研究与技术01
谷歌为 AI 生成的蛋白质加上了“隐形签名”，这就是 SynthID Bio 的概念验证。以前，AI 设计出的新蛋白质和天然蛋白质很难区分，DNA 合成公司在筛查时无法判断一个陌生序列是不是人工制造的威胁，数据库也可能被错误标注的合成结构污染。SynthID Bio 把签名直接写进蛋白质的基因序列和三维结构里，实验证明这样改动不会影响蛋白质的正常功能，还能被检测出来。不过目前这只是概念验证，要真正投入使用还需要解决防篡改等问题。
文中可用工具
- SynthID Bio给 AI 生成的蛋白质加隐形水印，同时保留其生物功能
- AlphaFold预测蛋白质三维结构
- AlphaFold 3预测蛋白质等生物分子的三维结构，SynthID Bio 会在其扩散网络中微调以嵌入水印
- AlphaProteo设计能选择性结合其他蛋白质的蛋白质结合体
- ProteinMPNN生成蛋白质序列，文中使用了带 SynthID Bio 能力的版本
研究与技术02
Google发布了一篇总结文章，介绍其用AI加速科学、改善健康的进展。过去AI研究虽多，但普通人受益有限，这次Google展示了多个已落地的工具：比如AlphaGenome Atlas公开了人类基因组所有90亿个单字母变异的预测影响；WeatherNext 3天气模型降水预报准确率提高50%，已用于产品；结核病筛查AI在6个国家分析了超过2.5万张X光片。此外，糖尿病视网膜病变AI已支持超过115万次筛查，乳腺癌研究显示AI能发现25%此前被遗漏的间期癌症。这些进展意味着AI正从实验室走向实际应用，帮助医生更早发现疾病、预测灾害，让更多人获得医疗和科学资源。
文中可用工具
- AlphaGenome Atlas公开人类基因组所有90亿个单字母变异的预测影响，供研究人员使用
- WeatherNext 3全球天气模型，提供更准确的降水预报，已用于产品中
- Planetary Prediction Engine整合全球健康、粮食安全和社会经济数据，预测全球危机
- AlphaFold预测已知的2亿个蛋白质结构，用于疾病研究和药物发现
- AlphaMissense帮助研究人员识别导致疾病的基因突变
- Health Acoustic Representations通过咳嗽声检测结核病的生物声学模型
- Co-Scientist协作式AI工具，帮助研究人员加速科学方法的核心步骤，如生成和验证新假设
- DeepConsensus开源AI工具，用于理解人类基因组
- DeepVariant开源AI工具，用于理解人类基因组
- DeepPolisher开源AI工具，用于理解人类基因组
- AMIE (Articulate Medical Intelligence Explorer)推进纵向疾病管理，辅助前线护理，让医生有更多时间陪伴患者
- AI & Economy ATLAS交互式洞察工具，展示全球人们如何使用AI
研究与技术03
Google DeepMind 发布了 AlphaGenome Atlas，这是一个包含人类基因组中约90亿个单字母DNA变异预测效果的平台。过去，要搞清楚每个基因变异在分子层面有什么影响，靠实验室一个个测试几乎不可能，因为数量太大。这次他们把 AlphaGenome 模型的预测提前算好，做成了一个1PB的数据集，还推出 AVI 评分，把变异的影响浓缩成一个数字，方便研究人员快速排序和筛选。目前，科研人员可以免费通过网站、API 或 Google Antigravity 中的技能使用它，虽然已经能用于罕见病和常见性状研究，但主要是面向学术研究开放。
文中可用工具
- AlphaGenome预测基因变异对生物过程影响的AI模型
- AlphaGenome Atlas提供全基因组变异预测的1PB数据集和网站门户
- AVI score将变异影响浓缩成一个数字，方便排序和筛选
- AlphaMissense预测改变蛋白质的DNA变异影响的模型
- AlphaGenome API通过编程接口访问AlphaGenome Atlas
- Google Antigravity提供AlphaGenome Atlas作为技能的平台