快速導讀AI 開始更直接地接受實驗和人的檢驗。疾病靶點發現系統 XunZi 提出的候選靶點 CHK2 進入帕金森病小鼠驗證鈉金屬電池研究也把算法篩選接到了真實溶劑實驗。另一項皮膚病研究提醒大語言模型生成的文字解釋既能幫助判斷也會放大普通人對錯誤建議的依賴。本周值得看XunZi荀子是一個從文獻和多組學數據中尋找疾病靶點的 AI 系統。本周論文顯示它提出的 CHK2 候選靶點隨后接受了帕金森病小鼠實驗抑制 Chk2 后神經元損失和運動缺陷都有所緩解。本周一項皮膚病研究發現LLM 解釋會讓普通人從正確的疾病相關建議中獲益更多也會讓他們更容易被錯誤建議帶偏。AI 引導的溶劑篩選是先用算法縮小候選范圍再把少量分子交給實驗驗證。MIT 團隊本周報告從 10 萬個候選中選出 27 個實測并找到綜合表現較好的候選溶劑 DMFSA。技術突破高影響期刊與正式科研成果XunZi 從多源生物醫學數據提出靶點并用帕金森病小鼠驗證 CHK2XunZi荀子是一個面向疾病靶點發現的 AI 系統。它以2440 萬篇生物醫學文獻為知識基礎并整合 613.6 TB 的多組學等數據把 21,008 個人類基因與 5,850 種疾病放進同一分析框架用來尋找相互支持的證據并給候選靶點排序。研究團隊讓它分析帕金森病時系統將 CHK2、IRAK4 等激酶列為值得進一步驗證的候選團隊隨后用藥理和遺傳方法抑制 Chk2在小鼠模型中觀察到多巴胺能神經元損失減少運動缺陷也有所緩解。比起模型規模更關鍵的是候選靶點繼續接受了動物實驗檢驗。但這些結果仍處在臨床前階段不能據此判斷 CHK2 在人體中有效也不能說明它已經具備成藥性或長期干預安全性。圖XunZi 的構建與驗證框架展示文獻和多組學輸入、假說生成及后續實驗環節。來源Nature Biomedical Engineering 原文相關資源XunZi 源代碼公開基準與排序結果Zenodo。來源XunZi, an AI biologist, reveals disease-modifying targetsNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01769-62026-08-04訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文LLM 解釋能幫人看皮膚病也會讓普通人更容易相信錯誤建議可解釋 AIXAI是指模型除了給出預測還向使用者展示置信度、圖像熱區、相似病例或文字理由等輔助信息。Nature Medicine 本周發表的研究用兩項在線實驗比較這些解釋方式用AI輔助623 名普通參與者判斷黑色素瘤與痣153 名基層醫生對四種皮膚病做鑒別診斷另有320 名醫學生完成與醫生相同的任務。研究使用經過公平性約束訓練的模型AI 輔助整體提高了診斷準確率也縮小了不同膚色圖像之間的表現差距。普通參與者看到 LLM 解釋后準確率平均提高 7.7 個百分點AI意見正確時診斷準確率提高 13.4 個百分點AI 意見錯誤時卻下降 21.1 個百分點提示普通參與者受 AI 錯誤建議影響大而基層醫生較少被錯誤建議帶偏。流暢的解釋會放大普通人采納 AI 判斷的傾向無論判斷是對是錯。圖普通參與者在基礎提示、GradCAM、相似病例檢索和 LLM 解釋下的準確性變化并區分 AI 正確與錯誤的情形。來源Nature Medicine 原文相關資源論文在 figshare 同頁提供模型訓練、解釋生成、兩項人群實驗的數據與分析代碼。來源Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay peopleNature Medicinehttps://www.nature.com/articles/s41591-026-04553-w2026-08-04訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文Mol-CADiff 嘗試讓自然語言條件更直接地進入分子生成Mol-CADiff 是一個文本條件分子生成框架目標是把“想要什么性質的分子”這樣的自然語言描述轉成候選分子結構。本周發表的論文介紹了它如何用 causal attention因果注意力處理文本內部、分子內部以及兩種模態之間的依賴關系。作者報告該方法在對照評測中生成的分子更多樣、化學上有效并且與指定性質更一致。