相关动态
Google DeepMind 将 SynthID 水印引入生物学（SynthID Bio），称首批带水印的蛋白结合物仍能结合。在针对 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 与 PD-L1 三个靶点的湿实验中，带水印设计在命中率、结合亲和力和天然序列多样性上“与未加水印版本相当”，公司称之为“史上首批带水印且具生物功能的蛋白结合物”。相关方法以论文《Function-preserving watermarking of AI-generated proteins》在 Nature 同行评审发表，Google 将其定位为概念验证。水印写入序列本身，可在合成出的实体蛋白上验证；AlphaFold 3 通过微调扩散网络的一部分，让预测坐标自带可检测签名且保持精度。Google 也承认水印目前难以抵御蓄意篡改，建议结合类似 C2PA 的来源元数据或集中式数据库。
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。
Arc Institute联合创始人Patrick Hsu在访谈中探讨了AI在生物学中的广阔应用，远超药物研发。他介绍了他们新发布的基础模型Evo 2，该模型基于海量基因组数据训练，能学习进化模式，可用于识别致病突变、设计新型分子乃至基因组规模的生物系统。Hsu强调，AI模型能加速科研，通过并行测试大量假设，而湿实验验证仍不可或缺。未来医学需整合遗传和实时生物标志物等多源数据。他提到，计算生物学需要真正精通机器学习和生物学的双语人才。
Anthropic于8月7日更新Fable 5的生物学安全措施：良性查询的生物回退减少约85%，安全分类器的“宪法”被重写再训练，用以区分日常健康教育问题与仍被拦截的双重用途研究；病毒学、毒理学、分子设计、药物设计类查询仍转给较弱的Opus 5。公司称Fable 5尚不能用于专业生物学研究或药物开发，正为研究者构建受审查的门槛式访问通道，其自身评估承认该模型可能为恶意行为者提供显著助力。同日，Stanford与Arc Institute在Science发文，展示Evo 1和Evo 2可设计完全有功能的病毒基因组，Evo 2为开放权重模型。
“生物学的未来是可编程的。”Ground Truths 再次邀请 Arc Institute 联合创始人兼核心研究员 Patrick Hsu，讨论数字生物学、生命语言大模型（LLLMs）与通用生物人工智能（GBAI）。话题还包括两篇发表于 5 月的多智能体 AI 药物发现 Nature 论文、Biomni、AI 公司推出的科学工作台、Virtual Cell 项目，以及利用 OpenAI 寻找阿尔茨海默病药物发现的新机制靶点。节目也谈及人类沦为实验室助手及 AI 被恶意用于制造生物武器的担忧。