研究团队基于 JUMP–CP 比较四种自监督模型的细胞形态表征能力
研究团队在 JUMP–CP 上预训练并对比 DINO、MAE、iTPN 与 DINOv2，覆盖 119,876 compounds、~1.77 million images 和 87 个实验批次。
推荐理由：系统比较了对比式、掩码生成式与混合式自监督方法在细胞形态分析中的表现，为模型选型和批次校正提供可迁移依据。
#药物发现
Nature Methods精选AI 评分7878
Broad Institute · News精选AI 评分7474 MIT 等机构用生成式 AI 设计 NG1、DN1 两种抗生素候选物
MIT、Whitehead Institute、Wyss Institute 和 Broad Institute 的研究人员利用生成式 AI 设计了 NG1、DN1 等新型抗生素候选物，分别针对耐药淋病奈瑟菌和 MRSA。
推荐理由：研究将片段约束生成与无约束生成用于两类耐药病原体，NG1、DN1 的合成和动物实验结果提供了具体评估依据。
Broad Institute · News精选AI 评分7878 Broad Institute与NEIDL用光学池化CRISPR筛选识别Ebola潜在药物靶点
Broad Institute与Boston University的NEIDL用光学池化筛选（OPS）筛查约40 million个经CRISPR扰动的人类细胞，找出妨碍Ebola复制的宿主基因。
推荐理由：研究将光学池化CRISPR筛选与AI成像分析结合，定位Ebola感染阶段的宿主依赖因子，为高致死病毒靶点发现提供可扩展路径。
已经到底了