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
OpenAI、PerturbAI 和 Scripps Research 用数千个由 GPT‑Rosalind 驱动的 AI 智能体并行分析已有的小鼠全脑 CRISPR 图谱数据，在 32 分钟内把基因扰动效应与文献发现连接起来，形成可检索的 reasoning atlas。
入选理由：材料给出分布式智能体在真实脑细胞数据上产出可检验线索的具体流程与对照结果，研究者可据此判断这类分析能否接入自己的实验数据。
Anthropic 让内部研究模型在 Claude Science 中针对 4 个地区的 5 种蝎毒神经毒素设计 minibinder，64 小时内生成 318,484 个设计并选出 180 个，团队补充 31 个，共 211 个交由 Adaptyv Bio 和 Twist Bioscience 实验室检测，17 个达到结合标准，且均只针对单一毒素。
入选理由：Anthropic 公开 211 个设计及结合数据，研究者可据此判断 AI 智能体在毒素靶点设计中的实际产出与局限。
华盛顿大学、牛津大学、英伟达等机构组成的国际联合研究团队在《科学》发表 RFdiffusion3 的详细设计方案，该系统可按单个原子建模设计蛋白质与核酸，团队已于 2025 年 12 月 3 日开源。
入选理由：论文给出原子级蛋白质设计在酶活性位点上的实测结果，研究者可据此判断该设计流程能否用于自己的酶工程。
NVIDIA 联合 IIT Madras 的 AI4Bharat 实验室发布 Nemotron-pretraining-Indic-v1，覆盖 22 种印度语言、约 2.8 万亿 token，并公开用于生成该语料的 GPU 加速数据生成流程。
入选理由：NVIDIA 与 IIT Madras 公开 2.8 万亿 token 的印度语言预训练语料及生成流程，研究者可据此评估多语言模型的训练数据来源。
The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.
Sakana AI@SakanaAILabs入选理由：Sakana AI 公开了把编码智能体组织成科研流程的开源框架，研究者可以据此判断人机分工的边界。
OpenAI 推出 Rosalind Academic Plan，符合条件的美国高校实验室可免费获得最多 30 个 Business Standard 席位、最长 12 个月，并可使用 GPT-Rosalind 与 Rosalind Workbench。
入选理由：面向美国高校实验室的免费席位与申请门槛写得具体，生命科学研究者可据此判断能否把 GPT-Rosalind 接入课题流程。
Google 发布智能体开发平台 Google Antigravity，提供面向生物学家的智能体科研工作台，把原本分散在多个数据库的检索压缩到一次会话中，并借助 ProtNLM 扫描 UniProt 中数百万条功能未知的蛋白质序列。
入选理由：Google 把跨数据库检索、结构分析与文献综合放进一个智能体会话，研究者可据此判断这类工作台能否压缩抗菌肽早期筛选流程。
在都柏林 AI in Science Summit 上，欧盟委员会启动 AI in Science Enablers Initiative，这是与 RAISE（Resource for AI Science in Europe）相连的共享框架，NVIDIA 宣布加入并提供加速工具、算力云资源、培训与技术支持、合作试点及初创生态支持。
入选理由：欧盟 RAISE 框架下 NVIDIA 开放模型、课程与算力通道，欧洲小型实验室和初创可据此判断能拿到哪些资源。
F1000 与 Wellcome Sanger Institute 为 Wellcome Open Research 开发了一套半自动化出版流程，目标是把 Tree of Life 项目的基因组笔记出版量从每月约 30 篇提升至 200 篇。
入选理由：F1000 与 Wellcome Sanger Institute 的基因组笔记工作流把计算机辅助审查与发表后同行评审结合，为大规模数据论文的出版与索引提供了可参照的流程。
Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 Gemini API 在 AI Studio 和 Gemini 平台面向开发者与企业开放。
入选理由：Google 官方给出 Argon 在量子化学、聚变、酶设计与罕见病分析中的具体案例，研究者可据此判断它在自身计算流程中的可用边界。
Google 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini 平台的 API 面向开发者与企业开放，Google AI Ultra 订阅者可在 Google Antigravity 使用。
入选理由：Google 官方给出 Argon 在量子化学、聚变、罕见病与酶设计上的自测案例，研究者可据此判断它在自身领域的可用边界。
Google 回顾其健康研究布局，称过去五年团队发表了 90 篇经同行评审的疾病研究论文，累计被引超过 9 万次。
入选理由：Google 汇总了 AlphaFold、AlphaGenome 等模型在疾病检测与药物发现中的合作案例，研究者可据此判断这些工具能否接入自己的课题。
Biohub 与美国能源部（DOE）、美国国立卫生研究院（NIH）及新资助伙伴宣布扩展 Virtual Biology Initiative，合计投入 18 亿美元的资金、数据、算力和新测量技术，用于生成可训练预测性生物 AI 模型的开放数据资源。
入选理由：这项近 20 亿美元的跨机构投入把开放生物数据的生成与标准化列为重点，研究者可据此判断未来可用的细胞数据资源从何而来。
Google 发布与全球卫生伙伴合作的多篇研究论文，展示 Google Earth AI 结合卫星影像、移动性数据与 AlphaEarth Foundations、Population Dynamics Foundation Model（PDFM）等基础模型，用于疾病暴发预测与社区健康趋势分析。
入选理由：Google 把地理空间基础模型与人口动态模型接入公共卫生预测，研究者可据此判断这类模型能否用于疾病监测与资源调度。
欧盟委员会在 Horizon Europe 框架下划拨 6500 万欧元，用于保障支撑新药研发和生物技术 AI 工具的科学数据与知识资源。其中 GENCODE 获 1900 万欧元、UniProt 获 3000 万欧元、Europe PMC 获 800 万欧元，分别由 EMBL-EBI、基因组调控中心及 SIB 瑞士生物信息研究所等机构参与，资金用于内容维护与策展。
入选理由：欧盟委员会为生命科学核心数据资源划出专项经费，科研服务从业者可据此判断欧洲生物数据基础设施的资助方向与开放获取取向。
Anthropic 研究博客发布客座文章，物理学家 Matthew Schwartz 描述他不再让 Claude 扮演人类科学家，而是寻找适合当前 LLM 能力的“Claude-shaped”问题，并为此构建开源工具包 BootLoops。
入选理由：一位物理学家复盘用 Claude 与 BootLoops 在 18 个领域推进 36 篇稿件的经验，对想找 AI 适配课题的研究者有参考价值。
Google DeepMind 推出 SynthID Bio，把水印嵌入 AI 生成的蛋白质序列和 3D 结构，并可在合成出的实体蛋白上验证，同时保持其生物功能。
入选理由：Google DeepMind 把水印嵌入蛋白质序列与 AlphaFold 3 预测结构，为 DNA 合成筛查和数据库标注提供可验证信号。
