推文

@fireandstart · 2026-10-17 02:53

这条进展最值得关注的，不只是模型提出了一个看起来合理的分子，而是“提出假设—机器人执行—实验读数—模型更新”开始连成闭环。生物实验里，很多时间花在把想法变成可重复的操作，再从嘈杂结果里判断下一步该试什么；如果模型能根据真实读数调整设计，实验就不必只是一次性的验证，而可以成为持续缩小搜索范围的反馈信号。 不过，“发现单数字纳摩尔的蛋白结合物”仍是一个明确但有限的里程碑：它说明候选分子在特定实验条件下表现出较强结合，不等于已经证明治疗效果、安全性或临床可用。接下来我会想看几个更能说明系统能力的问题：换一个靶点或实验条件后能否复现？机器人操作失败、样本质量异常时，系统能否识别并暂停？和专家设计、传统筛选相比，周期、成本与成功率究竟改善多少？如果这些环节也经得起公开、可重复的比较，AI 才算真正把研究流程往前推了一步，而不只是把演示做得更自动化。

曝光 18 · 评论 0 · 点赞 0 · 书签 0