JUAN LI · AI4SCIENCE
每日简报从有可靠来源、已完成中英文整理的动态中，优先挑选信息完整、便于核验的事件。简报由 AI 自动编排，条目默认为 AI 生成、未逐条人工审核（人工复核条目单独标注），引用科学结论前请核验原始来源。
精选依据：只收录有可靠来源、已完成中英文整理的 AI4Science 动态；优先保留信息更完整、便于核验的事件。
制药企业联合体报告称，用企业私有蛋白结构训练蛋白折叠AI模型可明显提升性能：研究者基于AlphaFold 3的开源复现版本OpenFold3，用超过20,000个专有结构训练新模型，表现优于仅用公开数据或各公司孤立数据集训练的模型。该研究以博客文章发布，尚未经同行评审，模型未公开。哥伦比亚大学计算生物学家Mohammed AlQuraishi认为这为建立类似公开数据集提供了依据；英国政府资助最高£800万（1,080万美元）的OpenBind项目上月已发布数百个结构。蛋白数据库(PDB)收录超过200,000个实验结构，但其中与类药物分子互作的结构可能仅约10,000个。
在 MspA 纳米孔收缩位点引入多功能适配分子 maleimido-C2-FPBA 后，研究者得到工程化纳米孔 MspA-FPBA，可同时识别 21 种蛋白源氨基酸、3 种翻译后修饰氨基酸、4 种经典核苷一磷酸、3 种表观遗传修饰核苷一磷酸、4 种单糖和 5 种肽段；结合机器学习，整体准确率达 98.7%。该传感器能为特定分析物生成可预测的事件特征，使模型不必严格依赖预先存档的事件特征即可识别分析物，酵母细胞提取物的纳米孔分析即为演示。作者还将其用于 G2 糖肽的组成分析，并提出未来与水解酶整合或可进一步提升其作为单一系统识别多样生物分子的能力。
研究整合55,673条带地理坐标的热融滑塌（RTS）发生记录，结合机器学习模型，生成2000至2100年、多种气候变化情景下1 km分辨率的RTS易发性时空数据集；RTS易发性定义为特定环境条件下的相对发生概率。北极与青藏高原分别建模后合并，构成空间协调的北半球数据集。模型以标准分类指标评估，ROC曲线下面积（AUC）平均为0.96 ± 0.005。数据集包含北半球多年冻土区的RTS清单与栅格易发性图，覆盖基准期及多种未来气候情景，可作为量化冻土灾害风险、基础设施暴露与碳—气候反馈的基础资源。
机器学习的核心目标是泛化而非记忆：模型若只在训练数据上表现好、换新数据就失效，就等于什么也没学到，这种失败称为过拟合。常规防御是留出一部分数据：验证集在建模过程中反复被查阅，用于比较候选方案与调整超参数；最终测试集只在最后动用一次，其表现是面对未见样本时的正确代理。但这一保证的前提是留出集始终真正未被见过——若反复查看成绩、据此修改训练流程再复查，该数据集就进入了训练过程，久而久之同样会被过拟合，代理随之失效。真实的机器学习研究恰恰呈现这种循环：社区围绕数年不改的基准数据集反复评测、修订训练方案、再评测并发表。按教科书逻辑，这种针对留出集的爬坡理应造成严重过拟合——源文本在此中断，未给出后续解释。
这是合作征集与科研基础设施公告，不是已完成科学结果的证据。原文说明，进入实质性合作前将以书面形式明确数据使用、保密、成果发布与知识产权安排。保留此条是因为它说明了该实验室计划如何让未来科学 AI 工作接入真实问题与验证条件。