人脑类器官植入活体小鼠后,动物福利评估为何更难
一篇评论文章讨论将人脑类器官植入活体小鼠后动物福利评估面临的困难。文章援引近期发表于 Nature 的研究:研究者通过基因改造使小鼠部分脑区不发育,再把由人类干细胞培养的脑类器官移植到空出的位置,类器官随时间与小鼠神经系统整合;接受移植的小鼠在短期记忆任务(如走迷宫)上与健康对照表现相当,研究者未观察到行为改变或智力提高的迹象。
推荐理由:围绕人脑类器官移植小鼠后动物福利指标是否仍可解读展开论证,为神经类研究伦理评估提供一条可迁移的推理路径。
一篇评论文章讨论将人脑类器官植入活体小鼠后动物福利评估面临的困难。文章援引近期发表于 Nature 的研究:研究者通过基因改造使小鼠部分脑区不发育,再把由人类干细胞培养的脑类器官移植到空出的位置,类器官随时间与小鼠神经系统整合;接受移植的小鼠在短期记忆任务(如走迷宫)上与健康对照表现相当,研究者未观察到行为改变或智力提高的迹象。
推荐理由:围绕人脑类器官移植小鼠后动物福利指标是否仍可解读展开论证,为神经类研究伦理评估提供一条可迁移的推理路径。
失败是最好的老师之一,但在科学界却鲜有人愿意谈论。Nature 这篇文章探讨了科学界为何将失败视为禁忌话题。
针对 AI 可能削弱推理能力的担忧,相关研究已找到保持大脑敏锐的方法。这是 Nature 一篇 Feature 文章的音频版,探讨批判性思维的科学。
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。
随着双特异性之后三特异性、T 细胞衔接器、NK 衔接器与双激动剂等格式增多,多特异性药物开发的核心难题已从候选发现转向分子选择。Twist Bioscience 与 Invenra 就后者 B-Body® 双特异性抗体平台达成共同独家供应许可协议,Adimab 则通常引导合作方选择 IgG 样/Fab 型多特异性以利于生产。
BioSpace 汇集分析师与药企高管的观点,讨论amylin靶点在减重治疗中的位置,认为它可能比GLP-1更耐受,并可作为GLP-1应答不佳患者的补充。诺和诺德的amylin/GLP-1复方CagriSema已提交FDA申请,分析师预计本季度出决定;REDEFINE-1中68周减重22.7%。
推荐理由:借多位分析师和药企高管的观点,梳理amylin靶点在减重药物中的位置,以及CagriSema、eloralintide、petrelintide的临床数据差异。
Theranos 举报人 Tyler Shultz 在 STAT 撰文评论 Elizabeth Holmes 的新书《You Can See Everything》,称霍姆斯仍在撒谎。
Isaac Kohane 引用 NEJM 文章指出,评估医疗 AI 时应将其结果与现有医疗系统的实际结果比较,而非与理想中的系统比较。
Anshul Kundaje 称赞 jmschreiber91 持续开源发布高效的基因组软件优化,认为生物机器学习领域的工具开发就该如此开放、让用户测试反馈。
Theranos 吹哨人 Tyler Shultz 撰文批评新片《You Can See Everything》,称 Elizabeth Holmes 仍在撒谎,影片虽艺术性出色,却未走出其公寓之外记录事实。Shultz 指出片中 Holmes 展示的装置并非当年真正讨论的那台设备,并称自己在影院几乎要起身大喊。Matthew Herper 看完影片后基本认同 Shultz 的观点。
IGI 的 Ross Wilson 发表了一篇综述,系统梳理基于多肽的 CRISPR 递送策略。文章已发表于 ScienceDirect,可通过原文链接阅读。
Jacob Schreiber 指出,多数基因组软件用 32 位存储每个 0/1 值(每位点 128 位),内存占用高,拖慢序列修改、打乱、磁盘读写和 GPU 传输等操作。
Theranos 举报人 Tyler Shultz 撰文批评 Nathan Fielder 新片《You Can See Everything》并非纪录片,而是刻意制造模糊的艺术作品。
Asimov Press 发布互动连载书《A Recipe for Cells》,探讨细胞如何由分子构成并运作。文章以 E. coli 为例拆解细胞组成:约 70% 为水,干重中蛋白质占 55%、DNA 仅占 3%,单个细胞约有 200 万个蛋白质。文中还引用 2002 年研究,显示遗传相同的 E. coli 细胞荧光表达标准差可达均值的 40%。
Rob Patro 提出新期刊设想"Journal *actually for* Computational Biology",主张让读者真正能获取并阅读文章。他举例指出,Idury 与 Waterman 的 DNA 序列组装算法论文 1995 年发表于 Journal of Computational Biology,至今仍受付费墙限制。
Nikolai Slavov 认为,是时候从"mRNA 与蛋白水平不相关"这一说法转向了;他在引用推文中指出该说法过于薄弱,尤其缺乏独立测量与可靠性考量,并推荐了关于蛋白丰度调控直接测量的预印本(DOI: 10.1101/2025.02.10.637566)。
2026年10月,调节性T细胞(Treg)领域峰会在北京举行,2025年诺贝尔生理学或医学奖得主坂口志文与弗雷德·拉姆斯德尔首度联袂来华,与免疫学家、跨国药企和Biotech研发负责人、投资人同台讨论Treg疗法。
推荐理由:峰会汇集诺奖得主与产业方,梳理Treg从机制认知到首款FDA获批产品的产业化路径与待解难题。
