美国政府机构化学信息学资源 2027 研讨会定于 4 月 12–14 日在 FDA 举办
FDA 将于 2027 年 4 月 12–14 日在白橡树园区主办美国政府机构化学信息学资源研讨会,并同步线上举行,仅限政府雇员及承包商注册。会议由 FDA 化学信息学与建模兴趣小组主办,NIST、NIH/NCBI、NCATS、FDA/NCTR 等机构共同组织,议题涵盖化学信息学在分析化学中的应用、新方法学(NAMs)以及 AI/ML 用于药物再利用与药物发现。
FDA 将于 2027 年 4 月 12–14 日在白橡树园区主办美国政府机构化学信息学资源研讨会,并同步线上举行,仅限政府雇员及承包商注册。会议由 FDA 化学信息学与建模兴趣小组主办,NIST、NIH/NCBI、NCATS、FDA/NCTR 等机构共同组织,议题涵盖化学信息学在分析化学中的应用、新方法学(NAMs)以及 AI/ML 用于药物再利用与药物发现。
Science 发表短评,呼吁确保 AI 增强的科学结论仍可被独立审视、质疑与挑战,以维护科学的可证伪性。 ```
该工作提出动态范围分数(DRF)标定框架和插值重复基线,用于评估扰动预测度量对生物学信号灵敏度。在14个数据集、18个度量上测试9个深度学习模型(scGPT、GEARS、PRESAGE、scLambda、CellFlow等)和4种基础模型嵌入探针,结果显示标定度量下多数模型可超越无信息基线,PRESAGE在Wessels23组合扰动任务上于15/18个度量超过加性基线。
推荐理由:该工作提出 DRF 标定框架与插值重复基线,说明先前基准因度量未标定而低估了深度学习模型在遗传扰动预测中的真实表现。
一项分析显示,与业界普遍预期相反,AI 并没有如承诺那样降低医疗成本,实际反而可能正在推高医疗领域的支出。
STAT记者Jason Mast赴上海出席Jefferies首届中国生命科学大会,实地观察中国生物科技崛起热潮。数据显示,中国设计药物已占全球管线约一半、潜在许可合作价值过半,摩根士丹利预计2030年中国药物将占FDA批准数的35%。会上中国高管宣称开发速度与成本优于美国同行,GSK、Merck、Sanofi等跨国药企代表在会场寻觅合作机会。
美国ARPA-H推出SURPASS计划,借助AI、数字孪生与实时计算模型加快临床试验、减少所需入组患者。计划包含无阶段设计引擎、持续推理引擎和智能体运营层三大方向,并同步发布STACK、COMMONS、CINCH三个配套项目,分别聚焦临床中心激活、跨机构数据共享与患者参与。HHS称此举意在扭转美国临床试验数量相对中国下滑的局面。
Claude agents 发现一种新的酶系统,Anthropic 称这是其 AI 系统的首次科学发现。公司上周公开此事,并在 Q&A 中由生命科学团队进一步介绍这一发现。
作者用 Claude 在约 30 分钟内、约 5 美元成本完成个人全基因组解读,复现了原团队十余年前分析的关键发现,包括携带两条 APOE ε4(提示阿尔茨海默病风险)及 DPYD、CYP2C19 等药物代谢相关变异,并正确指出旧版测序数据不足以可靠估计常见病风险。作者呼吁,AI 让基因组分析走向大众,亟需建立医学级基因组解读与质控标准。
一项基于分数阶微分方程的肿瘤-免疫-药物模型分析表明,降低分数阶导数阶数仅改变动力学瞬态过程,并不影响模型的最终平衡状态。研究还指出,单次推注给药后药物浓度的峰值即为初始浓度,且当阶数α<1时,浓度-时间曲线下面积会发散。所有模拟参数均为无量纲示例,源代码已公开以确保结果可重现。
Evo 2 在涵盖生物与人工序列的五项二元分类任务中展现出稳健的情境学习能力,其在较短自然序列上表现优异(miRNA F1=0.902,Toxins F1=0.785),但性能随序列长度增加而下降并在千碱基尺度上崩溃。研究还发现模型缩放并无益处,7B 参数模型系统性地优于 40B 变体。机制可解释性分析揭示了预测与泛化之间的权衡,并表明模型可能追踪提示的结构而非信号承载内容。
研究者开发了SynthIDBio-sequence和SynthIDBio-structure两种水印方法,分别用于AI生成的蛋白质序列和结构。通过体外实验验证,水印蛋白结合剂对SARS-CoV-2受体结合域(SC2RBD)保持低纳摩尔结合亲和力,对VEGF-A和PD-L1保持亚纳摩尔结合亲和力。水印检测在0.1%假阳性率下达到100%真阳性率,且不影响关键结构指标如LDDT和模板建模分数。
推荐理由:研究者开发了两种功能保持型水印方法,通过体外实验验证了水印蛋白结合剂在SC2RBD、VEGF-A和PD-L1靶点上保持纳摩尔级结合亲和力。
