由Sam Altman支持的World项目在Zoom应用市场上线“World ID for Zoom”，通过Orb虹膜扫描、实时自拍和视频画面验证参会者是否为真人，并显示“真人徽章”，以应对AI深伪冒充诈骗，保护敏感对话。

2026年9月，美国国家新兴生物技术安全委员会在麻省理工学院林肯实验室举办路演，探讨马萨诸塞州生物技术生态如何强化国家生物防御。该州通过SHIELD计划将生物技术列为国防优先领域，并推动BioSHIELD生物制造设施建设，以弥合研发与量产之间的“死亡之谷”。会议还讨论了生物技术与人工智能的融合。

医学影像AI的瓶颈在于数据而非模型。数据困于PACS，格式繁杂、难以去标识化和跨机构共享，导致研究可复现性差。联邦学习与数据湖仓可整合影像、基因组、电子病历等多模态数据，实现统一治理与关联查询。核心结论：数据基础是医学AI的真正瓶颈，先做好数据，模型自然水到渠成。

Anthropic称其AI Claude自主发现了一种类似CRISPR的新型酶系统。近950个Claude智能体耗时21小时、消耗2.1亿token，从DNA数据库中识别出重复模式，经实验室验证为噬菌体中的未知酶系统。该发现来自其新设湿实验室，实际应用价值尚不明确。

Anthropic开源了Claude编写的GPU优化代码，在不到四周内将30多个生物分子模型推理平均加速约4倍，精度损失极小。Claude还自主编写了FlashPairformer内核，加速结构预测中的三角注意力操作。优化代码已开源，并联合Adaptyv Bio发起蛋白质设计竞赛。但超大规模分子预测仍会崩溃，实验验证速度成为新瓶颈。

GeForce NOW本周新增11款游戏，包括生物收集RPG《Aniimo》，玩家可在Idyll大陆捕捉生物、变身解谜；《007 First Light》加入路径追踪与DLSS 4.5，豪华版限时促销；《Active Matter》和《Outer Wilds》等也已上线，支持RTX 5080级云游戏。

一项筹备中的“半生物AI”实验，将培养皿中约八十万人类神经元与开源果蝇全脑连接组接入同一游戏：神经元负责选择目标，数字果蝇回路负责运动。二者语言不同，需软件解码器翻译，因此性能提升究竟来自生物学习还是解码器训练难以区分。实验尚未完整跑通，协同适应效果未知。

生物医学论文中AI使用率三年内从19%飙升至90%，讨论部分AI痕迹达78%，方法部分58%，各国使用率差异显著。研究者担忧AI“幻觉”污染学术记录，且仅0.1%使用者主动声明，形成诚信缺口。核心悖论是AI辅助写作可能削弱科学思考，但检测工具无法区分深度介入与轻度润色。

可穿戴设备难以区分压力与兴奋，因两者生理反应相似，仅能测量交感神经激活，缺乏情绪效价信息，可能导致误判。行业正通过情境叠加、面部声音线索或用户自报等方式改进，但尚无完美方案。用户应结合自身情境解读数据，避免被标签误导。

一项针对36名代谢风险成人的随机双盲试验显示，每日仅200毫克生物优化小檗碱，14天内使空腹血糖降低9.08毫克/分升，餐后GLP-1激素飙升29%，且无副作用。相比传统剂型吸收率仅2%，新技术提高了吸收效率，效果优于大剂量常规小檗碱，但研究为探索性，需更大规模验证。

生物劫持指外源病原体、内源癌细胞或胎盘等通过六步曲（破门、伪装、利用炎症、重编程信号、重塑组织、表观锁定）操控宿主系统，形成稳定新平衡。文章强调治疗需理解系统耦合，区分启动与维持机制，并借鉴天然操控者策略，以多层面干预逆转疾病状态。

哥本哈根大学45岁教授莫滕·谢比-克努森因家族遗传阿尔茨海默病，亲自试验7种抗衰方法：每日服用NR补充剂、16小时间歇断食、保持社交、喝5杯咖啡加奶油、吃黑巧克力、服用二甲双胍。12周实验显示，断食组生物年龄最多年轻15岁，效果显著。

本文探讨生物信息进化论的争议，指出香农信息论与智能设计派对“信息”定义存在分歧。智能设计派强调序列复杂性和功能，而阿达米等学者将信息定义为基因组与环境关联，并计算变异数据。文章批评后者偷换概念，忽略历史偶然性和遗传漂变，导致结论与质疑无关，强调定义分歧影响对生命起源的理解。

UK Biobank近五万人数据显示，滤泡咖啡与生物衰老减缓相关，速溶咖啡则与加速衰老相关。滤泡咖啡通过影响肾功能和代谢，速溶咖啡通过炎症通路起作用。差异源于加工方式，滤纸过滤掉有害油脂。但研究为横断面，个体影响小，建议根据自身情况选择。

分子之心在WAIC公布AI平台MMDesign在环肽从头设计上的突破，针对p53-MDM2和PD-L1靶点，候选环肽命中率超70%，结合活性达微摩尔级，处于全球领先。此前已实现纳米抗体设计，显示AI跨模态能力。公司整合至MoleculdOS系统，推动AI赋能生物医药研发。

MoleculeOS是分子之心推出的AI生物研发操作系统，旨在重塑生物研发流程。它通过理解研究者的目标，自动拆解任务并调度模型，提升研发效率，减少试错成本。该系统将研发链路结构化，便于团队在新项目中调用历史数据，实现标准化和协同化，标志着AI在生物技术领域的应用向全面研发基础设施转变。