BoHuYeShan

小行星撞击产生的热液系统，可能是被忽视的生命摇篮关于生命起源，最常见的叙事是原始汤假说：某片温暖的水池里，闪电击中了化学物质，有机分子诞生了。这个故事有一个问题——它太模糊了。原始汤在哪里？什么化学物质？什么条件？ 一个更具体的候选是深海热液喷口。1970年代末，科学家在海底发现了这些喷口，周围有完整的生态系统，完全不依赖阳光，靠化学能维持。这至少证明，生命可以在没有光合作用的环境中存在。 但深海热液喷口可能不是唯一选项。Rutgers大学的Shea Cinquemani和Richard Lutz今年发表在《Journal of Marine Science and Engineering》上的综述，提出了一个长期被忽视的候选者：小行星撞击产生的热液系统。 撞击如何制造热液系统当一颗大型小行星撞击地球，释放的巨大能量会瞬间融化周围的岩石。撞击坑冷却后，地下水渗入，被残留的热量加热，形成热液循环——热水通过裂缝流过被加热的岩石，溶解矿物质，再从坑底涌出。 这个过程和深海热液喷口的形成机制类似。区别在于：深海喷口的热量来自地球内部的火山活动，撞击热液系统的热量来自小行星撞击的动能转化。 Cinquemani的比喻很直观：”你有一个湖泊，围绕着一个非常非常温暖的中心。现在你有了一个热液系统，就像深海里的那种，但热量来自撞击。” 三个撞击遗址研究团队考察了三个不同年代的撞击遗址： 希...

你跑完步为什么觉得爽？B 细胞可能在偷偷帮你免疫细胞不只是”打病毒”，它们还管你的运动表现你有没有想过，为什么有些人跑步跑到后半程会突然觉得”打开了”？不那么喘了，腿也没那么沉了？ 通常的解释是内啡肽——大脑释放的天然止痛剂。但清华大学免疫学家彭殷新（Peng Jiang）团队最近发表在《Cell》上的一项研究，给出了一个完全出乎意料的答案：你的 B 细胞可能在帮你跑。 B 细胞不只是”免疫卫士”B 细胞是免疫系统的”侦察兵”。它的经典工作是识别外来病原体、产生抗体、标记入侵者让其他免疫细胞来消灭。这个角色我们都很熟悉。 但彭殷新团队发现，B 细胞还有一个从未被描述过的功能——调节运动耐力和肌肉力量。 这不仅是 B 细胞的”非免疫功能”首次被发现，也是免疫系统和运动表现之间一条全新的连接通路。 实验是怎么做的研究团队用了两组小鼠： 一组是基因改造的低 B 细胞小鼠——天生 B 细胞数量少。另一组是用抗体疗法清除 B 细胞的小鼠——这种抗体疗法在人类中用于治疗 B 细胞癌症。 两组小鼠都和正常小鼠一起在跑步机上跑。速度每隔一段时间提升一次，直到小鼠跑不动为止。 结果很明确：B 细胞少的小鼠，不管是基因改造组还是抗体治疗组，耐力和肌肉力量都明显不如正常小鼠。 背后的机制是什么研究团队进一步发现，B 细胞缺乏的小鼠在运动后，肌肉中的谷氨酸水平显著降低。 谷氨酸是一种氨基酸，它能促进...

