AI for Bio 前沿速递(2026.9~2026.10)

2026年9月16日，多伦多玛嘉烈公主癌症中心等团队在《Nature》发表题为“Identification of broadly tumour-reactive γδ TCRs from multiple myeloma”的研究论文。PreGame以机器学习从单细胞 CITE 测序数据区分肿瘤反应性与旁观者 γδ T 细胞，并验证候选 TCR 对肿瘤细胞的识别。研究还发现，在接受含贝兰妥单抗联合治疗的多发性骨髓瘤患者中，这类细胞的扩增可作为疗效的早期标志。算法把细胞筛选与受体功能验证连在一起，但距离通用细胞治疗仍有转化步骤。

2026年9月23日，哈佛医学院及Dana-Farber癌症研究所Stephanie Dougan团队联合华盛顿大学David Baker实验室等在《Cell》发表题为“CD4 T cells convert transient responses to KRAS inhibition to durable remissions in pancreatic cancer”的研究论文。团队将AI从头设计的IL-21模拟物21h10与KRAS抑制剂联合使用，在胰腺癌小鼠模型中获得持久缓解。机制研究表明，21h10通过常规2型树突状细胞启动Th1型CD4 T细胞，并经IFNγ信号促进巨噬细胞吞噬肿瘤，疗效不依赖CD8 T细胞。21h10的设计旨在提高天然IL-21的稳定性与成药性质；研究还在人胰腺癌样本中观察到免疫激活，但其人体安全性和疗效仍待验证。

2026年9月30日，Google DeepMind 团队在《Nature》发表题为“Function-preserving watermarking of AI-generated proteins”的研究论文。团队提出SynthIDBio。序列端在生成过程中嵌入隐蔽水印，设计出的结合蛋白仍保持与无水印对照相当的亲和力，检测准确率接近完美；结构端则微调 AlphaFold 3，在预测结构中加入可检测标记。研究验证了蛋白功能与来源标识可以兼容，为数据库和生物设计流程提供溯源思路。

2026年10月6日，慕尼黑大学、马克斯·普朗克生物化学研究所与亥姆霍兹慕尼黑等团队在《Cell》发表题为“SPARCS enables scalable recovery of complex image-based phenotypes for genetic screening”的研究论文。团队开发SPARCS。平台用机器学习分析单细胞图像，再以自动激光显微切割原位回收突变细胞，在7,000万细胞中开展自噬体形成及 STING 激活的全基因组 CRISPR 敲除筛选。研究识别出 GPHR 对 STING 的 pH 依赖调控，并以命中细胞的蛋白质组分析追踪机制，让复杂形态表型也能进入大规模功能筛选。

2026年10月9日，纽约基因组中心、纽约大学与哥伦比亚大学团队在《Cell》发表题为“Mapping transcriptional responses to cellular perturbations with RNA fingerprinting”的研究论文。团队提出RNA fingerprinting。方法从单细胞数据学习扰动“指纹”，把新实验中的细胞概率性地匹配到基因、药物或细胞因子扰动，并支持组合扰动分析。研究在已知真值数据中验证匹配能力，进一步解析核糖体应激下的 p53 调控、药物作用的剂量依赖变化，以及流感再次感染后的 B 细胞异质性。匹配结果提供机制线索，仍需因果验证。

2026年10月14日，多伦多大学等团队在《Nature》发表题为“A microexon regulatory code reveals autism-linked genetic variation”的研究论文。研究解析神经微外显子的调控代码。研究通过转录组分析补充发现数百个微外显子，再用机器学习预测神经元特异剪接，定位周围的关键调控序列。模型进一步识别出自闭症个体中可能改变微外显子剪接的变异，其中罕见变异的估计影响最大，涉及突触及其他相关基因。工作把非编码变异连接到具体剪接过程，但预测关联不等于已证明单个变异致病。

