テストスクリーニングでは、Excellent+Very Goodが84%(平均値64%)、Recommendation(他人に推薦するかどうか)でDefinitely(絶対する)と答えた人が73%(平均値50%)だった。高評価すぎて震えた。公開されて分母が増えた今も(普通は落ちる)Rotten Tomatoesで98%！これは全人類見ろってことだね！笑

半年くらい前にAI使ってスクリーニングロジック組んで買うのは気をつけた方がいい銘柄リスト作ってたけど案外当たってるかもしれん ニデ〇クとかモロ的中したしなぁ

明日退院なんだけど「明日いよいよこの子は日の目を浴びるんだ」と思ったら泣けてきて1人で泣いてる。産後の情緒やばい。昨日も聴覚スクリーニング検査が通っただけで泣いた

☆研究成果☆ 乳酸菌Lactobacillus paragasseri SBT2055が 線虫の加齢に伴う学習行動の低下を抑制することを見出しました ▼プレスリリース ▼論文 #野間健太郎# #理学研究科# #行動# #連合学習# #老化# #乳酸菌# #スクリーニング# #C_elegans#

Aureka BiotechnologiesがUS$100 millionのSeries Bを調達した（ million近くに達したという。Granite Asiaが第1トランシェを単独で拠出し、後続トランシェは戦略投資家が主導、HighLight Capital（HLC）と既存株主のMPCi、NRL Capitalも参加した。 資金の使い道が興味深い。次世代の生物学的基盤モデルを大規模に訓練し、de novo分子設計（既存分子の改変ではなく、ゼロから候補を設計すること）、生体構造モデリング、機能予測を強化する。同時にLab-in-the-Loop（モデルの仮説を実験で検証し、その結果を次の学習へ戻す仕組み）も拡張する。 ここでいう実験は、最後に答え合わせをするだけの工程ではない。AIエージェントが分子を生成し、実験を設計し、単一細胞の機能スクリーニングや高スループット検証で確かめ、結果をモデルへ戻す。モデル→実験→データ→更新の循環そのものを、薬物探索の基盤にしようとしている。 Aurekaの生物学的基盤モデルAuraIDEは、社内のタンパク質共進化データで訓練されている。オープンソース版のOpenDDEは、抗体と抗原の立体構造予測を測る公開ベンチマークFoldBench v1の第三者評価でも紹介された。 創業者兼CEOのWeian Zhaoは、最終的に生物学的ワールドモデルを目指すと説明している。これは分子の静的な構造を当てるだけでなく、分子同士の相互作用や設計結果をシミュレーションし、AIエージェントが薬の設計を計画、実行、反復するモデルだ。 「モデル単体の性能」を競う段階から、「実験データをどう継続的に生み、モデルと薬の候補を同時に更新するか」を競う段階へ。Aurekaの発表は、AI創薬の本体がモデルではなく、モデルと実験を閉ループで接続するR&Dインフラへ移りつつあることを示していると思う。

# OpenAI Agent SDKの便利で実践的な使い方 🌍 ガードレールで、エージェントの入出力を安全に制御しましょう！ 安価な高速モデルで事前チェックを行い、不適切なリクエストをブロックしてコストを削減できます。 📌 タイトル：Guardrails 🔗 URL： 🧩 概要 Guardrailsは、エージェントの入力と出力に対してチェックを実行する仕組みです。入力ガードレール（Input guardrails）はユーザー入力を検証し、出力ガードレール（Output guardrails）はエージェントの応答を検証します。安価な高速モデルをガードレールに使い、高価なモデルの不要な実行を防ぐことで、コスト最適化を実現できます。トリップワイヤー方式で、問題を検出した時点で実行を即座に中断します。 🛠 使い方 `agents`から`Agent`, `InputGuardrail`, `OutputGuardrail`, `GuardrailFunctionOutput`をインポートします。ガードレール関数`check_homework_request(context, agent, input_data)`を定義し、内部で` input_data)`を呼び出して分類結果を取得します。戻り値は`GuardrailFunctionOutput(output_info= tripwire_triggered="TutorBot", instructions="You are a tutoring assistant.", input_guardrails=[InputGuardrail(guardrail_function=check_homework_request)])`のように定義します。 🏗 実践的な使い方 **安価モデルによる事前フィルタリング（コスト削減）** 高価なメインモデルを実行する前に、安価な高速モデルで「宿題の代行」「不正利用」などを検出してブロックします。トリップワイヤーが発動すると、メインモデルの実行がスキップされるためコスト削減になります。 安価な分類用エージェント`Agent(name="Classifier", model="gpt-4o-mini", output_type=ClassificationResult)`を定義し、`abuse_check`関数内で` input_data)`を実行します。`tripwire_triggered="Assistant", model="gpt-4o", input_guardrails=[InputGuardrail(guardrail_function=abuse_check)])`に設定します。 **出力ガードレールによるコンテンツチェック** エージェントの応答に機密情報や不適切な内容が含まれていないかを検証します。 出力ガードレール関数`check_sensitive_output(context, agent, output)`を定義し、` f"Check this output for sensitive content: {output}")`で機密情報の有無を判定します。`tripwire_triggered="SupportBot", output_guardrails=[OutputGuardrail(guardrail_function=check_sensitive_output)])`のように設定します。 **サポートボットの関連性チェック** ユーザーの質問がサポート範囲内かを事前に判定し、範囲外の質問には早期に対応します。 関連性チェック関数`relevance_check(context, agent, input_data)`で` input_data)`を実行し、`tripwire_triggered=not "SupportBot", instructions="Answer customer support questions about our product.", input_guardrails=[InputGuardrail(guardrail_function=relevance_check)])`として設定します。 💡 ユースケース 🛡 宿題代行・不正利用リクエストのブロック（コスト削減） 🔍 機密情報の出力防止（PII、社内情報の漏洩防止） 📋 サポートボットの対応範囲制御 ⚡ 安価モデルによる事前スクリーニングでAPI費用を最適化 ⚠️ 注意点 - ガードレールのトリップワイヤーが発動すると`InputGuardrailTripwireTriggered`例外が発生します。適切にキャッチして処理してください - 入力ガードレールはメインモデルと**並列**で実行されるため（デフォルト）、ガードレールが間に合わない場合はメインの実行が進む可能性があります - ガードレール自体のモデル呼び出しコストも考慮してください - 複数のガードレールを設定でき、いずれかが発動すれば中断されます ✨ ガードレールを活用して、安全性とコスト効率を両立したエージェントを構築しましょう！ #OpenAIAgentSDK# #AIAgent#

