Anthony Gitter 表示读过 DRYLAB-Bench 后认为其提出的 Biosecurity Risk Score 不可解释，核心只是一个经过截断和归一化等调整的 z-score。他引用的介绍称，该基准用 ProteinGym 与 ViroGym 的 187,695 条深度突变扫描测量为设计打分，在 30 个生物安全场景中评估 agentic LLM 的迭代突变设计，并报告工具使用使汇总 BRS 从 0.359（S0）升至 0.475（S2）。
推荐理由：作者从统计构造角度质疑 DRYLAB-Bench 生物安全风险评分的可解释性，适合关注 AI 生物安全评测指标设计的读者。
Anshul Kundaje 批评 GoodfireAI 有过度夸大声明的前科，称其关于阿尔茨海默病新生物标志物、VUS 变异注释及最新可解释性声明的说法都严重夸大。
Insilico Medicine 的 PandaOmics 上线单细胞特征 Agent 技能，可检索其收录的 1,700 多个 scRNA-seq 数据集。用户以类风湿关节炎及 S100A8、S100A9、IL1B、TNFAIP3、JAK3、IRF1 等基因提问，Agent 自动定位数据集、区分病例与对照组并比较各细胞类型表达。
礼来与剂泰科技达成战略合作，围绕 NanoForge 驱动的 AiLNP 平台共同发现和优化新型 LNP 结构，探索组织特异性递送方案。协议规定剂泰科技将收取逾千万美元首付款，并有资格获得总额最高可达 11 亿美元的开发、监管及商业里程碑付款，以及基于合作产品年度净销售额个位数百分比的分级特许权使用费。
推荐理由：礼来与剂泰科技围绕 AiLNP 平台达成合作，可观察头部药企对 AI 递送平台的估值逻辑与交易结构。
剂泰科技宣布与礼来达成战略合作，聚焦新型LNP递送解决方案的研究与发现，探索支持多种治疗模式的组织特异性递送。剂泰科技将收取逾千万美元首付款，并有资格获得总额最高可达11亿美元的开发、监管及商业里程碑付款，另按合作产品年度净销售额收取个位数百分比的分级特许权使用费。剂泰将依托NanoForge驱动的可离子化脂质发现与优化平台AiLNP开展新一代递送技术研发，礼来投入药物发现、开发及商业化资源。
Ran Blekhman 在 Bluesky 发帖介绍其在 PLOS Biology 发表的文章，讨论 AI 生成论文激增为何构成一类全新问题，以及对生物学领域科学评价方式的影响。文章的核心论点是，在生成式 AI 时代，写出一篇论文不再意味着真的做过科学研究，因此需要重新考虑如何回应 AI 生成论文的涌入。
推荐理由：文章把 AI 生成论文的激增当作科研评价体系的新问题，讨论生物学研究究竟为了什么。
Nikolai Slavov 指出，大规模质谱数据集与 AI 模型可以很有用，但规模不能替代严谨性。大型模型应与任何方法一样接受既定标准检验，包括简单基线和公平的对照比较。这是该领域赢得信任并向前推进的方式。
中国科学院自动化研究所主办的英文新刊 Data Research and Applications（DRA）将于 2026 年底正式出版创刊号，主编曾大军称其定位是让数据与模型以独立、可引用、可评价的学术体裁进入学术秩序。
Michael Mina 分享了一个观点：仅用1905年前科学文献训练的AI系统，能否独立构想出爱因斯坦的突破性理论，可作为检验AI真正"智力"能力的试金石。
傅剑锋借威尔逊《创造的本源》提出，人文社科应从“人是万物的尺度”转向“万物是人的尺度”，以演化生物学、神经科学、人类学、数学与 AI 通识重建地基。AI 正把跨学科知识的“翻译成本”压到近零，2024 年“维苏威挑战”用机器学习首次从 CT 扫描中识读出赫库兰尼姆古卷成段文字。但工具只降低门槛，不能替代好奇心、耐心与判断力。
Danaher 与 Nvidia 宣布合作，把 Danaher 的科学仪器、自动化技术、实验室工作流软件与 Nvidia 的加速计算和 AI 技术结合，推动自主科学。
研究提出一套计算–实验整合流程，用于在数据稀缺条件下优先筛选、表征并建模真菌非特异性过氧化物酶（UPO）。从 3000 多条候选序列中筛出 59 个推定 UPO，在大肠杆菌中分两批表达并用比色底物检测，得到 27 个表达与活性一致的 UPO；随后用 15 个新 UPO 和 4 个参考酶对 27 种底物做活性筛选，构建酶–底物活性数据集。
