杨为博士职业背景与研究领域 - 杨为博士于2019年在清华大学获得生物学博士学位，导师为计算机辅助药物设计专家来鲁华教授[2] - 2019-2025年在华盛顿大学蛋白质设计研究所从事博士后研究，合作导师为2024年诺贝尔化学奖得主David Baker教授[2] - 专注于开发全新蛋白质-蛋白质相互作用计算设计方法，应用于免疫调控和肿瘤免疫治疗领域[2] 蛋白质药物设计课题组研究方向 - 结合最新蛋白质计算设计方法前沿，形成算法开发-高通量验证-迭代优化闭环[3] - 开发全新药用蛋白质设计方法及验证平台，为蛋白质药物开发提供技术支撑[3] - 设计高选择性生物大分子用于癌症免疫治疗，提高靶向性并降低系统毒性[3] 癌症免疫治疗靶点研究 - CTLA-4、PD-1、LAG3、PD-L1等抑制性受体及IL2-R、IL10-R、TGFbRII等细胞因子受体是重要治疗靶点[10] - 免疫调控网络复杂性和联合疗法需求推动对多靶点高亲和力蛋白质结合剂的开发[10] - 含免疫球蛋白折叠结构的靶点因表面凸起特性，传统方法难以设计有效结合剂[10] 5HCS支架技术创新 - 开发专门针对凸面免疫球蛋白折叠靶点的5螺旋凹面支架(5HCS)[11][12] - 成功设计靶向TGFβRII、CTLA-4和PD-L1的结合剂，亲和力达低纳摩尔至皮摩尔级[11] - 晶体结构显示TGFβRII和CTLA-4结合剂与设计模型高度吻合，具备治疗应用潜力[11] 代表性研究成果 - 在Nature Communications发表靶向免疫调节受体的高亲和力结合剂设计研究(2025)[5][19] - 开发能特异性结合TGFβRII、CTLA-4和PD-L1的5HCS结合剂[13][15][18] - 前期在Comput Struct Biotechnol J等期刊发表蛋白质界面螺旋结合位点发现等基础研究[19]

大语言模型对学术写作的影响 - 2022年11月ChatGPT的推出标志着大语言模型（LLM）首次广泛用于学术写作，显著改变了文本生成和修改方式 [2] - 2024年PubMed收录的150万篇生物医学论文中，约20万篇（13.5%）摘要存在LLM生成文本迹象，部分子领域比例高达40% [3][5] - 使用比例在不同国家、学科和期刊差异显著，中国、韩国及计算机/生物信息学领域超20%，MDPI和Frontiers系列期刊使用率更高 [10] 研究方法与词汇特征 - 研究团队采用"超额词汇"分析法，识别2024年454个出现频率异常升高的风格词（如delves、showcasing、unparalleled） [7] - 相比COVID-19相关词汇（2021年新增190个名词），LLM引发的词汇变化主要为形容词/动词的风格化特征 [9] - 标志性词汇如"delves"在2024年底使用率下降，显示作者已开始主动规避AI特征词汇 [12] 发展趋势与潜在问题 - LLM辅助写作呈现加速态势：2024年上半年1/9论文含AI痕迹，全年比例升至1/7 [3][4] - 学术写作中AI使用存在合理边界，文本润色和翻译可接受，但大规模生成可能引发科研诚信问题 [13] - 现有评估方法（如训练分类模型）因数据集滞后性和作者适应性而面临挑战 [6][12]

