Science for Life Laboratory

作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。

作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。

研究者开发了多重深度视觉蛋白质组学（mxDVP）这一端到端流程，将高多重成像、自动化计算分析与空间引导的超灵敏质谱结合，其开源图像分析框架 PIPΣX 支持全切片膜感知分割、注释与激光显微切割导出，从而在少至 100 个小胰岛细胞中实现超过 6000 种蛋白鉴定；应用于人胰岛时分割了超过 860,000 个细胞并解析出十二种内分泌亚型，包括具有空间组织模式、INSM1 与 SCG3 共表达以及 α/β/δ 混合特征的罕见多激素与中间态群体。

研究者开发了多重深度视觉蛋白质组学（mxDVP）这一端到端流程，将高多重成像、自动化计算分析与空间引导的超灵敏质谱结合，其开源图像分析框架 PIPΣX 支持全切片膜感知分割、注释与激光显微切割导出，从而在少至 100 个小胰岛细胞中实现超过 6000 种蛋白鉴定；应用于人胰岛时分割了超过 860,000 个细胞并解析出十二种内分泌亚型，包括具有空间组织模式、INSM1 与 SCG3 共表达以及 α/β/δ 混合特征的罕见多激素与中间态群体。

该研究开发了RepurAgent——一个由监督智能体与规划智能体协调研究、预测、数据、报告四个子智能体、并采用人在回路设计、情景记忆与检索增强生成的分层多智能体系统，在急性髓系白血病、回顾性COVID-19抗病毒筛选和多种硫酸酯酶缺乏症三个场景中验证其可贯穿药物重定位生命周期，分别获得专家盲评认为比普通LLM基线更具新颖性与机制可信度的候选、在无预设阈值下对化合物排序达到最高0.99的AUC-ROC并标记出人工复核遗漏的混杂因素、以及从5000个化合物中优先选出81个高置信候选并获得领域专家佐证。

该研究开发了RepurAgent——一个由监督智能体与规划智能体协调研究、预测、数据、报告四个子智能体、并采用人在回路设计、情景记忆与检索增强生成的分层多智能体系统，在急性髓系白血病、回顾性COVID-19抗病毒筛选和多种硫酸酯酶缺乏症三个场景中验证其可贯穿药物重定位生命周期，分别获得专家盲评认为比普通LLM基线更具新颖性与机制可信度的候选、在无预设阈值下对化合物排序达到最高0.99的AUC-ROC并标记出人工复核遗漏的混杂因素、以及从5000个化合物中优先选出81个高置信候选并获得领域专家佐证。