德国联邦政府与 NVIDIA 签署联合意向声明，计划共同推进面向物理 AI 的前沿模型，并扩大 NVIDIA 与德国“工业 4.0 平台”的合作。德国总理 Friedrich Merz 与 NVIDIA 创始人兼 CEO 黄仁勋在柏林对话中表示，德国将依托制造业、汽车工业和中小企业（Mittelstand）优势推动 AI 落地。黄仁勋同时宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创公司的新投资，属于 NVIDIA 对欧洲近 100 亿美元投入承诺的一部分。
Bioptimus 正在开发多模态、多尺度的 AI 病理模型，用于生物标志物与药物治疗预测。Nature Biotechnology 每年会重点介绍上一年获得大额早期融资的公司，Bioptimus 入选本期编辑精选。
该研究提出用 Venn-Abers 预测器在无真实标签时估计选择性分类器的性能，给出校准的区间估计与实用下界，用于量化不确定预测转人工复核时分类器的可靠程度。
一项发表于 Genome Medicine 的回顾性横断面研究，用 92 例 22q11DS 患者（0.5–21 岁）和 252 例匹配临床对照的常规临床 MRI，结合 1,995 例参考扫描的规范建模，刻画该综合征的脑结构偏离。
研究发现，巨噬细胞中的 SIK2 通过促进 TRAF2 磷酸化与 K63 多泛素化，经 P38 和 NF-κB 通路加重炎症并损害胞葬作用，从而阻碍心肌梗死后的心脏修复。巨噬细胞特异性敲除 SIK2 可缩小梗死面积、改善愈合，而特异性过表达则加重心脏改变，P38 抑制可减轻这一效应。在小鼠中药物失活 SIK2 能显著增强梗死后心脏修复，提示其作为治疗靶点的潜力。
Liu 等发现，膜镁转运蛋白 1（MMGT1）高表达通过衰老相关分泌表型诱导 CD8+ T 细胞耗竭，从而促进三阴性乳腺癌免疫逃逸。靶向 MMGT1 是提升抗 PD-1 免疫治疗疗效的潜在策略。
对29对胃癌及癌旁组织和61例胃癌患者、29例健康对照的血浆cfDNA进行WGBS，鉴定出32个在组织与血浆中一致变化的稳定DMR，并筛选出8个核心诊断标志物。
Lana Mediavilla 等提出 NeoBridge，一个结合生物物理信息的机器学习集成方法，用于优先排序免疫原性新抗原。在胰腺癌中，亚克隆新抗原负荷而非克隆新抗原负荷与更差的生存相关，提示克隆结构应纳入疫苗靶点选择。
Braun 等利用常规穿刺和钳取活检取得的活体肿瘤组织，在体外测量免疫治疗反应，结果与一个小型患者队列的临床结局一致，其中包括被现有生物标志物检测误判的患者。该研究提示，离体活肿瘤片段或可作为预测癌症免疫治疗获益的补充手段。
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 为 Earth AI 的地理空间推理智能体发布技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评测，量化专用工具与前置规划相对通用 LLM 的价值。
Google Research 在 Research@ 活动上公布 10 项进展，包括扩展 Google Earth AI 早期访问、向公众开放 Deep Review、将 TimesFM 与 TabFM 接入 Gemini for business。
一篇发表于 Cell Systems 的视角文章梳理了 CAR T 细胞治疗的数学建模如何支撑预测性设计与临床决策。文章按 CAR T 治疗的关键转化难题对现有模型进行分类定位，并指出机器学习、多尺度建模、控制理论和替代细胞类型等新兴方向在模型引导的下一代细胞疗法设计中的机会。
Google DeepMind 开始广泛部署 Gemini 4 Argon，并扩大 Fairwind Program 的受信任网络安全防御者范围。该模型在 12 个端到端模拟网络攻击场景中全部通关（上一代为 5 个），Wiz 曾用其发现医院软件中此前模型遗漏的严重漏洞。公司同步发布安全与安保报告，称对抗性测试中违规请求减少近两倍，外部生物越狱红队仅能解锁不到 1% 的生物子任务。
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。
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。