肺癌诊断与预后AI模型研究 - 肺癌是全球癌症相关死亡的首要原因 对经济实惠、无创的基因突变检测方法和生存预测有迫切需求[1] - 当前肺癌诊断模型存在局限性 无法整合多样化患者数据导致临床评估不全面[1] LUCID模型开发 - 研究团队开发了多模态集成AI模型LUCID 通过整合临床信息实现肺癌分子表型分析和预后预测[2] - LUCID采用两阶段多模态集成方法 整合CT图像、症状描述、实验室结果和人口统计信息等多种数据[6] - 模型基于5175名患者数据集开发 在EGFR突变预测和生存时间预测方面表现优异[6][7] AI在肺癌管理中的应用 - AI在医学影像分析方面表现出色 能发现人类忽略的细微特征 实现更早更准确诊断[4] - AI能处理复杂分子数据 包括基因组特征和生物标志物 有助于精确患者分层和个性化治疗[4] - 多模态AI方法能同时分析多种数据类型 提供更全面的疾病理解[5] EGFR基因突变研究 - EGFR基因突变是非小细胞肺癌发展的关键驱动因素 导致信号通路过度激活[5] - 特定EGFR突变如19号外显子缺失和L858R突变 是EGFR-TKI治疗的明确靶点[5] - EGFR-TKI在携带这些突变的患者中疗效显著 比传统化疗效果更好且副作用更少[5] LUCID模型性能 - 在EGFR突变预测方面 AUC达到0.851-0.881[7] - 在生存时间预测方面 AUC达到0.821-0.912[7] - 在1285个样本的外部验证中表现出稳健性能[8] - 即使在单模态输入或模态缺失情况下仍保持稳健性能[7] 研究意义 - 代表了AI驱动肺癌诊断和预后领域的重大进展[7] - 能促进更个性化治疗策略 展现AI在医疗保健领域的变革潜力[6] - 有助于优化资源分配 提高生活质量和治疗效果[6]

肿瘤细胞休眠与化疗影响 - 研究发现播散性肿瘤细胞（DTC）可在远端器官中多年处于非增殖性休眠状态，其重新激活及转移性定植的外源性诱因尚不清楚[2] - 研究团队建立了休眠肿瘤细胞谱系追踪系统DormTracer，首次证实休眠DTC可苏醒导致转移，并发现化疗激活休眠肿瘤细胞导致复发的作用及机制[2] - 研究解释了临床上乳腺癌患者接受化疗获得初始疗效后往往难以避免后续发生转移复发的现象[2] 化疗对肿瘤细胞的影响机制 - 包括阿霉素和顺铂在内的化疗药物会增强休眠乳腺癌细胞的增殖和肺转移[4] - 化疗诱导休眠DTC重新激活从而导致转移性复发，机制上通过诱导成纤维细胞衰老，分泌蛋白质促进中性粒细胞胞外诱捕网（NET）形成[5] - NET通过细胞外基质重塑促进休眠DTC的增殖[5] 新型联合治疗策略 - 研究发现将衰老细胞清除药物Senolytic（达沙替尼+槲皮素）与化疗药物阿霉素联合使用，可抑制休眠DTC在化疗后的重新激活[5] - 该联合策略可抑制肿瘤的转移性复发[5] - 研究提出了Senolytic+化疗的新型联合治疗策略，为抑制肿瘤转移性复发提供了新方案[2] 研究亮点 - 开发了基于重组酶的系统用于休眠肿瘤细胞谱系追踪[6] - 证实化疗会激活休眠DTC并促进其转移[6] - 发现衰老的成纤维细胞和中性粒细胞外诱捕网介导了化疗对休眠的影响[6] - 将Senolytic与化疗相结合可提高治疗效果[6] 研究意义 - 研究提供了休眠癌细胞苏醒的直接证据[8] - 揭示了化疗对癌症转移产生不利影响的潜在机制[8] - 突出了改善癌症治疗的潜在策略[8]

