新型 CRISPR 方法靶向约两成癌症中出现的基因融合
澳大利亚 Peter Mac 的研究团队开发出一种用 CRISPR-Cas13b 精准靶向并沉默致癌基因融合的方法，在实验室细胞模型中成功靶向并沉默了包括 BCR-ABL1 在内的 9 种基因融合。
#Science
Medical XpressAI 评分5858
科学网精选AI 评分8888 生成式AI系统 RFdiffusion3 可从原子层面设计蛋白质与核酸
包括戴维·贝克在内的团队开发出生成式AI系统 RFdiffusion3（RFD3），可直接从原子层面设计蛋白质和核酸，生成蛋白质结构的速度约为前代系统 RFdiffusion2 的10倍。在41个已有酶的活性位点计算测试中，RFD3 有37个案例的设计表现优于 RFdiffusion2；实验上设计出可分解对氧磷的酶和可切割特定肽段的蛋白酶，均完成预期化学反应。设计范围还扩展到 RNA 等核酸分子。
推荐理由：RFD3 把蛋白质设计条件细化到原子位置和氢键，并给出与前代的速度和活性位点对比，可据此判断原子级设计的能力边界。
Science AdvancesAI 评分4747 CellDiffusion：通过精准推断细胞间关联增强 scRNA-seq 数据整合
CellDiffusion 是一个无监督图模型，通过扩散过程传播细胞特征、学习细胞间注意力网络，在整合 scRNA-seq 数据时自适应识别跨批次对应细胞群并进行细胞特异性校正。该模型在包括人子宫内膜在内的多个数据集上验证，生成的细胞嵌入在跨批次对齐细胞的同时保留固有细胞类型与发育轨迹，并提升了标签转移、聚类和轨迹推断等分析。
公众号：达摩院DAMO精选AI 评分8282 达摩院 DAMO RADAR 登上《科学》：一个模型识别 146 种腹部病症
达摩院发布通用医疗影像模型 DAMO RADAR，可覆盖含恶性肿瘤在内的腹部病症，研究团队评估了其中 146 种、涉及 18 个器官。该模型采用视觉-语言学习与器官级细粒度对齐策略，在近 4 万次真实世界检查中 AUC 达 0.913；与 26 名影像科医生的人机对比中，其平均准确率超过其中 23 名，AI 提示下医生识别疾病的敏感性提高 10%、用时减少 30% 以上。
推荐理由：该模型用器官级细粒度对齐把腹部 CT 与报告文本对齐，并给出与 26 名影像科医生的人机对比结果，可供做医学影像基础模型的人参考。