Google 与 Beth Israel Deaconess Medical Center（BIDMC）在《柳叶刀》发表 AMIE 诊断 AI 聊天机器人真实门诊研究，98 例患者在就诊前先与 AMIE 对话，监督医生实时监控，没有一次对话因预设安全标准被中断。
推荐理由：在真实门诊中，98 例患者先与诊断 AI 对话，医生实时监督，结果无一次因安全标准被中断，可对照 AI 问诊的落地边界。
Google Research 以 Google Earth AI 的 Population Dynamics Foundation Model（PDFM）为概念验证，展示无需任务微调的位置嵌入可直接接入现有流行病学模型。
Google Research 与 Google Health 发布与全球卫生伙伴合作的新研究论文，展示 Google Earth AI 结合卫星影像、移动数据和 AlphaEarth Foundations、Population Dynamics Foundation Model（PDFM）等基础模型，用于疾病预测与公共卫生决策。
推荐理由：Google Earth AI 与 WHO、INRB 等机构合作，把地理空间模型用于埃博拉、霍乱、登革热等疾病预测，展示了公共卫生从被动响应转向主动预防的路径。
研究团队提出可解释人工智能平台 Visionary AI，将视网膜图像与基于图的血管建模结合，在临床发病前预测妊娠期高血压疾病。该平台把视网膜图像转换为微血管结构的拓扑与几何表示，依据有生物学基础的血管特征而非通用图像嵌入或临床变量进行风险预测。在 1,267 例妊娠的前瞻性开发队列中，Visionary AI 对子痫前期在全人群对照设置下取得 AUC = 0.91、AP = 0.81；经稳定性优化的模型无需重新训练即迁移至独立外部验证队列，取得 AUC = 0.81、AP = 0.68，并优于临床与深度学习基准。
推荐理由：该框架把视网膜微血管拓扑与几何特征用于妊娠高血压疾病的早期预测，并在独立外部队列中验证了迁移能力。
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向推进工作。
基于 Tusscher-Noble-Noble-Panfilov（2004）模型和 Cardiac Safety Simulator 2.2 构建动作电位与心电图模型，用美沙酮多离子电流的体外数据模拟其致 QT 间期延长效应。
这篇综述将肝脏 AI 虚拟细胞（AIVC）的建模路径归纳为三类：生成模型表征细胞状态，动力学与转运模型推断状态转换，预训练或基础模型检验表征能否跨供体、病因、疾病阶段和平台迁移，并以扰动响应预测作为贯穿性评估。
多模态单细胞技术（scRNA-seq、空间转录组与AI整合）正以空前分辨率解析血管周围脂肪组织（PVAT）生态系统，构建出揭示不同血管床细胞结构、表型可塑性与空间互作的整合图谱。综述据此提出Dpp4+前脂肪细胞、BMP4诱导的棕色化等新生物标志物与可干预疗法，并给出以人类PVAT生物样本库、CRISPR谱系追踪和AI建模为优先的转化路线图。
FPNuNet 通过 4 个并行编码器（冻结的 SAM 结构编码器、冻结的 UNI 语义编码器、小波特征编码器和多尺度上下文编码器）提取多源特征，并用基于离散余弦变换的提示生成器与频率感知融合颈整合特征，在 CD47-IHCNuSC 数据集（86 张 CD47 染色食管癌图像块、18,483 个手工标注细胞核、7 个亚型）上取得所评估方法中最佳的实例分割与亚型分类性能。
Biohub 与哥伦比亚大学等机构合作在 Nature Genetics 发表两篇论文，提出“cancer quantum biology”假说：同类型肿瘤在患者间拥有几乎相同的恶性细胞状态集合，这些状态可相互转换从而逃避单靶点药物。
推荐理由：两篇 Nature Genetics 论文提出肿瘤细胞状态在患者间高度保守，并用 AI 预测针对多状态的联合用药，在 DMG 小鼠模型中延长生存。
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。
Biohub 公布以 AI 驱动罕见病精准治疗的研究愿景，并宣布 Rare As One 网络将于 2026 年秋季启动第四轮患者组织招募。自 2019 年以来，该项目已支持 94 家患者主导组织，覆盖逾 32 万名患者和社区成员及 2.6 万余名研究者，超过三分之二的组织建立了临床登记库、疾病模型等资源，过半已启动临床试验。