肺癌流行病学 - 肺癌是全球发病率最高的癌症，每年新增248万例，导致180万人死亡[2] - 从不吸烟者肺癌(LCINS)占比达25%，对亚裔女性影响尤为显著[4] 环境因素与基因突变关联 - 空气污染与从不吸烟者肺癌存在基因组水平关联，污染严重地区患者驱动突变增加3.9倍，衰老相关突变增加76%[9][11] - 马兜铃酸(传统中草药成分)首次被证实与肺癌相关，中国台湾患者中检测到特异性突变特征SBS22a[16][17] - 发现新型突变特征SBS40a，存在于82%不吸烟患者中但成因未知[18][19] 地域性基因差异 - 北美/欧洲患者KRAS突变率是东亚患者的3.8倍，东亚患者更易出现EGFR和TP53突变[12] 研究局限性 - 二手烟暴露仅导致轻微基因突变(端粒缩短效应显著但未发现明确突变特征)[13][15] - 样本覆盖不足(当前仅含28个地区的871例样本)，计划扩展至拉丁美洲等地区[20] 研究方法创新 - 首次采用全基因组测序技术建立"分子指纹"，结合卫星污染数据量化个体暴露程度[10][11] - 突破性区分吸烟/非吸烟者数据，建立剂量反应关系模型[8][11] 未来研究方向 - 将探索电子烟、氡气、石棉等环境因素的致突变机制[20]

编辑丨王多鱼 排版丨水成文 旧石器时代早期 的 木制工具 极为罕见 ，此前仅发现过两件，一件位于欧洲，另一件位于非洲，这件木质工具均为狩猎用具。 2025 年 7 月 3 日，中国科学院古脊椎动物 与古人类研究所 高星 研究员、 澳大利亚卧龙岗大学 李波 教授作为 共同通讯作者 （ 云南省文物考古研究所 刘建辉 为第一作者， 阮齐军 为第二作者 ） 等在国际顶尖学术期刊 Science 上发表了题为： 300,000-year-old wooden tools from Gantangqing, southwest China 的研究论文。 研究团队 在 云南的 甘棠箐遗址 发现了 35 件保存完好的 木制工具 ，距今约 30 万年，并进一步证明了这些 木制工具是由古人类加工制作并用于 挖掘地下植物 食材，表明了 在中更新世的东亚地区，木质工具可能在古人类的生存和适应过程中发挥了重要作用。 甘棠箐遗址 是在云南省玉溪市发现的第一个中更新世旧石器时代旷野遗址，它的发现、发掘和研究为中国旧石器早期文化的对比研究提供了宝贵材料，遗址中发 现的木制工具，填补了中国旧石器时代木器研究的空白。 在这项最新研究中，研究体报 ...

替尔泊肽（Tizepatide）核心信息 - 礼来公司开发的GIP和GLP-1受体双重激动剂，2023年11月获FDA批准作为减肥药（Zepbound™），此前已获批用于2型糖尿病（Mounjaro™）[2] - 目前效果最好的减肥药物，临床试验多次刷新减肥效果纪录[2] - 2025年7月在中国获批第三个适应症——成人肥胖患者的中度至重度阻塞性睡眠呼吸暂停（OSA），此前已获批2型糖尿病和肥胖症治疗[2] 临床试验SURMOUNT-OSA结果 - 3期双盲随机对照试验显示，替尔泊肽显著降低AHI、体重、低氧负荷、hsCRP浓度及收缩压，改善睡眠相关患者结局[7] - **未接受PAP治疗组（研究1）**： - AHI平均减少27.4次/小时（安慰剂组4.8次/小时），降幅达55.0%（安慰剂组5.0%）[8] - 平均体重减轻18.1%（安慰剂组1.3%）[8] - **接受PAP治疗组（研究2）**： - AHI平均减少30.4次/小时（安慰剂组6.0次/小时），降幅达62.8%（安慰剂组6.4%）[9] - 平均体重减轻20.1%（安慰剂组2.3%）[9] - 两项研究中70%参与者为男性，女性减重效果更优[11] 适应症与市场潜力 - OSA影响全球数亿成年人，多数未获诊断治疗，替尔泊肽有望成为首个药物治疗方法[12] - 52周治疗平均减重20%，半数以上患者OSA症状完全消失[2][8][9] 安全性数据 - 最常见不良事件为胃肠道反应（腹泻、恶心、呕吐或便秘），严重程度多为轻至中度[12] - 总体安全性与既往临床试验一致[12] 学术与监管进展 - 2024年4月17日礼来公布SURMOUNT-OSA阳性结果[3] - 2024年6月21日试验结果发表于《新英格兰医学杂志》[4]

