Tirzepatide在阻塞性睡眠呼吸暂停和肥胖症发病率/死亡率方面的研究也在计划之中。

目前ABSK021正处于临床试验当中，我们中心也入组了不少病例。四川大学华西医院骨科周勇副教授在接受采访时表示。

目前对于这种情况，外科手术已经走到了瓶颈，周勇副教授介绍，第一，肿瘤往往侵犯包裹肢体的重要血管神经，并广泛侵犯正常组织，手术切除过程中血管神经损伤风险很高，可能出现肢体缺血性坏死或神经损伤后肢体功能丧失。目前，国内尚无针对无法手术的腱鞘巨细胞瘤患者的治疗药物上市，而此次ABSK021获得突破性疗法认定是基于临床Ib期试验在腱鞘巨细胞瘤患者中的优异研究结果，有望加速临床研究和药物上市。在我们中心入组的患者中基本上都能看到明显的疗效，并且没有严重的药物副作用发生。研究表明，过量表达的CSF1是引起腱鞘巨细胞瘤的主要原因，阻断CSF1/CSF-1R通路为药物系统性治疗TGCT提供了全新的选择。目前，在一项我国原研的药物ABSK021正在进行的临床试验中，我们研究中心几乎所有患者都看到了疗效。

据了解，腱鞘巨细胞瘤分为局限性和弥漫性，发病率大约百万分之四十三，其中弥漫性占了约十分之一，属于一种罕见疾病。当前，和誉医药ABSK021用于治疗腱鞘巨细胞瘤已在美国完成临床1a期剂量爬坡试验，当前正在中国与美国同步开展Ib期多队列扩展阶段研究。近视者每天佩戴Kubota Glass 60-90分钟便可以矫正近视，但目前并不了解需要戴多久，以及治疗成功后的视力维持时间。

撰文|木子久排版|木子久参考资料：[1]Lee DH, Rezende LFM, Joh HK, et al. Long-Term Leisure-Time Physical Activity Intensity and All-Cause and Cause-Specific Mortality: A Prospective Cohort of US Adults. Circulation. 2022 Jul 25. doi: 10.1161/CIRCULATIONAHA.121.058162. Epub ahead of print. PMID: 35876019.。Kubota Vision是一家临床专业眼科公司，2020年12月首次发布了近视治疗智能眼镜Kubota Glass。眼镜是一个人的重要部位，但是由于学习、电子产品等方方面面的影响，使得儿童和青少年的近视问题越来越严重，且越来越低龄化，很多孩子还没有开始走进校园就带起了眼镜。Kubota Glass除在日本销售之外，已经于2021年5月和2022年6月分别获得中国台湾地区的食品药品监督管理局和美国食品药品监督管理局的批准。

2020年初，Kubota Vision采用融合Kubota Glasses技术的电子桌面光学投影设备进行了一项临床研究，研究结果显示，与对照组人员相比，应用了投影近视散焦图像的测试组人员，其眼睛的眼轴长度缩短。在成年之后，很多人会选择通过手术的方式来恢复视力，但是这种手术并不适用于所有人。

Kubota Vision计划研发减缓近视的智能隐形眼镜，同时也想将这些技术用于AR和VR设备，以治疗近视儿童恢复其视力。近日，来自日本的一家眼科公司Kubota Vision宣布旗下一款名为Kubota Glass的近视治疗智能眼镜开售，用于治疗近视恢复患者视力。近视产生的主要原因在于眼睛的眼轴过长或角膜弧度过弯，导致光线进入眼睛后落在视网膜前端，无法在视网膜形成焦点，造成眼睛只能看清近物比AlphaFold2效果好，比Meta ESMFold参数小。

