这篇发表于 Briefings in Bioinformatics 的综述梳理了虚拟细胞研究的进展与挑战。虚拟细胞旨在用计算方式表示细胞状态，并预测细胞对遗传、化学、环境、时间和空间条件的响应。作者用状态编码（E）、状态转换（T）和观测解码（D）作为统一的概念框架，覆盖显式机制模型、数据驱动的基础模型与扰动模型、多模态系统以及空间与多尺度模拟。文章从模型边界、数据基础、资源披露、分布外评测、因果证据和实验验证等方面展开讨论，并指出独立基准显示参数数量和训练集规模并不会自动带来稳健的分布外泛化，仅靠转录组表征也无法完整刻画细胞的功能状态。
推荐理由：综述用编码、转换、解码三层框架梳理虚拟细胞模型，并指出参数规模与训练集大小未必带来稳健的分布外泛化。
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。
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。
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。
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。