40% 的被交易野生动物携带能传人的病原体——不只”野味”，合法交易也一样COVID-19 之后，”动物传人”不再是一个陌生的概念。但到底有多少动物携带能感染人的病原体？野生动物贸易在这个传播链条中扮演了什么角色？ 瑞士弗里堡大学生态学家 Jérôme Gippet 团队最近发表在《Science》上的一项研究，第一次给出了全球性的量化答案：在被交易的 2079 种野生哺乳动物中，约 41% 携带至少一种能感染人类的病原体。 对比组的数据更让人安心一点：在非交易的哺乳动物中，这个比例只有 6.4%。 不是”野味”的问题，是”交易”的问题研究团队综合了 40 年来三个主要野生动物贸易数据库的记录，和一个 2021 年建立的”物种-病原体关联”数据库。他们发现： 活体动物的交易比动物产品的交易更容易传播病原体。 活体动物在运输、圈养、市场交易的过程中，有更多机会和人类近距离接触，病原体跨物种传播的概率也就更高。 一个令人意外的发现是：合法交易和非法交易在病原体传播风险上没有显著差异。 这意味着，问题不只是”非法走私野生动物”——合法的、有监管的野生动物贸易同样存在风险。 还有一个时间维度的数据：一个物种在野生动物贸易中存在的时间每增加十年，它和人类共享的病原体平均就多一种。 交易历史越长，跨物种传播的”机会窗口”就越久。 这些数据怎么来的研究团队用统计模型来预测病原体通过贸易传播...

论文里的 FID 降了，实验室里的试管空着——生成式生物设计的真实距离生成式 AI 造出了上百万个分子，但没有一个走进湿实验过去一年，GAN 可以生成全新的小分子，扩散模型可以设计蛋白质骨架。benchmark 成绩亮眼，FID 分数一降再降，结合亲和力一升再升。ICLR 2026 有 oral，NVIDIA、Oxford、Bengio 都在做。 但一个回避不了的问题是：这些模型造出来的东西，有多少真的进了实验室验证？ 答案可能让你失望。 生成式 AI 在生物设计上做了什么先看这条路线最新的进展。 小分子生成：以 CAGenMol 为代表的扩散语言模型，可以根据靶点蛋白的特征，生成具有特定性质的小分子。EvoFlows 则用 Flow Matching 做蛋白质工程，从蛋白质序列空间中采样，生成具有功能潜力的新序列。这些方法的共同特点是：不再是从已知分子库中搜索，而是从”无”到”有”地创造。 蛋白质设计：Proteina-Complexa（ICLR 2026 Oral，NVIDIA+Oxford+Mila+首尔大学团队）统一了”生成式建模”和”幻觉优化”两条路线。它先用 Flow-based 潜空间生成蛋白质骨架，再在推理时做结构优化。团队还创建了 Teddymer 数据集——大量合成 binder-target 对——用于预训练。 多模态融合：General Multimo...

蛋白质当模板合成 DNA：中心法则的边界被推开了一个不依赖核酸模板的 DNA 合成机器在分子生物学的教科书里，DNA 合成有一条铁律：必须要有模板。无论是细胞内的 DNA 复制、PCR 扩增，还是逆转录，新链的序列都由已有的核酸链决定。 但 2026 年 4 月 16 日，斯坦福大学 Alex Gao 团队在《Science》发表的一项研究，打破了这个”铁律”。 他们在细菌中发现了一种聚合酶，完全不依赖任何核酸模板，仅凭蛋白质自身的三维结构，就能合成特定序列的 DNA。 第一作者是华人博士后邓谱涓（Pujuan Deng）。 DRT：细菌抵抗噬菌体的”非常规武器”Defense-associated reverse transcriptases（DRTs）是一类广泛存在于细菌中的抗噬菌体系统。它们使用”非传统”的多核苷酸合成机制来防御病毒感染。 研究聚焦于其中的 DRT3 系统。这个系统由三个部分组成： Drt3a：一个逆转录酶 Drt3b：另一个逆转录酶 ncRNA：一段非编码 RNA 三者组装在一起，能从头合成一条序列高度规则的双链 DNA——交替的聚(GT/AC)。 两个酶，两种完全不同的工作方式冷冻电镜结构解析（2.6 Å 分辨率）揭示了这套系统的精巧分工： Drt3a：传统的”照本宣科”Drt3a 的工作方式相对传统。它利用 ncRNA 上的一段保守 ...

