本文介绍了2026年值得关注的五个计算生物学AI智能体：AutoBio（全自动文献综述与假设生成）、CellBuddy（自主单细胞数据分析）、Proteus（蛋白质设计工程）、DrugAssembler（多模态药物发现）和NeuroSim（神经科学仿真）。这些智能体从AI助手演进为自主系统，能够规划任务、使用工具并纠正错误，有望显著加速生物医学研究。文章详细描述了每个智能体的功能、状态、优势和局限性，为研究人员提供了前瞻性参考。...
近期《Communications Biology》发表研究，通过改进的单细胞快照分析，发现上皮-间质转化（EMT）与细胞周期的G1期和G2/M期深度偶联。研究揭示了EMT在特定细胞周期检查点的富集现象，并探讨了其分子机制，为理解肿瘤细胞侵袭与转移提供了新视角，也为靶向治疗提供了潜在策略。...
抗体发现领域正经历变革，传统技术存在偏差且忽略潜在候选分子。新一代筛选策略通过深度测序、基于液滴的功能分析和人工智能整合，显著提高通量和准确性。本文探讨超越亲和力的功能性筛选、单细胞分辨率技术、AI预测抗体特性等核心趋势，并介绍从文库构建到可开发性验证的现代筛选流程，引用多位专家观点。...
本文综述了单细胞分析技术的最新进展，揭示了细胞异质性在疾病如抗菌素耐药性和肿瘤发展中的关键作用。介绍了多种质谱分析方法，包括MALDI、NanoSIMS和纳米流喷雾针技术，用于检测单个细胞的代谢物。同时讨论了生物信息学工具在数据合理化中的重要性，以及当前硬件限制和未来发展方向。...
华盛顿大学高虓虎教授团队开发了一种基于量子点彩色编码的单细胞分析新技术，能够同时检测多达100种生物标志物，比现有标准提高10倍。该技术通过循环检测流程，利用量子点与抗体偶联，在组织样本中实现多轮荧光标记，且样本不降解。这一突破为癌症诊断、药物开发和个性化治疗提供了强有力的工具，有望推动系统生物学和病理学领域的临床应用。...
中科院广州生物医药与健康研究院裴端卿教授在Cell子刊发表评论，提出iPS重编程的两阶段模型：早期随机阶段和后期分层阶段。文章回顾了iPSCs研究背景，指出重编程效率低和致癌基因是临床应用的主要瓶颈。麻省理工研究通过单细胞分析鉴定出Esrrb、Utf1、Lin28和Dppa2四个早期表达基因，可作为预测重编程成功的标记物。该发现改变了重编程随机性的传统观点，为优化iPS技术提供了新策略。...
本文探讨了米氏方程在活细胞中的适用性挑战。传统米氏方程假设酶在均匀溶液中自由扩散，但实际细胞内的拥挤环境、分子运输限制和单酶行为差异导致反应速率偏离预测。通过单分子荧光标记和计算机模拟，科学家发现酶存在构象变化和记忆效应，且细胞间酶表达量差异影响药物疗效。这些发现对生物化学教学、药物开发和合成生物学具有重要意义。...
研究者利用绿色荧光蛋白标记的酵母文库和流体血细胞计数器，实现了单细胞水平下的蛋白质组分析，揭示了生物噪音的基本结构。研究发现，低噪音蛋白质涉及翻译和降解过程，而高噪音蛋白质与染色质重塑及环境应激反应相关，为理解细胞表型多样性和适应性提供了新视角。...
意大利理工学院和纽约儿童心理研究所团队在《...
香港中文大学研究团队发现，婴儿早期（0-12个月...
一项新研究指出，弗洛伊德的精神分析理论与现...
北卡罗来纳州蓝莓农场多年来遭受不明根部损害...
艾伦研究所宣布启动一项名为“脑健康加速器”...
冷泉港实验室（CSHL）的研究团队在秀丽隐杆线虫...
