Google 研究团队在博客中介绍三项工作，目标是打通 AI 计算探索与真实湿实验之间的循环。VERID 框架基于开源 PyLabRobot，为实验室工作单元建立可实时更新的 3D 语义数字孪生，支持 3D 状态追踪、秒级虚拟试运行、硬件安全检查与视频和动作日志同步，并在案例中让 agent 从读板机故障中恢复、把染料混合物重建准确率提升五倍以上。
推荐理由：Google 研究团队把实验室自动化、aptamer 闭环筛选和蛋白结合子设计串成一条路线，可看 AI agent 进入湿实验的整体思路。
Google DeepMind 发布 Google Antigravity 智能体科研工作台，把跨数据库检索、结构评估和候选优先级排序压缩到单次会话中。文中演示了研究者与智能体协作，在 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染相关病原体有活性的新型抗菌肽候选，该候选目前正在进行湿实验验证。
推荐理由：Google Antigravity 把跨库检索、结构查看与功能预测放进同一会话，展示了抗菌肽候选的发现流程。
Google 公开发布 Deep Review，一个面向复杂技术文档的智能体审阅系统，可检查逻辑一致性、数学陈述、事实依据并与已有工作比较。系统采用文档分段、自适应算力分配、并行分段核查与全局综合四阶段流程，并已加入 Gemini 4 Argon 支持。
推荐理由：该工具用四阶段智能体流程做长文档审阅，并公开了与四个会议试点中超过 1.6 万篇稿件的反馈经验。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：Gemini 4 Argon 展示了通用前沿模型在酶设计、罕见病基因组分析和量子化学代码优化上的具体落地案例，可供关注 AI for Science 的读者参考。
Cao 等人提出一体化基础模型 AMIFound，用于 CT、MRI、PET、内镜、超声、眼底成像和 X 射线 7 种医学影像的增强与修复。模型在 376 万对高质量与退化图像上训练和评估，覆盖 7 类代表性退化模式；共享编码器提取模态与退化线索，动态路由的专家修复池为每个输入选择增强路径。在 7 种模态上，AMIFound 在全参考图像质量指标、临床医生评估、组合退化鲁棒性测试以及自然退化临床图像上均优于 38 个任务专用与通用基线。增强后的图像还改善了 44 项疾病检测任务、肿瘤分期预测和非小细胞肺癌生存风险分层，包括个体层面的预后排序。
推荐理由：该模型用 376 万对图像统一处理 7 种医学影像的退化修复，并检验增强后对下游诊断任务的影响。
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相关论文，累计被引用超过 9 万次。
推荐理由：Google 汇总了 AlphaFold、AlphaGenome Atlas 等模型在疾病检测与药物发现上的落地案例，可快速了解其健康研究布局。
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。
Biohub 与美国能源部、NIH 及新资助伙伴宣布扩展虚拟生物学计划（Virtual Biology Initiative），合计投入 18 亿美元的资金、数据、算力和新测量技术。
推荐理由：这项跨机构投入给出了资金分配与数据标准化分工，可看清虚拟细胞所需开放数据从哪来、由谁整合。
Arc Institute 发布虚拟细胞模型 PIE（Perturbation is Everything），把 Cellosaurus、NCBI、Gene Ontology、DepMap、PubChem 等人工整理知识转成 token 输入，直接预测扰动后群体水平的差异表达基因、方向与幅度。
推荐理由：PIE 把人工整理的生物知识库转成输入，在未见扰动和细胞系上仍能预测差异表达，可看知识源如何影响泛化。
Google DeepMind 发布 SynthID Bio，将水印技术用于合成生物学，在蛋白序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，同时保持生物功能。
推荐理由：DeepMind 把水印从数字内容延伸到蛋白序列与结构，并给出湿实验验证，对关注生物安全与 AI 设计溯源的研究者提供了可参考的技术路径。
微软研究院推出 Quine，一个由多模态生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 组成的 AI 研究系统。
推荐理由：微软研究院公开了面向生物学的多模态世界模型与实验编排系统，并给出胰腺癌细胞状态转换的湿实验验证案例。
文章指出，高通量生物学与基因组学近二十年的快速扩张已编目出多种细胞类型和条件下基因功能的多个方面，人工智能与深度学习的进展也让功能基因组学测量预测更准确。作者认为，把实验编目和准确预测等同于对生物过程理论理解的增长，最终会误导人。
推荐理由：文章区分实验编目、预测能力与理论理解，为评估功能基因组学与深度学习进展提供概念框架。
Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展，包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白折叠、相互作用与功能并设计新蛋白，已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。
推荐理由：Biohub 联合创始人以第一人称复盘半年进展，把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。
Biohub 团队对原代人成年皮肤角质形成细胞完成全基因组 CRISPR 筛选，并用基于文献训练的大语言模型 VirtualCRISPR 筛出文献中未被关注的靶点，相关结果发表于 Nature Communications。
推荐理由：用离心递送绕过角质形成细胞转染难题，完成全基因组 CRISPR 筛选，再以语言模型筛出文献未覆盖的靶点。