OpenAI 基金会已承诺投入至少 250 亿美元用于科学资助,并于本月拨付了 1.25 亿美元的首轮资金,用于支持创建开放的健康与生命科学研究数据。此轮资助包括向美国北卡罗来纳大学教堂山分校的癌症疫苗项目提供 4000 万美元,以及向旨在改进药物穿越血脑屏障预测能力的项目提供 1500 万美元。该基金会计划重点关注阿尔茨海默病、公共卫生数据和高负担疾病三大生命科学领域。
Google DeepMind 研究人员在 Nature 上描述了可为 AI 设计的蛋白质嵌入隐藏水印的系统 SynthIDBio,该水印同时编码在氨基酸序列和三维结构中且不影响蛋白质功能。
一项六月发布的预印本研究显示,Anthropic 的 Claude、Google 的 Gemini 和 OpenAI 的 GPT 等大型语言模型会生成 Elena Vasquez、Marcus Chen、Aris Thorne 和 Elara Voss 等虚构研究者身份。
暴露组学旨在通过整合环境暴露、生活方式与基因组数据,实现对个体疾病风险的精准评估与预防。一项基于美国国家健康与营养调查数据的研究发现,结合20种暴露因素可解释参与者甘油三酯水平43%的变异,其预测能力与遗传变异相当。该领域的发展有望推动精准医学进入以预防为主的新时代。
加州初创公司 Varda 完成 2.51 亿美元 D 轮融资,以推进其太空药物制造计划。该领域长期以来被视为制药业的潜在前沿。
健康科技领域的领导者们正在华盛顿的政策圈内就人工智能在医疗健康领域的应用进行讨论。这些讨论的核心议题包括AI技术的实际有效性、潜在受益者以及可能带来的风险。STAT+的订阅用户可阅读关于此话题的独家深度报道。
生物制药行业应改革激励机制,将基于风险的决策能力作为晋升和奖励的核心标准。安永和毕马威近期已推出针对判断力等软技能的奖励与培训计划,为行业提供了参照。鉴于药物进入一期临床试验后仅有约10%的成功率,且平均开发成本高达27亿美元,早期识别并终止高风险项目是一项具有重大财务影响的决策。
FDA 联合国际监管机构发布了 M11 临床电子结构化协调方案最终指南文件。该指南包含一份指导原则、一个模板文件和一个技术规范文件,旨在为临床试验方案的内容和电子化交换建立国际统一标准。此举将有助于监管机构、申办方和伦理委员会等各方对试验方案的审评与评估。
Trump 政府利用被称为“口袋废止”的有争议权力,取消了国会已批准的近 10 亿美元卫生与公众服务部支出。被削减的资金针对多项关注移民和多样性的项目,包括一项关于少数族裔初级护理障碍的研究、一个关于急诊医学中种族主义的项目以及改善农村有色人种青少年跨性别护理可及性的资金。参议员 Susan Collins 批评此举是试图削弱国会的宪法拨款权。
Anthropic 宣布加入美国卫生高级研究计划局(ARPA-H)的临床人工智能登月计划,并将举办一场医疗保健领域的闭门活动。此举标志着该公司在人工智能监管尚不明朗的背景下,正积极进军医疗保健领域。
生物技术初创公司 ai3Bio 完成 4800 万美元 A 轮融资,致力于开发针对自身免疫疾病的“免疫重置”疗法。该公司由 Corner Therapeutics 和 Novasenta 两家生物技术公司整合而成,其疗法靶向致病性 Th17 细胞,采用脂质纳米颗粒递送技术或靶向抗体药物两种策略,临床前研究显示能有效清除致病细胞。早期安全性研究已启动,为首个临床试验申请做准备。
来自罗氏旗下基因泰克的三名前AI科学家与工程师联合创立了医疗AI初创公司Ortet。该公司已获得5亿美元融资,旨在利用人工智能技术变革医疗系统。
MAHA Institute 在周一的活动上强调了向联邦研究人员开放患者健康记录对慢性病起源研究的益处。该机构希望整合来自各州的免疫记录、临床数据和药房信息,为研究人员提供更完整的数据集。然而,使用此类数据进行研究可能面临患者隐私、伦理和法律问题,内布拉斯加州与联邦政府的合作模式被视为州-联邦混合数据治理的范例。
人工智能工具将个体研究人员的论文产出和引用量提高了约3倍和5倍,但分析显示AI辅助研究的主题范围比非AI研究窄了4.6%,且超过70%的子领域存在此现象。现有科研激励体系倾向于奖励对已知数据的快速开发利用,而非探索新领域,这因AI能力的增强而加剧。为应对此问题,建议资助机构补贴被忽视领域的数据基础设施建设,并停止惩罚研究人员利用AI转换至新领域。
可重复性是可信科学的基石,但在生物医学研究中其规范实践尚未得到一致落实。本文综述了当前在统一术语与实施方案方面的努力、持续存在的障碍以及整个科研生态系统的应对举措。
推荐理由:热度:X 浏览 6269 · 2 个信源报道同一事件