2026年10月14日，洛克菲勒大学与纪念斯隆－凯特琳癌症中心等团队在《Nature》发表题为“Artificial intelligence-enabled clinical phenotyping of human brown fat”的研究论文。研究利用 AI 与大数据分析101,243名患者，发现可检测到棕色脂肪者的心血管及精神疾病患病比例较低。团队还用机器学习半自动量化约8,700人的棕色脂肪活性，发现活性较高与更好的心血管代谢指标相关。研究为组织表型分析和药物重定位提供线索；癌症中心队列中的观察关联，仍不能解释为激活棕色脂肪已被证明能预防这些疾病。

2026年10月14日，华盛顿大学 David Baker 等团队在《Nature》发表题为“De novo design of cysteine proteases”的研究论文。团队从头设计半胱氨酸蛋白酶，可按序列依赖方式切割多肽骨架。69个实验测试设计中13个成功，约占19%，相较背景反应的速率增强最高达3×10⁷倍；6个晶体结构与设计模型接近，Cα 均方根偏差低于1.2 Å。设计酶也可在哺乳动物细胞中切割靶标。活性位点预组织和底物定位仍有不足，性能尚未追上最活跃的天然蛋白酶。

2026年10月14日，华盛顿大学团队在《Nature》发表题为“Computational design of metalloproteases”的研究论文。团队用 RFdiffusion 将活化水的锌位点与肽底物结合口袋共同设计。135个测试候选中36%可在预定位点切割对应底物，最佳设计相较无催化反应加速逾10⁸倍，4处替换后升至逾10¹⁰倍。团队还设计出针对 TDP-43、淀粉样蛋白 β 和血清淀粉样蛋白 A 的蛋白酶，并构建可被选择性激活的细胞因子与受体拮抗剂，为细胞状态的正交控制提供工具。

2026年10月15日，华盛顿大学蛋白质设计研究所等团队在《Science》发表题为“Atomic functional site scaffolding in biopolymers with RFdiffusion3”的研究论文。RFdiffusion3以自由原子扩散满足复杂原子约束，覆盖酶设计与 RNA 结构设计等任务。研究从头设计了含双金属配位和氨甲酰化赖氨酸的磷酸三酯酶，以及针对转甲状腺素蛋白的锌蛋白酶；两类任务均在各96个构建体的零样本设计实验中获得活性催化剂。原子级约束的生成能力正被用于搭建复杂催化位点，而设计成功率仍需分任务检验。

2026年10月21日，西湖大学、香港科技大学（广州）与中科院深圳先进院等团队在《Nature》发表题为“Programmable design of functional proteins from natural language”的研究论文。团队提出Pinal。这个160亿参数模型以17亿对合成标注的蛋白－文本数据训练，将功能描述连接到序列与结构。团队在荧光蛋白、PET 水解酶、醇脱氢酶和代谢 H 蛋白四类设计中观察到预期功能；未经过迭代实验优化的 H 蛋白，在多酶 CO₂ 固定通路中获得了优于天然大肠杆菌对应蛋白的产物滴度。自然语言由此成为蛋白设计接口。

2026年10月21日，Google Research 等团队在《Nature》发表题为“The anatomy of a personal health agent”的研究论文。该智能体将纵向可穿戴设备数据、医疗记录与健康知识交给数据科学、健康领域专家和健康教练3类子智能体协作处理。系统覆盖健康知识、个人数据解读、健康建议和症状评估，在11项基准任务中接受自动与人工评测，累计超过7,000条标注、投入1,350小时。研究给出了多智能体健康支持的设计与评测框架，基准表现仍不等于临床获益。

2026年10月22日，微软团队在《Science》发表题为“Sequential diagnosis with language models”的研究论文。研究让 AI 模拟医师小组，随新增信息调整鉴别诊断并选择检查。在《新英格兰医学杂志》临床病理讨论病例及 MIMIC-IV-ED 急诊入院数据构建的受控基准中，系统准确率分别为83.2%和80.3%，通科医师对照为36.1%和46.8%。结果支持继续研究诊断辅助的准确性与成本，但基准中的病例、信息获取方式及医生条件，与真实诊疗存在差别。

