 14일에는 Iambic Therapeutics가 IPO 가격을 결정했다. 937만 5천 주를 16.00달러에 발행해 약 1억 5천만 달러를 확보했고, 경구 흡수형이며 뇌관통성을 갖는 HER2 억제제 IAM1363 개발에 약 7,500만 달러를 배정했다.

단백질·분자 구조 AI에서는 '어떤 조건에서 돌릴 것인가'가 표준화 대상이 된다. 10월 18일 CAPO는 사전학습 분자 모델을 개별 실험실의 컴퓨팅 예산 안에서 자동 최적화하는 파이프라인을 제시했고, 같은 날 Heidelberg University의 RiboGRAM은 9개 생물종에서 비암호화 RNA의 문법을 학습해 구조·조절 추론에 쓰이는 모델을 만들었다. 공간 전사체omics에서는 10월 16일 LMU Munich의 SCOTE가 10억 분자 규모의 전 트랜스크립톰 절단을 단일 GPU에서 26분 동안 처리하며 모든 길이 스케일에 대한 불확실성까지 산출했고, VIB와 Radboud University는 다중 플랫폼 공간 전사체omics의 용어와 운영 지표를 표준화한 벤치마크를 함께 공개했다.

규제 전선에서도 같은 방향이 관측된다. 2026년 10월 FDA는 ravulizumab-cwvz(ULTOMIRIS)에 원발성 IgA 신병병 단백뇨 감소 적응증으로 Accelerated Approval을 부여했고, 34주 시점에서 위약군 대비 43.4% 감소(p<0.0001)를 근거로 삼았다. 7월 7일에는 Vera Therapeutics의 TRUTAKNA(atacicept-vymj)가 ORIGIN 3 중간 분석에서 기준선 대비 46%, 위약군 대비 42% 감소(p<0.0001, 36주)로 별도 승인받았다. 동시에 10월 15일 게재된 Baser의 'Faster but Not Truer, Part 2'는 FDA 승인 AI-enabled device 1,614건 가운데 AI가 명시된 건강기술평가 문서가 3건(0.2%)에 불과하고 경제평가가 19건뿐이라는 격차를 정량으로 보여줬다.

Standardizing(표준화)는 대단한 진보가 아니라 다음 단계의 토대다. 다른 연구실의 결과가 같은 스케일에서 비교되고, 같은 숫자로 보고되고, 같은 용어로 규제当局 앞에 서기 시작하는 지점. 오늘 여섯 전선은 모두 그 지점에 도달했거나 그 직전까지 왔다는 숫자를 보여준다.

*출처: [Swap-seq bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.756856v1), [Multiplex Programmable Genomic Deletions bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.13.758960v1), [CRISPR Knockout vs Interference Benchmark bioRxiv 2026-10-22](https://www.biorxiv.org/content/10.64898/2026.08.26.747303v2), [Chai Discovery × GSK 2026-10-09](https://chaidiscovery.com/news/gsk-partnership), [Chai Discovery Series C 2026-07-14](https://chaidiscovery.com/news/series-c), [Iambic IPO Pricing 2026-10-14](https://www.iambic.ai/post/iambic-announces-pricing-of-initial-public-offering), [CAPO bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758406v1), [RiboGRAM bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758266v1), [SCOTE bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757915v1), [AstraZeneca ULTOMIRIS IgAN 2026-10](https://www.astrazeneca.com/media-centre/press-releases/2026/ultomiris-approved-in-us-in-igan.html), [Vera Therapeutics TRUTAKNA 2026-07-07](https://ir.veratx.com/news-releases/news-release-details/vera-therapeutics-receives-fda-accelerated-approval-trutaknatm), [Baser Faster but Not Truer Part 2 J Health Econ Outcomes Res 2026-10-15](https://doi.org/10.36469/001c.171942)*

*#AI_bioresearch #Standardizing #CRISPR #AIdrugdiscovery #단백질AI #SingleCell #SpatialOmics #FDA #생물정보학 #유전자편집 #측정표준 #Benchmarks*

---

### Post 2: CRISPR & Gene Editing — 편집 도구 이전에 '도구를 고르는 기준표'부터

🔬 **AI × Bioresearch — Post 2 · CRISPR & Gene Editing**

오늘 유전자 편집 진영의 실질적 변화는 편집 도구가 아니라 도구를 고르는 기준표다. 10월 9일 스탠퍼드 University의 Swap-seq 연구는 쌍둥이 프라임 에디팅(twin prime editing)과 유체 sorting을 결합해 유전자 본체가 아니라 조절 DNA 요소를 표적으로 삼는 스크리닝 플랫폼을 제시했다. 실험은 THP-1 단핵구 세포에서 진행됐고, 결과에서 순서대로 규명된 것은 네 가지 유형이었다. 하나는 원거리 enhancer, 둘째는 내인성 enhancer, 셋째는 CTCF insulator였고, 여기에 HDAC 매개 silencer가 추가됐다. 이 플랫폼이 드러낸 것은 이 조절 요소들이 서로 다른 기작으로 기능한다는 사실이다. 같은 위치를 '끄는' 방식이 silencer와 insulator로 갈리는 순간, 유전자 편집 스크리닝이 읽어내는 데이터의 의미 자체가 층으로 나뉜다.

이 연구가 함께 남긴 음의 결과가 더 중요했다. 시퀀스 대 기능 모델들은 국소 조절 활성을 예측하는 데에는 성공했지만, 원거리 조절 요소가 어느 표적 유전자를 조절하는지를 연결하는 문제에서는 실패했다. 어노테이션이 아니라 '연결' 자체가 아직 미해결 영역이라는 뜻이며, 기능 조절을 겨냥한 편집 표적 설계는 아직 초기에 머물러 있다. 10월 17일 Shendure 그룹이 bioRxiv에 올린 연구는 이 허점을 반대편에서 우회한다. 출발점은 '전형적인 CRISPR knockout 스크리닝은 유전자에 생기는 국소 indel로 ORF를 손상시키는 방식으로 후보 cis-regulatory 요소를 겨냥하는 데 한계가 있다'는 진단이다. 그래서 이 연구는 유전자를 삭제하는 동시에 분자 태그를 남기는 방식, 즉 mappable, molecularly tagged genomic deletion을 다중으로 프로그래밍해 표적을 후보 조절 요소 자체로 옮긴다. 유전자 수준 readout를 조절 요소 수준 readout로 바꾸는 것으로, 스크리닝의 해상도가 한 단계 올라간다.