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。
Iambic Therapeutics 通过 IPO 募资 1.5 亿美元，股价在周五中段约为 24.50 美元，较周三上涨逾 50%。
推荐理由：Iambic 上市募资 1.5 亿美元，CEO 在访谈中回应 AI 制药公司上市后表现不佳的质疑，并说明其以临床数据为衡量标准的策略。
Google DeepMind 将编码智能体 Antigravity 与 Gemini 模型及 AlphaFold、AlphaGenome 等科学专用模型、Biomolecular Structure Viewer 等新界面整合，用于加速端到端科研流程。
推荐理由：Google DeepMind 把 Gemini 编码智能体与 AlphaFold 等科学模型整合成科研工作流，并给出抗菌肽发现的实例，可了解 AI 智能体在科研流程中的落地方式。
CMA-DTI 通过双向跨模态对齐模块建模药物官能团与蛋白结合区域的相互作用，提升冷启动药物–靶点相互作用预测的泛化能力。该框架先用预训练序列模型提取药物与蛋白表征，再以双通道编码器捕捉局部功能模式与全局上下文依赖。在四个基准数据集上，CMA-DTI 在热启动场景保持有竞争力表现，并在靶点冷启动与盲启动场景改善泛化，消融实验与结构可视化支持各模块贡献并提供残基级可解释性。
Arc Institute 的 2026 Virtual Cell Challenge 已有超过 5000 名注册者和 1500 支队伍进入排行榜，参赛者涵盖功能基因组学研究者、18 岁间隔年开发者与即将毕业的计算基因组学学生。
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。
一个面向 Bacteria、Archaea、Eukaryota 与病毒的“prompt-to-genome”AI 设计框架被提出，主张序列生成不等于生物学可行，约束应界定功能、遗传、生命周期一致性与安全使用的可检验边界。
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子（PCC）仅用 9 个月，该分子拟用于 IgA 肾病治疗，依托 Kodexia™ 平台开发。体外评价显示其具亚纳摩尔级沉默活性，IC50 较同靶点临床阶段参照分子降低数十倍；非人灵长类平行对照研究中药效活性与作用持续时间均优于参照分子，单次给药后数月观察期内持续维持高水平靶蛋白抑制。
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 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。
英矽智能在 2026 年 Pharma.AI 秋季网络研讨会上展示了 MMAI Gym 科学后训练与评估框架、五款专业模型、DDD Benchmark 与 O3DC 基准索引，以及 MCP 连接器。
推荐理由：英矽智能一次性展示了从后训练框架、专业模型到 MCP 接入的完整链路，可据此了解 AI 智能体编排药物发现的具体形态。
Derek Lowe 评述一项预印本，该研究用 42 篇撤稿、造假和伪科学论文构建探针语料，测试模型是否会基于论文原文的框架继续设计研究。
推荐理由：作者借一项预印本评测指出，主流大模型面对撤稿与造假论文时仍会照单执行，并讨论这对 AI 科研助手可靠性的影响。
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。
Google DeepMind 的 Vivek Natarajan 表示，Gemini 4 Argon 对该团队在科学与医学方面的工作影响显著，并引用 Pushmeet 的说法称其在模型性能上出现阶跃式变化，近几周对团队及外部合作者的科学项目产生了影响。团队同时宣布面向科学家的早期访问计划，可通过 Google 表单申请在 antigravity 中获得 Gemini 4 Argon 的最高档访问权限，申请链接为 https://forms.gle/WvmBbPvRbpKG1BPn9。
