Directed protein evolution is central to biomedical applications but faces challenges like experimental complexity, inefficient multi-property optimization, and local maxima traps. While in silico methods using protein language models (PLMs) can provide modeled fitness landscape guidance, they struggle to generalize across diverse protein families and map to protein activity. We present EVOLVEpro, a few-shot active learning framework that combines PLMs and regression models to rapidly improve protein activity. EVOLVEpro surpasses current methods, yielding up to 100-fold improvements in desired properties. We demonstrate its effectiveness across six proteins in RNA production, genome editing, and antibody binding applications. These results highlight the advantages of few-shot active learning with minimal experimental data over zero-shot predictions. EVOLVEpro opens new possibilities for AI-guided protein engineering in biology and medicine.

Directed evolution of proteins is critical for applications in basic biological research, therapeutics, diagnostics, and sustainability. However, directed evolution methods are labor intensive, cannot efficiently optimize over multiple protein properties, and are often trapped by local maxima.

e13782 Background: Breast cancer [BC] is the leading cause of cancer incidence and mortality in Nigerian women, with five-year survival of 44% vs. 90% in the US. The World Health Organization [WHO], through the Global Breast Cancer Initiative [GBCI], endorses a 3-pillar program that promotes early-stage detection, timely diagnosis, and expeditious treatment. We performed a situational analysis to understand predictors of achieving WHO targets in Nigeria as a basis for implementing an action plan. Methods: We conducted a cross-sectional study using a prospective multi-institutional BC patient database in Nigeria (funded by ASCO), which was expanded sequentially from a single institution in May 2022 to seven institutions representing all geopolitical zones by May 2023. All newly diagnosed BC patients enrolled in the database from 2022-2024 were included. We analyzed univariate associations with WHO GBCI key performance indicators [KPIs] using logistic regression and global p-values. Results: Five-hundred and seventy-one patients were included. Median age was 48 years (IQR 40,56). Conclusions: The utilization of a multi-institutional BC database inclusive of all geopolitical zones in Nigeria provides vital insight for monitoring progress toward WHO targets. Our findings suggest that breast health clinical encounters (through CBE or mammogram) prior to developing BC are associated with reduced diagnostic delays and early-stage BC diagnosis. For those with BC, multiple touchpoints with the healthcare system are associated with increased delays and late-stage diagnosis, which justifies the need for developing patient navigation programs. [Table: see text]

Although localized prostate cancer is relatively indolent, advanced prostate cancer manifests with aggressive and often lethal variants, including neuroendocrine prostate cancer (NEPC). To identify drivers of aggressive prostate cancer, we leveraged

Abstract Large-scale ecological sampling can be difficult and costly, especially for organisms that are too small to be easily identified in a natural environment by eye. Typically, these microscopic floral and fauna are sampled by collecting substrates from nature and then separating organisms from substrates in the laboratory. In many cases, diverse organisms can be identified to the species-level using molecular barcodes. To facilitate large-scale ecological sampling of microscopic organisms, we used a geographic data-collection platform for mobile devices called Fulcrum that streamlines the organization of geospatial sampling data, substrate photographs, and environmental data at natural sampling sites. These sampling data are then linked to organism isolation data from the laboratory. Here, we describe the easyFulcrum R package, which can be used to clean, process, and visualize ecological field sampling and isolation data exported from the Fulcrum mobile application. We developed this package for wild nematode sampling, but it is extensible to other organisms. The advantages of using Fulcrum combined with easyFulcrum are (1) the elimination of transcription errors by replacing manual data entry and/or spreadsheets with a mobile application, (2) the ability to clean, process, and visualize sampling data using a standardized set of functions in the R software environment, and (3) the ability to join disparate data to each other, including environmental data from the field and the molecularly defined identities of individual specimens isolated from samples.