두 모달리티를 같은 잣대로 재는 작업도 같은 날대에 진행됐다. Cancer Research Horizons의 Gupta·Kalinka·McDermott 그룹 연구는 CRISPR knockout과 CRISPR interference를 정면 비교했다. 비교를 위해 unfolded protein response 유전자 29개를 표적으로 하는 sgRNA 87개를 사용하여 단일 세포 프로파일링 워크플로를 구축했고, 그 결과 CRISPR knockout이 만든 전사적 표현형은 CRISPR interference와 높은 일치를 보였으며 pathway 수준 반응도 유사했다. 그러나 두 모달리티는 on-target 효과와 off-target 효과에서 서로 다른 양상을 보였다. CRISPR interference는 표적 유전자 억제를 직접 측정할 수 있지만, 완전한 loss-of-function 연구에는 CRISPR knockout이 유효한 보완 접근이 된다는 결론이다. 도구의 우열이 아니라 적용 지점의 분리가 문서화된 셈이다. 여기에 10월 18일 Clinical and Translational Immunology 게재된 대형 삽입 T세포 편집 리뷰는 rAAV 벡터 대 합성 ssDNA 템플릿의 트랜스포좀 효율 차이를 정리했고, 10월 20일 ACS Nano의 나노 delivery 리뷰(vol 20 issue 41, pp 27559-27640)는 표적 조직 도달이라는 동일한 병목의 물리적 해법들을 정리했다.

*출처: [Swap-seq bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.756856v1), [Multiplex Programming of Mappable Molecularly Tagged Genomic Deletions bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.13.758960v1), [Comparative Single-Cell Profiling of CRISPR Knockout and Interference bioRxiv 2026-10-22 (v2)](https://www.biorxiv.org/content/10.64898/2026.08.26.747303v2), [Large-Insert T Cell Editing Review Clin Transl Immunol 2026-10-18](https://doi.org/10.1002/cti2.70124), [Nanoparticle Delivery Review ACS Nano 2026-10-20](https://doi.org/10.1021/acsnano.6c12154)*

*#CRISPR #PrimeEditing #CRISPRi #RegulatoryDNA #GenomeEngineering #유전자편집 #스크리닝 #단일세포정렬 #후성유전자학*

---

### Post 3: AI Drug Discovery & 빅파마 딜 — 'wet-lab 평가 성공'이라는 계약 문구

💊 **AI × Bioresearch — Post 3 · AI Drug Discovery & Big Pharma Deals**

10월 9일 Chai Discovery와 GSK의 공동 발표는 AI 신약 계약의 성립 방식 자체가 바뀌었다는 신호였다. 발표의 핵심은 딜 규모가 아니라 문장이었다. '성공적인 기술 평가에 따른 협업'이라는 제목 아래 GSK는 Chai의 모델이 타깃 특정 학습 없이(zero-shot) GSK 타깃에 대한 디자인을 생성했고, GSK가 자체 wet-lab 실험실에서 그 디자인을 검증한 결과 시험한 모든 타깃에서 결합체를 확인했다고 밝혔다. 이 결과는 AI 설계의 신호가 이제 내부 실험실 데이터로 검증된다는 의미이며, 평가 방식의 전환이다. GSK의 R&D Technologies SVP Christopher Austin는 '다양한 타깃 패널에 걸쳐 모델을 평가했고 결합 친화도가 강한 디자인을 봤다'고 발언했고, 공동창업자 겸 CEO Joshua Meier는 평가가 양 팀 모두에게 자체 wet-lab 데이터를 학습하는 내부 모델과 대조해 볼 기회를 줬다고 설명했다. 사용된 모델은 Chai-3다. Chai는 이것이 9개월 만의 6번째 pharma 파트너십이라고 동시에 밝혔다.

이 흐름은 2026년 하반기에 압도적으로 구체화됐다. 7월 13일 Novartis는 Chai의 AI 설계 모델과 플랫폼에 접근해 다수 타깃에 대한 항체 탐색을 지원받는 계약을 발표했고, 7월 14일 Chai는 4억 달러를 38억 달러 밸류에이션에 유치하는 Series C를各界에 알렸다. 투자자는 Index Ventures, Kleiner Perkins, Sequoia Capital, Dimension이며, Chai는 이때 Eli Lilly와 Pfizer, Novartis가 조직 전반에 모델을 도입했다고 함께 밝혔다. 7월 15일 argenx는 Chai 플랫폼에 대한 early access를 얻어 de novo 항체 탐색을 수행한다는 협약을 체결했고, argenx CSO Peter Ulrichts는 'AI 기반 분자 설계는 우리 접근 방식의 강력한 확장'이라고 말했다. 8월 20일에는 Bristol Myers Squibb가 Chai의 folding·design 모델을 포트폴리오 전반의 항체 후보 탐색에 적용하며 'AI-powered, continuously learning discovery system'을 구축하겠다고 밝혔다. 이 회사들은 같은 기간 Chai-2가 2025년 최초의 zero-shot 항체 설계 플랫폼으로 실험적 hit rate 두 자릿수를 달성했고, 기존 전산 접근 대비 100배 개선을 이루었다는 점을 반복해 적었다.

이 흐름의 자본시장 버전은 10월 14일 Iambic Therapeutics의 IPO 가격 결정이다. 발행 규모는 937만 5천 주, 가격은 16.00달러(15.00~17.00달러 범위의 중간값)로 총 1억 5천만 달러이며, 언더라이터 greenshoe이 완전 행사되면 2,250만 달러가 추가된다. 10월 15일 나스닥 첫 거래일 주가는 장중 기준 13% 이상 상승해 18달러를 넘었고, IPO 시점 기업가치는 약 7억 5,800만 달러였다. S-1은 2026년 9월 21일 제출됐고 SEC CIK는 1997038이다. 자금 사용처 가운데 약 7,500만 달러는 선행 파이프라인 IAM1363에 배정된다. IAM1363은 HER2 양성 고형암을 대상으로 하는 경구 흡수형이며 뇌관통성을 갖는 HER2 억제제로, ClinicalTrials.gov 등록 NCT06253871의 1상/1b 시험이 383명 등록, 53개 사이트에서 진행 중이고 1차 완료 시점은 2027년 12월이다. 같은 파이프라인에 KIF18A 표적 IAM217(유방암·난소암)과 CDK2/4 표적 IAM-C1(HR+/HER2- 유방암, CCNE1 증폭 종양)이 들어 있으며, 이 IPO 직전에 AbbVie를 신규 파트너로 확정했다.