它處理的是文本條件與分子結構怎樣對齊不能替代性質預測、合成規劃和實驗篩選。相關資源論文補充材料與原始數據入口Source Data。來源Mol-CADiff: text-conditional molecule generation via causality-aware autoregressive diffusionNature Communicationshttps://www.nature.com/articles/s41467-026-75702-52026-07-29訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文早期上線、待最終編輯10 萬個溶劑候選在一天內生成最后有 27 個走上實驗臺電解液篩選很容易陷入一個現實難題候選空間大逐個合成和測試又太慢。MIT 團隊從已知穩定溶劑 DMTMSA 出發讓 AI 引導的算法在24 小時內設計 10 萬個同系候選分子再按形狀、電子性質等條件壓縮到 200 個。研究者沒有停在計算排名而是從中選出覆蓋設計空間的 27 個分子在同一套條件下做實驗最終找到尺寸更小、綜合表現最好的 DMFSA。AI 在這里做的是把巨大搜索空間收窄成實驗室能處理的名單論文已經在 Joule 在線發表。圖AI 引導候選生成和篩選后不同電解液配方得到的鈉金屬沉積掃描電鏡圖。來源MIT News 原文相關資源Joule 論文頁面MIT DSpace 開放版本。來源Solving the solvent problemMIT Newshttps://news.mit.edu/2026/solving-solvent-problem-sodium-metal-batteries-08042026-08-04訪問時間2026-08-05 10:04北京時間來源類型權威科研機構新聞稿對應 Joule 正式論文行業資訊與應用進展從研究到落地產業側的變化主要發生在科研工具和平臺上前沿模型向更多研究人員開放自動化合成、實驗測試和模型更新也開始被接成閉環。這些建設可能縮短研究流程但目前還沒有公開證據表明它們已經帶來新藥或新材料。OpenAI 把學術研究者支持計劃擴展到 10 萬人規模ChatGPT for Academic Researchers 是 OpenAI 面向高校科研人員提供前沿模型訪問、培訓和協作支持的計劃。OpenAI 7 月 29 日宣布項目將在今年夏季先覆蓋 10,000 名研究者并計劃在 2027 年前擴展至100,000 名科學、數學和工程研究者。參與者可以使用包括 GPT-5.6 Sol Pro 在內的模型工作區默認不把數據用于模型訓練官方列出的場景包括基因組分析、蛋白建模、文獻綜述和假說測試。整個計劃屬于 OpenAI 到 2027 年投入超過 2.5 億美元支持外部科學研究的一部分降低的是模型使用門檻不是一份科研效果評測。每周約 130 萬人進行高階科學和數學使用等數字來自公司自身統計只能說明使用規模不能替代論文、復現或獨立產出評估。來源Accelerating scientific discovery with ChatGPT for Academic ResearchersOpenAIhttps://openai.com/index/chatgpt-for-academic-researchers/2026-07-29訪問時間2026-08-05 10:04北京時間來源類型公司官方發布Excelsior 想把“機器友好型化學積木”接進藥物發現閉環Excelsior Sciences 是一家開發自動化小分子發現平臺的公司核心思路是用標準化含碳 building blocks化學積木讓機器反復執行碳—碳鍵構建。平臺包含 closed-loop learning用實驗降低性質模型的不確定性和 closed-loop discovery圍繞目標性質反復優化試圖同時處理溶解度、滲透性、毒性和代謝等問題。Nature Biotechnology 在 8 月 3 日的 Editor’s pick 中介紹了這套方法但本周發生的是期刊行業特寫不是新融資9500 萬美元融資和紐約州資助都發生在 2025 年 12 月。公開材料也沒有給出本周期新增候選藥、跨項目獨立基準或臨床驗證因此目前能觀察的是平臺怎樣搭閉環還不能評價它最終帶來多少藥物產出。