Airscope 无线介观显微镜实现自由活动小鼠全皮层成像
研究团队发布 Airscope 无线介观显微镜,重 1.0 克,在 6 mm 视野内实现 4 μm 横向分辨率、12.5 Hz 成像。其非球面透镜设计使总光程比此前微型显微镜缩短 2.84 倍,单只动物可无缆记录超过 8,500 个神经元的钙信号,较此前提升 25 倍。
推荐理由:1.0 克无线介观显微镜把视野扩到 6 mm 并支持自由活动小鼠成像,为系统神经科学提供可迁移的硬件方案。
内容形态
新的生信软件、工具、模型与重要版本的发布记录。
22 条精选近 30 天 16 条共收录 84 条
研究团队发布 Airscope 无线介观显微镜,重 1.0 克,在 6 mm 视野内实现 4 μm 横向分辨率、12.5 Hz 成像。其非球面透镜设计使总光程比此前微型显微镜缩短 2.84 倍,单只动物可无缆记录超过 8,500 个神经元的钙信号,较此前提升 25 倍。
推荐理由:1.0 克无线介观显微镜把视野扩到 6 mm 并支持自由活动小鼠成像,为系统神经科学提供可迁移的硬件方案。
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。
AmpliconSuite 是一套从癌症全基因组测序数据分析局灶扩增的工具包,可识别染色体外 DNA(ecDNA)、断裂-融合-桥及其他扩增模式,其 ecContext 模块对 ecDNA 结构分类以理解形成机制。
推荐理由:该工具把 ecDNA 等局灶扩增模式的识别与结构分类整合成一套流程,并配套可共享结果的社区平台。
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。
HitSV 通过建模基因组重复性与信号强度的相互作用来改进结构变异检测,结合重复性与信号密度感知的断点识别和单倍型解析的局部组装,实现碱基分辨率的结构变异重建与基因分型。
推荐理由:新方法把重复序列密度纳入结构变异断点识别,并在多个测序平台和大队列上给出可比较的提升幅度。
LoL-align 在 Nature Methods 发表,可在不做叠合(superposition)的情况下比对蛋白结构。作者称其比 TM-align 和 DALI 更敏感、比对结果更好,速度快 5–20 倍,现已集成到 Foldseek,代码在 GitHub 的 steineggerlab/foldseek 仓库,并提供 search.foldseek.com 在线服务。
推荐理由:新方法不做叠合即可比对蛋白结构,并给出与 TM-align、DALI 的敏感性和速度对比,可据此判断是否替换现有流程。
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。
CRISPR-HAWK 是一个把个体和群体尺度的变异与单倍型纳入 gRNA 设计的框架,代码已在 GitHub 开源。作者在 79 648 个基因组上分析治疗靶点,发现变异会显著改变向导表现:针对 BCL11A 的镰状细胞病治疗向导存在完全消除预测切割活性的单倍型,七个治疗位点中 82.5% 的向导带有影响在靶活性的变异,变异还会产生新的 PAM 位点、带来参考基因组设计看不到的个体特异性向导。
推荐理由:该工具把个体与群体层面的变异和单倍型纳入 gRNA 设计,并给出 79 648 个基因组上的评估结果,可供做 CRISPR 靶点选择时参考。
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。
TorchGWAS 1.0 发布,这是一个用 GPU 批量运算对大量定量表型做协变量校正线性关联检验的框架。
推荐理由:面对数千个定量表型逐个做 GWAS 的算力瓶颈,该工具给出与 PLINK 2.0 一致的统计量和大规模运行时间。
insitro 宣布,Lilly TuneLab 网络内的生物技术公司现在可以部署 insitro 与礼来共同构建的机器学习模型,用于预测小分子的体外性质以及关键的体内性质。
推荐理由:礼来 TuneLab 网络内生物技术公司可直接调用 insitro 与礼来共建的小分子体内性质预测模型,了解 AI 药物发现合作模式的一个样本。
Arc Institute 发布虚拟细胞模型 PIE(Perturbation is Everything),把 Cellosaurus、NCBI、Gene Ontology、DepMap、PubChem 等人工整理知识转成 token 输入,直接预测扰动后群体水平的差异表达基因、方向与幅度。
推荐理由:PIE 把人工整理的生物知识库转成输入,在未见扰动和细胞系上仍能预测差异表达,可看知识源如何影响泛化。
中国科学院遗传与发育生物学研究所李响研究组在 Developmental Cell 在线发表论文,将微流控空间条形码技术与 SPRITE-like 无连接酶接触检测策略结合,开发出空间三维基因组学技术 SpaceA,可在组织切片原位高置信度解析远距离染色质互作。
推荐理由:SpaceA 把空间条形码与无连接酶接触检测结合,让染色质远距离互作能在组织切片原位测量,为空间三维基因组学提供了新手段。
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。
中国科学院遗传与发育生物学研究所段力辉团队开发 OpenFISH,可在同一张组织切片上连续完成空间转录组与 MALDI-MSI 空间代谢组检测。该方法通过模块化探针设计和单轮基因编码将空间转录组成本降低约 95%,并借助导电玻片预处理与 MALDI-MSI 后组织成胶、透明化实现两模态兼容。
推荐理由:该工作把成像空间转录组与 MALDI-MSI 代谢组放在同一张切片上,并给出约 95% 的转录组成本降幅,做空间多组学的人可关注其兼容方案。
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。
达摩院发布通用医疗影像模型 DAMO RADAR,可覆盖含恶性肿瘤在内的腹部病症,研究团队评估了其中 146 种、涉及 18 个器官。该模型采用视觉-语言学习与器官级细粒度对齐策略,在近 4 万次真实世界检查中 AUC 达 0.913;与 26 名影像科医生的人机对比中,其平均准确率超过其中 23 名,AI 提示下医生识别疾病的敏感性提高 10%、用时减少 30% 以上。
推荐理由:该模型用器官级细粒度对齐把腹部 CT 与报告文本对齐,并给出与 26 名影像科医生的人机对比结果,可供做医学影像基础模型的人参考。
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。
Seurat 5.6 公测版发布,针对核心工作流的速度、内存和可扩展性做了大幅改进,尤其面向大规模数据集。作者团队称过去几个月用编码智能体重写了 Seurat 核心流程,把部分步骤从 R 迁移到 C++ 并优化代码,部分场景提速 10 倍以上且输出一致。安装说明见 https://github.com/satijalab/seurat/discussions/10449。
推荐理由:Seurat 5.6 公测版针对大数据集重写核心流程,做单细胞分析的读者可据此判断是否试用。
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。