跳到正文
9月20日周日
9月18日周五
  1. Europe PMC40

    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。

9月17日周四
  1. Europe PMC38

    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。

9月11日周五
  1. Europe PMC29

    解码血管重塑中的PVAT复杂性:多模态单细胞技术揭示新治疗靶点

    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。

9月6日周日
  1. David Li40

    David Li:未来 18–24 个月 AI 药物发现的最大瓶颈是实验验证,36 个月后转向临床试验资源稀缺

    David Li 认为,未来 18–24 个月 AI 药物发现的最大瓶颈是实验验证与核实,而 36 个月后最大瓶颈将变成临床试验资源稀缺。

    推荐理由:作者用 IND 审评与启动天数的对比,拆解美国临床试验基础设施的瓶颈,并给出未来 18–36 个月瓶颈迁移的判断。

8月21日周五
  1. Owl Posting34

    类器官究竟在哪些场景真正发挥了作用?

    类器官在化疗反应预测上取得了最明确的成功:2018 年 Science 论文用转移性胃肠癌患者类器官筛选 55 种化疗药物,与 I/II 期临床试验结果对照,灵敏度 100%、特异度 93%、阳性预测值 88%、阴性预测值 100%。但一项前瞻性可行性试验显示,接受类器官指导治疗的患者未获得临床获益,且仅 57% 患者能成功建系、组织到读出约需十周。

8月19日周三
  1. Caleb Lareau42

    Nature 刊出 mtDNA 谱系追踪系列通信的最终回应

    Caleb Lareau 等人在 Nature 发表关于 mtDNA 谱系追踪的最后一组通信,为持续 2 年多的学术对话收尾,并附上 DOI 10.1038/s41586-026-10777-0。作者表示这是系列回应的最后几条想法,共 10 条。

    推荐理由:围绕 mtDNA 谱系追踪持续两年多的学术通信收尾,可了解该方向争议的最终表述与作者立场。

7月28日周二
7月9日周四
  1. Biohub60

    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。

12月11日周四
  1. Patrick Schwab30

    AI 取代科学家会削弱科研乐趣吗

    Patrick Schwab 反驳"AI 主导科学会降低科研满足感"的观点:若机器能持续产出解决难题的新洞见,科学家更可能乐于探索这些发现而非关掉它,因为科学之爱在于进步本身。该讨论源于 NeurIPS 一场 AI for science 专题讨论,有与会者当场反对将人类完全移出科研流程。

8月10日周六
  1. Sara Mostafavi40

    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。

8月9日周五