合成人类基因组计划6月26日正式启动，获威康信托基金会与英国高校支持，着力研发从头构建完整人类染色体的技术。牛津大学Jason Chin主持项目，旨在深入解析基因功能。随着人工智能突破——谷歌DeepMind的AlphaGenome与Arc研究所Evo 2能预测遗传效应、设计新型DNA，这一目标可行性大增。应用前景涵盖安全细胞疗法与抗病毒器官培育。但项目仍面临三重挑战：需合成碱基对规模达数十亿，单条染色体成本预估65万至超2000万美元，且全合成必要性、测试伦理问题及与CRISPR等基因编辑技术优劣对比引发重大争议。
The Synthetic Human Genome (SynHG) project, launched on June 26th and backed by Wellcome and UK universities, aims to develop tools to synthetically construct an entire human chromosome from scratch. Led by Jason Chin of Oxford University, the initiative seeks to deepen understanding of gene function. This ambitious goal is now more feasible due to advancements in AI, like Google DeepMind's AlphaGenome and the Arc Institute's Evo 2, which can predict genetic effects and generate new DNA designs. Potential applications include safer cell therapies and virus-resistant organs. However, the project faces immense challenges in scale, with billions of base pairs to synthesize, high costs (estimated from $650,000 to over $20m per chromosome), and significant ethical concerns regarding testing and the necessity of full synthesis versus advanced gene-editing techniques like CRISPR.
科学家提出利用人类干细胞培养“类器官体”，以解决全球器官短缺问题并减少动物实验。虽然这项技术可以通过克隆组织生成无痛、无排斥的移植器官，但它引发了关于创造半人类实体的深刻伦理辩论。这项创新有望改变药物开发和肉类生产，尽管技术障碍和社会接受度仍是关键挑战。
生物燃料生产依赖自然光合作用，效率低且成本高。华盛顿大学蛋白质设计研究所的Nate Ennist建议采用人工智能设计合成蛋白质，彻底改造光合作用。这些蛋白质能捕获更广光谱，最终产出碳氢化合物而非糖类。除生物燃料外，该研究所运用RFdiffusion和ProteinMPNN等计算工具，研制新型蛋白质，用途涵盖消化塑料的酶、人工鼻子乃至先进疫苗。人工智能推动此法复兴纳米技术，助力精确设计分子，突破能源、材料和医疗保健领域。
面对现有AI基准测试的不足，研究人员正致力于设计更严格的评估方法。乔纳森·罗伯茨推出的ZeroBench，利用AI目前难以应对的视觉谜题检验多模态模型，结果所有模型均未能得分。Scale AI的EnigmaEval则以其高难度问题著称，领先模型也几乎无法解答。新兴测试如“人类的终极考验”及升级版ARC-AGI，旨在规避以往问题，如数据污染或题目过于简单，以评估AI超越记忆的能力。但AI技术的迅猛发展令这些测试迅速过时，ARC-AGI在短时间内便被超越。有观点指出，基准测试或许难以真实反映智能水平，因此出现了
费城一名新生儿因CPS1缺乏症这一致命遗传病，成为首位接受定制CRISPR基因编辑疗法的患者。面对因CPS1酶突变引发的致命氨积累，医生迅速采用碱基编辑技术，在数月内修复了DNA缺陷。通过特制脂质纳米颗粒将编辑器精准送达肝细胞，患儿氨水平即使在感染期间也保持稳定。此疗法经FDA加速审批及动物实验验证，不仅展现了针对超罕见病个性化基因治疗的巨大潜力，也为新生儿危急病例的快速药物研发树立了标杆。专家视其为医疗领域的重大突破，尽管推广之路仍充满挑战。
美国食品药品监督管理局宣布了一项历史性转变，逐步淘汰对单克隆抗体等药物的强制性动物测试，转而采用人工智能建模和基于人类细胞的替代方法。这一政策旨在加速药物审批，降低成本70-80%，并解决100多年来依赖动物的伦理问题。虽然科学家称赞提高了与人类相关的数据质量，但批评者警告在这一过渡期间人工智能预测错误和监管空白。此举标志着生物技术公司与人工智能初创企业之间日益增长的合作，正在重塑制药行业的职业生涯。