BioSpace 汇集分析师与药企高管的观点，讨论amylin靶点在减重治疗中的位置，认为它可能比GLP-1更耐受，并可作为GLP-1应答不佳患者的补充。诺和诺德的amylin/GLP-1复方CagriSema已提交FDA申请，分析师预计本季度出决定；REDEFINE-1中68周减重22.7%。
推荐理由：借多位分析师和药企高管的观点，梳理amylin靶点在减重药物中的位置，以及CagriSema、eloralintide、petrelintide的临床数据差异。
2026年10月，调节性T细胞（Treg）领域峰会在北京举行，2025年诺贝尔生理学或医学奖得主坂口志文与弗雷德·拉姆斯德尔首度联袂来华，与免疫学家、跨国药企和Biotech研发负责人、投资人同台讨论Treg疗法。
推荐理由：峰会汇集诺奖得主与产业方，梳理Treg从机制认知到首款FDA获批产品的产业化路径与待解难题。
Excel 会把 SEPT9 这类基因名自动识别成日期，再另存为 CSV 后错误就被固定下来。作者称约 20% 已发表的基因组学论文存在这类基因名错误，并称修正只需 30 秒。
推荐理由：用 SEPT9 被 Excel 转成日期的实例，提醒基因组数据经 CSV 保存后基因名错误会固化，并给出快速修正思路。
Stephen Turner 推荐了一篇约 5 分钟可读完的短文《What Counts as Impact?》，该文认为数论文数量和影响因子一直是有缺陷的替代指标，生成式 AI 让这一问题更严重。他提到自己周末也写了相关想法，并引用一段关于 AI 生成论文激增、这为何是全新问题以及如何评价生物学科学的观点，同时指向 PLOS Biology 的一篇文章。
推荐理由：借一篇短文讨论生成式 AI 加剧论文数量与影响因子考核的问题，并延伸到生物学科学评价该怎么改。
Ran Blekhman 在 Bluesky 发帖介绍其在 PLOS Biology 发表的文章，讨论 AI 生成论文激增为何构成一类全新问题，以及对生物学领域科学评价方式的影响。文章的核心论点是，在生成式 AI 时代，写出一篇论文不再意味着真的做过科学研究，因此需要重新考虑如何回应 AI 生成论文的涌入。
推荐理由：文章把 AI 生成论文的激增当作科研评价体系的新问题，讨论生物学研究究竟为了什么。
返朴梳理了美国卫生与公众服务部部长小罗伯特·肯尼迪关于停用 SSRI 比戒海洛因还难的言论及其学界反驳，指出抗抑郁药停药问题长期缺乏研究。
推荐理由：文章梳理了 SSRI 停药反应的发生率争议与双曲线减量法，为理解抗抑郁药安全停药这一临床盲区提供了机制与证据层面的背景。
Wolfgang Huber 在 Bluesky 发帖追问生物学研究的目标是什么，并引用一篇 PLOS Biology 文章的观点：评估体系曾把论文当作衡量领域进展的主要指标，这一代理指标本身就有缺陷，生成式 AI 已将其彻底击穿。他由此提出，面对 AI 生成结果的研究领域需要先明确说清自身的研究目标。
推荐理由：借 PLOS Biology 文章讨论生成式 AI 如何击穿以论文当进展指标的旧评估体系，并追问生物学研究的目标本身。
Jonathan Pritchard 分享新文章，提出人类遗传学下一代方向应建立“Trait Causal Models”，把遗传变异与各层级生物学结构中的效应连接起来。
推荐理由：作者提出用 GWAS、扰动实验与观察性组学构建连接遗传变异与各层级生物学效应的性状因果模型，为人类遗传学下一个阶段给出框架性设想。
Decoding Bio 的 BioByte 周刊本期重点介绍两项研究：Colgan 等用 PEtracer 系统在小鼠胚胎中记录细胞分裂标记，对 16 个胚胎、179 万个细胞做单细胞 RNA-seq，为 145 万个带标记细胞重建谱系并解析约四分之三的分支点，发现命运偏向在着床前后出现、内胚层谱系受限早于外胚层和中胚层。
推荐理由：两篇论文分别用谱系示踪重建小鼠胚胎细胞命运和用RNA修饰替代OCT4重编程，适合快速了解本周发育与重编程方向。
《Nature》综述 Overcoming key challenges in the evolutionary transition to multicellularity 整合比较研究与实验演化证据，重新梳理单细胞向多细胞转变的关键机制，提出多细胞生命的起步未必需要先演化出复杂发育程序。