2026年10月7日，Biohub联合美国能源部、国立卫生研究院及科技企业，宣布扩大虚拟生物计划，协调18亿美元的资金、数据、算力与测量技术资源。能源部拟在5年内投入逾5亿美元，Google DeepMind、Isomorphic Labs与Meta合计投入3亿美元，用于生成可训练预测性生物模型的多模态数据。总额包含既有数据投资及此前承诺。虚拟细胞研究由单个团队的数据积累，走向跨机构共享测量与数据标准的基础设施建设。

2026年10月13日，Generate Biomedicines与Zealand Pharma达成合作，用生成式AI与高通量实验验证开发肥胖及代谢病的多特异性蛋白药物。首批覆盖2个项目，并可增至3个；Generate将获3,000万美元首付款、最高3,500万美元早期临床前里程碑款，以及接近12亿美元的潜在里程碑总额和分级销售提成。Generate负责研究至候选物选择，Zealand接续临床、监管及商业化，形成从设计到开发的明确分工。

2026年10月14日，Vir Biotechnology与吉利德达成合作，开发3个面向实体瘤的双掩蔽T细胞衔接器（TCE），结合dAIsY AI蛋白工程平台与PRO-XTEN掩蔽技术。前期对价9,000万美元，含6,500万美元现金及2,500万美元股权投资；另有最高4,500万美元近期临床前里程碑和17.4亿美元后续里程碑，外加分级销售提成。合作将AI优化、肿瘤局部激活设计及后续开发结合，目标是改善实体瘤TCE的治疗窗口。

2026年10月15日，获英伟达等机构投资的Iambic Therapeutics登陆纳斯达克，股票代码IAM。公司按每股16美元发行937.5万股，基础发行毛募资1.5亿美元。上市前，Iambic已于9月21日宣布与艾伯维开展多年合作，将AI平台用于免疫、神经科学与肿瘤领域的小分子发现。公开市场融资与药企合作同时推进，使这家临床阶段公司的平台开发、自有管线和商业合作进入更持续的信息披露与业绩检验阶段。

2026年10月15日，阿斯利康与insitro达成药物发现及许可协议，利用Virtual Human平台整合人群与细胞数据，识别代谢功能障碍相关脂肪性肝炎（MASH）及心肌病的疾病驱动因素，并将指定靶点推进至开发候选物。insitro将获4,000万美元首付款，另有最高约14.6亿美元的潜在开发与商业里程碑款及个位数销售提成。合作覆盖疾病生物学、靶点发现和候选物开发，将AI分析能力连接到具体药物项目。

2026年10月19日，剂泰科技宣布与礼来达成战略合作，利用AiLNP平台的生成与预测AI能力，发现和优化具有组织特异性的脂质纳米颗粒递送方案。公司可获低双位数百万美元首付款，以及最高约11亿美元的开发、监管和商业里程碑款，另有个位数分级销售提成。双方希望改善LNP的组织靶向与体内分布。AI的商业应用由候选药物本身延伸到递送设计，但组织特异性与治疗效果仍需后续实验及开发验证。

2026年10月20日，OpenAI宣布收购Orchestra Bio，将其团队与技术并入生命科学研究平台Rosalind，交易金额未披露。Orchestra通过AI智能体跟踪研究与开发项目，梳理内部团队和外部合作方之间的任务依赖，并在生产批次失败等问题出现时分析受影响的活动及应对方案。此次收购把生命科学AI从分析数据、规划实验进一步延伸至研发流程协调，关注的是发现之后如何组织研究、决策与后续开发工作。

2026年10月20日，英矽智能宣布，在与施维雅的多年AI药物发现合作中达到首个早期研发里程碑，触发一笔金额未披露的付款。双方启动的2项肿瘤研发项目均已完成靶点提名，其中首个项目满足预设标准。该合作于年初公布，潜在总额最高8.88亿美元，包含3,200万美元前期及近期研发款。相较签约总额，达到合同约定的研发标准更能反映执行进展，也为评价AI平台的持续交付能力提供了具体节点。

传递前沿声音，记录变革轨迹！随着计算模型的不断突破与数据资源的丰富整合，AI将不仅是科研工具，更是推动生物医学范式革新的加速器。

—— 关注我们，获取更多AI与生命科学交叉领域的最新资讯！