该算法由氨基酸编码模块(整合多个蛋白质语言模型)、修改后的Evoformer模块和结构生成模块组成。只用AI,不使用同源序列和共进化信息的单序列蛋白质结构预测将是行业发展的必然趋势,也是分子之心发展路线中的既定规划,许锦波表示,分子之心团队已经在预测蛋白质结构方面实现了三级进化:从 AI+共进化信息+序列谱开始,到仅使用AI+序列谱,再到纯AI方法,分子之心将使用基于AI的单序列蛋白质结构预测方法,进一步扩大人类在蛋白质结构预测领域的探索效率和边界。这一固有路径存在两大局限。然而,目前的方法在速度、成本,以及孤儿蛋白结构预测上,仍然存在巨大的局限。

但目前的AI蛋白结构预测算法普遍需要提前搜索序列库、构建MSA才能进行结构预测。许锦波表示,分子之心正在对孤儿蛋白等特殊蛋白质结构预测进行深入探索。

比如,UniRef100目前有约3亿个序列,如果采用RaptorX、trRosetta、AlphaFold、RoseTTAFold等传统方法,使用同源序列和共进化信息作为输入,需要巨量的计算时间和算力成本。当前几乎所有声称基于单序列的深度学习方法仍然隐含地利用了蛋白质的同源信息。

(与AlphaFold2的运行时间比较,分子之心RaptorX-Single算法具有明显优势)三是在预测结果相当的情况下,RaptorX-Single所用的蛋白语言模型参数仅43亿,远低于Meta蛋白质预测模型ESMFold高达150亿的参数量,极大降低了大算力芯片的高昂成本,对于该算法进一步产业化应用提供了可行条件。同时,RaptorX-Single所采用的模型更轻量,参数不到Meta ESMFold 方法的三分之一。但在推动生物行业巨大进步的同时,这些AI算法始终存在一个重大局限,即高度依赖MSA及其衍生的共同进化信息和序列谱来预测蛋白质结构,无法对孤儿蛋白等缺乏同源进化信息的蛋白质进行高精度结构预测。(在蛋白质7W5Z_T2和6O0I_A上,分子之心RaptorX-Single算法的性能明显优于基于MSA的AlphaFold2)分子之心在论文中提出,相比全球已公开的同类算法模型的实验结果,RaptorX-Single算法在三方面实现了领先:一是实现了孤儿蛋白等没有同源序列的蛋白质结构预测从0到1的突破,且测试结果远好于AlphaFold2。哥伦比亚大学、南开大学、Meta等国内外企业和研究团队,也都陆续发布了相关技术和论文。一是搜索蛋白质同源序列需要大量时间,随着技术的不断发展,序列数据库正在持续高速增长,时间和成本的投入巨大。

但同样值得关注的是,RaptorX-Single等单序列蛋白质结构预测算法的出现,正在不断提升蛋白质结构预测相关难题的解决效率,拓宽人类对蛋白质结构探索的边界。因此,从理论上来说,对蛋白质结构的预测仅从它的序列信息中即可实现。

许锦波教授领衔的分子之心团队,基于自研的AI蛋白发现与设计平台MoleculeOS创造了一种独特的模型组合方式,提出了不明显使用同源序列和共进化信息的AI蛋白质预测算法RaptorX-Single。虽然分子之心已经完成了AI蛋白质结构预测三级进化,唯AI化的蛋白质结构预测已经取得重要进展,但值得关注的是,分子之心仍在相关论文中指出,不管是自身的算法还是业界已发布的AI算法,目前仍然无法准确预测没有任何同源序列的孤儿蛋白的正确折叠。

我们正在开发一种方法,可以直接从其一级序列预测蛋白质结构,而无需隐含使用任何同源信息,这种方法才可以正确地预测孤儿蛋白的结构。AI在蛋白质结构预测领域的应用已从星星之火,掀起了燎原之势。