推荐理由：综述把多细胞起源拆成群体形成、群体繁殖与功能整合三道关卡，并给出酵母演化实验等可检验证据。
Derek Lowe 评述一项预印本，该研究用 42 篇撤稿、造假和伪科学论文构建探针语料，测试模型是否会基于论文原文的框架继续设计研究。
推荐理由：作者借一项预印本评测指出，主流大模型面对撤稿与造假论文时仍会照单执行，并讨论这对 AI 科研助手可靠性的影响。
美国与日本、韩国、英国、德国、新加坡等共 17 国在京都 STS Forum 上签署一页篇幅的《Kyoto Vision for a Golden Age of Science》，内容涵盖更多元资助方式、新机构模式、元科学与可重复性、AI for science（含自主闭环发现）以及早期人才投入。
推荐理由：梳理多国科研政策文件对 AI for science 与资助模式的表述，并给出德国研究部门的保留态度。
Cell 刊发观点文章《Toward autonomous science with agentic artificial intelligence》，讨论生物医学 AI 正从回答人类提出问题的工具，转向能自行提出问题的智能体。Guo 等人评估了这一转变，涉及扩展逻辑与自主劳动等内容。
推荐理由：Cell 观点文章梳理生物医学 AI 从回答人类提问的工具转向自主提问的智能体，并讨论其扩展逻辑与自主科研的边界。
Derek Lowe 撰文解读 2026 年诺贝尔化学奖，主题是手性（“handedness”）与不对称自催化带来的手性放大。
推荐理由：借 2026 年诺贝尔化学奖梳理手性放大从 Frank 设想到 Soai 实验的来路，并说明它尚未解释生物手性起源。
这篇综述从分子优化与系统级评估的衔接角度梳理 AI 驱动的 RNA 药物设计，比较 siRNA、反义寡核苷酸、适配体、mRNA 和翻译导向 circRNA 各自的设计约束，并评估序列模型、生成模型和结构感知模型的能力与局限。
推荐理由：综述把 RNA 药物设计从分子优化延伸到系统层面评估，梳理了不同 RNA 模态的设计约束与虚拟细胞的定位。
Eric Topol 解读了 2026 年 10 月 9 日发表在 Immunity 的论文，该研究对 8 个国际队列、2,609 人、12,394,834 个白细胞做单细胞 RNA 测序，区分出以颗粒酶 K 或 B 为主的 CD8+ 效应记忆 T 细胞（TemK+ 与 TemB+）。
推荐理由：这篇解读梳理了 8 个队列、260 万白细胞的分析，把免疫衰老的细胞分叉与死亡风险联系起来。
Nature Computational Science 刊文讨论人工智能正让流行病模型能够跨多次疫情暴发进行学习，而接下来的挑战是确保这些模型学到并迁移的不只是统计模式，还包括流行病学机制。
推荐理由：文章把跨疫情暴发的模型学习与机制迁移问题摆在一起，适合关注传染病建模与 AI 结合方向的读者了解这一领域当前的讨论焦点。
一项研究报道了以性质为先的计算策略，能识别可同时调节复杂振荡器多个特征的协同参数变化。该文为 Nature Computational Science 的简短介绍，未给出具体振荡器系统、参数规模或代码数据开放情况。
推荐理由：介绍一种以性质为先的计算策略，可同时调节复杂振荡器的多个特征，适合关注动力系统参数调控思路的读者。
Google DeepMind 与 Caltech 的 Arnold 实验室、匹兹堡大学 Lui 实验室合作提出 AlphaProtein Novo（AP Novo）从头设计流程，在 5 类反应、5000 多个实验设计中显示其命中率可与天然酶序列挖掘相比。
推荐理由：AlphaProtein Novo 把扩散生成骨架、LigandMPNN 序列设计与 AlphaFold3 校验串成流程，在 5000 多个实验设计中与天然酶比较。
Molecular Systems Biology 这篇评论以 CASP 为参照，评述 Bits to Binders 竞赛对 AI 设计蛋白作为 CAR-T 识别结构域的评测。
推荐理由：文章以 CASP 为参照，梳理 Bits to Binders 竞赛对 1.2 万个 AI 设计 CAR-T 结合域的评测结果与局限，为判断生成式蛋白设计的真实功能水平提供参照。