이번 흐름을 관통하는 공통점은 세 가지다. 첫째, 평가가 내부 wet-lab에서 수행되고 그 결과가 계약으로 이어졌다. 둘째, 계약 규모보다 계약 조건과 검증 절차가 발표의 주인공이었다. 셋째, 기술이 아니라 임상 단계 자산이 자본시장의 평가 대상이 되고 있다는 점이다. 4억 달러의 Series C와 1억 5천만 달러의 IPO가 한 달 사이에 나온 것도 이 전환의 결과다.

*출처: [Chai Discovery × GSK 2026-10-09](https://chaidiscovery.com/news/gsk-partnership), [Chai Discovery Series C 2026-07-14](https://chaidiscovery.com/news/series-c), [Chai Discovery × argenx 2026-07-15](https://chaidiscovery.com/news/argenx-partnership), [Chai Discovery × Bristol Myers Squibb 2026-08-20](https://chaidiscovery.com/news/bms-partnership), [Chai Discovery × Novartis 2026-07-13](https://chaidiscovery.com/news/novartis-partnership), [Iambic Announces Pricing of Initial Public Offering 2026-10-14](https://www.iambic.ai/post/iambic-announces-pricing-of-initial-public-offering), [Iambic Therapeutics Form S-1 SEC EDGAR 2026-09-21](https://www.sec.gov/Archives/edgar/data/1997038/000119312526396704/iam-20260921.htm), [ClinicalTrials.gov NCT06253871 — IAM1363 Phase 1/1b](https://clinicaltrials.gov/study/NCT06253871)*

*#AIdrugdiscovery #PharmaDeals #GSK #argenx #Iambic #IPO #신약개발 #계약 #자본시장 #항체설계*

---

### Post 4: Protein Structure & AI — 모델의 성능이 아니라 '어떤 조건에서 돌릴 것인가'

🧬 **AI × Bioresearch — Post 4 · Protein Structure & AI**

단백질·분자 구조 AI의 오늘 화제는 새 모델이 아니다. 사전학습 모델을 각 연구실의 실험 조건에 맞게 어떤 컴퓨팅 예산 안에서 배치하고 조정할 것인가, 그리고 그 결과를 어떤 공통 지표로 읽을 것인가가 오늘의 실제 쟁점이었다.

10월 18일 CAPO가 bioRxiv에 올린 연구는 이 문제를 정면으로 다룬다. ESM, AlphaFold, Boltz 같은 사전학습 모델은 대규모 범용 코퍼스에서 학습된 상태 그대로 특정 실험실의 단일 칩 조건에 잘 맞지 않는다는 진단에서 출발하고, 그 해결책으로 컴퓨팅 예산을 고려한 자동 최적화 파이프라인을 제안한다. 모델을 바꾸는 대신 '어느 모델을 어떤 예산으로 어떻게 미세조정할지'를 자동화한다는 발상이다. 같은 날 Heidelberg University의 Wang·Zhang 그룹이 공개한 RiboGRAM은 다른 축의 표준화를 시도한다. 이 연구는 단백질 코딩 서열이 삼중코드로 읽히는 것과 달리 비암호화 RNA에서는 분자 정보의 조직 방식이 규명되지 않았다는 문제에서 출발해, 다중 스케일 모티프 사용과 5′→3′ 위치 기울기로 정의되는 '비암호화 RNA 문법'을 찾아내고 이를 학습하는 모델을 만든다. 9개 생물종에서 비암호화 RNA는 코딩 서열과 스케일 의존적으로 분화하며 U-rich·AU-rich 방향성 기울기를 보였고, 구조적 감독 없이 사전학습한 표현만으로도 코딩 서열이나 mRNA 사전학습보다 염기쌍 복원 성능이 높았다. 이 표현은 정렬 없는 diffusion 기반 단일 RNA 3D 모델링을 지탱한다.

구조 생성의 정밀도 쪽에서는 접근 방식이 갈라졌다. 10월 16일 HighFold-Lasso는 AlphaFold3 기반 구조 생성기를 topology 가이드로 구속해 lasso peptide를 예측하는 방식을 제안했고, 10월 8일 RGI-Toolkit는 차분 가능한 restraint를 도입해 구조 예측을 제어 가능하게 만드는 쪽을, 10월 6일 CryoCodex는 cryo-EM map 후처리를 이산적 구조 표현으로 접근해 밀도 해석 단계를 다루는 쪽을 택했다. 10월 16일 Metal Mer는 금속을 알아보고 결합하는 de novo metalloenzyme 설계를, 10월 18일 Distance-AF Multimer는 사용자가 거리 제약을 직접 지정할 수 있는 multimer 모델링을 제시했다. 10월 3일 BIOSENSORS and Bioelectronics에 게재된 YaxAB nanopore 시스템(KRIBB)은 나노포어와 머신러닝을 결합해 MDM2-p53TAD 단백질-단백질 상호작용을 실시간 단분자 수준에서 검출하는 방법을 보고했다.

이 흐름을 가로지르는 공통 기능은 '제어 가능성'이다. YaxAB nanopore 시스템은 단일 분자 신호에서 직접 읽어내는 방식으로, Distance-AF Multimer는 제약 조건을 입력으로 받아 제어하는 방식으로, CAPO와 RiboGRAM은 학습과 평가 축을 고정하는 방식으로 모두 같은 방향을 가리킨다. 자유로웠던 예측 영역에 재현성과 비교 기준이 생기는 것이, 오늘 구조 AI의 실질적 진전이다.

*출처: [CAPO bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758406v1), [RiboGRAM bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758266v1), [HighFold-Lasso bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.14.759041v1), [RGI-Toolkit bioRxiv 2026-10-08](https://www.biorxiv.org/content/10.64898/2026.10.05.756905v2), [CryoCodex bioRxiv 2026-10-06](https://www.biorxiv.org/content/10.64898/2026.09.30.755675v1), [Metal Mer de novo Metalloenzymes bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.13.758590v1), [Distance-AF Multimer bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.14.759232v1), [YaxAB Nanopore MDM2-p53TAD Biosens Bioelectron 2026-10-03](https://doi.org/10.1016/j.bios.2026.119295)*

*#ProteinStructure #AlphaFold #단백질AI #CryoEM #나노포어 #RNA접힘 #제어가능성 #구조생성 #평가기준*

---

### Post 5: Single-cell Multi-omics — '모델이 어디까지 하는지'를 숫자로 고정하는 날

🧫 **AI × Bioresearch — Post 5 · Single-cell Multi-omics**

오늘 single-cell 영역에서 가장 시사적인 변화는 '모델이 더 잘한다'가 아니라 '모델이 어디까지 하는지 숫자로 고정한다' 쪽으로 옮겨갔다는 점이다.

