上海AI实验室上线元认知智能体框架书生·太一,接入书生·端砚科学发现平台
上海AI实验室推出元认知智能体框架书生·太一(Sage·Taiyi),将科研猜想、探索路径与实证结果串联,通过科学搜索与认知调控两层架构驱动智能体迭代研究方案,已接入书生·端砚科学发现平台并向全球科研人员开放体验。
入选理由:上海AI实验室公开了书生·太一框架的接入入口与跨学科实证案例,研究者可据此判断这类元认知智能体能否嵌入自己的构思与实验迭代流程。
主题档案
AI 在生命科学中的应用:蛋白质、基因组、细胞与药物研发相关的模型、工具和成果。
57 条精选近 30 天 34 条共收录 272 条
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全和长程智能体工作流上具备前沿表现,并强调物理、数学和生命科学推理能力的提升。
入选理由:原文列出 Carbon 在酶测定、蛋白同源序列检索和形式化验证中的具体用法,研究者可据此判断它适合承担哪类科研任务。
OpenAI 推出 BioBasicsBench,这是一个包含 100 项任务的基准,用于衡量 AI 智能体解读原始实验数据以及处理湿实验室日常科研工作的表现。原文链接:https://openai.com/index/measuring-how-ai-agents-handle-wet-lab-science
入选理由:OpenAI 把评测对象从问答转向湿实验室原始数据的解读,研究者可据此判断智能体能否接手日常实验数据处理。
上海AI实验室推出科学多模态框架书生·元征(Sage SciPerception),通过可训练投影模块把谱图、序列、晶体结构和时序信号转换为语言大模型可识别的表征,并引入递归式自我改进(RSI)模式,让模型参与分析任务表现、提出新的投影模块方案并迭代验证。
入选理由:框架把谱图、序列、晶体结构接入语言模型,并让模型自行迭代感知架构,研究者可据此判断科学数据接入方式的可行边界。
中国科学技术大学医学影像智能与机器人(MIRACLE)实验室发布开源 RNA 序列基础模型 structRFM,仅需输入序列即可提取序列级、核苷酸级和核苷酸对级特征,用于结构预测与功能推断。
入选理由:RNA 序列基础模型开放权重与数据,做 RNA 结构预测和功能推断的研究者可据此评估能否接入现有流程。
Anthropic 生物学研究团队借助 Claude 完成了原核细胞中 vault 颗粒的首次三维结构解析,相关预印本已提交 bioRxiv。
入选理由:Anthropic 生物实验室用 Claude 完成从序列检索到冷冻电镜建模的全流程,给出原核细胞中首个 vault 颗粒结构,研究者可据此判断 AI 在结构生物学中的分工边界。
Elicit 宣布其检索不再局限于科研论文,可调用专利(USPTO、EPO、WIPO)、Open Targets 的基因与疾病关联证据、Broad Institute 的 DepMap 癌症依赖数据、FDA 的 FAERS 与 MAUDE 自发报告数据库,以及 EMBL-EBI 的 ChEMBL 生物活性分子数据。
入选理由:材料说明 Elicit 在论文之外接入专利、靶点遗传证据、DepMap、FDA 安全报告和 ChEMBL,药物研发读者可据此判断证据来源边界。
上海AI实验室联合清华大学智能产业研究院(AIR)及清华大学药学院推出专业蛋白质改造评测基准PFArena,基于202项真实蛋白质实验、293个任务实例和60万余条候选记录,评测6种蛋白质语言模型、6种通用大语言模型及基于Biomni和AMixKit构建的5种智能体组合。
入选理由:上海AI实验室联合清华发布PFArena,用202项真实实验衡量模型能否在有限实验预算下选对突变,为蛋白质改造的AI评测提供了新口径。
Edison Scientific 宣布与辉瑞达成协议,在辉瑞的生物制药研发管线中部署 Edison AI Platform 及其 AI 科学家 Kosmos。Kosmos 将接入辉瑞在肿瘤、内科、免疫等领域的内部数据,用于辅助辉瑞科学家和研发决策,并通过持续学习结合公开数据与辉瑞自有药物开发数据构建整合世界模型。Edison 的科学家和工程师将进驻辉瑞研究团队,把 Kosmos 嵌入具体工作流。
入选理由:材料说明药企把内部研发数据接入外部 AI 科学家平台,并派工程师嵌入研究流程,可供观察科研服务方与药企的合作形态。
香港科技大学(广州)、西湖大学与中国科学院深圳先进技术研究院等团队合作提出蛋白质设计模型Pinal,相关研究发表于《自然》。模型以自然语言功能描述为输入,先生成蛋白质三维结构再设计氨基酸序列,训练数据含17亿组蛋白质—文本配对、覆盖约1.35亿条序列,参数规模160亿。
入选理由:研究者可据此了解文字到功能蛋白的闭环如何做实验验证,以及模型在定量性质指定上的边界。
Hugging Face 与 TIGEM、那不勒斯费德里科二世大学和中关村学院合作训练了 Carbon-X,这是一个 14B 开放模型,可直接读取原始 DNA 并用自然语言描述。
入选理由:开放权重、可在笔记本上运行的 DNA 模型,让学术实验室能自行评估它能否用于变异解读这类日常任务。
Anthropic 的 Claude 在面向研究者的 Claude Science 环境中,针对 4 种蝎子的 5 种毒素自主生成 318,484 个蛋白结合体设计,首次提示后自行工作 24 小时,随后由研究团队追加指令引导。
入选理由:材料给出从设计到湿实验验证的完整链条与命中率,研究者可据此判断自主智能体在蛋白设计中的实际位置。
NVIDIA 扩展覆盖语言、机器人、生物与量子计算的开放模型组合,其中 BioNeMo RFD4-Proteina 是与华盛顿大学蛋白质设计研究所 Baker Lab 合作的开放蛋白质设计模型,可生成蛋白质序列与三维结构,在超过 10 项蛋白质设计任务上表现领先,在 200 个氨基酸蛋白质的基准中生成设计的速度约为 RFdiffusion3 的 13 倍。
入选理由:蛋白质设计模型 BioNeMo RFD4-Proteina 与量子校准模型 Ising 的开放范围,关系到生命科学与量子计算研究者能否直接接入现有流程。
NVIDIA 与 UW Medicine 蛋白设计研究所(Institute for Protein Design)在 GTC Berlin 发布开放模型 RFD4-Proteina,把可编程蛋白设计与搜索能力结合,可按分子输入、约束和打分目标生成并优化设计。
入选理由:蛋白质设计模型与放疗规划两条线同时落地,研究者可据此判断开放模型能接入哪些现有科研与临床工作流。