优秀的模型需要优质的数据支持

墨尔本大学的 Rhys Grinter 探讨了细菌病原体如何编码蛋白质以提取铁元素，并使用 Twist 克隆基因筛选新的结合蛋白。

SeamlessTx 的 Felix Lansing 探讨了数据驱动型方法如何加速高性能重组酶的生成，从而扩展了基因编辑的治疗潜力。

A*STAR IMCB 的 Fong Tian Wong 探讨了合成生物学和分子工程如何激活放线菌中的“沉默”生物合成基因簇，简化代谢物的产生，并实现新型化合物的发现。

A-Alpha Bio 的 Ryan Emerson 探索蛋白质-蛋白质相互作用的大规模测量，为下一代发现建立数据基础。

为了筛选大量计算生成的抗体，David Baker Lab 选择采用 Twist 的多重基因片段。

研究人员利用基因片段整合了湿实验室结果，以改进机器学习模型，加速抗体优化并确保闭环系统的准确性。

A-Alpha Bio 的 Ryan Emerson 探索蛋白质-蛋白质相互作用的大规模测量，为下一代发现建立数据基础。

Genentech 的 Vladimir Gligorijevic 探讨了将 AI 驱动的设计与靶向实验室测试相结合如何加速发现高性能治疗性抗体，减少实验负担并提高候选质量。

Phytoform Labs 使用 Twist 的合成解决方案来简化性状选择，并优化研发资源。

Resurrect Bio 采用 Twist 的克隆基因和基因片段，对数千种 AI 设计的基因进行大规模筛选，构建从计算机模拟预测到植物原位验证的高效性状发现漏斗。

引导编辑是一种新兴的 CRISPR 技术，使用需要逆转录酶的独特机制，精准插入小片段突变，而不会引入供体 DNA 及双链断裂，因此它的前景喜人。由于具有精准的基因编辑能力，CRISPR 引导编辑应用有望治疗多种遗传疾病。

Xaira 的 Ci Chu 探讨了生成大规模单细胞扰动数据集的新方法，这些数据集克服了吞吐量、变异性和批次效应方面的关键挑战。

为了解决基因组建模和设计的瓶颈，Brian Hie 讨论了他在基因组基础模型 Evo2 方面的工作。