Minerva 语言模型部署至 Proto MCP
Brian Hie 表示已将 Minerva 语言模型及其交互头部署到 Proto MCP 上，并给出一个用 ChatGPT 重新查看非编码 RNA 已有注释的示例。
#生物大模型
Brian HieAI 评分2525
Anthony GitterAI 评分3030 Anthony Gitter 质疑蛋白质水印的生物安全价值
Anthony Gitter 表示难以理解水印如何强化全球生物安全，认为 DNA 合成商验证客户用封闭"可信工具"生成序列有其道理，但质疑水印相比数字签名有何优势，并附上相关综述。
Nature Machine IntelligenceAI 评分4040 DeepEvidence：从知识检索转向证据探索与整合
生物医学发现的关键瓶颈已从数据获取转为证据整合与解读能力。DeepEvidence 是一款新型深度研究智能体，不再局限于事实检索，而是构建科学证据的显式表示。
Google DeepMind Blog精选AI 评分7676 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白嵌入可验证水印
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。
ProfluentAI 评分4747 Profluent 与 BioMarin 合作用 AI 设计新药
Profluent 宣布与 BioMarin 合作，利用其基于全球最大独特蛋白序列数据集（1150 亿条）的基础模型设计具有新功能或改良功能的蛋白质；BioMarin 将筛选 Profluent 生成的设计，并将最优者推进至临床前测试。
Cell Reports MethodsAI 评分6262 stFormer：整合空间配体信号的空间转录组基础模型
Cao 等提出空间转录组基础模型 stFormer，将细胞内上下文与空间配体信号整合进同一模型。相比单细胞基础模型，stFormer 在细胞层面和基因层面的分析上均有提升，并支持通过计算扰动研究空间配体信号的响应。
Max JaderbergAI 评分2222 IsoDDE：Isomorphic Labs 的生成式设计智能体可视化
Isomorphic Labs 的 Max Jaderberg 展示了团队日常使用的生成式设计智能体 IsoDDE，它接收药物设计者的目标后自主产出帕累托最优分子集合。可视化呈现了智能体在化学空间（UMAP 展示）中平衡探索与利用时的注意力热图，颜色越绿表示分子越优。推文仅抽取一个帕累托最优分子作示例，后续视频将展示规模化应用。
Microsoft Research Blog精选AI 评分7575 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
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。
PatternsAI 评分5555 研究评测 Evo 2 与 megaDNA 生成基因组序列的真实性局限
Tzanakakis 等对 Evo 2 和 megaDNA 生成的长片段基因组序列开展基准评测，在多项互补的组成与组织特征上与自然基因组对比。合成序列仍可被检测出与自然序列不同，并随生成过程逐步偏离其条件种子，且修正单一伪影并不能保证整体基因组真实性。
Feng ZhangAI 评分3232 张锋称赞微生物基因组语言模型研究
Feng Zhang 称赞一项利用基因组语言模型发现微生物基因组中新系统的研究，并向 David Li、Garyk Brixi、Brian Hie 及团队致贺。
In the Pipeline精选AI 评分4242 AI 能为生物或化学武器提供帮助吗
Derek Lowe 评论 Anthropic 称已拦截其 Claude 系统被用于包括可能的生物武器设计在内的不当用途，但 Science 报道中并非所有人都认同这些案例的性质。
推荐理由：从五起被拦截案例出发，讨论如何区分病毒突变研究的正当用途与滥用意图，并比较生物与化学风险的现实差异。
公众号：BioMap 百图生科AI 评分2525 百图生科与艾玮得生物达成战略合作，共建“AI-Ready”器官芯片数据工厂
百图生科与艾玮得生物于2026年9月21日签署战略合作协议，以“AI大模型+器官芯片”为切入点共建器官芯片数据工厂并联合开发垂直领域大模型。双方将基于器官芯片湿实验数据与生命科学大模型共建专用数据库与数据管理平台，使数据以“AI-Ready”格式直接用于模型训练迭代，并构建“AI设计—芯片验证—数据回馈”的干湿闭环数据飞轮。
Europe PMC精选AI 评分4040 理论在生命科学中的力量
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。
Mohammed AlQuraishi精选AI 评分7878 OpenFold3p2 联合 Apheris 用五家药企内部数据训练蛋白-配体共折叠模型
Mohammed AlQuraishi 与 Apheris 合作，用五家药企内部的蛋白-配体复合物数据库训练 OpenFold3p2。作者称由于 PDB 中类药化合物相对稀少，这批数据使相关结构数据量增加 3-4 倍，并带来精度的大幅提升。引用内容提到，五家药企在数据不出内网的前提下共同训练了这一个共折叠模型，其表现明显优于最好的公开模型，Nature News 对此做了报道。
推荐理由：OpenFold3p2 在五家药企内部蛋白-配体结构数据上联合训练，为私有数据能否提升共折叠模型精度提供了一个可参照的案例。
