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。
内容类型
开源工具 最新动态
开放权重模型、开源代码、数据集与生物 AI 工具链。
8 条精选近 30 天 7 条共收录 14 条
更新
开源工具的精选
Arc Institute · News精选AI 评分8282
NVIDIA Blog精选AI 评分6161 NVIDIA 与 C-BRAIN 合作如何用 AI 加速 Alzheimer’s 病研究
NVIDIA 与 C-BRAIN 正利用 AI 和加速计算整合 Alzheimer’s 研究数据，并将部分分析从数周至数月缩短至数分钟。C-BRAIN 由 18 家机构组成，目前运行 64 块 NVIDIA 数据中心 GPU，并结合 Microsoft Azure 云节点，正与 NVIDIA 引入 NVIDIA BioNeMo 和 MONAI 技术。
推荐理由：文中给出 dark data 的混合集中与联邦处理方案，以及两个 agentic AI 工具的耗时与成本表现，便于理解 Alzheimer’s 研究的提速路径。
RNA-Seq Blog精选AI 评分7070 Dobner团队建立早期人类细胞命运标志面板并开发DeepDiff
Dobner、Prigione和Rossi团队建立了67个经验证的标志基因面板，并开发免费Web应用DeepDiff，用于自动注释bulk RNA-seq数据中的早期hPSC分化状态。
推荐理由：这项研究以67个经验证标志基因和DeepDiff整合转录与蛋白层信息，为hPSC分化状态判读提供可复用参考。
Google Research精选AI 评分7878 Google 在 IDWeek 2026 介绍 MedGemma 等基础模型的结核筛查实践
Google Research 在 IDWeek 2026 介绍了以 MedGemma、MedSigLIP 和 HeAR 为基础的结核筛查实践，覆盖胸片筛查、咳嗽声分诊和多模态临床推理。
推荐理由：从多中心验证、监管认证到六国诊所部署，文中用阅片量、周转时间和本地化方案呈现基础模型进入结核筛查流程的路径。
Google DeepMind精选AI 评分6868 Google DeepMind发布ForTy 2020全球森林类型图与2017—2025时间序列
Google DeepMind与Google Research联合WRI和IIASA发布ForTy 2020，将全球每个10-by-10-meter地块划分为六类森林或土地利用类型。
推荐理由：ForTy以10-meter分辨率区分森林类型及年度变化，为EUDR合规、供应链追溯和自然林保护提供更细的空间依据。
Isomorphic Labs · News精选AI 评分6666 Isomorphic Labs 加入 Virtual Biology Initiative 共建 AI 生物基础数据
Isomorphic Labs 以创始成员身份加入 Virtual Biology Initiative，参与建设用于预测生物学、支持疾病研究与治疗的 AI-ready 生物数据开放资源。该倡议由 Biohub 召集，参与组织将投入资金、数据、算力和新的测量技术。
推荐理由：Isomorphic Labs 以创始成员身份参与跨组织计划，相关组织将投入资金、数据、算力和新测量技术，推动形成开放的生物数据资源。
Arc Institute · News精选AI 评分8282 Arc Institute 发布利用人工整理生物知识的虚拟细胞模型 PIE
Arc Institute 发布虚拟细胞模型 PIE，利用人工整理的生物知识预测未见细胞情境、扰动及其组合中的群体响应。在各设置下，PIE 分类差异表达基因的 AUPRC 达到最强竞争方法的 1.2 to 3.2 times，未见扰动时增幅最大，但情境与扰动均未见时准确率会下降。完整代码、训练与评测流水线已上 GitHub，模型检查点和处理后的公开数据集已发布在 Hugging Face。
推荐理由：PIE将人工整理的生物知识作为输入，并给出跨未见扰动、细胞情境和数据集的对比结果，便于理解其泛化范围与限制。
Broad Institute · News精选AI 评分6363 Broad Institute 推出 Delphy，快速构建高准确度病毒系统发育树
Broad Institute 研究人员创建网页应用 Delphy，用于根据病毒基因组数据实时绘制病毒演化图谱。它构建病毒系统发育树的速度比现有方法快 100 至 1,000 倍，同时保持准确性。公共卫生人员可将其用于疫情响应中的病毒变异追踪。
推荐理由：Delphy 将病毒系统发育树构建提速 100 至 1,000 倍并保持准确性，为公共卫生人员快速追踪病毒变异提供了可用的计算工具。