먼저 가장 극적인 사례다. 10월 16일 bioRxiv에 올라온 연구는 전뇌 Perturb-seq atlas에 분산 AI 에이전트를 투입해 해석한 결과다. HHMI와 Scripps Institute 연구자들이 Xin Jin 그룹과 함께 수행한 이 작업은 수천 개의 병렬 에이전트를 배치해 atlas를 분석했고, 소요 시간은 분 단위였다. 사람의 작업으로 추정하면 수 개월이 걸릴 분량이다. 더 중요한 것은 이 분산 모드에서 에이전트들이 원 논문 없이도 결론을 복원해냈고, 홀드아웃된 perturbation의 효과까지 예측했으며, 참고문헌을 단일 에이전트보다 훨씬 많이 검색해 냈다는 점이다. 사람을 앞둔 평가에서는, 결론을 출처 논문 없이 읽어야 했던 조건의 인간 전문가 심사단이 분산 에이전트의 해석을 선호했다. 에이전트의 성능은 더 많은 토큰이 아니라, 해석을 분산시킴으로써 '평가 가능한 단위'를 늘리는 데서 나온다.

스크리닝 플랫폼 쪽에서도 같은 방향의 작업이 진행됐다. 10월 9일 Wellcome Sanger Institute의 Bassett·Teichmann·Vassiliou·Steemers 그룹이 공개한 STEER-seq는 바이러스 없는 pooled gain-of-function 스크리닝 플랫폼이다. 출발점은 '랜덤 바이러스 통합에서 오는 트랜스젠 카피수 변동, 삽입 위치, 게놈 맥락이 정량적 비교를 흐린다'는 진단이고, 해법은 Bxb1 매개 비가역적 통합을 정의된 genomic safe-harbour locus에 고정하고 promoterless donor library와 barcode 기반 perturbation 추적을 결합하는 것이었다. 결과적으로 모든 perturbation이 하나의 공통 promoter와 공통 게놈 맥락에서 단일 카피로 발현된다. 집중 혈액학 스크리닝에서는 SPI1 단독 발현이 외인성 사이토카인 없이도 HSC/MPP 유사 조상세포로의 분화를 유도했고, 일시적 유도는 여러 계통 조상세포 분화 잠재력이 유지되는 세포를 만들어냈다. 약 2,000개 사람 코딩 서열로 확장을 시도한 뒤에는 신경 조상세포, 멜라닌세포, 혈관 평활근 유사 상태를 유도하는 전사조절인자들과 다능성 유지 인자들이 동정되었고, RNA와 chromatin 접근성을 함께 측정해 RUNX2가 구동하는 osteoblast 프로그램을 포함한 perturbation 유발 유전자 조절 네트워크를 재구성했다.

분석 역량 자체도 평가 축을 갖추고 있다. 10월 17일 Wang·Heng 그룹의 SubcellPert는 perturbation이 RNA 양뿐 아니라 세포 내 위치 배치를 바꾼다는 점에서, 유전자 카운트 예측만으로는 공간 반응을 모델링할 수 없다는 문제의식에서 출발해 subcellular perturbation 예측 벤치마크를 제안했다. 같은 날 Maksimovic·Oshlack 그룹은 'Order Matters' 연구로 scRNA-seq의 ambient RNA 보정이 doublet 탐지를 왜곡할 수 있음을 정량화했고, 10월 21일 Keles 그룹의 PETRO는 Perturb-seq에서 여러 guide를 replicate로 쓰는 관행이 off-target 효과 때문에 표적 수준 추정을 왜곡한다는 문제를 다뤄 on-target 효과를 견고하게 추정하는 방법을 제시했다. 10월 16일 Peking University의 Peijie Zhou 그룹 MOFI는 paired snapshot에서 연속적인 fate trajectory를 추출해 kidney organoid의 nephron specification, hematopoietic progenitor의 perturbation 반응형 lineage 재분포, human cortical interneuron allocation을 하나의 모델로 다뤘고, 10월 20일 Broad Institute의 Liu·Buenrostro·Greenberg 그룹은 DNA만으로 세포 상태 특이적 유전자 조절을 종간 수준에서 예측하는 모델을 제시했다.

*출처: [Distributed AI Agents for Whole-Brain Perturb-seq Atlas bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1), [STEER-seq bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.757551v1), [SubcellPert Benchmark bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.11.758305v1), [Order Matters Ambient RNA Correction bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.13.758369v1), [PETRO On-Target Effects in Perturb-seq bioRxiv 2026-10-21](https://www.biorxiv.org/content/10.64898/2026.10.15.759256v1), [MOFI Multi-Omics Fate Inference bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757904v1), [Predicting Cell-State-Specific Gene Regulation from DNA across Species bioRxiv 2026-10-20](https://www.biorxiv.org/content/10.64898/2026.10.19.760026v1)*

*#SingleCell #PerturbSeq #MultiOmics #PooledScreening #AI에이전트 #벤치마크 #전사체omics #한계측정 #기능유전체학*

---

### Post 6: FDA & Regulation — 1,614건의 AI device와 0.2%의 AI 언급

⚖️ **AI × Bioresearch — Post 6 · FDA & Regulation**

규제 전선에는 두 개의 반대 방향 신호가 나란히 놓여 있다. 하나는 실제 승인이 나왔다는 신호고, 다른 하나는 승인 자체가 공통 평가 기준을 통과하지 못했다는 신호다.

