Nature发表structRFM：中国科大等让RNA基础模型同时学习序列与结构
中国科学技术大学、浙江大学等机构在Nature发表RNA基础模型structRFM，在预训练中通过结构引导掩码语言建模同时学习序列与碱基配对关系。
推荐理由：该研究把碱基配对结构引入RNA基础模型预训练，并在二级、三维结构与功能任务上给出对照结果。
#生命科学大模型
BioTender精选AI 评分7878 澪乃ゆい精选AI 评分5858 BioResearchBench发布50项长程生物学研究任务基准
BioResearchBench在bioRxiv发布预印本，提出50项长程生物学研究任务，用于评测模型完成多步骤生物学研究的能力。推文仅给出标题与预印本链接，未披露任务构成、评测模型与结果。
推荐理由：该预印本提出包含50项长程生物学研究任务的基准，为评估模型处理完整科研流程的能力提供参照。
BioTender精选AI 评分7272 腾讯混元发布 HyInv、HyPLM-Flash、HyFF、HyCell 四份生物模型技术报告
腾讯混元发布四份技术报告，覆盖蛋白质逆折叠、序列表征、原子级力场与单细胞转录组表征，并称 HyInv 与 HyPLM 由科研智能体 Hyra 2.0 从头训练。
推荐理由：四份技术报告把混元生物模型从蛋白质序列设计延伸到原子模拟与单细胞表征，并给出与基线的速度误差对照。
BioTender精选AI 评分7878 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。
BioAIDesign精选AI 评分7676 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。
机器之心 · AI4Science精选AI 评分7474 斯坦福团队在Science发布Virtual Biotech多智能体框架，从临床试验中挖掘药物研发线索
斯坦福大学团队于2026年9月17日在Science发表研究，推出多智能体AI平台Virtual Biotech，由虚拟首席科学官统筹8个专业科学家智能体，模拟生物技术公司研发架构。
推荐理由：斯坦福团队用多智能体框架整合临床试验与单细胞数据，为靶点特征与临床成功率之间的关联提供了可复用的分析路径。
药化猩球精选AI 评分7878 Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
BioArt精选AI 评分7272 贾伟团队在Cell Metabolism发表AI驱动胆汁酸发现框架MetLLM与MetSpace
贾伟团队在Cell Metabolism发表研究，用transformer架构的分子语言模型MetLLM对胆汁酸样结构打分，从超过52万个含四环骨架的结构中筛出3900个优先候选，构建候选图谱MetSpace。
推荐理由：研究把分子语言模型与质谱鉴定、细胞实验串成代谢物发现流程，展示了从候选预测到结构确认的完整路径。
清华大学智能产业研究院精选AI 评分7474 清华AIR联合上海AI Lab发布PFArena，用202项真实实验评测大模型蛋白质改造能力
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
智药邦精选AI 评分5858 浙大侯廷军等在npj Drug Discovery提出智能体六级自主性框架
浙江大学药学院侯廷军等在npj Drug Discovery发表观点文章，梳理智能体在药物发现中的应用并提出L0至L5六级自主性框架。作者从科学决策、系统自主性和人工参与程度三个维度划分能力，将能提出原创假设并组织端到端探索的L5“虚拟科学家”定位为长期愿景。
推荐理由：文章梳理智能体在药物发现中的能力分层，并给出区分工具调用与研究闭环的评估尺度。
BioArt精选AI 评分7474 Insilico Medicine团队在Cell发布衰老生物学基准LongevityBench与长寿语言模型
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究，构建首个面向衰老生物学的开放基准LongevityBench，含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域，共25457个评测提示。
推荐理由：该研究用17项任务评测18个前沿模型解读衰老组学数据的能力，并比较领域微调小模型与通用大模型的表现差异。
木可AI探索笔记精选AI 评分6060 Radical Numerics 技术报告解读：Tessera 按行为指纹分组数据混合，DNA 语料宏基因组占比从 14% 降至 4%
Radical Numerics 发布技术报告，介绍 Tessera 数据混合方法：先为采样文档各训一个不到 1 亿参数的微型代理模型测出行为指纹，再降维成行为轴并用回归器外推到全语料，最后在行为空间聚类成派生源、用 MixMin 配权重。
推荐理由：梳理 Tessera 按文档行为指纹分组配比训练数据的方法，及其在 DNA 语料上的分组结果与规模限制。
木可AI探索笔记精选AI 评分5858 Evo团队新公司Radical Numerics获5000万美元种子轮，预览基因组模型Omnii
由Evo和Evo 2原班人马创立的Radical Numerics于2026年6月15日公开亮相，并宣布5000万美元种子轮，由Emergence Capital领投，Obvious Ventures、Triatomic Capital、Factory、First Spark Ventures跟投。
推荐理由：梳理Evo团队新公司押注基因组基础模型的路线差异，并指出Omnii尚未开源、数字待独立复现的边界。
Marinka Zitnik精选AI 评分6262 生物推理模型是否真正使用生物输入
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
Philippe Schwaller精选AI 评分5858 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。
Cellarity精选AI 评分7171 Cellarity在Nature Communications发表药物性肝损伤预测框架ToxPredictor
Cellarity在Nature Communications发表药物性肝损伤（DILI）预测框架ToxPredictor，并开源模型与验证数据。该框架基于原代人肝细胞转录组库DILImap，覆盖300种与DILI相关化合物在多个浓度下的转录特征；盲评中达到88%灵敏度、100%特异性，优于20余个行业标准临床前安全模型，并识别出动物研究未发现的若干3期临床安全性失败。
推荐理由：该框架用原代人肝细胞的转录组数据预测药物性肝损伤，并在盲评中与20余个临床前安全模型比较。
已经到底了