蛋白质语言模型均为目前已公开的预训练模型,且可以支持同时用多个模型输入,可以直接从一级序列预测蛋白质结构,而无需明确使用同源序列,预测准确性高且使用方便。在此背景下,不使用同源序列和共进化信息的AI蛋白质预测方法在近两年成为了业界共同探索的新方向。随着算法持续进化,关于蛋白质复合物结构、蛋白质和其他分子的相关作用、抗体抗原相互作用等蛋白质结构预测的其他难题,将逐一得解。众所周知,自然界中的蛋白质折叠并不需要知道其同源序列及任何共进化信息。

许锦波团队完成蛋白质结构预测三级进化 2022-08-11 15:25 · 生物探索 许锦波团队完成蛋白质结构预测三级进化. 8月11日,AI蛋白质预测奠基人许锦波领衔的分子之心团队宣布,在蛋白质结构预测领域取得一项重要进展。(Orphan11数据集包含11个没有任何同源序列的孤儿蛋白,分子之心RaptorX-Single算法优于AlphaFold2和RoseTTAFold)二是实现了比AlphaFold2更快的运行速度,极大提升了蛋白质结构预测效率。

基于AI的单序列蛋白质结构预测算法RaptorX-Single可以在不使用MSA(来自同源蛋白质的多序列比对)的情况下,从其一级序列直接预测蛋白质结构,并实现超越DeepMind AlphaFold2等方法的性能。大分子制药领域,以及拥有更广泛应用场景和更具差异性市场竞争力的蛋白质设计领域,也将因此迎来更可预期的未来。

二是并非所有蛋白质都有足够多的同源序列,比如对于孤儿蛋白等小型蛋白质家族,基于MSA的预测方法始终表现不佳。(分子之心RaptorX-Single算法架构示意图)自2016年许锦波教授研发出RaptorX-Contact方法,开启AI蛋白质结构预测时代之后,DeepMind、Baker等研究团队相继推出了AlphaFold2、RoseTTAFold等AI蛋白质结构预测模型

虽然分子之心已经完成了AI蛋白质结构预测三级进化,唯AI化的蛋白质结构预测已经取得重要进展,但值得关注的是,分子之心仍在相关论文中指出,不管是自身的算法还是业界已发布的AI算法,目前仍然无法准确预测没有任何同源序列的孤儿蛋白的正确折叠。许锦波团队完成蛋白质结构预测三级进化 2022-08-11 15:25 · 生物探索 许锦波团队完成蛋白质结构预测三级进化. 8月11日,AI蛋白质预测奠基人许锦波领衔的分子之心团队宣布,在蛋白质结构预测领域取得一项重要进展。(在蛋白质7W5Z_T2和6O0I_A上,分子之心RaptorX-Single算法的性能明显优于基于MSA的AlphaFold2)分子之心在论文中提出,相比全球已公开的同类算法模型的实验结果,RaptorX-Single算法在三方面实现了领先:一是实现了孤儿蛋白等没有同源序列的蛋白质结构预测从0到1的突破,且测试结果远好于AlphaFold2。(分子之心RaptorX-Single算法架构示意图)自2016年许锦波教授研发出RaptorX-Contact方法,开启AI蛋白质结构预测时代之后,DeepMind、Baker等研究团队相继推出了AlphaFold2、RoseTTAFold等AI蛋白质结构预测模型。

当前几乎所有声称基于单序列的深度学习方法仍然隐含地利用了蛋白质的同源信息。因此,从理论上来说,对蛋白质结构的预测仅从它的序列信息中即可实现。

这一固有路径存在两大局限。AI在蛋白质结构预测领域的应用已从星星之火,掀起了燎原之势。

但在推动生物行业巨大进步的同时,这些AI算法始终存在一个重大局限,即高度依赖MSA及其衍生的共同进化信息和序列谱来预测蛋白质结构,无法对孤儿蛋白等缺乏同源进化信息的蛋白质进行高精度结构预测。(Orphan11数据集包含11个没有任何同源序列的孤儿蛋白,分子之心RaptorX-Single算法优于AlphaFold2和RoseTTAFold)二是实现了比AlphaFold2更快的运行速度,极大提升了蛋白质结构预测效率。