相關資源Excelsior Sciences 平臺說明2025 年融資公告僅作背景不計入本周期事件。來源Editor’s pick: Excelsior SciencesNature Biotechnologyhttps://www.nature.com/articles/s41587-026-03249-32026-08-03訪問時間2026-08-05 10:04北京時間來源類型高影響期刊行業新聞特寫政策動態與專家觀點規則、資金與方向醫療 AI 的治理難題正在從模型準確率延伸到更實際的問題系統能影響用戶多少以及監管機構如何持續研究快速變化的產品。本周的專家評論分別討論決策權和監管科學基礎設施但都不代表新規已經生效。歐洲醫療器械與醫療 AI缺的不只是規則還有持續研究規則的機構監管科學與創新卓越中心CERSIs是一種讓監管機構、大學和產業長期協作研究新技術證據與審批方法的組織設想。本周Anett Sch?nfelder、Stephen Gilbert德累斯頓工業大學 Else Kr?ner Fresenius 數字健康中心及來自伯明翰大學、曼徹斯特大學、哥本哈根大學、斯坦福大學等機構的作者在 Nature Biomedical Engineering 建議歐洲建立這類中心。作者希望通過技術前瞻和早期證據方法研究讓醫療器械與醫療 AI 的規則能跟上產品變化。文中還披露部分作者得到英國或美國相關監管科學中心支持。圖作者提出的 CERSI 協作結構及監管機構、學術界和產業可能獲得的互補能力。來源Nature Biomedical Engineering 原文來源European Union innovation needs regulatory science excellence centresNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01756-x2026-07-29訪問時間2026-08-05 10:04北京時間來源類型同行評議專家評論 【AI4S】生化環材高可信技術與產業周報（2026-07-29—2026-08-04）
快速導讀AI 開始更直接地接受實驗和人的檢驗。疾病靶點發現系統 XunZi 提出的候選靶點 CHK2 進入帕金森病小鼠驗證鈉金屬電池研究也把算法篩選接到了真實溶劑實驗。另一項皮膚病研究提醒大語言模型生成的文字解釋既能幫助判斷也會放大普通人對錯誤建議的依賴。本周值得看XunZi荀子是一個從文獻和多組學數據中尋找疾病靶點的 AI 系統。本周論文顯示它提出的 CHK2 候選靶點隨后接受了帕金森病小鼠實驗抑制 Chk2 后神經元損失和運動缺陷都有所緩解。本周一項皮膚病研究發現LLM 解釋會讓普通人從正確的疾病相關建議中獲益更多也會讓他們更容易被錯誤建議帶偏。AI 引導的溶劑篩選是先用算法縮小候選范圍再把少量分子交給實驗驗證。MIT 團隊本周報告從 10 萬個候選中選出 27 個實測并找到綜合表現較好的候選溶劑 DMFSA。技術突破高影響期刊與正式科研成果XunZi 從多源生物醫學數據提出靶點并用帕金森病小鼠驗證 CHK2XunZi荀子是一個面向疾病靶點發現的 AI 系統。它以2440 萬篇生物醫學文獻為知識基礎并整合 613.6 TB 的多組學等數據把 21,008 個人類基因與 5,850 種疾病放進同一分析框架用來尋找相互支持的證據并給候選靶點排序。研究團隊讓它分析帕金森病時系統將 CHK2、IRAK4 等激酶列為值得進一步驗證的候選團隊隨后用藥理和遺傳方法抑制 Chk2在小鼠模型中觀察到多巴胺能神經元損失減少運動缺陷也有所緩解。比起模型規模更關鍵的是候選靶點繼續接受了動物實驗檢驗。但這些結果仍處在臨床前階段不能據此判斷 CHK2 在人體中有效也不能說明它已經具備成藥性或長期干預安全性。圖XunZi 的構建與驗證框架展示文獻和多組學輸入、假說生成及后續實驗環節。來源Nature Biomedical Engineering 原文相關資源XunZi 源代碼公開基準與排序結果Zenodo。