Evo 2 利用上下文学习以数十个示例从头设计调控序列
Arc Institute 团队在两篇 bioRxiv 预印本中报告，Evo 2 仅用 4–64 个上下文示例且无需额外训练，即可生成覆盖 5 类调控模式的功能序列。
推荐理由：Evo 2 以少量上下文示例完成五类调控序列设计，并经 AAV 递送在小鼠脑内验证，为低样本生物序列生成提供了可复用路径。
#蛋白设计
Arc Institute · News精选AI 评分8282
Google Research精选AI 评分7777 Google Research 介绍 VERID、适配体闭环发现与 de novo 蛋白设计研究
Google Research 展示 VERID 数字孪生框架、适配体闭环发现和 de novo 蛋白设计三项研究，让 AI 智能体参与湿实验执行与迭代。VERID 以实时 3D 状态跟踪、数秒虚拟 dry run、硬件安全检查和同步视频与执行日志，在试剂接触前拦截碰撞、空孔及物理上不可执行的命令。
推荐理由：分别呈现数字孪生预检、闭环实验和 AI 智能体辅助蛋白设计，并给出命中率、特异性及计算效率数据，便于比较其技术路径。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，并向全球开发者、企业与消费者开放。
推荐理由：原文给出模型价格、访问渠道与科学应用案例，便于评估其在多模态推理和生物计算任务中的可用边界。
Chai Discovery · News精选AI 评分8080 Chai-2 新研究验证全长药物样单克隆抗体设计及 GPCR 靶点拓展
Chai Discovery 的新研究显示，Chai-2 已能进行全长药物样 mAb 的 de novo 设计，并扩展到六个 GPCR 和 peptide-MHC 靶点。
推荐理由：提供 88 个 IgG 的可成药性数据与 Cryo-EM 结构验证，帮助读者判断 Chai-2 从亲和力设计走向药物样抗体的可用边界。
已经到底了