根据OpenAI在X上的发布，研究负责人Joy Jiao与产品负责人王芸芸在OpenAI播客上，与主持人Andrew Mayne探讨了新一代生命科学模型如何面向生物学、药物发现与转化医学而构建。依据OpenAI播客内容，讨论聚焦于机遇（如加速靶点发现、文献综述与实验方案设计）与难点（如模型验证、安全性与合规对接临床流程）。据OpenAI介绍，团队强调采用领域定制训练数据、结合结构化生化数据库的工具调用，以及以湿实验结果为基准的评价体系，以确保在制药研发与生物科技管线中实现可验证效益。根据OpenAI，此策略面向前期研究、生物标志物发现与转化研究设计等高价值场景，有望缩短洞察周期并提升可重复性，为医药企业与CRO带来实质业务影响。

根据SatyaNadella在X的发布，微软训练出可从常规病理切片推断空间蛋白组学的多模态模型，目标是在降低时间与成本的同时扩大癌症护理可及性。据该帖报道，该方法利用标准组织病理图像预测蛋白表达空间分布，有望替代或优先筛查昂贵的空间组学实验。据同一来源，这可加速生物标志物判读、提升临床试验入组筛选效率，并在缺乏空间检测设备的基层医院落地。来源还称，其商业影响包括单样本成本下降、实验室通量提升，以及为生物医药伙伴提供新型伴随诊断服务。