BioAI 生命科学日报 2026/2/10

今日摘要

OpenHealth 拿下 3800 星，开源 AI 健康助手扎堆冒出，隐私优先成标配。
单细胞分析工具井喷，但 Virtual Cells 论文泼冷水：光堆数据没用，因果推理才是关键。
AI 要管你吃喝拉撒了，生物黑客和健康焦虑人群可以动手玩起来。

⚡ 快速导航

📰 今日 AI 资讯 - 最新动态速览

💡 提示：想第一时间体验文中提到的最新 AI 模型（Claude 4.5、GPT、Gemini 3 Pro）？没有账号？来 爱窝啦 Aivora 领个号，一分钟上手，售后无忧。

今日 AI 生命科学资讯

👀 只有一句话

今天最火的不是某个大模型，而是一堆开源健康管理工具扎堆冒出来——AI 要开始管你吃喝拉撒了。

🔑 3 个关键词

#AI健康管理 #单细胞分析 #药物发现

🔥 重磅 TOP 10

1. OpenHealth：3800+ Star 的开源 AI 健康助手

你有没有想过，把自己的健康数据喂给 AI，让它帮你分析？OpenHealth 就干这事。这个开源项目已经拿下 3800+ Star，核心卖点是"你的数据你做主"——所有健康信息本地存储，AI 分析完全基于你自己的数据。对于担心隐私泄露但又想用 AI 管理健康的人来说，这可能是目前最靠谱的方案。开发者可以直接 fork 来玩。

2. SparkyFitness：专为家庭设计的 AI 健康追踪工具

一家人一起减肥有多难？这个 2200+ Star 的项目想解决这个问题。SparkyFitness 把食物、运动、饮水、健康数据全打包，支持家庭成员一起追踪。亮点是"家庭协作"——爸妈的血压、孩子的运动量、你的卡路里，全在一个 App 里。适合想把全家健康管理数字化的用户，开源免费。

3. IBD 靶点发现新框架：机器学习 + 百万级单细胞图谱

炎症性肠病（IBD）的新药研发一直卡在"找不到好靶点"上。这篇预印本提出了一个狠招：用 100 万个单细胞数据构建人类肠道图谱，再用机器学习框架（叫 IPR）挖出 85 个疾病相关的转录程序和 400 个细胞特异性靶点。更厉害的是，他们还在体外实验中验证了两个候选靶点（PTGIR 和 IL6ST），效果和现有生物制剂的机制完全不同。AI 制药的人可以重点关注这个方法论。

4. Virtual Cells 的冷思考：光堆数据没用，得有"上下文"

“虚拟细胞"是 AI 生物学的终极梦想——用计算模型预测细胞对任何扰动的反应。但这篇 position paper 泼了盆冷水：光靠堆模型参数和数据量是不够的，真正的瓶颈是"生物学上下文的多样性不足”。作者用一个 2200 万细胞的免疫学数据集证明，简单模型在同一上下文里表现不比复杂模型差，但跨上下文泛化时全都拉胯。结论：别只顾着 scaling，因果推理和上下文多样性才是关键。

5. DANST：用对抗神经网络做空间转录组细胞解卷积

空间转录组学（Spatial Transcriptomics）的一个老大难问题：一个"点"里混了好几种细胞，怎么拆开？DANST 用深度域对抗神经网络来解决这个问题，能把混合信号拆成单细胞类型的表达谱。对于做肿瘤微环境、组织发育研究的人来说，这工具可能会成为新标配。

6. DeepPurpose：药物-靶点相互作用预测的深度学习工具包

想预测一个小分子能不能和某个蛋白结合？DeepPurpose 是个 1100+ Star 的开源工具包，覆盖药物-靶点相互作用（DTI）、药物性质预测、蛋白质功能预测等一堆任务。代码开箱即用，适合 AI 制药方向的研究者和开发者快速上手。

7. HealthChain：医疗 AI 的"中间件"来了

医疗 AI 落地最头疼的是什么？数据格式乱、系统不互通、合规要求多。HealthChain 自称是"医疗 AI 缺失的中间件层"，帮你把各种医疗数据、AI 模型、临床系统串起来。虽然 Star 数还不高（178），但这个方向的痛点太真实了，值得关注。

8. Lotti：本地优先的 AI 健康助手，数据全在你手里

又一个"隐私优先"的 AI 健康工具。Lotti 的特点是：所有数据存在本地设备，你可以选择不同的 AI 提供商（甚至完全离线运行）。支持任务追踪、智能摘要、健康记录等功能。1000+ Star，适合对数据隐私极度敏感的用户。

9. DEPower：RNA-seq 实验设计的功效分析工具

做 RNA-seq 实验前，你知道需要多少样本才能检测到显著差异吗？DEPower 是一个基于 DESeq2 框架的功效分析工具，支持单细胞和 bulk RNA-seq，还提供了一个在线网页版。实验设计阶段必备，能帮你省下一大笔冤枉钱。

10. 药物协同效应检测新框架：告别 Bliss/Loewe 的玄学评分

药物联用筛选里，Bliss、Loewe、ZIP 这些协同评分方法用了几十年，但它们没有统计推断、结果不稳定、有时还算不出来。这篇预印本提出了一个非参数框架，用等渗回归拟合剂量-反应曲面，再用 wild bootstrap 算 p 值。在 DrugCombDB 数据集上，重复实验的一致性（相关系数 0.91）远超传统方法（0.53-0.74）。做药物联用研究的可以认真读一下。