來源XunZi, an AI biologist, reveals disease-modifying targetsNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01769-62026-08-04訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文LLM 解釋能幫人看皮膚病也會讓普通人更容易相信錯誤建議可解釋 AIXAI是指模型除了給出預測還向使用者展示置信度、圖像熱區、相似病例或文字理由等輔助信息。Nature Medicine 本周發表的研究用兩項在線實驗比較這些解釋方式用AI輔助623 名普通參與者判斷黑色素瘤與痣153 名基層醫生對四種皮膚病做鑒別診斷另有320 名醫學生完成與醫生相同的任務。研究使用經過公平性約束訓練的模型AI 輔助整體提高了診斷準確率也縮小了不同膚色圖像之間的表現差距。普通參與者看到 LLM 解釋后準確率平均提高 7.7 個百分點AI意見正確時診斷準確率提高 13.4 個百分點AI 意見錯誤時卻下降 21.1 個百分點提示普通參與者受 AI 錯誤建議影響大而基層醫生較少被錯誤建議帶偏。流暢的解釋會放大普通人采納 AI 判斷的傾向無論判斷是對是錯。圖普通參與者在基礎提示、GradCAM、相似病例檢索和 LLM 解釋下的準確性變化并區分 AI 正確與錯誤的情形。來源Nature Medicine 原文相關資源論文在 figshare 同頁提供模型訓練、解釋生成、兩項人群實驗的數據與分析代碼。來源Divergent impacts of explainable AI for dermatological diagnosis on clinicians versus lay peopleNature Medicinehttps://www.nature.com/articles/s41591-026-04553-w2026-08-04訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文Mol-CADiff 嘗試讓自然語言條件更直接地進入分子生成Mol-CADiff 是一個文本條件分子生成框架目標是把“想要什么性質的分子”這樣的自然語言描述轉成候選分子結構。本周發表的論文介紹了它如何用 causal attention因果注意力處理文本內部、分子內部以及兩種模態之間的依賴關系。作者報告該方法在對照評測中生成的分子更多樣、化學上有效并且與指定性質更一致。它處理的是文本條件與分子結構怎樣對齊不能替代性質預測、合成規劃和實驗篩選。相關資源論文補充材料與原始數據入口Source Data。來源Mol-CADiff: text-conditional molecule generation via causality-aware autoregressive diffusionNature Communicationshttps://www.nature.com/articles/s41467-026-75702-52026-07-29訪問時間2026-08-05 10:04北京時間來源類型同行評議研究論文早期上線、待最終編輯10 萬個溶劑候選在一天內生成最后有 27 個走上實驗臺電解液篩選很容易陷入一個現實難題候選空間大逐個合成和測試又太慢。MIT 團隊從已知穩定溶劑 DMTMSA 出發讓 AI 引導的算法在24 小時內設計 10 萬個同系候選分子再按形狀、電子性質等條件壓縮到 200 個。研究者沒有停在計算排名而是從中選出覆蓋設計空間的 27 個分子在同一套條件下做實驗最終找到尺寸更小、綜合表現最好的 DMFSA。AI 在這里做的是把巨大搜索空間收窄成實驗室能處理的名單論文已經在 Joule 在線發表。圖AI 引導候選生成和篩選后不同電解液配方得到的鈉金屬沉積掃描電鏡圖。來源MIT News 原文相關資源Joule 論文頁面MIT DSpace 開放版本。來源Solving the solvent problemMIT Newshttps://news.mit.edu/2026/solving-solvent-problem-sodium-metal-batteries-08042026-08-04訪問時間2026-08-05 10:04北京時間來源類型權威科研機構新聞稿對應 Joule 正式論文行業資訊與應用進展從研究到落地產業側的變化主要發生在科研工具和平臺上前沿模型向更多研究人員開放自動化合成、實驗測試和模型更新也開始被接成閉環。