跳到正文
  1. GEN (基因工程与生物技术新闻)70

    剑桥团队AI设计广谱禽流感mRNA疫苗DVX-panH5Nx,临床前保护优于储备疫苗

    英国剑桥大学与衍生公司DIOSynVax等合作,用AI整合全球监测的H5Nx基因序列设计多抗原mRNA疫苗DVX-panH5Nx,在动物试验中对多种H5N1变异株实现完全保护,而现有多款储备疫苗仅保护约50%的受试动物。

    推荐理由:研究用AI整合全球H5Nx序列设计多抗原mRNA疫苗,在动物攻毒中与世卫组织储备疫苗形成直接对照。

  1. BioArt74

    Cell | SPARCS:AI引导激光显微切割实现复杂图像表型的大规模遗传筛选

    德国慕尼黑大学Veit Hornung与马普生化所Matthias Mann团队在Cell发表SPARCS平台,将自动化激光显微切割改造为高通量单细胞分离手段并配合深度学习图像分类器,在7000万细胞规模完成自噬体形成与STING转运的全基因组筛选。

    推荐理由:该平台把激光显微切割与深度学习图像分类结合,使复杂亚细胞表型可在全基因组尺度被筛选并回溯分析。

  1. DrugAI58

    “长江杯”全球AI蛋白质设计挑战赛公布7大靶点与完整规则

    “长江杯”全球AI蛋白质设计挑战赛于11月1日公布7个独立赛道的靶点与完整竞赛规则,报名和序列提交均于11月30日23:59:59截止。7个靶点分别为EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1和IL-7Rα,其中5个赛道设计VHH、2个赛道设计minibinder,GLP-1R赛道要求激动剂活性、EGFR赛道要求测定pH=6.0时的亲和力。

    推荐理由:赛事公布七个真实靶点与湿实验验证规模,为蛋白质设计方法的实测比较提供了公开基准场景。

  1. BioTender78

    Evo 2 两篇新稿解读:从序列理解到少样本可控设计

    Brian Hie 团队于 2026 年 10 月 29 日公开两篇 Evo 2 稿件,探索用少量示例做上下文学习来设计调控序列与蛋白。酵母任务中 4 条示例即可生成预测活性接近高活性对照的序列,但人类 5′ UTR 用 16 条示例时预测活性过阈值比例才超过 40%,且这些曲线并非湿实验结果。

    推荐理由:文章逐项拆解 Evo 2 两篇稿件的计算与实验证据,区分预测活性、标记纯度与实测特异性。

  2. BioAIDesign76

    专题综述:Arc 与斯坦福用少量序列引导 Evo 2 做生物设计

    Arc Institute、斯坦福 Brian Hie 团队及合作者于 2026-10-29 在 Zenodo 公开两项预印本,显示预训练基因组模型 Evo 2 可用少量功能相近序列作为示例做上下文学习,不更新参数即可调整生成方向。

    推荐理由:综述梳理 Evo 2 少样本上下文学习的两项预印本,区分计算筛选与湿实验证据,并给出跨任务适用边界。

  1. 智药局58

    镁伽联合腾讯云、Twist发起Poreva Open蛋白质设计赛,计划湿实验验证超1万条序列

    镁伽科技牵头,腾讯云、Twist、思朗科技、诺唯赞等参与,发起全球AI蛋白质设计竞赛Poreva Open,不限国家、模型与技术路线,计划对超过10000条设计序列做湿实验验证。评价体系除靶点结合外新增热稳定性和低非特异性指标,首批3项挑战靶点已公布,赛后拟择优引入类器官等模型进一步验证。奖金包括最高100万元现金、百万元级免费湿实验验证额度和千万元级投资激励。

    推荐理由:镁伽联合腾讯云、Twist等发起不限模型的蛋白质设计赛,以万条湿实验验证切入AI4S数据入口。

  1. Philippe Schwaller58

    多机构合作发布通用科研智能体 SAGA,可自我演化目标并完成湿实验验证

    多机构合作发布通用科研智能体 SAGA(Scientific Autonomous Goal-evolving Agents),其特点是不仅优化固定目标,还会像人类研究者一样自行细化目标。该工作在化学、生物学与材料科学中设置五项发现任务,并包含湿实验验证,示例任务包括从头纳米抗体设计与永磁材料。作者 Philippe Schwaller 转发并称其为一项大规模多机构合作成果。

    推荐理由:SAGA 把目标自我演化引入通用科研智能体,并在化学、生物与材料任务上做湿实验验证,可供比较智能体自主性设计。

  1. LabGenius Therapeutics · News58

    LabGenius 发表 3in1 噬菌体展示筛选法,一天完成全部筛选轮次

    【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法,采用非变性洗脱并跳过中间噬菌体扩增步骤,在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍,获得的独特命中化合物最多多六倍且亲和力范围较广,并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性,材料仅为论文摘要。

    推荐理由:该方法把多轮噬菌体展示筛选压缩到一天,并报告了命中多样性与亲和力范围的对照结果。

已经到底了