Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
#生命科学大模型
Brian Hie精选AI 评分7474
Patrick Hsu精选AI 评分7474 Evo 2 通过上下文学习实现蛋白质与基因组生成式设计
Patrick Hsu 转发 Garyk Brixi、Brian Hie 等人的新工作，显示 Evo 2 基因组语言模型可在无需重训练的情况下通过上下文学习（ICL）完成生成式设计。仅凭少量示例，Evo 2 ICL 即可生成蛋白质、从头抗体、CRISPR-Cas9 位点、线粒体基因组和完整噬菌体。研究还利用合成序列迭代构建思维链（CoT），以完成更难的设计目标。
推荐理由：该工作展示基因组语言模型仅凭少量示例即可在上下文中完成多类序列设计，为生成式设计提供了可迁移的提示范式。
科普知识综述精选AI 评分5858 Divergence Labs 与 Anthropic 合作，用 Claude 辅助设计食物过敏双表位抗体并完成初步验证
Divergence Labs 与 Anthropic 合作，借助 Claude 构思出一种双臂抗体机制，用于把 IgE 从肥大细胞表面的 FcεRI 上主动拉离，以应对影响全球超过 2 亿人的食物过敏。团队称在一个月内设计、合成了这两个臂，并实验验证了它们的生物物理功能，目前正将其组装成完整的治疗格式。该工作尚处早期，文中未披露具体靶点数据、亲和力数值或体内结果。
推荐理由：Divergence Labs 借 Claude 构思出双表位抗体机制，并在一个月内完成两个臂的合成与生物物理功能验证，为抗体早期发现提供了人机协作的实例。
Generate:Biomedicines精选AI 评分6565 Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 受体信号域，缩短约 70% 并提升体外杀瘤
Generate:Biomedicines 与 Anthropic 合作，六名科学家用 Claude 结合自有模型、计算工具和湿实验数据，重构用于实体瘤的 CAR-T 受体。重新设计的信号组件比标准设计缩短约 70%，为新增功能留出空间，并在实验室测试中提升了对癌细胞的杀伤。相关结果以预印本形式发布，公司称该流程把数年工作压缩到数月、成本仅为原方案的一小部分。
推荐理由：Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 胞内信号域，展示大模型参与蛋白设计的可迁移流程。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
AI蛋白质精选AI 评分8888 西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
智药局精选AI 评分7373 Radical Numerics发布Omnii-1，AI设计噬菌体已用于耐药菌感染患者同情用药
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
奥泊生科精选AI 评分5858 清华博士徐罡与诺奖团队用跨模态迁移做RNA设计，奥泊生科讲述干湿闭环路线
奥泊生科技术顾问徐罡与复旦大学马剑鹏团队以ESM-2为起点做跨模态迁移，先后开发ProtRNA和ProtmRNA，用于RNA结构预测与mRNA密码子优化。ProtRNA于2025年发表于Cell Systems，在bpRNA测试集上结构预测F1为0.646，对比RiNALMo的0.594，且RNA训练阶段只调整约八分之一参数、使用六分之一RNA数据。
推荐理由：奥泊生科团队讲述如何把蛋白质语言模型迁移到RNA与mRNA设计，并解释干湿闭环为何依赖实验经验回传。
Pranam Chatterjee精选AI 评分6262 Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选
Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。
推荐理由：作者团队用语言模型设计肽引导构建哺乳动物筛选，为蛋白功能敲低提供可迁移的实验框架。
Inceptive精选AI 评分7474 Inceptive 用零样本 mRNA 序列设计对标体内 CAR-T 行业基准
Inceptive 称其基础模型在不足一个月、极少 CAR-T 专用训练数据下零样本设计 mRNA 序列，在 PBMC 表达与杀伤实验中与行业领先的抗 CD19 CAR 序列相当，并结合 Mana.bio 的被动靶向 LNP 在体内实现接近完全的 B 细胞清除。
推荐理由：Inceptive 称零样本设计的 mRNA 序列在体外与体内 CAR-T 指标上对标行业基准，展示了基础模型跨靶点迁移的一种路径。
Jeff Ruffolo精选AI 评分6767 Profluent 发布蛋白质序列编码器模型 Profluent-E1
Profluent 公开其内部蛋白质序列编码器模型 Profluent-E1，称 E1 系列可作为现有蛋白质建模与设计工作流的直接替换组件以升级流程。作者同时给出 bioRxiv 预印本链接（10.1101/2025.11.12.688125v1），推文未披露具体评测结果与权重开放情况。
推荐理由：Profluent 公开其内部蛋白质序列编码器 E1，并给出可替换现有建模与设计流程的定位，便于对照其预印本方法。
已经到底了