這些建設可能縮短研究流程但目前還沒有公開證據表明它們已經帶來新藥或新材料。OpenAI 把學術研究者支持計劃擴展到 10 萬人規模ChatGPT for Academic Researchers 是 OpenAI 面向高校科研人員提供前沿模型訪問、培訓和協作支持的計劃。OpenAI 7 月 29 日宣布項目將在今年夏季先覆蓋 10,000 名研究者并計劃在 2027 年前擴展至100,000 名科學、數學和工程研究者。參與者可以使用包括 GPT-5.6 Sol Pro 在內的模型工作區默認不把數據用于模型訓練官方列出的場景包括基因組分析、蛋白建模、文獻綜述和假說測試。整個計劃屬于 OpenAI 到 2027 年投入超過 2.5 億美元支持外部科學研究的一部分降低的是模型使用門檻不是一份科研效果評測。每周約 130 萬人進行高階科學和數學使用等數字來自公司自身統計只能說明使用規模不能替代論文、復現或獨立產出評估。來源Accelerating scientific discovery with ChatGPT for Academic ResearchersOpenAIhttps://openai.com/index/chatgpt-for-academic-researchers/2026-07-29訪問時間2026-08-05 10:04北京時間來源類型公司官方發布Excelsior 想把“機器友好型化學積木”接進藥物發現閉環Excelsior Sciences 是一家開發自動化小分子發現平臺的公司核心思路是用標準化含碳 building blocks化學積木讓機器反復執行碳—碳鍵構建。平臺包含 closed-loop learning用實驗降低性質模型的不確定性和 closed-loop discovery圍繞目標性質反復優化試圖同時處理溶解度、滲透性、毒性和代謝等問題。Nature Biotechnology 在 8 月 3 日的 Editor’s pick 中介紹了這套方法但本周發生的是期刊行業特寫不是新融資9500 萬美元融資和紐約州資助都發生在 2025 年 12 月。公開材料也沒有給出本周期新增候選藥、跨項目獨立基準或臨床驗證因此目前能觀察的是平臺怎樣搭閉環還不能評價它最終帶來多少藥物產出。相關資源Excelsior Sciences 平臺說明2025 年融資公告僅作背景不計入本周期事件。來源Editor’s pick: Excelsior SciencesNature Biotechnologyhttps://www.nature.com/articles/s41587-026-03249-32026-08-03訪問時間2026-08-05 10:04北京時間來源類型高影響期刊行業新聞特寫政策動態與專家觀點規則、資金與方向醫療 AI 的治理難題正在從模型準確率延伸到更實際的問題系統能影響用戶多少以及監管機構如何持續研究快速變化的產品。本周的專家評論分別討論決策權和監管科學基礎設施但都不代表新規已經生效。歐洲醫療器械與醫療 AI缺的不只是規則還有持續研究規則的機構監管科學與創新卓越中心CERSIs是一種讓監管機構、大學和產業長期協作研究新技術證據與審批方法的組織設想。本周Anett Sch?nfelder、Stephen Gilbert德累斯頓工業大學 Else Kr?ner Fresenius 數字健康中心及來自伯明翰大學、曼徹斯特大學、哥本哈根大學、斯坦福大學等機構的作者在 Nature Biomedical Engineering 建議歐洲建立這類中心。作者希望通過技術前瞻和早期證據方法研究讓醫療器械與醫療 AI 的規則能跟上產品變化。文中還披露部分作者得到英國或美國相關監管科學中心支持。圖作者提出的 CERSI 協作結構及監管機構、學術界和產業可能獲得的互補能力。來源Nature Biomedical Engineering 原文來源European Union innovation needs regulatory science excellence centresNature Biomedical Engineeringhttps://www.nature.com/articles/s41551-026-01756-x2026-07-29訪問時間2026-08-05 10:04北京時間來源類型同行評議專家評論