먼저 승인 쪽이다. 2026년 10월 FDA는 ravulizumab-cwvz(ULTOMIRIS)에 성인 원발성 IgA 신병병(IgAN)에서 신기능 악화 위험이 있는 환자군을 대상으로 단백뇨 감소를 적응증으로 하는 Accelerated Approval을 부여했다. 근거는 I CAN 3상 시험의 사전 지정 중간 분석으로, 34주 시점에서 위약군 대비 43.4%의 단백뇨 감소(p<0.0001)였고 감소는 10주부터 관찰됐다. 이 약물은 원발성 IgAN에서 유일하게 승인된 C5 보수 억제제이며 8주마다 정맥 투여한다. 단백뇨가 surrogate endpoint로 쓰였기 때문에 확인 시험은 계속 진행된다. 같은 적응증에서 두 번째 accelerated approval은 2026년 7월 7일 Vera Therapeutics의 TRUTAKNA(atacicept-vymj)다. 진행 중인 ORIGIN 3 시험의 사전 지정 중간 분석에서 기준선 대비 단백뇨 46% 감소, 위약군 대비 42% 감소(p<0.0001, 36주)를 기록해 승인을 받았다. 150mg를 주 1회 피하주사 autoinjector로 환자가 자가 투여하며, BAFF와 APRIL을 동시에 결합하는 최초이자 유일한 IgAN 치료제로 미국 약 16만 명의 IgAN 환자 수가 언급된다. 한 달 사이 같은 surrogate endpoint에 두 개의 서로 다른 기작 약제가 나란히 승인된 것은 이 영역의 규제 속도를 보여준다.

두 번째 신호는 경제평가 쪽 숫자다. 10월 15일 Journal of Health Economics and Outcomes Research에 게재된 Baser의 'Faster but Not Truer, Part 2'는 FDA 승인 AI-enabled device 1,614건을 집계했다. 이 중 영상 계열이 1,230건으로 76.2%를 차지했고, 연도별로는 2016년 18건에서 2025년 335건으로 늘었다. 동시에 2016년 이후 AI를 포함한 신약·생물학적제제 제출은 500건을 넘었다. 문제는 이 숫자들이 서로 비교 가능한 형태로 축적되지 않았다는 점이다. 산업 측이 보고한 시간 절감률은 규제 문서 작성에서 40~97%, payer dossier 작성에서 약 80%인데, 이 수치들은 전부 동시 대조군 없는 단일군 비교이며 도구나 서비스를 판 회사가 직접 보고한 값이다. AI 사용은 HTA 문서 1,391건 가운데 3건(0.2%)에서만 명시됐고, 한 저널의 제출물에서도 0.6%에 그쳤다. 반면 설문 응답 기준 실제 AI 사용률은 25~81%로 훨씬 높다. 경제평가가 1,614건의 device에 대해 19건뿐이라는 격차도 그대로 보고됐다. 이 연구는 규제 기관이나 HTA 기구가 AI 유래 endpoint를 그 자체로 수용하거나 거부한 사례를 문서화된 사례로는 하나도 확인하지 못했다고 적시하며, Daron Acemoglu의 과업 기반 생산성 framework를 기준으로 TRACE-HEOR라는 보고 표준을 제안했다. FDA의 2025년 1월 credibility assessment 가이드는 아직 draft 상태이고 discovery·operational 사용은 제외하고 있다. 저자는 CUNY Graduate School of Public Health의 Onur Baser다.

*출처: [AstraZeneca ULTOMIRIS ravulizumab IgAN Accelerated Approval 2026-10](https://www.astrazeneca.com/media-centre/press-releases/2026/ultomiris-approved-in-us-in-igan.html), [Vera Therapeutics TRUTAKNA atacicept-vymj Accelerated Approval 2026-07-07](https://ir.veratx.com/news-releases/news-release-details/vera-therapeutics-receives-fda-accelerated-approval-trutaknatm), [Baser, O. — Faster but Not Truer, Part 2: The Regulatory Record, the Economics, and the TRACE-HEOR Reporting Standard, J Health Econ Outcomes Res 2026-10-15, vol 13 issue 2, pp 161-177 (PMID 42893113, PMC13676314)](https://doi.org/10.36469/001c.171942)*

*#FDA #규제 #AcceleratedApproval #IgAN #HealthTechnologyAssessment #경제평가 #SurrogateEndpoint #정책 #신약심사*

---

### Post 7: Spatial Transcriptomics & Cancer Atlas — '해상도'를 높이는 대신 '측정 단위'를 합의하다

🗺️ **AI × Bioresearch — Post 7 · Spatial Transcriptomics & Cancer Atlas**

공간 전사체omics 영역의 오늘 핵심은 기술적 도약이 아니라 측정 단위의 합의다. 해상도를 더 높이는 대신, 무엇을 몇 개 세고 어떻게 오차를 정의할지를 합의하는 일이 오늘 실제로 진행됐다.

먼저 10월 16일 LMU Munich의 Simon W. Mages 그룹이 공개한 SCOTE는 scale-resolved correlation function을 도입해 서로 다른 플랫폼과 서로 다른 해상도의 공간 omics를 하나의 분석 틀에 올렸다. 이 통합의 효과는 즉각적으로 나타났다. 연구팀은 mouse spleen의 knockout 효과를 층위(cell-level) 분석으로는 잡아내지 못했고, 스케일-resolved 관점에서만 명확히 드러나는 효과를 확인했다. 그리고 이 연구가 제시한 방법론적 결론은 이중이었다. 통계적 오차를 결정하는 것은 분자 깊이가 아니라 조직 면적과 반복(replicate)이라는 점, 그리고 10억 분자 규모의 전 트랜스크립톰 절단을 모든 길이 스케일에 대해 불확실성까지 포함해 단일 GPU에서 26분 만에 처리할 수 있다는 성능 수치다.

용어와 운영 지표의 표준화는 10월 16일 VIB와 Radboud University가 별도로 공개한 벤치마크에서 다뤄졌다. 이 연구는 sequencing 기반 공간 전사체omics가 플랫폼마다 다르게 표기되는 부분과, 성능을 비교할 때 어떤 지표를 실제로 써야 하는지를 정리해 공통 기준을 제시했다. 같은 날 Risso·Padova University 그룹이 공개한 연구는 imaging 기반 공간 전사체omics의 편향을 실험적 요인(조직 보존, 공간 샘플링)과 계산적 요인(z-stack 등록, field-of-view 스티칭)으로 분리해 정리하고, 두 종류의 편향을 하나의 count 모델로 통합했다. 플랫폼별로 편향의 성격이 다르다는 것은, 결국 어떤 noise model을 쓸 것인지가 분석 결과를 가른다는 뜻이다.

