bioRxiv生物信息学 Testing the reliability of AI-generated protein structures Xu A, Salzberg S 编者按系统评估 AlphaFold2 等工具的可靠性边界，发现在同源性低的区域结构预测仍存在明显缺陷——当前 AI 结构预测仍需实验验证兜底。 结构预测AlphaFold可靠性评估
bioRxiv生物信息学 MoE-Bind: Guiding De Novo Protein Binder Generation with Sparse Experts Sarkar D, Sarkar C 编者按以混合专家（MoE）架构驱动从头蛋白质结合子设计，绕开对三维结构的依赖，在计算效率上有实质性突破。 MoE从头设计蛋白质结合子
bioRxiv生物信息学 ProtAff: Protein Binding Affinity Prediction via LoRA-Finetuned ESM-2 Chu L-S, Vogt J, Chungyoun M, Gray J J 编者按以 LoRA 参数高效微调蛋白质语言模型 ESM-2 预测结合亲和力，效果超越 AlphaFold3 基线，训练成本极低。 LoRA 微调ESM-2亲和力预测
arXivcs.LG × q-bio.BM EasyNano: rapid epitope-targeted nanobody CDR design via differentiable distogram optimization with ESMFold2 Hu Y, Cheng W, Wang J, Liu Y 编者按可微优化 distogram 结合 ESMFold2，实现表位靶向纳米抗体 CDR 的快速设计，为抗体工程提供轻量级计算方案。 可微优化纳米抗体CDR 设计
arXivq-bio.BM × cs.LG Viral Proteins Reveal Geometry of Protein Language Models Bigot A et al. 编者按以病毒蛋白为探针解析蛋白质语言模型表示空间的几何结构，为理解大模型内部语义组织提供新视角。 蛋白质语言模型表示几何病毒蛋白
bioRxiv生物信息学 PertDiffBench: Benchmarking Diffusion Models for Single-Cell Perturbation Response Prediction Song Z, Xiang Y, Song Z, Jin W et al. 编者按系统对比扩散模型与多种基线方法在单细胞扰动预测任务上的表现，结论审慎：当前扩散模型的优势尚不稳健。 扩散模型单细胞扰动Benchmark
arXivcs.LG × q-bio.GN OCOO-T: A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction Jiang D, An Z, Zhao Y, Lai L 编者按基于流匹配（Flow Matching）构建可扩展虚拟细胞模型，直接在连续基因表达空间上建模扰动响应，简洁而有效。 流匹配虚拟细胞转录扰动
bioRxiv生物信息学 RNARL: Reinforcement learning-driven unified generative framework for multi-objective RNA codon design Lin S, Tan H, Wang K et al. 编者按强化学习驱动的多目标 RNA 密码子设计统一框架，有效克服现有方法在长序列处理与跨任务泛化上的双重瓶颈。 强化学习RNA 设计密码子优化
arXivcs.CL × q-bio.GN The Dark Regulome: Disentangling Predictability from Regulation in Genomic Foundation Models Baranwal C, Baranwal A, Tandon L N 编者按区分基因组大模型的"可预测性"与真实调控功能，提示当前模型所学或为序列统计规律，而非生物调控机制本身。 基因组大模型可解释性基因调控
arXivq-bio.NC × cs.LG Deep Sleep Classification via EEG Signal Criticality: A Passive BCI Approach for Sleep-Improvement Neurofeedback Narębski S, Komendziński T, Rutkowski T M 编者按以 EEG 信号临界性特征结合贝叶斯分类器识别深度睡眠阶段，平衡准确率达 87.2%，为睡眠神经反馈提供被动式 BCI 方案。 EEGBCI睡眠分期
arXivcs.LG × q-bio.NC FlexiBrain: Resolution-Agnostic Voxel-Level Encoding for Native fMRI Wang M, Ye W et al. 编者按提出分辨率无关的 fMRI 体素级深度编码架构，无需空间降采样即可处理任意采集分辨率的脑影像，推理效率显著提升。 fMRI体素编码脑影像分析
arXivcs.LG × q-bio.NC Flow Matching with In-Context Priors for Out-of-Distribution Brain Dynamics Gijsen S et al. 编者按将上下文先验嵌入流匹配生成框架，针对性解决脑动态数据分布外泛化难题，适用于小样本神经影像建模。 流匹配脑动态建模OOD 泛化
arXivcs.LG × q-bio.NC Extracting Governing Equations from Latent Dynamics via Multi-View Contrastive Learning Muratore P, Mathis M W 编者按DYSCO 算法借助多视角对比学习，从高维噪声神经记录中自动提取潜在动力系统的控制方程，兼具数据效率与可解释性。 对比学习神经动力学方程发现
bioRxiv生物信息学 ADMETron: An AI-driven SaaS platform for comprehensive ADMET prediction and compound prioritisation Nair D N, Yadav R S et al. 编者按AI 驱动的 ADMET 全属性预测 SaaS 平台，覆盖吸收、分布、代谢、排泄、毒性五维，支持候选化合物的快速优先级排序。 ADMET 预测药物筛选SaaS 平台
arXivcs.LG × q-bio.QM Physics-Informed Neural Networks for Chemotherapy Pharmacokinetics Bisht R, Agarwal D 编者按将物理约束嵌入神经网络建模化疗药物动力学，组织浓度预测精度超越标准临床 PK 模型，为个体化给药方案提供计算支撑。 物理信息神经网络药动学化疗建模
arXivcs.LG × q-bio.NC End-to-End Machine Learning for Depressive State Classification via EEG and fNIRS Sakurai R, Kojima S et al. 编者按融合 EEG 与 fNIRS 双模态信号，以端到端机器学习分类抑郁状态，无需手工特征，面向临床辅助诊断的落地应用。 多模态融合抑郁识别临床 AI
arXivq-bio.QM × cs.LG A likelihood-based framework for simultaneously learning both noise and growth dynamics using biologically-informed neural networks Crossley R M, Baker R E 编者按将生物先验约束整合进神经网络似然框架，在同一模型中联合学习生物系统的噪声过程与生长动力学，尤其适用于小样本场景。 物理信息网络生长动力学噪声建模
bioRxiv生物信息学 Virus-human protein-protein interactions predict viral phenotypes Zhang Z, Feng Y, Ge X, Meng X, Peng Y 编者按以病毒-人类蛋白互作网络预测宿主嗜性与组织向性等核心病毒表型，为感染机制研究与抗病毒策略设计提供计算工具。 蛋白质互作网络病毒表型宿主嗜性
bioRxiv生物信息学 COMPASS enables cohort-independent digital biomarker discovery and pathway quantification Sinha S, Ghosh P 编者按提出队列无关的通路活性量化框架，消除组群组成对生物标志物性能的依赖，提升精准医疗研究的跨队列可复现性。 生物标志物通路量化精准医疗