来源： 《自然-通讯》
研究团队利用天文物理超级计算机，开发出名为PLM-Interact的蛋白质语言模型。该模型通过分析42.1万对人类蛋白质对进行训练，在预测蛋白质相互作用方面比现有最佳模型准确率提升16%-28%，并能精准识别导致癌症等疾病的突变影响。研究还证实该模型能有效预测病毒与人类蛋白质的相互作用，为理解疾病机制、病毒传播及新药研发提供了强大工具。
标签： AI
-
新型AI工具通过单次脑部MRI预测生物衰老速度及痴呆风险
来源：《自然·衰老》（Nature Aging）
多国科学家团队开发出”DunedinPACNI”工具，仅需一次45岁时的脑部MRI扫描，即可预测个体生物衰老速度。该工具基于新西兰但尼丁研究超千人的长期健康数据，能准确识别快速衰老者——其痴呆风险增加60%，慢性病风险提高18%，死亡率上升40%。研究揭示了大脑与身体衰老的紧密关联，为早期干预提供新可能，但临床应用仍需进一步验证。
-
AI预知人类行为：Centaur模型超越经典心理学理论
来源： 《自然》
人工智能系统Centaur能预测人类在各类情境下的决策，其表现常优于心理学经典理论。该系统基于160项心理学实验（6万人累计1000万次选择）训练，可模拟问题解决、赌博等任务中的行为，甚至能泛化至未训练过的任务。研究合著者Marcel Binz表示，Centaur使”在计算机模拟中运行实验替代真人参与”成为可能。
-
论文暗藏AI专属指令，操纵审稿结果引争议
来源：《自然》
研究人员在论文中植入针对AI的隐藏指令，试图诱导大语言模型生成有利的审稿意见。《自然》已发现18篇含此类操作的计算机科学预印本论文。尽管多数出版商禁止AI参与审稿，但部分研究者仍违规使用AI评估论文。专家指出，这一漏洞正被恶意利用，威胁学术评审公正性。
-
智能手机AI视网膜追踪器1秒筛查糖尿病眼病
来源：物理学家组织网
美国团队研发的便携设备集成AI算法，通过智能手机即可实现专业级视网膜分析，1秒内完成糖尿病视网膜病变分期（准确率99%）。该技术可解决医疗资源匮乏地区的早期筛查难题，覆盖全球超1亿糖尿病患者。（基于数万张多族裔视网膜图像数据库开发）
-
AI”鹰眼”从病理切片直接识别肺癌基因突变
来源：《自然·医学》
AI系统Eagle通过分析5000多张肺癌病理切片，学会识别表皮生长因子受体(EGFR)突变的视觉特征。实际测试中，该技术使EGFR基因检测需求降低43%，为无法负担昂贵基因测序的患者提供快速、低成本的替代方案。
-
AI设计新方法突破无序蛋白靶向难题
来源：《科学》
《科学》杂志最新研究报道，科学家结合传统物理方法和深度学习技术，开发出名为“logos”的创新设计策略，成功靶向传统难以结合的无序蛋白区域。研究团队通过自建结合口袋模板库，并利用扩散模型优化设计，最终获得39种高亲和力结合口袋。该方法有望推动新型药物、抗体类似物及研究试剂的开发。由于人类蛋白质中约1/3区域为无序结构，该技术或将为生物医学领域开辟全新研究方向。
-
AI提供药物筛选新捷径
来源：《科学》
研究人员开发了一款名为DrugReflector的人工智能模型，该模型通过分析约9600种化学物质在50多种人类细胞中对基因活动的影响数据进行训练。验证显示，该模型在寻找能影响特定血细胞生成的化合物方面，效率比从化合物库中随机筛选的传统方法高出最多17倍，有望显著加速新药研发进程。
-
AI青光眼筛查准确率超人类，有望推动普惠性眼科筛查
来源：美国眼科学会年会
伦敦大学学院研究团队在AAO年会上公布，经训练的AI程序在青光眼筛查中准确率达到88%-90%，显著高于人类专家（79%-81%）。该研究基于6,300余名参与者数据，AI通过分析视盘垂直杯盘比等结构性指标进行风险评估。研究者指出，AI结合遗传风险靶向等策略，有望突破传统筛查成本限制，实现青光眼的普惠性早期诊断。目前全球约11%人群面临青光眼风险，该技术为这一不可逆致盲疾病的防控提供了新方案。
-
AI工具RESPAN实现树突棘自动精准量化分析
来源：《细胞报告方法》
哥伦比亚大学团队开发出一款名为RESPAN的人工智能驱动软件，能够全自动识别、分割并量化神经元树突棘的形态特征（如体积、长度与表面积）。该工具在分析速度和准确性上均显著优于传统人工方法及现有软件，并可对活体动物神经元进行空间定位分析。作为开源工具，RESPAN无需编程基础即可操作，其广泛应用将有助于提升神经科学研究的一致性与可重复性，为阿尔茨海默病等神经退行性疾病的机制研究提供新路径。