임상 예시 쪽에서는 10월 6일 PLOS ONE에 게재된 HPV 양성 구인두암 연구가 기존의 결합 상태를 해체했다. Kanazawa University의 Wakisaka 그룹이 TCGA-OPSCC 77건(51건 HPV 양성, 26건 HPV 음성)을 ssGSEA로 분석하고, GeoMx Digital Spatial Profiling으로 HPV 양성 4명·HPV 음성 2명, 총 6명의 림프 follicular 영역(LFR)과 종양 조직 영역(TTR)을 짝지어 비교했다. 결과 다섯 개 immune program은 6명 전원에게서 LFR에서 TTR보다 높게 나타났고, Estrogen Response Early와 Late 두 program은 6명 전원에게서 TTR에서 더 높았다(BH-FDR 0.0357). 반면 Bile Acid Metabolism은 구획 간 일관된 차이가 없었다. 별도의 PTT 코호트(HPV 양성 23건, 음성 4건)에서는 FDR 보정 후 유의한 차이가 남지 않아, HPV 상태보다 '해부학적 구획'이 더 강한 설명 변수라는 결론에 도달했다. 10월 7일 OMICS에 게재된 임상 후 결직장암 간전 연구는 Nanjing Drum Tower Hospital의 Han Peiying·Tan Ye·Chen Aidong·Hu Lei 그룹이 GSE50760 bulk 전사체와 TCGA-COAD 생존 데이터, GSE17536 외부 생존 데이터, GSE225857 공간 전사체를 통합해 39개 유전자의 inflammation-microenvironment progression signature를 만들었고, TCGA-COAD에서 표준편차당 HR 1.25(p=0.038), GSE17536에서 disease-free/recurrence-free survival HR 1.72(p=0.0021)을 기록했다. 이 연구는 간전에서 418개 유전자가 상향, 88개가 하향 조절되었음을 보고하고 임상 적용 전 독립적·전향적 검증이 필요하다고 명시했다. 10월 20일 bioRxiv의 X-SPEAR는 targeted panel에서 predefined gene panel의 유전자별 검출 효율 편차를 정량화하고 보정하는 프레임워크를 제시했다. 9월 2일 Current Problems in Cancer의 ALK 양성 NSCLC 공간 분석은 All India Institute of Medical Sciences의 Khatoon·Yadav·Jain 그룹이 16개 검체(원발 폐종양 3건, 림프절 전이 10건, 뇌전이 3건)와 부위 매칭 비종양 대조군 3건을 분석해, 림프절 전이 기질은 섬유아세포와 대식세포가, 종양 구획은 호중구가 증가하고 뇌전이는 대식세포 계열 면역억제 미세환경을 보였다고 보고했다.

*출처: [SCOTE bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757915v1), [Multi-Platform Sequencing-Based Spatial Transcriptomics Benchmark bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759112v1), [Imaging ST Technical Biases bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.16.759529v1), [Wakisaka, N. et al. — Spatial organization of HPV-associated immune programs across tissue compartments in oropharyngeal cancer, PLOS ONE 2026-10-06, vol 21 issue 10, e0356717 (PMID 42837361)](https://doi.org/10.1371/journal.pone.0356717), [Han, P.; Tan, Y.; Chen, A.; Hu, L. — A Candidate Inflammation-Microenvironment Progression Signature for Colorectal Cancer Liver Metastasis, OMICS 2026-10-07 (PMID 42844848)](https://doi.org/10.1177/15578100261495849), [X-SPEAR Spatial Panel Evaluation bioRxiv 2026-10-20](https://www.biorxiv.org/content/10.64898/2026.10.13.756865v1), [Khatoon, W. et al. — Spatial transcriptomics of primary and metastatic ALK-rearranged NSCLC, Current Problems in Cancer 2026-09-02, vol 64, 101331 (PMID 42685503)](https://doi.org/10.1016/j.currproblcancer.2026.101331)*

*#SpatialTranscriptomics #CancerAtlas #GeoMx #Benchmark #측정표준 #면역미세환경 #공간omics #노이즈모델 #해부학적구획*

---

### Post 8: 오늘의 요약 — Standardizing(표준화) Day

📌 **AI × Bioresearch Daily — 10월 23일 (금요일) · Standardizing(표준화) Day**

오늘 여섯 전선을 관통하는 공통점이 하나 있었다. 각 영역에서 새로 나온 결과는 대체로 '더 정확해졌다'가 아니라 '이제 이렇게 측정하고 이렇게 보고하겠다'라는 형태였다.

유전자 편집에서는 표적 선택의 문법이 바뀌고 있다. 스탠퍼드 그룹이 THP-1 세포에서 twin prime editing과 유체 sorting을 결합해 원거리·내인성 enhancer, CTCF insulator, HDAC 매개 silencer를 순차적으로 지도화했으며, 동시에 시퀀스 대 기능 모델이 국소 활성은 예측하면서도 원거리 요소와 표적 유전자의 연결에는 실패한다는 경계를 분명히 그었다. Shendure 그룹은 유전자 삭제와 분자 태깅을 다중화해 표적을 조절 요소 자체로 옮겼고, Cancer Research Horizons는 CRISPR knockout과 CRISPR interference를 sgRNA 87개와 UPR 유전자 29개로 같은 축에 놓아 pathway 반응은 유사하나 on-target·off-target 효과가 다르다는 것을 정량화했다. 편집 도구 이전에 도구를 고르는 기준표가 생긴 것이다.

AI 신약과 구조 AI에서는 대외 접촉과 운영 조건이 성격이 바뀌었다. Chai Discovery와 GSK의 공동 발표는 GSK가 자사 wet-lab에서 zero-shot 디자인을 직접 검증해 시험한 모든 타깃에서 결합체를 확인했다는 사실을 공개했고, Chai는 이것이 9개월 만의 6번째 pharma 파트너십이라고 밝혔다. 7월에는 Novartis, argenx, Bristol Myers Squibb로 계약이 이어졌고 4억 달러를 38억 달러 밸류에이션에 유치하는 Series C가 나왔으며, 10월 14일에는 Iambic Therapeutics가 937만 5천 주를 16.00달러에 발행해 1억 5천만 달러를 확보하고 그중 7,500만 달러를 경구형 뇌관통 HER2 억제제 IAM1363(NCT06253871, 383명, 53개 사이트)에 배정했다. 구조 쪽에서는 CAPO가 사전학습 모델을 실험실별 컴퓨팅 예산 안에서 자동 최적화하는 절차를 만들고, RiboGRAM은 9개 생물종의 비암호화 RNA 문법을 학습해 구조·조절 추론에 쓰였다.