【ベネズエラ大地震】恐怖やストレス、深い悲しみが広がる現地――救助活動が続く一方、約5万人が行方不明 今回の大地震は、ベネズエラにおける過去100年以上の間で最も甚大な被害をもたらしました。 被災地では今も余震が相次ぎ、いまだ約5万人が行方不明とされています。救助隊が24時間体制で懸命な救出活動を続けるなか、子どもたちの不安と恐怖は深まる一方です。 現在、多くの子どもたちが路上や仮設テントでの生活を余儀なくされており、子どもたちの保護は最優先かつ緊急の課題です。 国連によると、この壊滅的な地震により、最大676万人が影響を受ける可能性があります。 電力、水道、通信、交通といった重要インフラは深刻な被害を受けており、医療体制はひっ迫し、被災地域の学校も閉鎖されたままです。 セーブ・ザ・チルドレン ベネズエラ事務所のカントリー・ディレクター、ファティマ・アンドラカは次のように話しています。 「恐怖やストレス、そして深い悲しみがあらゆる場所に広がっています。家族たちは涙を浮かべながら、自身の経験を私に語ってくれます。今もなお、必死に家族や友人を探し続けている人たちもいます。」 セーブ・ザ・チルドレンは現在、ベネズエラ国内で行政機関や地域パートナーと協力しながら、支援活動を進めています。 基礎医療サービスの提供、衛生キットや安全な飲料水、生活必需品の配布を行うほか、子どもたちが心理的なサポートを受けながらまなびを継続できる安全なスペースの設置を進めています。 さらに、栄養状態のスクリーニングや、子どもの安心・安全を守るための活動、離ればなれになった家族の捜索および再会支援にも取り組んでいます。 あなたのご寄付が子どもたちの「安心」を支えます 。 災害のあと、子どもたちに必要なのは、物資だけではありません。 安心できる環境と、寄り添い守ってくれる大人の存在です。 あなたの想いが、ベネズエラの子どもたちの一日も早い安心と日常を取り戻す力になります。 「2026年ベネズエラ大地震 緊急子ども支援」へのご寄付をお願いいたします。

🔬 「50人のチームが手元にいて、1日で全部やってくれる感覚」。Geminiベースのマルチエージェントが科学仮説を生成・討論・進化させ、肝線維症の瘢痕応答を91%ブロックする薬剤候補まで導きました。 タイトル: Co-Scientist: A multi-agent AI partner to accelerate research URL: 📝 概要 Co-Scientistは、Geminiを基盤とする協調型のマルチエージェントAIで、新規の科学仮説を生成・批評・洗練します。仮説の生成と評価のサイクルを自動化することで、ブレイクスルーの発見を加速する「AI研究パートナー」として機能します。 ❓ 解決する課題 研究者は、情報過多とますます複雑化する課題の中で、ブレイクスルーとなる仮説を立てるのに苦労します。膨大な文献にまたがる断片的な事実を結びつけ、有望な研究方向を特定するのが難しいのです。 💡 方法論と提案手法 3つのフェーズに専門エージェントを配置します。 ・生成フェーズ：Generationエージェントが文献とデータに基づき新規仮説を提案し、Proximityエージェントが仮説をクラスタ化して多様な探索を確保します ・討論フェーズ：Reflectionエージェントが「仮想ピアレビュア」として批判的に評価し、Rankingエージェントがペアワイズ比較とEloベースのトーナメントで優先順位付けします ・進化フェーズ：Evolutionエージェントが上位仮説を継続的に洗練・結合し、Meta-reviewエージェントが最終的な研究提案を統合します ・計算資源の大半を「検証」に充て、主張をChEMBLやUniProt、Web検索、AlphaFoldなどの専門ツールと突き合わせます 🎯 ユースケース 抗菌薬耐性、植物免疫、肝線維症の治療発見、ALSの機序探索、細胞老化の逆転、感染症タンパク質の特定、代謝疾患、老化生物学など、幅広い生命科学領域に応用されています。 📊 実験結果 ・肝線維症で、瘢痕に関連する応答の91%をブロックする薬剤候補を特定しました ・細胞老化では、実験室で細胞を若返らせる遺伝的リードを生成し、スクリーニング解析を数ヶ月から数日に短縮しました ・100以上の研究機関がテストし、Stanford、MIT、Cambridge、Calicoなどが協力しています ・第一三共やBayer Crop Science、米国の国立研究所にエンタープライズ版が展開されています #AIforScience# #AIエージェント#