近日，厦门大学程俊教授团队、厦门大学王野教授团队与英国爱丁堡大学 Jeff Z. Pan 教授团队合作，在接力催化（Relay catalysis）研究中提出了一种结合大语言模型（LLM）与自建催化知识图谱（Cat-KG）的催化路径智能推荐方法。相关成果以“Synergizing Knowledge Graph and Large Language Model for Relay Catalysis Pathway Recommendation”为题发表于《National Science Review》。该方法通过自动化反应数据采集与结构化处理以构建知识图谱，并引入专家知识设定筛选规则，能够在数分钟内输出可靠的多步接力催化路径，从而显著提升催化反应设计的效率与可靠性。该研究成果展现了人工智能与化学催化研究的深度融合，为未来的光催化、电催化等领域拓展提供了新方向。

一项新的临床前研究表明，靶向针对 HIV 病毒包膜（Env）Apex 区域的疫苗可在非人类灵长动物体内诱导强效广谱中和抗体（bnAb）前体。该研究发现，接种了基于蛋白质或 mRNA 疫苗的恒河猴体内产生了罕见的 bnAb 前体，而随后的加强疫苗则产生了针对不同 Apex 基序的更广泛的 bnAbs。Krystal Ma 和同事写道：“这项研究表明，疫苗可以在远交系动物模型中持续刺激产生 [...] 与 Apex bnAb 相关的反应；它代表了一项重大进展。”靶向针对 HIV 包膜 Apex 区域的抗体具有一个特征性的长区域，它被称为重链互补决定区 3 (HCDR3)；该区域可以有效地与病毒结合。此外，与其他类别的 bnAbs 相比，这些抗体的前体只需较少的免疫增强步骤即可成熟为强效抗体。尽管先前的研究已在 HIV 感染者中发现了 Apex bnAbs，但目前尚无疫苗能够激活产生这些抗体的稀有的前体 B 细胞。Ma 等人在此采用某种结构引导法设计了一种名为 ApexGT6 的 HIV 免疫原三聚体。研究人员用两轮 ApexGT6 蛋白或 mRNA 疫苗对恒河猴进行了免疫接种，发现两者皆能诱导 HCDR3 Apex 特异性的 bnAbs 和记忆 B 细胞反应。与蛋白疫苗相比，mRNA 疫苗可诱发更多数量的 bnAb 前体和记忆 B 细胞。Ma 等人发现，两剂免疫接种可促使前体 B 细胞接受选择以提高亲和力，从而产生能够识别更广泛 Apex 序列的 bnAbs。冷冻电镜检查显示，一些由 ApexGT6 诱导的 bnAb 前体与在人体内所见的前体相似，表明这些发现或可为将来的疫苗开发提供参考。 关注研究趋势的记者请注意，由同一批作者中的某些人近来发表在《科学-转化医学》上的两项研究描述了 HIV mRNA 疫苗在动物模型和人体中均显示出良好的前景： https://www.science.org/doi/10.1126/scitranslmed.adw7499 和https://www.science.org/doi/10.1126/scitranslmed.adw0721 2024 年 8 月发表在《科学-免疫学》上的另外两项研究描述了一种 HIV 疫苗；该疫苗可在非人类灵长动物体内诱导针对 Env 不同部位的特异性 bnAb 前体： https://www.science.org/doi/10.1126/sciimmunol.adk9550和 https://www.science.org/doi/10.1126/sciimmunol.adm7097

针对这一问题，研究团队提出了全新的分子融合超图神经网络框架 MMHNN（Molecular Merged Hypergraph Neural Network）。该方法创新性地引入预定义子图集合，并将其替换为“超级节点”以构建超图结构，从而有效降低了模型复杂度。

延续往年传统，ARDD2025将于8月25日至29日在哥本哈根大学举行。本届大会将汇聚全球各地的行业领军者：包括2位诺贝尔奖获得者、全球top10长寿研究专家中的8位、逾半数Nature Index 2025年医疗健康领域最具学术影响力顶级科学家，以及来自世界一流科研机构的代表，与会者将共同探讨细胞模拟、深层老化生物标志物、细胞衰老机制等最新突破，为推进人类实现健康长寿目标分享各自的研究成果和深刻洞见。

研究人员开发了一种具有超高增益的新型 MoS2 光电晶体管，能够在室温下检测极微弱的光信号和疾病生物标志物的阿托摩尔浓度。这项创新为超灵敏、快速和可靠的床旁诊断铺平了道路，超越了现有临床检测的性能。

香港科技大學（科大）「可持續發展智慧校園」計劃(『生活實驗室』)選出新一輪共八個可持續發展項目，內容涵蓋提升能源效益、優化可再生能源系統、水資源管理、促進身心健康、改善生態系統及預測性維修策略等範疇，並即將於校園展開測試。計劃旨在讓學生及教研人員研發的項目在投入實際應用之前，先在校園驗證他們的原型與創新構想。

人工智能（AI）正在重塑科学的各个领域，分子科学也不例外。最近发表在《研究》（科学合作伙伴期刊）上的一项研究报告了 S2ALM—— 一种强大的 AI 工具，该工具采用分步学习方法对抗体进行详细分析。通过利用一维序列和三维结构数据进行抗体学习，所开发的模型在关键任务上的表现优于先前的模型，推动了针对各种疾病的抗体设计，并重新定义了治疗开发的未来。