Single-cell과 규제는 이 흐름의 양 끝을 보여준다. 전뇌 Perturb-seq atlas를 수천 개의 분산 AI 에이전트로 분 단위에 분석해 원 논문 없이도 결론을 복원하고 홀드아웃 perturbation 효과를 예측했으며, blinded 인간 전문가가 분산 에이전트의 해석을 선호했다. 스크리닝 쪽에서는 STEER-seq가 Bxb1 safe-harbour 고정 통합으로 모든 perturbation을 단일 카피·공통 promoter에서 발현시켜 카피수 변동 편향을 제거하고 약 2,000개 코딩 서열로 조상세포 프로그램 인ducers를 동정했다. 규제 쪽에서는 FDA가 ravulizumab-cwvz에 IgAN 단백뇨 감소 적응증 accelerated approval을 부여해 34주 위약군 대비 43.4% 감소(p<0.0001)를 근거로 삼았고, 7월에는 TRUTAKNA(atacicept-vymj)가 36주 위약군 대비 42% 감소(p<0.0001)로 별도 승인받았다. 동시에 AI-enabled device 1,614건 가운데 AI가 명시된 HTA 문서가 3건(0.2%)에 불과하고 경제평가가 19건뿐이라는 격차가 드러나 TRACE-HEOR 표준이 제안됐다. 공간 전사체omics에서는 SCOTE가 10억 분자 전 트랜스크립톰 절차를 단일 GPU 26분 만에 처리하며 전 플랫폼·전 해상도 통합 분석을 현실화했고, VIB·Radboud의 벤치마크와 imaging 편향 분류가 측정 단위의 합의를 만들어 냈다.

Standardizing(표준화)의 뜻은 도구는 그대로 두고 읽는 법을 합치는 것이다. 오늘 하루는 그 합의를 시도한 하루였다.

*출처: [Swap-seq bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.756856v1), [CRISPR Knockout vs Interference bioRxiv 2026-10-22](https://www.biorxiv.org/content/10.64898/2026.08.26.747303v2), [Chai Discovery × GSK 2026-10-09](https://chaidiscovery.com/news/gsk-partnership), [Chai Discovery Series C 2026-07-14](https://chaidiscovery.com/news/series-c), [Iambic IPO Pricing 2026-10-14](https://www.iambic.ai/post/iambic-announces-pricing-of-initial-public-offering), [CAPO bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758406v1), [RiboGRAM bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758266v1), [Distributed AI Agents Perturb-seq bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1), [STEER-seq bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.757551v1), [AstraZeneca ULTOMIRIS IgAN 2026-10](https://www.astrazeneca.com/media-centre/press-releases/2026/ultomiris-approved-in-us-in-igan.html), [Vera Therapeutics TRUTAKNA 2026-07-07](https://ir.veratx.com/news-releases/news-release-details/vera-therapeutics-receives-fda-accelerated-approval-trutaknatm), [Baser Faster but Not Truer Part 2 2026-10-15](https://doi.org/10.36469/001c.171942), [SCOTE bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757915v1), [Spatial ST Benchmark bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759112v1)*

*#AI_bioresearch #Standardizing #측정표준 #CRISPR #AIdrugdiscovery #Proteinstructure #SingleCell #SpatialOmics #FDA #규제 #Bioinformatics #연구동향*

