2024 年 4 月的“美国大日食”（“Great American Eclipse”）使正午骤变为近乎夜晚，多种鸟的日常节律和鸣叫行为也呈剧变：它们中有些变得默然无声，有些突然鸣叫，更有众多鸟类在太阳复现后误以为天亮而突然齐鸣（“伪黎明合唱”），仿佛新的一天已然开始。在一项融合市民科学、机器学习和涵盖整个大陆的自然实验的新研究中，科研人员揭示了光干扰对鸟类行为的即时影响。鸟类的昼夜与季节性节律受到光暗转换的严格调控。但是，当这些光暗周期被突然打断时（如日全食期间）会发生什么情况呢？尽管以往的研究试图了解日食对动物行为的影响，但大多数的研究仅提供了有关动物反应方式的零星或轶闻性片段。Liz Aguilar 和同事将 2024 年 4 月的日全食视为一个罕见的研究机会，因为此次日食会在美国中部和东部大片地区造成近 4 分钟的日间昏暗，从而为研究鸟类如何对光照突变做出反应提供了一个前所未有的自然实验。 在 2024 年 4 月的日全食来临之前，Aguilar 等人开发了一款智能手机应用程序：SolarBird，它能让用户实时记录日食期间鸟类的行为。市民科学家利用该应用程序在日食路径的 5000 公里范围内生成了近 1 万个观测数据。与此同时，Aguilar 等人在印第安纳州南部各地部署了自动记录装置，它们在日全食发生前、发生时和发生后捕捉到了约 10 万次鸟叫声。这些录音由 BirdNET 进行分析；后者是一个能够识别物种叫声并对声音活动进行量化分析的人工智能系统。据研究结果披露，在检测到的 52 个鸟类物种中，有 29 种鸟的发声行为会在日食期间的某个时刻发生显著变化，但日食并非对所有物种产生同样的影响。在日全食发生前的几分钟内，随着天空变暗，有 11 种鸟比平时叫得更欢。在为时四分钟的黑暗中，有 12 种鸟产生了反应：它们中有些陷入沉默，另一些则变得更为活跃。最强烈的反应发生在太阳复出之后，当时有 19 种鸟改变了它们的鸣唱方式，仿佛掀起了一场伪黎明合唱。横斑林鸮的鸣叫频率比平时高出四倍，而以黎明前鸣叫闻名的知更鸟的鸣叫频率则高出平时六倍。据 Aguilar 等人披露，这些变化模式表明，日食暂时重置了一些鸟类的生物钟，促使它们的行为仿佛迎来了刚开始的新的一天。 关注研究趋势的记者请注意，一篇发表于 2025 年 8 月的《科学》研究文章显示了光污染会如何影响鸟类的鸣叫行为。据 Brent Pease 等人的研究披露，在光污染环境下，鸟类的鸣叫时间通常会延长近一小时，尤其是那些眼睛较大、巢穴开放、有迁徙习性、活动范围广以及处于繁殖季的鸟类。

一项新的研究显示，为利用对大多数捕食动物来说难以获取的丰富食物资源，欧洲体型最大的蝙蝠会在夜间飞入高空捕食候鸟。这项研究通过生物记录仪的直接观察证实了毛翼山蝠（Nyctalus lasiopterus）的这种行为。在高海拔地区进行长距离夜间飞行的季节性候鸟有数十亿只之多。这些数目庞大的鸟群（尽管猎取难度很大）堪称捕食动物的膏粱之馈。但是，只有三种飞行速度快且能回声定位的蝙蝠（包括毛翼山蝠）已知会利用这种机会：它们会在夜间捕猎雀形目飞鸟，尽管这些鸟类体型相对较大，且具有灵活的躲避空袭能力。然而，对这种猎杀行为的证据主要基于毛翼山蝠粪便中存在的鸟类遗骸，但有关这些活动的直接证据颇为罕见。这些蝙蝠在何处以及如何捕猎如此难以对付的猎物仍不得而知。 为填补这一知识空缺，Laura Stidsholt 和同事为 14 只毛翼山蝠配备了高分辨率生物记录器，后者可记录飞行高度、回声定位和 3D 移动，并追踪它们的捕猎行为。与典型的短距离、低空捕食昆虫不同，Stidsholt 等人观察到两种值得注意的空袭方式：该蝙蝠在发现猎物前会先振翅飞升 400 米以上，然后再展开长时间的向下高速追扑。每次追击都包含 40 多次间隔快速的回声定位嗡鸣，表明毛翼山蝠正在持续追逐某单一目标。尽管其中一次袭击以失败告终，但另一次空袭则成功捕获了一只欧亚鸲，这一事实通过所录制到的该鸟的遇险鸣叫而得到证实。在捕捉到猎物之后，毛翼山蝠很可能通过致命一咬而将该鸟结果。在回声定位声之间记录到的后续咀嚼声表明，毛翼山蝠在连续 23 分钟的飞行过程中吞食了该鸟，但其飞行高度未受影响。利用捕食动物 DNA 条形码和 X 射线对采自毛翼山蝠捕猎地下方的鸟类翅膀所做的分析揭示了毛翼山蝠独特的咬痕。据作者披露，这表明毛翼山蝠在飞行过程中会去除猎物翅膀而使其失去行动能力，同时又能减少空气阻力及便于猎物操控——这一技巧类似于捕捉大型昆虫时所采用的空中捕食策略。这种空中猎物处理方式与猛禽和其他食肉蝙蝠形成鲜明对比，后者通常在歇息时进食大型猎物。