你的大脑有 100 万亿个突触，GPT 有多少？——从果蝇全脑模拟到大模型涌现，一场关于”智能”的参数考古当你和 ChatGPT 对话时，你可能不会意识到：这个模型的”大脑”在某种意义上比一只果蝇大了 15 倍——但果蝇能飞、能找食物、能求偶、能学习避开危险，而 15 倍大的 GPT-2 在 2019 年连一句连贯的话都说不出来。 这个看似矛盾的现象背后，藏着一个关于”智能”的深刻问题：参数多就等于聪明吗？如果不是，那到底什么才是智能的关键？ 这篇文章试图用一组对比数据、一个令人兴奋的虚拟果蝇实验，以及一个关于”涌现”的参数阶梯，来重新审视这个问题。 第一章：先搞清楚一件事——大模型的”参数”到底是什么参数约等于突触，不是神经元当我们说 GPT-3 有 1750 亿个参数时，这些参数到底是什么？ 在人工神经网络中，参数是连接两个”神经元”的权重值。每次计算时，一个神经元的输出会乘以这个权重值，再传递给下一个神经元。训练过程就是调整这些权重值，让网络的输出越来越接近目标。 在生物大脑中，对应这个角色的是突触——两个神经元之间的连接点。突触不是一个简单的开关，而是一个复杂的生化结构：当上游神经元的电信号到达突触时，它触发神经递质的释放，神经递质穿过突触间隙，与下游神经元的受体结合，改变下游神经元的电位。突触的”强度”（即信号传递的效率）是可调节的，这被称为突触可塑性。学习的本质...

给癌症病人用”不对症”的药，反而效果更好？在传统肿瘤治疗中，药物选择遵循一个基本逻辑：一种药对应一种癌。 乳腺癌用乳腺癌的药，肺癌用肺癌的药，每种药都有明确的”适应症”——即经过临床试验证明有效的癌症类型。 但在临床实践中，医生有时会给病人开”超适应症”（off-label）的药物——也就是说，用一种被批准用于 A 癌症的药来治疗 B 癌症。这种做法一直存在争议：有的医生认为这是”必要的灵活”，有的则认为这是”没有证据的冒险”。 2026 年 4 月 15 日，Nature 报道了一项大规模临床试验的结果：在基因组指导下，超适应症治疗对相当一部分患者是有效的。 什么是”超适应症”治疗一个药物在上市之前，需要在特定类型的癌症患者中进行临床试验，证明它有效且安全。获批之后，它的”适应症”就被限定在这些特定的癌症类型上。 但在实际临床中，情况常常更复杂。一个患者的肿瘤可能具有某种特定的基因突变——比如 BRAF V600E 突变——而这种突变不仅出现在黑色素瘤中，也出现在结直肠癌、甲状腺癌、肺癌等多种癌症中。如果有一种针对 BRAF V600E 突变的药物（比如 vemurafenib），它在黑色素瘤中已经获批，但理论上对其他携带相同突变的癌症也可能有效。 这就是”超适应症”治疗的核心逻辑：根据肿瘤的基因特征，而非器官来源来选择药物。 但问题是：这种逻辑对不对？一个药物在 A 癌...

