文章介绍 Anthropic 最新报告显示 Claude 已能作为“超级博后”全自动完成科研任务。仅凭一段 Prompt，Claude 可自主读文献、串联蛋白质开源模型，24-48 小时内完成 de novo 蛋白质设计；湿实验验证中 15 个靶点成功 14 个，单靶点命中率高达 35.1%，攻克了 TNFα 等地狱级靶点并实现跨物种结合。此外 Claude Opus 5 仅用 19 分钟即逆向解析 NMR 与质谱原始数据，纯度计算结果与人类专业实验室几乎一致。作者认为 AI 正从工具人进化为自主科研决策者，未来科研竞争将转向提出有价值的科学问题。
科学家希望培育出抗旱、高产等具备"超能力"的作物以应对气候变化，但传统软件难以区分真正改变性状的 DNA 序列与无害的相似序列，物理育种试验耗时数年甚至数十年。AI 研究实验室 Living Models 将 Google Gemma 4 与专门训练于植物 DNA 的 BOTANIC-1 结合：Gemma 4 充当项目经理，负责编写代码、整理数据和过滤无关信息；BOTANIC-1 基于 320 个植物物种训练，能精准定位关键突变。在甜瓜产量基因测试中，该组合在不到四分钟内从 2494 个候选突变中正确排名第一。这一 AI 流水线有望加速气候韧性作物的培育，保障全球粮食供应。
Google DeepMind 推出 AlphaGenome Atlas，一个交互式基因组学发现平台。该平台将 2025 年发布的 AlphaGenome 模型的预测大规模扩展，涵盖人类基因组中全部 90 亿个单碱基变化对生物学的影响，形成 1PB 的数据集。科学家无需编程，通过网页浏览器即可点选和搜索这一全球最全面的基因变异数据库。平台提供 AlphaGenome Variant Impact（AVI）评分，用一个直观数字揭示变异的影响程度及受干扰的生物过程，帮助科学家即时确定研究优先级、识别罕见遗传病关键变异及与常见性状相关的变异，大幅加速生物医学研究。
文章评测了Genentech关于Agent端到端执行生物信息学工作流的预印本。测试涵盖基因组学等领域，Codex CLI和Claude Code表现良好，但存在运行间的不稳定性。作者指出，这虽然证明了Agent在处理依赖和调用工具方面的“操作员”能力，但目前仍缺乏对生物学判断和科学决策可靠性的验证。
