研究比较 cilta-cel 与 ide-cel 发现 CAR 启动子影响疗效
Decoding Bio 的 BioByte 周刊介绍了一项比较两种 BCMA CAR-T 产品 cilta-cel 与 ide-cel 的研究,作者认为两者的关键差异在于控制 CAR 表达的启动子,而非抗原结合域。
推荐理由:通过重建四种 CAR 组合,把 cilta-cel 与 ide-cel 的疗效差异指向启动子而非抗原结合域,为细胞治疗设计提供可比较的线索。
内容形态
综述、评论、展望与访谈:领域里的人在想什么。
30 条精选近 30 天 25 条共收录 56 条
Decoding Bio 的 BioByte 周刊介绍了一项比较两种 BCMA CAR-T 产品 cilta-cel 与 ide-cel 的研究,作者认为两者的关键差异在于控制 CAR 表达的启动子,而非抗原结合域。
推荐理由:通过重建四种 CAR 组合,把 cilta-cel 与 ide-cel 的疗效差异指向启动子而非抗原结合域,为细胞治疗设计提供可比较的线索。
Eric Topol 解读了哈佛 Vadim Gladyshev 团队发表在 Nature 的论文和 Altos Labs Juan Carlos Izpisua Belmonte 团队近期发表在 Cell 的论文,提出细胞身份丢失是衰老的新模型,与传统的损伤累积模型并列。
推荐理由:文章把细胞身份丢失与间充质漂移串成衰老的新解释框架,并梳理了热量限制、部分重编程等干预思路。
Levayer Lab 就英国资助机构使用 AI 初筛拒绝基金申请一事提出批评,认为把决定交给不透明的 AI 模型会激励申请人用 AI 写作去调整系统,从而形成恶性循环。该帖引用 Science 报道,指出这套 AI 评估未在资助公告中明确说明,已引发隐私与公平性担忧。
推荐理由:借英国资助机构用 AI 初筛拒稿一事,讨论不透明模型进入评审后可能形成的激励扭曲与反馈循环。
Rod Rahimi 在 Bluesky 引用《纽约时报》观点文章《A.I. Has Made Me a Better Doctor. It's Made Med Students Worse.》,并提出疑问:自己面对背痛问题时,会拿聊天机器人的建议对照多年积累的思维模型,但若一直由机器人主导思考,这种模型还能否形成。
推荐理由:医生以自身经验对比 AI 辅助对资深医生与医学生判断力养成的不同影响,适合关注医学 AI 教育的人。
Derek Lowe 评论 Anthropic 称已拦截其 Claude 系统被用于包括可能的生物武器设计在内的不当用途,但 Science 报道中并非所有人都认同这些案例的性质。
推荐理由:从五起被拦截案例出发,讨论如何区分病毒突变研究的正当用途与滥用意图,并比较生物与化学风险的现实差异。
文章指出,高通量生物学与基因组学近二十年的快速扩张已编目出多种细胞类型和条件下基因功能的多个方面,人工智能与深度学习的进展也让功能基因组学测量预测更准确。作者认为,把实验编目和准确预测等同于对生物过程理论理解的增长,最终会误导人。
推荐理由:文章区分实验编目、预测能力与理论理解,为评估功能基因组学与深度学习进展提供概念框架。
David Li 认为,未来 18–24 个月 AI 药物发现的最大瓶颈是实验验证与核实,而 36 个月后最大瓶颈将变成临床试验资源稀缺。
推荐理由:作者用 IND 审评与启动天数的对比,拆解美国临床试验基础设施的瓶颈,并给出未来 18–36 个月瓶颈迁移的判断。
Caleb Lareau 等人在 Nature 发表关于 mtDNA 谱系追踪的最后一组通信,为持续 2 年多的学术对话收尾,并附上 DOI 10.1038/s41586-026-10777-0。作者表示这是系列回应的最后几条想法,共 10 条。
推荐理由:围绕 mtDNA 谱系追踪持续两年多的学术通信收尾,可了解该方向争议的最终表述与作者立场。
Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展,包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型,可预测蛋白折叠、相互作用与功能并设计新蛋白,已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。
推荐理由:Biohub 联合创始人以第一人称复盘半年进展,把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。
Sara Mostafavi 与 Alex Sasse、Maria Chikina 合作在 Nature Methods 发表评论文章,回顾序列到功能(sequence-to-function)深度基因组模型的过去与未来,文章链接为 https://www.nature.com/articles/s41592-024-02331-5。作者同时提到该刊当天上线了多篇相关 Comment 文章。
推荐理由:作者团队在 Nature Methods 回顾序列到功能深度基因组模型的进展与未来方向,适合了解该领域方法脉络。