由人工智能辅助的蛋白工程正在蛋白设计领域实现突破，但它们同时也带来了与产生潜在有害蛋白相关的生物安全挑战。尽管用于检测有害蛋白的筛查软件业已存在，但一项对这类软件进行的为期数月的新分析报告称，该软件存在漏洞；一些令人担忧的蛋白可能会躲过检测。至关重要的是，该研究还提出了一种在未来提高令人担忧蛋白检测率的方法。由人工智能辅助的蛋白设计（AIPD） 在医学和生物学领域取得了重大进步，因为它能使研究人员修改现有蛋白或设计具新颖结构与功能的全新蛋白。然而，这项强大的技术也可能因不当使用而设计出有害蛋白。在实验室中制造蛋白的必要步骤是订购编码该蛋白的 DNA。提供这些合成核酸的公司会用生物安全筛查软件（BSS）来筛选客户订单，旨在发现和阻断可编码令人担忧蛋白的基因。然而，蛋白质序列生成模型可能会产生功能性变体，其氨基酸序列与受控样本因差异足够大而逃避检测。尽管如此，目前尚未对 BSS 的漏洞进行系统性评估，而在生成式蛋白设计的潜在生物安全风险方面也缺乏国际性规制。Bloomfield 等人此前在《科学》“政策论坛”上发表的文章以及 David Baker 和 George Church 撰写的社论都凸显了这些问题。 在本研究中，Bruce Wittmann 和同事采用一种“AI 红队演练”法来评估 BSS 模型，旨在改进这些模型以增强生物安全性。Whittmann 等人利用开源 AI 蛋白质设计软件生成了超过 7 万 5000 种蛋白危险变体，并将其提交给四家不同的 BSS 开发商；他们发现，虽然所有工具在筛选原始野生型蛋白质时表现近乎完美，但它们检测重新设计变体的能力却不稳定。据作者披露，这些结果表明，尽管当前的 BSS 系统对未改变的序列仍然有效，但在面对通过现代生成式 AI 方法设计的蛋白序列同源物时（尽管这些同源物相似），它们仍缺乏稳定一致的灵敏度。根据这些初步发现，Wittmann 等人与 BSS 供应商合作开发了软件补丁，并由四家 BSS 中的三家部署到其系统之中。这些更新提高了该软件对 AI 生成变体的检测率，但假阳性却并未显著增加。尽管如此，作者仍然指出，没有任何工具能够做到全面覆盖：在各供应商中，约有 3% 最有可能保留功能的变体仍能躲过检测。该研究的资深作者兼微软首席科学官 Eric Horvitz 说：“人工智能的进步正在推动生物学和医学领域的突破；但随着这种新能力而来的是保持警惕和进行风险周密管控的责任。除了识别并努力减少这一特定漏洞之外，我们的目标是开发和展示一个有效的流程：建立一个应用严谨科学方法创建共享敏感数据和见解框架的跨领域团队，其目的是在推进科学发展的同时管控潜在风险。” 本研究的作者已告知《科学》杂志，由于可能被误用，部分数据和代码不宜在公共代码库中公开。因此，作者设计了一个数据发布的分级访问机制，即允许相关各方通过联系非营利组织“国际生物安全与科学生物安全倡议 ”（或 IBBIS）的指定代表来申请获取受限资料的访问权限；IBBIS 的网址为 https://ibbis.bio。申请者需提供其身份、所属机构和对数据用途的简要说明；申请者需遵守数据使用协议。IBBIS 的一个委员会将对申请进行评估，并确定申请者提供的信息是否准确及其拟议用途是否合法。受限数据会根据信息危害等级进行分类；最高等级包含研究中使用的代码，其发布取决于与拟议用途的适配度。《科学》杂志的编辑一致认为，该拟议方案充分平衡了安全顾虑与Science Editorial Policies 中关于数据和代码可用性的要求。作者还对未来数据解密和/或数据管理的延续性做出规定。如对通过此方案获取数据存在任何疑虑，请联系 science_data@aaas.org。