Columbia University Irving Medical Center

这篇以强迫症（OCD）为例的综述梳理了大数据方法在回答该病三大问题——病因是什么、哪种治疗对谁最有效、如何扩大循证治疗可及性——上的进展与约束，指出ENIGMA-OCD等大规模汇总数据使部分既往效应被证实为小而可重复、另一些则无法在大样本中重现或实为药物效应，Global OCD Study在五个国际站点统一方法招募250名未服药OCD成人与250名匹配健康志愿者后发现病例-对照脑差异相对较少、而特定脑与认知指标同OC临床特征的关联更具信息量，并强调大数据本身不是目的，只有在清晰因果框架、假设驱动与临床锚定下才能推进精准精神医学。

这篇以强迫症（OCD）为例的综述梳理了大数据方法在回答该病三大问题——病因是什么、哪种治疗对谁最有效、如何扩大循证治疗可及性——上的进展与约束，指出ENIGMA-OCD等大规模汇总数据使部分既往效应被证实为小而可重复、另一些则无法在大样本中重现或实为药物效应，Global OCD Study在五个国际站点统一方法招募250名未服药OCD成人与250名匹配健康志愿者后发现病例-对照脑差异相对较少、而特定脑与认知指标同OC临床特征的关联更具信息量，并强调大数据本身不是目的，只有在清晰因果框架、假设驱动与临床锚定下才能推进精准精神医学。

该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。

该研究采用三轮改良德尔菲法，由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组，就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识，提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议，并明确在活动性进食障碍（尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症）中一般应避免使用GLP-1受体激动剂，同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。

作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型，用自然语言 token 实现条件预测与序列设计；该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界，经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征，再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略，产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR，其中实验验证的生成核酶达到野生型活性水平，生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。

作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型，用自然语言 token 实现条件预测与序列设计；该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界，经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征，再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略，产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR，其中实验验证的生成核酶达到野生型活性水平，生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。