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。

据一项新的研究披露，一种基于强化学习的框架可令机器人像人类一样动用全身来操纵物体。该研究表明，一种人形上半身机器人可将一个大水壶转移到肩部并将其倒置，还可以抱住一个大盒子并将其枢转到理想的位置。该机器人依靠其柔软的压力感应皮肤和关节传感器的反馈来指导其移动。Jose Barreiros 和同事提出，像他们这样的机器人系统可以“为将来的机器人与人类进行安全、高效、愉快的并肩协作铺平道路。”人类可利用四肢和躯干来完成提购物袋或重新布置家具等日常工作，但对于机器人来说，协调类似动作可能具有挑战性。Barreiros 等人在此设计了一种控制器，它可用范例指导的强化学习来实现接触密集型操作。他们用 Punyo 对其方法进行了测试；Punyo 是一个人形上半身机器人，其刚性骨架上覆盖着可变形的压力传感材料。在针对每种操作场景对控制器进行模拟和单次远程操作演示训练后，作者用 Punyo 进行了六种不同的物体操作实验。他们发现，该机器人可以旋转一个塑料水壶，将它举过其肩部并倒置，还可以拥抱、重新定位和举起一个盒子。Barreiros 等人还证明，来自压力传感器和关节的反馈对于成功操作至关重要。

一项对美洲登革热传播的深入研究揭示了该病毒疫情如何在某区域范围内同步爆发以及如何受厄尔尼诺等气候因素的影响。该研究基于近三十年的监测数据详细勾画了登革热传播的动态图景，并可能为将来的疫情管控提供参考，因为登革热在整个西半球正变得日益普遍。登革热威胁着全球热带和亚热带地区数百万人的健康；最新数据显示，仅 2023 年，美洲地区就有 460 万例登革热病例。此外，该疾病在流行地区和阿根廷、美国等非流行国家都变得更为常见。许多因素都可影响登革热的传播，其中包括病毒的血清型、人群免疫力以及气候和人类行为等外部变量。然而，科学家尚未完全了解这些因素会如何相互影响，尤其在区域层面。Talia Quandelacy 和同事在此就美洲登革热传播的季节性和多年期趋势进行了探究。他们分析了 1985 年至 2015 年间从分布于 14 个国家中的 241 个省或岛屿收集的月度监测数据。该团队还将登革热传播的变化与区域气温和降雨量的变化以及厄尔尼诺-南方涛动的变化进行了交叉比对。在所研究的地方，每年会有超过一半的地方爆发疫情，而这些疫情会与远至 1 万公里外的其他地区的疫情同步爆发。数据还显示，气温和降水的短期增加会分别比登革热的季节性增加提前三个月和一个月，而厄尔尼诺现象的出现时间则会比疫情爆发提前长达五个月。Quandelacy 等人写道：“这些发现有助于开发更好的旨在支持疫情防范和应对的预警工具；它们凸显了跨境合作的重要性。”

Genomic Press对David Rubinsztein教授的新访谈探讨了他的突破性发现：自噬能够清除神经退行性疾病中的有毒蛋白质。这位剑桥科学家的研究成果已被引用超过134,000次，为数百万受亨廷顿病、帕金森病和阿尔茨海默病影响的患者开创了全新的治疗策略。

华南理工大学/南方医科大学团队开发浸没相分离3D打印技术，实现应变硬化水凝胶支架的一步法制备。相关研究成果以“Immersion Phase Separation 3D Printing for Strain-Stiffening Hydrogel Scaffolds” 为题发表在Research上。

近日，大连理工大学彭海军教授、中山大学吴嘉宁副教授课题组联合提出了一种能量壁垒可调的双稳态机械抓手，解决了当前双稳态机械抓手在轻柔触发与稳定抓取之间的相互制约问题，以题为‘Instant Energy Barrier Modulation in Bistable Robotic Grippers for Compliant Triggering and Powerful Grasping’发表在Research上（Research 2025, 8: 0737, DOI: 10.34133/research.0737）

近期，电子科技大学任福继教授团队针对多模态情感分析中“多源异构信息对齐粒度单一”这一关键问题，提出了全新框架 R3DG，为实现更稳健、高效的多模态建模提供了新思路。该方法通过引入多粒度建模与对齐机制，显著增强了模型对细粒度情绪特征的感知与表达能力。上述研究以题为“R3DG: Retrieve, Rank, and Reconstruction with Different Granularities for Multimodal Sentiment Analysis”发表在Research杂志。