推荐理由：Google DeepMind 公布 Gemini 4 Argon 在科研与医学项目中的使用反馈，并开放科学家早期访问申请，可了解该模型在生命科学场景的定位。
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。
Recursion 称其 AI 原生引擎可在约一天内跑完整个计算设计周期，把数百万个候选分子筛成一份可合成的高质量短名单。流程先用 Nesso-1 等 3D 结构模型给结合亲和力打分，再调用数百个覆盖 ADME、效力、模拟与 AI 逆合成的模型联合过滤。公司称这套系统让化学家能探索全新化学空间，并在分子尚不存在时预测合成路线。
英矽智能提名 ISM9546 为临床前候选化合物（PCC），这是一种口服、外周限制性的 VAV1 分子胶降解剂，拟用于炎症性肠病和类风湿性关节炎等自身免疫性疾病。
Cao 等人提出 AMIFound，一个覆盖 CT、MRI、PET、内镜、超声、眼底成像和 X 射线共 7 种模态的医学影像修复与增强一体化基础模型。模型在 376 万对高质量与退化图像上训练和评估，覆盖 7 类退化模式，用共享编码器捕捉模态与退化线索，并由动态路由的专家修复池为每个输入选择增强路径。
推荐理由：该模型用 376 万对图像统一 7 种医学影像的修复与增强，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。
Cell 刊发观点文章《Toward autonomous science with agentic artificial intelligence》，讨论生物医学 AI 正从回答人类提出问题的工具，转向能自行提出问题的智能体。Guo 等人评估了这一转变，涉及扩展逻辑与自主劳动等内容。
推荐理由：Cell 观点文章梳理生物医学 AI 从回答人类提问的工具转向自主提问的智能体，并讨论其扩展逻辑与自主科研的边界。
药企若租用前沿模型，将面临访问、定价与路线图受制于人的战略风险，而每家大型药企都握有前沿实验室无法复制的资产：数十年的专有筛选、检测读数和失败试验数据。用这些数据微调开放权重模型，即可掌控权重、推理与知识产权，实现公司级AI主权。推文引用Coinbase案例：用内部专有数据微调Qwen3.5-9B，在欺诈预防这一专门任务上表现优于前沿模型，成本与速度更优。
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。
ToolUniverse 新增 GPU 环境自动配置功能，使 agent 能在复杂生物数据集上调用机器学习模型，并把输出用于发现流程。
Biohub 发推称基础模型正在演进，下一代 AI 或能开辟科学发现的新方式；在 AIxBio 活动上，Pushmeet 与 Sal Candido 讨论了数据与规模化、动力学、功能与设计、可解释性以及通往临床的路径，由 Latent Space 播客的 Brandon Anderson 主持。
Biohub、美国能源部与 NIH 宣布投入 18 亿美元启动 Virtual Biology Initiative，用于生成开放、标准化的数据，训练预测细胞如何响应疾病与干预的 AI 模型。该计划定位为跨部门国际合作，目标是构建面向 AI 模型的基础数据。Loïc A. Royer 在 Bluesky 转述了这一消息并附上 biohub.org 的新闻链接。
推荐理由：这项近 20 亿美元的多机构投入指向开放标准化的细胞响应数据，为训练虚拟细胞类模型提供数据基础。
Max Jaderberg 表示，Isomorphic Labs 以创始成员身份加入 Virtual Biology Initiative，将参与生成可用于预测性生物学模型的 AI-ready 数据；其药物设计引擎 IsoDDE 已开发 5 年。
Isomorphic Labs 宣布以创始成员身份加入 Virtual Biology Initiative（VBI），将参与建设面向全球科研社区的开放资源，以加速对疾病的理解与治疗。
Isomorphic 宣布与美国能源部（DOE）和 NIH 建立重大合作，目标是生成构建准确细胞 AI 模型所需的数据。
推荐理由：美国能源部与 NIH 联合多家机构启动虚拟生物学计划，读者可了解细胞预测模型的数据来源与参与方。