1. De novo design of covalent bonding peptides for target protein

hLife |周小红/王奇慧等合作开发两步法从头设计的共价键合肽抑制剂

通信作者：周小红、王奇慧、Lip Ket Chin

引用：

Zhou X, Zhu Q, Zheng A, et al. De novo design of covalent bonding peptides for target protein. hLife 2024; 2: 641–652.

2. The terra incognita in microbiology for artificial intelligence and where to go next

hLife | 王军研究团队评述AI将点亮微生物研究的未知领域

通信作者：王军

在人类探索自然的伟大征程中，微生物仍是认知最薄弱、最神秘的领域之一。自17世纪列文虎克首次通过显微镜发现微生物以来，尽管科技不断进步，我们却仍像是举着火炬在黑暗洞穴中摸索——目前对微生物世界的认知尚不足1%。而人工智能（AI）正被寄予厚望，或将成为打开这片“未知地图”的关键钥匙。本文系统梳理了微生物领域面临的三大核心挑战，并提出了AI推动该领域突破瓶颈的未来路径。

引用：

Guo S, Wang J. The terra incognita in microbiology for artificial intelligence and where to go next. hLife 2025; 3: 524–526.

3. Language model–driven discovery of antiviral peptides

hLife | 中国科学院微生物所王军、赵欣、邓涛等研究团队开发基于大语言模型挖掘抗病毒肽的预测工具

通信作者：邓涛、赵欣、王军

本研究开发了一种基于自然语言处理（NLP）的预测工具，实现了对抗病毒肽（AVPs）的精准识别，研究表明，最强效的AVPs主要通过破坏病毒包膜发挥抑制作用。这项研究不仅建立了发现AVPs的高通量策略，也为开发下一代抗病毒药物研制奠定了重要基础。

引用：

Wang J, Li D, Shi Y, et al. Language model–driven discovery of antiviral peptides. hLife 2026. https://doi.org/10.1016/j.hlife.2025.11.004.

4.Machine learning approach to predict prognosis and immunotherapy responses in colorectal cancer patients

hLife | 中国科学院微生物所王硕团队利用人工智能赋能结直肠癌免疫治疗预测

通信作者：王硕

本研究通过机器学习方法构建了一个高效且稳健的结直肠癌风险分层模型IRRS，揭示了肿瘤微环境与患者免疫反应之间的复杂关系。IRRS模型不仅具有较好的预后预测能力，为指导免疫治疗决策提供了依据，也为结直肠癌的基础研究和临床应用提供了潜在的生物标志物和治疗靶点。

引用：

Liu Z, Yu D, Xia P, et al. Machine learning approach to predict prognosis and immunotherapy responses in colorectal cancer patients. hLife 2025; 3: 172–186.

5. Artificial intelligence is transforming the study of proteins: Structures and beyond

hLife | 中国科学技术大学刘海燕研究团队评述AI引领的蛋白质研究新时代

通信作者：刘海燕

在蛋白质设计方面，AI技术也正引发一场深刻变革。传统设计需依赖于天然骨架或片段拼接，而蛋白质骨架去噪扩散概率模型可直接生成物理上合理的全新蛋白质主链结构，显著拓宽了可设计蛋白质的结构多样性。在序列设计环节，逆折叠模型通过图神经网络高效优化氨基酸序列，在准确率与计算效率上均大幅超越传统基于旋转异构体的优化路径。这些进展推动蛋白质设计从“经验驱动”迈向“智能设计”的新时代。人工智能与蛋白质科学的深度融合，不仅推动蛋白质研究范式的系统性变革，更驱动生命科学与生物技术向全新发展阶段迈进。

引用：

Liu H, Chen Q, Liu Y. Artificial intelligence is transforming the study of proteins: Structures and beyond. hLife 2025; 3: 162–163.

6. Exploring structure-based drug discovery of GPCRs beyond the orthosteric binding site

hLife | 非常之观，常在于险远：探索GPCR别构位点的虚拟筛选之道

通信作者：黄牛

本文系统地总结了G蛋白偶联受体别构位点的结构信息和调控功能机制，并且梳理了目前已经发表的基于GPCRs结构的虚拟筛选（Structure-based virtual screening, SBVS）研究，深入探讨了靶向GPCRs别构位点进行药物虚拟筛选和设计所具有的广阔前景以及面临的挑战。

引用：

Chen Z, Ren X, Zhou Y, et al. Exploring structure-based drug discovery of GPCRs beyond the orthosteric binding site. hLife 2024; 2: 211–226.

7. From spectrum to species: A new era of medical microbiology with AI-powered Raman spectroscopy

hLife | AI赋能拉曼光谱技术推进医学微生物学研究2.0时代

通信作者：付钰

本文系统阐述了AI赋能下拉曼光谱技术在病原体识别与表型检测中的创新突破和临床前景，提出了该技术未来还需要进一步发展的方向。

引用：

Zhang Z, Fu YV. From spectrum to species: A new era of medical microbiology with AI-powered Raman spectroscopy. hLife 2025; 3: 527–530.

8. Forging trust in AI-assisted disease diagnosis

hLife | AI辅助疾病诊断的信任之路

通信作者：董迪

本文从责任划分、数据伦理、可解释性等方面梳理了AI在医疗诊断应用中面临的挑战，并探讨了AI通往未来“人机共生”医疗生态的路线。

引用：

Zhang Y, Fang M, Feng X, et al. Forging trust in AI-assisted disease diagnosis. hLife 2025; 3: 531–533.

9. Artificial intelligence serves as a research aide in biology but never eclipses humanity as a successor

hLife | 协同进化：AI会取代人类在生物创新领域的主导地位吗？

通信作者：程从超、孙宇

本文按工作模式类比，将现有AI分为“工具”、“镜子”与“助手”这三种角色来展开分析，通过探索不同模式的边界，讨论了未来“人机协作”中潜在的新挑战和新机会。

引用：

Yang W, Sun Q, Zhang Y, et al. Artificial intelligence serves as a research aide in biology but never eclipses humanity as a successor. hLife 2025; 3: 534–537.

10. Learning from life, enabling artificial intelligence: Scientific historical insights from the Nobel Prize in Physics

hLife | 中科大刘欢团队解析人工智能神经网络科学技术史

通信作者：刘欢

近年来，人工智能（AI）技术的发展正以前所未有的速度影响我们的世界。约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton）在神经网络领域做出了开创性贡献。为什么人工智能研究领域受到全球关注？人工智能发展进程中又是如何演化的？本文从科学史的视角追溯了人工智能神经网络领域发展历程。

引用：

Wu Z, Zhang L, Xiang Q, et al. Learning from life, enabling artificial intelligence: Scientific historical insights from the Nobel Prize in Physics. hLife 2025; 3: 201–203.