你每呼吸一口气，都在吸入别人的基因2026 年 4 月 14 日，Nature 发表了一篇关于”空气环境 DNA”的深度报道。这篇报道揭示了一个大多数人从未意识到的事实：空气中弥漫着 DNA——你的、你周围人的、你脚下植物的、远处动物的——所有生物都在不断地向空气中释放自己的遗传信息。 你每次呼吸、每次抓头、每次打喷嚏，都在向空气中投放 DNA 片段。这些片段可能在空气中漂浮几天，随风飘荡几百米甚至几公里。科学家正在学习如何从空气中”嗅出”这些 DNA，用来描绘一个生态系统的完整图景。 空气里的 DNA 从哪来你挠一下头皮，就会把富含 DNA 的细胞碎片释放到空气中。这些碎片会和来自四面八方的其他 DNA 混合在一起：你和别人的呼吸和皮肤脱落物、毛发碎片、羽毛、排泄物、花粉、孢子、病毒、微藻…… 这些 DNA 片段——有些长达数万个碱基对——可以在空气中漂浮数天，常常附着在尘粒上。它们的传播距离从几米到几千米不等。 科学家早就习惯了从水和土壤中提取 DNA（这叫”环境 DNA”或 eDNA），用来监测水中的鱼类、追踪土壤中的微生物。但直到最近十年，才有人开始认真研究空气中的 DNA。 从温室到动物园：空气 DNA 的发现史2013 年，伦敦自然历史博物馆的 Matt Clark 和 Earlham 研究所的 Richard Leggett 在一个温室里采集了空气样本。”我...

大语言模型能做药物发现吗？一个基准测试说：别太乐观大语言模型（LLM）在文本理解、代码生成、数学推理等任务上的表现令人印象深刻。于是很自然地出现了一个问题：这些模型能不能用在药物发现上？ 药物发现是一个极其昂贵、极其缓慢的过程。一个新药从靶点发现到上市通常需要 10-15 年、数十亿美元。如果 AI 能加速其中任何一个环节，价值都是巨大的。 但”能写文章”和”能设计药物”之间，隔着一道巨大的鸿沟。 DrugPlayGround：一个系统的基准测试2026 年初，Liu 等人在 arXiv 上发表了 DrugPlayGround，一个专门评测 LLM 和 embedding 在药物发现任务上表现的基准测试。 这个基准涵盖了药物发现流程中的多个关键任务，包括： 分子性质预测（这个分子有没有毒性？溶解度好不好？） 药物-靶点相互作用预测（这个分子能不能和目标蛋白质结合？） 分子生成（设计一个具有特定性质的新分子） 反应预测（这个化学反应会生成什么产物？） 文献挖掘（从海量论文中提取药物相关信息） 测试的模型包括了主流的 LLM（GPT-4、Claude、Llama 等）以及专门为药物发现训练的 embedding 模型。 结果：LLM 在某些任务上还行，在另一些任务上很差基准测试的结果可以概括为一句话：LLM 是不错的”阅读理解者”，但不是合格的”分子设计师”。 在文本类任...

你每呼吸一口气，都在吸入别人的基因2026 年 4 月 14 日，Nature 发表了一篇关于”空气环境 DNA”的深度报道。这篇报道揭示了一个大多数人从未意识到的事实：空气中弥漫着 DNA——你的、你周围人的、你脚下植物的、远处动物的——所有生物都在不断地向空气中释放自己的遗传信息。 你每次呼吸、每次抓头、每次打喷嚏，都在向空气中投放 DNA 片段。这些片段可能在空气中漂浮几天，随风飘荡几百米甚至几公里。科学家正在学习如何从空气中”嗅出”这些 DNA，用来描绘一个生态系统的完整图景。 空气里的 DNA 从哪来你挠一下头皮，就会把富含 DNA 的细胞碎片释放到空气中。这些碎片会和来自四面八方的其他 DNA 混合在一起：你和别人的呼吸和皮肤脱落物、毛发碎片、羽毛、排泄物、花粉、孢子、病毒、微藻…… 这些 DNA 片段——有些长达数万个碱基对——可以在空气中漂浮数天，常常附着在尘粒上。它们的传播距离从几米到几千米不等。 科学家早就习惯了从水和土壤中提取 DNA（这叫”环境 DNA”或 eDNA），用来监测水中的鱼类、追踪土壤中的微生物。但直到最近十年，才有人开始认真研究空气中的 DNA。 从温室到动物园：空气 DNA 的发现史2013 年，伦敦自然历史博物馆的 Matt Clark 和 Earlham 研究所的 Richard Leggett 在一个温室里采集了空气样本。”我...