2024年10月 ，深势 科技再获数亿元人民币融资，投资方为北京市人工智能产业投资基金和中关村科学城公司，深势科技作为AI for Science的引领者和践行者，此次获得国资加持，标志着深势科技在 AI for Science 领域的深耕、阶段性成果及未来的发展得到更有力和充分的认可与支持。 深势科技作为 “AI for Science” 科学研究范式的引领者和践行者，公司始终秉持了解真问题，解决真需求的态度，致力于打造专注于科研和工业研发与应用的立体微观尺度工业基础设施——从多模态科学文献阅读工具到全栈科研平台，从解决工业研发和应用的切实困境，到提升物质世界认知。 深势科技依托在交叉学科领域的深耕，构建了“深势 · 宇知®” AI for Science 大模型体系，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”。

2024年10月，士泽生物医药（苏州）有限公司（Roche Accelerator Member；以下简称“士泽生物”）正式宣布完成逾亿元B1轮市场化融资。 本轮融资由泰珑/泰鲲资本领投，七晟资本及天汇资本共同投资，峰瑞资本、启明创投、礼来亚洲基金、红杉中国等老股东追加投资。 本轮融资将用于士泽生物临床级iPS衍生细胞药治疗神经系统疾病管线的完善、进一步开展临床研究以及推进多项注册临床试验。

近日， 士泽生物医药（苏州）有限公司（Roche Accelerator Member；以下简称“士泽生物”）宣布完成逾亿元B1轮市场化融资。 本轮融资将用于士泽生物临床级iPS衍生细胞药治疗神经系统疾病管线的完善、进一步开展临床研究以及推进多项注册临床试验。 士泽生物由创始人李翔博士全职归国创立，自创立以来， 士泽生物组建了具有国际竞争力的全职All In团队，覆盖了iPS衍生神经细胞药的研发及产业化核心环节，核心团队成员来自北京大学、清华大学、复旦大学、上海交通大学、同济大学及美国威斯康星大学、美国霍普金斯大学等海内外著名高校或细胞治疗业界知名公司，团队拥有国际及产业界最前沿的干细胞治疗技术和转化经验。

ALG-000184 是一款由 Aligos Therapeutics 开发用于慢性乙型肝炎治疗的具有皮摩尔效力的泛基因型 II 型衣壳组装调节剂（CAM-E），是ALG-001075 的前药，在体外可抑制病毒复制（第一作用模式（MOA））和cccDNA的建立（第二作用模式（MOA））。 目前ALG-000184 处在Phase1b期研究阶段，ALG-000184-201研究是一项多部分、多中心、双盲、随机、安慰剂对照 Phase1b期研究（NCT04536337），旨在评估ALG-000184在健康志愿者和未经治疗的慢性HBV感染者中的安全性、PK和抗病毒活性（NCT04536337）。 研究人员以前曾报告过接受ALG-000184和恩替卡韦治疗≤64周的研究组取得的良好结果。

嵌合抗原受体（Chimeric Antigen Receptor，CAR）T细胞疗法，是一种新型癌症治疗方法。 这种治疗通过基因工程改造患者的T细胞，利用CAR结构的胞外抗原结合结构域识别肿瘤细胞表面抗原并通过胞内信号域激活T细胞，有效地识别并攻击肿瘤细胞。 CAR在血液系统恶性肿瘤的治疗领域已经取得了巨大成功，国内外已有多款针对血液肿瘤的CAR T药物上市。

近期，北京臻知医学科技有限责任公司（以下称“臻知医学”）宣布，其自主研发的IPM001注射液新药一期临床研究申请已获国家药品监督管理局（NMPA）默示许可。 IPM001是一种多抗原靶点自体免疫细胞注射液。 在前期临床试验中，IPM001显示出良好的安全性，未出现任何超过2级的药物相关的不良反应，对于经多线系统性抗肿瘤治疗失败的进展期原发性肝细胞癌患者表现出良好的临床疗效，有望成为中国晚期肝癌患者重要治疗选择。

近日，威斯津生物启动了一项 I 期临床试验，旨在评估 EB病毒mRNA疫苗 WGc-043在EB病毒阳性的复发或难治性淋巴瘤患者中的安全性、耐受性、药代动力学、免疫原性及初步抗肿瘤活性。 EB病毒是首个被发现的人类致瘤病毒，与10多种恶性肿瘤如鼻咽癌、淋巴瘤、胃癌、肺癌、肝癌、食管癌、乳腺癌、宫颈癌等高度相关。 EB病毒已被国际癌症研究机构（IARC）确定为第一类致癌物，全球人群感染率超过90%，有着巨大的临床需求。

2 024年10月21日，士泽生物医药（苏州）有限公司（Roche Accelerator Member；以下简称“士泽生物”）正式宣布完成逾亿元B1轮市场化融资。 本轮融资由泰珑/泰鲲资本领投，七晟资本及天汇资本共同投资，峰瑞资本、启明创投、礼来亚洲基金、红杉中国等老股东追加投资。 本轮融资将用于士泽生物临床级iPS衍生细胞药治疗神经系统疾病管线的完善、进一步开展临床研究以及推进多项注册临床试验。

《基于大语言模型的端到端临床试验匹配》一文探讨了利用大型语言模型 (LLM) 来改善癌症患者临床试验匹配的效率和准确性。 目前，将癌症患者匹配到合适的临床试验是一个耗时且容易出错的过程，主要原因有三：第一，肿瘤治疗过程中产生的数据量巨大且结构复杂，包括住院记录、基因组数据和影像数据等，给医生带来了沉重的负担；第二，针对肿瘤的临床试验数量庞大且复杂，其资格标准通常包含非结构化的文本信息，需要复杂的逻辑组合才能判断患者是否符合条件；第三，为了避免患者病情恶化导致脱落，需要将患者纳入临床试验并开始治疗的时间缩到最短。 结果表明，该流程在从数万个试验中可靠地筛选相关试验以及将选定的候选试验与个体患者进行高精度匹配方面都表现出色。

如果不采取积极措施，抗生素耐药性的不可控将会上升并预计于2050年成为人类死亡的主要原因，而噬菌体疗法正有望取代传统抗生素以解决这一难题。 然而，不同耐药菌株都具有不同的细胞表面结构和防御机制，而噬菌体的宿主范围狭窄，这些因素限制了这一疗法的施展。 CRAB感染者死亡率高达25%-60%，2019年死亡人数超100000人，世界卫生组织已将其确定为迫切需要创新疗法的优先病原体。