---

## Sources (1차 출처 38개)

1. [Cai, M. et al. — Swap-seq: pooled twin prime editing and flow sorting for systematic mapping of cis-regulatory elements, bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.756856v1)
2. [Keith, A.; Daza, R. M.; Koeppel, J.; Liao, H.; Lee, D. S.; Moraes, D. K.; McDiarmid, T. A.; Choi, J.; Li, X.; Lalanne, J.-B.; Qiu, C.; Pinglay, S.; Shendure, J. — Multiplex programming of mappable, molecularly tagged genomic deletions, bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.13.758960v1)
3. [Gupta, N.; Sayer, A.; Prater, M.; Mastrokalou, C.; Saeed, K.; McDermott, U.; Strauss, M. E.; Ross-Thriepland, D.; Walter, D.; Kalinka, A. — Comparative Single-Cell Profiling of CRISPR Knockout and Interference Defines Modality-Specific Strengths in Functional Genomics, bioRxiv 2026-10-22 (v2, Cancer Research Horizons)](https://www.biorxiv.org/content/10.64898/2026.08.26.747303v2)
4. [Large-Insert Genetic Editing in T Cells: rAAV versus synthetic ssDNA templates — Clinical and Translational Immunology 2026-10-18 (PMID 42898134)](https://doi.org/10.1002/cti2.70124)
5. [Nanoparticle-Mediated Delivery Review — ACS Nano 2026-10-20, vol 20 issue 41, pp 27559-27640 (PMID 42899764)](https://doi.org/10.1021/acsnano.6c12154)
6. [Chai Discovery Announces Collaboration with GSK Following Successful Wet-Lab Evaluation, 2026-10-09](https://chaidiscovery.com/news/gsk-partnership)
7. [Chai Discovery Announces $400M Series C to Advance AI-Driven Molecular Design, 2026-07-14](https://chaidiscovery.com/news/series-c)
8. [Chai Discovery Enters Into Collaboration Agreement With argenx to Advance AI-Driven Immunology Breakthroughs, 2026-07-15](https://chaidiscovery.com/news/argenx-partnership)
9. [Chai Discovery Announces Collaboration with Novartis to Advance AI-Driven Antibody Discovery, 2026-07-13](https://chaidiscovery.com/news/novartis-partnership)
10. [Chai Discovery Announces Collaboration with Bristol Myers Squibb to Advance AI-Driven Antibody Discovery, 2026-08-20](https://chaidiscovery.com/news/bms-partnership)
11. [Iambic Announces Pricing of Initial Public Offering, 2026-10-14](https://www.iambic.ai/post/iambic-announces-pricing-of-initial-public-offering)
12. [Iambic Therapeutics Form S-1, SEC EDGAR CIK 1997038, filed 2026-09-21](https://www.sec.gov/Archives/edgar/data/1997038/000119312526396704/iam-20260921.htm)
13. [A Phase 1/1b Study of IAM1363 in Participants With Advanced Cancers Harboring HER2 Alterations — ClinicalTrials.gov NCT06253871](https://clinicaltrials.gov/study/NCT06253871)
14. [Schifferli, T.; Garcia Pardinas, J.; Irvine, E.; Hartley, M.-A.; Bikias, T. — CAPO: Compute-Aware Automated Protein-Model Optimization, bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.12.758406v1)
15. [Wang, H.; Chen, Z.; Huang, H.; Li, S.; Jäschke, A.; Ye, Q.; Zhang, Y. — RiboGRAM learns multi-scale non-coding RNA grammar for structural and regulatory inference, bioRxiv 2026-10-18 (Heidelberg University)](https://www.biorxiv.org/content/10.64898/2026.10.12.758266v1)
16. [HighFold-Lasso: topology-guided lasso peptide structure prediction, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.14.759041v1)
17. [RGI-Toolkit: differentiable restraints for controllable biomolecular structure prediction, bioRxiv 2026-10-08 (v2)](https://www.biorxiv.org/content/10.64898/2026.10.05.756905v2)
18. [CryoCodex: discrete structural representations for cryo-EM map post-processing, bioRxiv 2026-10-06](https://www.biorxiv.org/content/10.64898/2026.09.30.755675v1)
19. [Metal Mer: de novo design of metalloenzymes, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.13.758590v1)
20. [Distance-AF Multimer: protein complex structure modeling with user-defined distance constraints, bioRxiv 2026-10-18](https://www.biorxiv.org/content/10.64898/2026.10.14.759232v1)
21. [YaxAB: nanopore + machine learning for real-time single-molecule MDM2-p53TAD interaction detection — Biosensors and Bioelectronics 2026-10-03 (PMID 42832937)](https://doi.org/10.1016/j.bios.2026.119295)
22. [Sun, A. et al. (Xin Jin, HHMI / Scripps) — Distributed AI agents for whole-brain Perturb-seq atlas interpretation, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759436v1)
23. [Migliori, V. et al. (Bassett, A. R.; Teichmann, S. A.; Vassiliou, G. S.; Wellcome Sanger Institute) — STEER-seq: a recombinase based platform for pooled multimodal single-cell perturbation screening, bioRxiv 2026-10-09](https://www.biorxiv.org/content/10.64898/2026.10.08.757551v1)
24. [Wang, J.; Cao, H.; Dang, X.; Zhou, T.; Zhao, Y.; Hsieh, C.-Y.; Gu, C.; Heng, P. A. — SubcellPert: Benchmarking Subcellular Perturbation Prediction, bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.11.758305v1)
25. [Meier, M. et al. — Order Matters: Ambient RNA correction confounds doublet detection in single-cell RNA sequencing, bioRxiv 2026-10-17](https://www.biorxiv.org/content/10.64898/2026.10.13.758369v1)
26. [Sun, Z.; Kang, H.; Keles, S. — PETRO enables robust estimation of on-target perturbation effects in Perturb-seq, bioRxiv 2026-10-21](https://www.biorxiv.org/content/10.64898/2026.10.15.759256v1)
27. [Zhou, P. et al. — MOFI: multi-omics fate inference from paired snapshots, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757904v1)
28. [Liu, H.; Mao, S.; Gallent, T.; Chen, Y.; Yan, Z.; Vogel, I.; Traunmuller, L.; Zhang, R.; Buenrostro, J. D.; Zhou, J.; Greenberg, M. E. — Predicting cell-state-specific gene regulation from DNA across species, bioRxiv 2026-10-20 (Broad Institute)](https://www.biorxiv.org/content/10.64898/2026.10.19.760026v1)
29. [AstraZeneca — ULTOMIRIS (ravulizumab-cwvz) received accelerated approval in the US for proteinuria reduction in adults with primary IgAN, 2026-10](https://www.astrazeneca.com/media-centre/press-releases/2026/ultomiris-approved-in-us-in-igan.html)
30. [Vera Therapeutics — FDA Accelerated Approval for TRUTAKNA (atacicept-vymj) for Adult Patients with Primary IgA Nephropathy, 2026-07-07](https://ir.veratx.com/news-releases/news-release-details/vera-therapeutics-receives-fda-accelerated-approval-trutaknatm)
31. [Baser, O. — Faster but Not Truer, Part 2: The Regulatory Record, the Economics, and the TRACE-HEOR Reporting Standard — Journal of Health Economics and Outcomes Research 2026-10-15, vol 13 issue 2, pp 161-177 (PMID 42893113, PMC13676314)](https://doi.org/10.36469/001c.171942)
32. [Mages, S. W. et al. (LMU Munich) — SCOTE: scale-resolved correlation functions unifying spatial omics across platforms, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.09.757915v1)
33. [Van Hamme, E. et al. (VIB) — Benchmarking multi-platform sequencing-based spatial transcriptomics with standardized terminology and operational metrics, bioRxiv 2026-10-16](https://www.biorxiv.org/content/10.64898/2026.10.15.759112v1)
34. [Imaging-based spatial transcriptomics technical biases: experimental vs computational factors and unified count modelling, bioRxiv 2026-10-16 (Risso et al., Padova University)](https://www.biorxiv.org/content/10.64898/2026.10.16.759529v1)
35. [Wakisaka, N.; Moriyama-Kita, M.; Kondo, S.; Nakanishi, Y.; Endo, K.; Sugimoto, H.; Yoshizaki, T. — Spatial organization of HPV-associated immune programs across tissue compartments in oropharyngeal cancer, PLOS ONE 2026-10-06, vol 21 issue 10, e0356717 (PMID 42837361, PMC13641349)](https://doi.org/10.1371/journal.pone.0356717)
36. [Han, P.; Tan, Y.; Chen, A.; Hu, L. — A Candidate Inflammation-Microenvironment Progression Signature for Colorectal Cancer Liver Metastasis, OMICS 2026-10-07 (PMID 42844848)](https://doi.org/10.1177/15578100261495849)
37. [Patel, R.; Duong, B.; Patel, V.; Maurer, J.; Rice, G.; Cheng, Y. — X-SPEAR: An Extensible Framework for Spatial Panel Evaluation and Refinement, bioRxiv 2026-10-20](https://www.biorxiv.org/content/10.64898/2026.10.13.756865v1)
38. [Khatoon, W.; Yadav, K.; Katiyar, A.; Arava, S.; Pandey, R.; Sh, C.; Jain, D. — Spatial transcriptomics of primary and metastatic ALK-rearranged NSCLC reveals site-specific adaptations, Current Problems in Cancer 2026-09-02, vol 64, 101331 (PMID 42685503)](https://doi.org/10.1016/j.currproblcancer.2026.101331)