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。
科研团队开发了通用视觉语言模型RADAR，基于超过40万次增强腹部CT检查和1500万对按解剖划分的图像—文本对训练，直接从临床报告中学习，无需人工标注。在多中心的内部与外部评估、以及多种临床场景下，RADAR对18个解剖结构、146项影像征象均表现出较高诊断性能与稳健的泛化能力。阅读者研究显示，RADAR辅助使26名放射科医生的诊断敏感度提高约10%。作者称该方案可扩展、多用途且可解释，表明通用AI在总体及复杂放射任务中可与人类专家相匹敌。
scBaseCount 目前是规模最大的公共单细胞 RNA-seq 数据资源库，收录了来自 27 个物种、75 种组织的超过 5.02 亿个细胞。一个 AI 智能体自主发现、注释并对 SRA 中的全部 10× Genomics 数据集进行统一流程的重处理，形成一个协调一致、持续更新的资源，用于研究细胞生物学的多样性并训练 AI 模型。
《Cell》今日发表报告，介绍一套面向长寿研究的定制AI系统：作者用衰老生物学数据训练大语言模型，配套17项任务作为基准，并通过接口将模型、研究工具与AI agents结合以辅助分析。作者用这些基准评估自研模型与OpenAI、DeepSeek等公司更大的商用模型，结果在多数而非全部测试中，专注衰老的模型表现更好。哈佛医学院计算机科学家Marinka Zitnik（未参与该工作）称该工作对长寿与衰老领域贡献重要，可为下一代AI模型开发提供参考。报道还指出衰老本身难以定义，并提到学界用于测量生物衰老的多种‘clocks’。
现有分子描述子或只考察分子结构的局部特征，或难以有效学习涉及长程分子内相互作用的非局部结构特征。为此，作者提出名为TDiMS的描述子，它汇总子结构对之间枚举的拓扑距离，从而捕捉非局部相互作用。评估表明，TDiMS能成功识别大结构的关键特征，并在以子结构间距离为首要影响因素的性质预测上优于其他代表性描述子；这些被识别出的特征对材料发现领域的专家也具有很高的可解释性。
JEPA-Anything 提出一个与领域无关的框架，基于正交预测分解（orthogonal predictive factorization, OPF），在联合嵌入预测架构（JEPA）之上把潜空间目标分解为互补因子，经各自通路学习后在共享的预测设计中重组。评测覆盖视觉、生物、临床轨迹、控制、分子动力学、物理场与天气七个领域，实验涉及表征学习、干预预测、分布外泛化与长程动力学。在10项匹配的动力学任务上，其指标均优于匹配的 JEPA 基线，Interventional Pong 的单干预预测误差降低 34.8%；在四个分子系统中，一步与一百步分子展开误差均为对比方法中最低。此外，因子提名的一项生物干预获得细胞共培养、患者来源类器官、肿瘤片段与小鼠实验的支持；潜空间轨道模式恢复开普勒标度指数，拟合斜率为 −1.4991。