热纳米光子学与机器学习结合的研究突破 - 热纳米光子学在能源技术和信息处理等领域实现了根本性突破 但光谱工程长期受限于反复试验的方法 而机器学习在纳米光子学和超材料设计中展现出强大能力 [2] - 开发通用设计方法面临重大挑战 包括预定义几何形状和材料的限制 局部优化陷阱以及传统算法的局限性 [3] 研究团队与论文发表 - 上海交通大学周涵教授、张荻教授 新加坡国立大学仇成伟教授 德克萨斯大学奥斯汀分校郑跃兵教授作为通讯作者 上海交通大学Chengyu Xiao为第一作者 于2025年7月2日在《Nature》发表相关研究论文 [3] - 论文标题为《Ultrabroadband and band-selective thermal meta-emitters by machine learning》 提出基于机器学习的通用框架设计超宽带和带选择性热元辐射源 [3] 机器学习框架的创新性 - 研究团队提出非传统机器学习范式 利用稀疏数据覆盖三维结构复杂性和材料多样性 实现多参数优化 [5] - 框架具备双重设计能力：1）自动逆向设计超结构和材料组合以实现光谱定制 2）通过三平面建模方法设计三维元辐射源 突破传统平面二维结构限制 [6] - 展示了七种概念验证型元辐射源 在光学和辐射冷却性能上超越当前最先进设计 [6] 研究意义与通用框架 - 提供了设计制造三维纳米光子材料的通用框架 通过扩展几何自由度和维度以及全面材料数据库促进全局优化 [7] - 论文链接：https://www.nature.com/articles/s41586-025-09102-y [8]

根据提供的文档内容，未发现涉及公司或行业研究的相关信息。文档主要包含公众号运营相关的服务说明和社群管理内容，与投资分析无关。建议提供包含财务数据、行业趋势或企业动态的文本材料以便进行专业分析。[1][3][4]

胃肠道癌症现状 - 胃肠道癌症（包括肝癌、胃癌、胰腺癌、神经内分泌肿瘤和结直肠癌）占全球癌症诊断病例的24.6%和癌症死亡病例的34.2% [2] - 结直肠癌发病率排名第三，死亡率排名第二，胰腺癌死亡率最高 [2] - 现有筛查策略有限，导致许多病例晚期才被诊断，近50%早期诊断患者可能出现复发 [2] - 外科手术和放化疗虽降低死亡率，但存在不良反应和耐药性挑战 [2] CDH17靶点研究 - CDH17在胃肠道癌症中高度表达，结直肠癌临床样本表达率近100%，其他胃肠道癌症表达率23%-88% [5] - CDH17高表达与肿瘤进展、转移及预后不良密切相关，正常组织中低表达，是理想治疗靶点 [5] 7MW4911 ADC药物 - 7MW4911是抗CDH17的抗体药物偶联物（ADC），采用拓扑异构酶抑制剂MF-6有效载荷 [6] - 通过可裂解Linker实现4个MF-6与一个抗体均一偶联，旨在解决多药耐药性 [6] - 在CDX和PDX模型中展现强大肿瘤杀伤活性和显著抑制肿瘤生长作用 [7] - 在非人灵长类动物中显示良好药代动力学和安全性，最高非严重毒性剂量超过20毫克/千克体重 [7][8] 研究意义 - 7MW4911是前景广阔的ADC候选药物，有望改善胃肠道癌症治疗效果 [10] - 持续评估将为临床应用提供重要见解 [10]