Europe PMCAI 评分3838 超越以药物为中心的视角：推进用于环境扰动建模的 AI 虚拟细胞平台
一篇综述指出，当前 AI 虚拟细胞（VC）框架侧重遗传与药物扰动，环境扰动因数据可得性、化学空间覆盖和表征设计的结构性限制而建模不足。文章梳理了扰动预测模型从数学模型到深度学习与基础模型的演进，评估了基因组、转录组、蛋白组、代谢组和表型组等多模态 VC 进展，并提出标准化环境扰动数据集、多模态架构、不确定性感知评估指标和面向监管的基准框架，以推动计算模拟扰动与替代动物测试的 3Rs 范式。
Cell SystemsAI 评分6262 Darmawan 等提出蛋白语言模型多突变采样策略与计算评测框架
Darmawan 等为蛋白语言模型提出利用上位互作的多突变采样策略，并配套一个从相关性、质量和多样性三方面评分的计算评测框架。在多种蛋白适合度景观上的基准测试中，其设计优于标准的单突变方法，作者据此给出蛋白工程的实践建议。
Žiga Avsec精选AI 评分7878 DeepMind 发布 AlphaGenome Atlas，预测人类基因组全部 90 亿个 SNV 的调控影响
DeepMind 团队发布 AlphaGenome Atlas，用 AlphaGenome 预测了人类基因组中全部 90 亿个可能的 SNV 的调控影响，并开发了可浏览该预测图谱的门户网站。作者称与多位科学家合作完成了分析与应用，同时提供了博客和预印本链接。
推荐理由：用 AlphaGenome 对全基因组 90 亿个 SNV 做调控影响预测并开放浏览门户，为变异解读提供了一张可检索的预测图谱。
Debora Marks精选AI 评分5858 GenBio AI 预览 AIDO Cell 细胞模拟器模型
GenBio AI 预览 AIDO Cell，一个覆盖 DNA、RNA、蛋白质与全细胞行为的模型，目标是让变异的后果可以被向前追踪而不只是被打分。
推荐理由：从进化序列预测结构到追踪变异在细胞中的后果，这条帖给出了新模型要解决的那层缺口。
Bluesky：Elizabeth Wood, PhD (@lizbwood.bsky.social)AI 评分4040 模型消融实验：线性模型在该数据上饱和，需大 Transformer 才能扩展
模型消融实验显示，线性模型在该数据上即使使用基础模型表征也会饱和（虚线），只有大 Transformer（实线）才能实现扩展。相关讨论指出，设计数据生成与训练的结合可产生稳健的缩放定律，数据越多，预测在多个数量级上稳定变好。
Stephen Quake精选AI 评分8080 Universal Cell Embedding 模型基于 3600 万细胞训练，可研究训练集外物种
Stephen Quake 介绍 Universal Cell Embedding 模型，该模型在来自多种物种和组织的 3600 万细胞数据集上训练，可研究远超训练集范围的生物体。相关成果来自 Rosen 等人的 Nature 论文，DOI 为 10.1038/s41586-026-10689-z。
推荐理由：Universal Cell Embedding 在 3600 万细胞上训练，可外推到训练集之外的物种，为跨物种细胞研究提供参考。
Biohub精选AI 评分6060 Biohub 联合创始人 Priscilla Chan 回顾蛋白建模、细胞成像与患者驱动研究进展
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精选AI 评分7575 Biohub 用全基因组 CRISPR 筛选结合 AI 发现银屑病新药靶点
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。
Andrew Carroll精选AI 评分7878 Radical Numerics 获 5000 万美元种子轮并预览基因组语言模型 Omnii
Radical Numerics 宣布完成 5000 万美元种子轮融资，走出隐身状态，并预览基因组语言模型 Omnii。创始团队曾训练 Evo 和 Evo 2（40B 参数、完全开源），称 Omnii 已明显超过 Evo 2，在致病因果变异检测上达到 SOTA，可零样本排序阿尔茨海默病突变，并正与一家诊断公司合作用于胰腺癌和多癌种早筛、与美国国家实验室试点检测 AI 生成的病原体。本轮由 Emergence Capital 领投，Obvious Ventures、Triatomic 和 Patrick Collison 参与。
推荐理由：Evo 与 Evo 2 原班团队新公司获 5000 万美元种子轮，并预览基因组语言模型 Omnii，可对照其与 Evo 2 的定位差异。
Sara Mostafavi精选AI 评分4040 Sara Mostafavi 等人在 Nature Methods 发表序列到功能深度基因组模型回顾评论
Sara Mostafavi 与 Alex Sasse、Maria Chikina 合作在 Nature Methods 发表评论文章，回顾序列到功能（sequence-to-function）深度基因组模型的过去与未来，文章链接为 https://www.nature.com/articles/s41592-024-02331-5。作者同时提到该刊当天上线了多篇相关 Comment 文章。
推荐理由：作者团队在 Nature Methods 回顾序列到功能深度基因组模型的进展与未来方向，适合了解该领域方法脉络。