研究人员开发了用于细胞学的通用基础模型CROWN。该模型旨在支持跨器官、疾病和临床场景的广泛诊断应用,突破了现有AI系统通常仅针对特定任务和样本类型的局限。
Phil Hutchinson 指出,关于 AI 作者身份的辩论可能忽略了“持续性智力互动”这一日益增长的 AI 使用形式。他认为,现有的作者贡献分类法对于捕捉这种更深层次的 AI 参与可能过于粗略。这一观点回应了近期关于 AI 工具在实质性塑造学术贡献时应被报告的建议。
随着生成式 AI 工具迅速进入临床,监管机构正重新审视其审批标准。美国 FDA 等机构提出,用于辅助临床决策的 AI 医疗器械应接受更全面的审查,包括在真实世界环境下的测试。一项系统性回顾发现,仅 23% 的临床 AI 工具研究使用了真实世界患者数据,前瞻性随机试验更是凤毛麟角。
突破性疗法的价值实现依赖于从GMP生产到商业化运营的全链条操作专长,这已成为与科学发现同等重要的战略资产。新泽西州米德尔塞克斯县拥有全美平均水平约7倍的制药制造业就业密度,依托罗格斯大学、普林斯顿大学及HELIX创新区等生态要素,为企业快速组建经验丰富的运营团队提供了支撑。选址策略应优先考量人才密度与运营连续性,以加速实现可靠、合规且可扩展的生产能力。
指数加权集成深度学习模型在肺腺癌组织学生长模式分类中达到kappa值0.9648和96.52%准确率,显著优于最佳单模型(McNemar检验p<10^-12)。
AGENT框架结合高通量实验与贝叶斯优化,可快速设计热稳定的固态mRNA疫苗。这些制剂在37°C储存两个月后仍保持完全生物活性,在啮齿类和非人灵长类动物中通过微针贴片引发与新鲜疫苗相当的免疫反应。
一项研究利用数据高效的 AI 方法加速了热稳定 mRNA–脂质纳米颗粒疫苗的发现。该方法通过优化配方,提高了疫苗在高温下的稳定性,有望解决 mRNA 疫苗储存和运输中的冷链依赖难题。这项工作为开发更易分发的疫苗提供了新策略。
FRANK 机器学习模型利用 11,467 个转录组数据对 181 种儿童肿瘤及正常组织类型进行分类,在包含 16,398 个样本的九个数据集中实现 98.3% 的总体准确率。该模型在长读长 RNA 测序数据以及噪声和低质量数据中保持准确性,并在外部数据集上优于其他已发表的儿童泛癌种 RNA-seq 分类器。
SHERLOCK 是一个用于单细胞扰动分析的可解释深度生成框架,它将扰动效应表示为对潜在基线细胞状态的结构化干预。该框架学习相关且稀疏的扰动表征,能根据共享的转录反应对遗传和药理学扰动进行组织,并可量化不同条件下的扰动反应变化以及组合式建模组合扰动效应。在基因组规模CRISPR、化学和空间扰动数据集上的测试表明,SHERLOCK能够恢复与已知生物通路和药理学特性一致的扰动关系。
诺和诺德股价自 2024 年 6 月超过 140 美元的峰值后大幅下跌,本周一度再跌 8% 至约 38 美元。自 2024 年初以来,至少 12 家专注于 AI 药物发现的生物技术公司完成了单轮 1 亿美元以上的融资,其中 Isomorphic Labs 融资 21 亿美元。
基因泰克支付 5500 万美元首付款,与 AI 生物技术公司 Earendil Labs 合作发现和开发多款双特异性抗体癌症疗法。这笔交易总额可能超过 15 亿美元,包含开发、监管和销售里程碑付款。Earendil 将负责抗体发现和早期临床研究,而基因泰克将主导后续全球临床开发和商业化活动。
Anthropic 公司的人工智能代理在巨型病毒基因组中发现了一种与细菌 CRISPR 免疫系统中相似的重复 DNA 序列模式。该发现由约 950 个 AI 代理在自主探索数十亿蛋白质数据后得出,并作为预印本于 9 月 23 日发布在 alphaXiv 平台。研究人员尚未确定这些新发现的病毒序列的功能,也不清楚其是否具有与 CRISPR 类似的基因编辑工具潜力。
一项涵盖130万项专利反应的分析显示,化学家仍高度依赖二氯甲烷(DCM)等有害溶剂,其使用比例从1976年的约60%升至2016年的70%以上。该研究还发现三氟乙酸(TFA)等持久性PFAS类溶剂使用量大幅增加,这类溶剂在药物早期发现阶段被广泛采用。分析基于1976-2016年美国专利数据库,未反映近年变化且未统计溶剂实际用量。
推荐理由:热度:X 浏览 5.9 万
OpenAI 研究主管 Mark Chen 表示公司正转向安全优先,并探索 AI 在药物发现和半导体设计等科学领域的应用。公司采用多管齐下的安全策略,其中模型间监控是当前最有效的对齐方法。OpenAI 计划在 2028 年实现更端到端的研究,并正训练模型具备“研究品味”以识别值得探索的方向。