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。
01Latent Space
Radical Numerics 联合创始人 Eric Nguyen 讨论基因组语言模型与生物安全。他参与了 Evo 和 Evo 2 的开发;另一支 Arc/斯坦福团队随后用这些模型生成并合成了功能性噬菌体基因组。访谈区分了三个序列尺度:人类基因平均约 60K,较长基因可达 2.3M,而整个人类基因组约为 3B。Nguyen 认为,提升生物能力的模型也能帮助防御跟上能力进展。这里的 2.3M 指较长基因,不能写成全基因组大小。
02外部发现 · 晶泰科技
晶泰科技(HKEX: 2228)宣布,其孵化并作为战略股东支持的生物技术公司Viva-Thera已确定靶向HIV-1 gp41膜近端外部区域(MPER)的临床前候选物(PCC)。双方将Viva-Thera的原子分辨率结构研究与晶泰科技的AI药物设计及自动化平台结合,在七个月内完成发现与优化。Viva-Thera此次首次公开亮相还报告了恒河猴疫苗功能结果:MPER疫苗免疫原诱导的抗体水平约为研究对照的5倍,抗血清在1:1,000稀释下仍保留抗病毒活性,并公布了靶向基因递送方面的进展。该公司通过疫苗、长效小分子、基因治疗和细胞治疗四种模式推进HIV预防与治愈,晶泰科技为整个组合提供计算设计、预测建模与实验自动化支持。
03Latent Space
本期播客访谈 Google 的 John Platt:他手握奥斯卡奖、两篇教科书级算法、两颗命名小行星,Erdos-Bacon 数为 6。重点话题是 Google 的 Empirical Research Assistance(ERA)——团队发现许多科学难题可归结为所谓“可打分任务”(“scoreable task”):难在设定评分函数,之后便要寻找能最大化评分的代码;由此衍生出“auto-Kaggle”设想,而 Kaggle 归 Google 所有,数据现成可用,最终做成 ERA(附论文、github 与博客)。ERA 在概念上相当简单:Gemini 维护过往实验笔记本构成的树及其走向,近似蒙特卡洛树搜索,用上置信界规则挑选最有前景的笔记本进行变异;该规则偏乐观而非贪婪,有时第五名也会被选中,每次约提出十个变异方案,各分支共享历史、彼此学习。对话还涉及 AI 助力应对气候变化、科学与 AI 的协同演化。同事 Dave Bacon 常调侃他总比下一个大热点早二十年,例如卷积神经网络、聚变研究与量子计算。
04Nature Portfolio · Nature Machine Intelligence
计算驱动的药物设计常常产出实际难以合成的分子。Li 与 Lai 的研究展示了如何引导大语言模型预测精确的结构编辑,以修复这类分子;作者称该方法优于传统方法,并能保留分子的关键特征。该论文于 2026 年 9 月 23 日在线发表于 Nature Machine Intelligence(doi:10.1038/s42256-026-01304-x)。