Infinitus Systems 医学信息学家 Michael Choma 提出,医疗 AI 的注意力过度集中在诊断,而更急需建设的是分诊(triage)能力。他以自身双重视力就诊经历说明,分诊决定患者何时、去何处就医,LLM 驱动的对话式 AI 代理在排班、用药咨询等场景中必须能识别紧急情况并即时转接。
Stephen Turner 推荐了一篇约 5 分钟可读完的短文《What Counts as Impact?》,并提到自己周末就此写了一些想法。
Stephen Turner 推荐了一篇约 5 分钟可读完的短文《What Counts as Impact?》,该文认为数论文数量和影响因子一直是有缺陷的替代指标,生成式 AI 让这一问题更严重。他提到自己周末也写了相关想法,并引用一段关于 AI 生成论文激增、这为何是全新问题以及如何评价生物学科学的观点,同时指向 PLOS Biology 的一篇文章。
推荐理由:借一篇短文讨论生成式 AI 加剧论文数量与影响因子考核的问题,并延伸到生物学科学评价该怎么改。
9月28日冷泉港实验室举行James D. Watson追思会,Wally Gilbert、Robert Horvitz、Bruce Alberts等科学家讲述往事,呈现沃森作为现代生物学基础设施构建者的另一面。
Angela Rasmussen 批评 Anthropic 向立法者推销其 AI 安全法案,指出病原体研究已有联邦法律严格监管,启动危险病毒研究即属联邦犯罪,无需等待法院命令,这应称为安全而非“对齐”。
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。
返朴梳理了美国卫生与公众服务部部长小罗伯特·肯尼迪关于停用 SSRI 比戒海洛因还难的言论及其学界反驳,指出抗抑郁药停药问题长期缺乏研究。
推荐理由:文章梳理了 SSRI 停药反应的发生率争议与双曲线减量法,为理解抗抑郁药安全停药这一临床盲区提供了机制与证据层面的背景。
利用开放获取数据和新的方法分析各国科研体系,可帮助国家之间相互借鉴。
中山大学肿瘤防治中心徐瑞华、袁庶强团队在 CA: A Cancer Journal for Clinicians(IF 685.2)发表长篇综述,系统梳理胃癌从早期到晚期的治疗进展。
华中科技大学同济医学院附属同济医院陈孝平院士、张万广团队在Signal Transduction and Targeted Therapy发表综述,系统梳理肿瘤浸润B细胞(TIBs)的分类、双重功能、信号通路与治疗进展。综述整合单细胞测序与临床队列证据,指出在19种癌症的69项报告中,50.0%显示CD20+ TIBs具阳性预后效应,并总结靶向TIBs的临床前与临床试验。
Arc 研究所研究员 Hani Goodarzi 在 Arc 工作三年后表示,希望更多类似 Arc 的机构出现,并总结了 Arc 的八条建所原则,包括资助人而非项目、建设共享全栈平台、优先工具开发并奖励工具开发者、多学科同处一地、对大学保持开放、把研究还给研究者、思考论文之外的路径、保持运营模式透明。
Victor de Lorenzo 指出,教科书中的 Luria-Delbrück 实验存在问题:并非所有突变都在选择压力之前自发产生,部分突变会在选择本身带来的诱变压力之后出现。该实验由 1969 年诺贝尔生理学或医学奖得主 Max Delbrück 参与建立,用于证明突变先于选择自发产生。
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。
抗菌药物耐药(AMR)的核心困境不只是新药管线不足,更在于已获批的抗生素和噬菌体制剂常因监管路径割裂、缺乏定价先例、采购停滞和紧急进口机制耗时数周而无法跨国送达患者。文章主张将监管依赖与互认、储备抗菌药的预谈判准入与定价框架、响应时间匹配临床现实的常设紧急准入机制,以及把抗菌药物可及性纳入国家基础设施规划作为优先方向。
AI 模型擅长产出平均水平的结果,在科研中能把编码和理解拉到平均水准(前提是阅读并理解其输出)。但平均水平按定义并非领域领先,也未必足以胜任任务,专业知识仍然重要。
AI 模型擅长产出平均水平的结果,在科研中能把编码和理解能力提升到平均水准——前提是使用者阅读并理解输出内容。但平均水平按定义并非领域领先,也未必足以胜任任务,专家判断仍然重要。
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。
Chris Mason 分享 Cell Stem Cell Reports 的一则征集,邀请研究者谈 iPSC 技术对其研究或领域的影响。
Wolfgang Huber 在 Bluesky 发帖追问生物学研究的目标是什么,并引用一篇 PLOS Biology 文章的观点:评估体系曾把论文当作衡量领域进展的主要指标,这一代理指标本身就有缺陷,生成式 AI 已将其彻底击穿。他由此提出,面对 AI 生成结果的研究领域需要先明确说清自身的研究目标。
推荐理由:借 PLOS Biology 文章讨论生成式 AI 如何击穿以论文当进展指标的旧评估体系,并追问生物学研究的目标本身。
Fred Hutch 病毒学家 Keith Jerome 讨论了 HSV 研究的新进展,包括基因编辑、以疱疹病毒对抗自身的基因驱动策略、旨在让病毒保持休眠的表观遗传方法,以及疫苗研究兴趣的回升。
Stephen Turner 发表周末随笔,表示自己对 AI 披露声明持怀疑态度。