Uncategorized

投资者瞄准改基因合成大麻

Posted on

大麻在加拿大合法化让投资者看到了一个又一个赚钱机会,其中一个就是用分子合成改基因方式工业性生产能够用于治疗疼痛、癌症、失眠、癫痫等病症的大麻药品。 加广版权所有www.rcinet.ca微信:radio-canada 不少大麻公司、生化公司、制药公司在争分夺秒的用遗传工程技术对大麻分子进行切割、拼接,试图找到最佳的合成基因搭配去申请专利,以成为特效药大麻的发明者大赚其钱。 加广版权所有www.rcinet.ca微信:radio-canada 专利的有效期为二十年。 加广版权所有www.rcinet.ca微信:radio-canada 专家们指出,用化学合成方式工业化生产大麻药品不但省去了种植大麻这一费时费力的程序,而且能够低成本生产高纯度四氢大麻酚THC和大麻二酚CBD。 加广版权所有www.rcinet.ca微信:radio-canada 由于多年来大麻在加拿大属于非法毒品,所以很少有公司投资于用遗传工程方法对大麻制药进行研究。在特鲁多自由党政府明确要在加拿大实现大麻合法化后,大量投资才开始涌入这个领域。 加广版权所有www.rcinet.ca微信:radio-canada 现在在用遗传工程方法研究大麻制药是大小公司齐出动、百花齐放的竞争,哪些公司能够在竞争中脱颖而出现在还难以得出结论。 加广版权所有www.rcinet.ca微信:radio-canada RCI with Chris Arsenault · CBC News

Uncategorized

贝瑞基因完成基因检测平台股权转让

Posted on

新京报快讯(记者王卡拉)10月16日,贝瑞基因发布公告显示,为了保障福建和瑞基因科技有限公司(以下简称“福建和瑞”)拥有开展肿瘤业务一体化资源,公司拟将子公司北京贝瑞和康生物技术有限公司持有的基因检测平台福建贝瑞和康医学检验所有限公司(以下简称“福建检验所”) 70%股权转让给福建和瑞,此次交易构成关联交易。近日,公司接到福建检验所通知,福建检验所拿到了本次股权转让完成后福州市长乐区市场监督管理局核发的营业执照。 福建检验所主营业务为以高通量测序技术为基础的基因检测服务,具备对外开展医学检验服务的相关资质,是开展基因检测的平台型公司。贝瑞基因表示,本次股权转让是贝瑞基因将肿瘤业务独家授予福建和瑞后,为使福建和瑞拥有开展肿瘤业务基因检测平台而进行的资源重新配置。 本次股权转让完成后,福建检验所将不再纳入贝瑞基因合并财务报表中,福建检验所 2018 年上半年实现净利润占公司实现净利润的-0.65%,占比较少,本次股权转让完成后将不会对贝瑞基因财务状况产生重大不利影响。

Uncategorized

看一眼就知道哪个肺癌基因突变!谷歌AI再获重大突破

Posted on

来源:药明康德AI 近日,《Nature Medicine》上发表了一项重磅研究:来自纽约大学医学院的研究人员开发了一个新的机器学习程序,不仅能够以97%的准确率确定患者的肺癌类型,甚至还可以识别导致异常细胞生长的变异基因! 肺癌是生存率最低的癌症之一,据统计,在美国每年有超过15万人死于与疾病相关的并发症。更让人沮丧的是,在过去四十年中,尽管癌症患者的总生存率提高了2倍多,但肺癌患者的生存率几乎没有提高。目前仅有5%的肺癌患者生存期超过10年。在肺癌的诊断和治疗方面,人们还有很长的路要走。 研究人员团队使用了来自Google的深度卷积神经网络Inception v3,并使用来自The Cancer Genome Atlas(TCGA)数据集的1634张图像对其进行了重新训练。TCGA是一个由美国国家癌症研究所(NCI)和美国国家人类基因组研究所(National Human Genome Research Institute,NHGRI)维护的公共数据集,包含了33种不同类型的癌症,以及每种癌症中存在的基因组变化数据。 ▲上图为AI模型从癌变组织图像中识别两种肺癌类型的示意图。其中左图为原始图像,右图为AI输出的肺癌类型图谱。右图中的红色部分为鳞状细胞癌,蓝色部分为肺鳞状细胞癌,灰色部分为正常肺部组织(图片来源:NYU School of Medicine) 在完成了对Inception v3的训练之后,研究人员开始使用该神经网络,来区分腺癌(LUAD)和鳞状细胞癌(LUSC),这两种癌症都是肺癌最常见的形式。结果显示,尽管样本中出现了在之前训练中从未出现的特征,比如血块、炎症、坏死区域和肺萎缩等等,Inception v3仍然可以正确识别绝大部分样本中的肺癌类型,正确率最高可到达97%。更加令人印象深刻的是,该模型在一台拥有单一图形处理器的电脑上运行时,平均计算时间只需短短20秒。 有趣的是,研究人员发现,在被AI程序错误分类的那一小部分肿瘤图像中,约有一半也被病理学家错误地进行了分类,这一点表明了区分两种肺癌类型的难度。另一方面,在54幅被至少一位病理学家分类错误的图像中,机器学习正确识别出了其中45幅的癌症类型,这一点说明人工智能可以为医生提供有用的补充信息。 除了对疾病类型的识别外,研究人员还训练Inception v3识别癌变组织内的突变基因。利用肿瘤外观的细微差异,AI模型可以预测在细胞中是否存在与肺癌相关的6个突变基因,这6个基因分别为STK11、EGFR、FAT1、SETBP1、KRAS和TP53。针对不同的突变基因,Inception v3的预测准确率也不同,总体介于73%到86%之间。 “总的来说,这项研究表明深度卷积神经网络可能会成为一个非常有用的工具,帮助病理学家对肺部组织图像进行分类,”研究人员在论文中写道:“有了这些至关重要的信息,就可以为肺癌患者量身定制适合他们的靶向疗法,从而增加精准治疗的范围和效果。” ▲该研究的通讯作者之一、纽约大学Langone’s Perlmutter Cancer Center病理系副教授Aristotelis Tsirigos博士(图片来源:纽约大学官网) “推迟癌症治疗永远不会对患者有益,”该研究的通讯作者之一、纽约大学Langone’s Perlmutter Cancer Center病理系副教授Aristotelis Tsirigos博士表示:“我们的研究提供了强有力的证据,表明机器学习能够即时确定癌症亚型和基因突变特征,有助于让患者更早开始接受靶向治疗。” 未来,研究团队计划继续对该AI程序进行进一步的数据培训,使其能够以超过90%的准确率确定哪些基因在特定癌症中发生突变。届时他们将会申请将该技术用于临床,来辅助进行不同癌症类型的诊断工作。