BioTender / 论文速递

Daily Digest — 2026.06.17

AI × 生物 每日论文速递

每日精选 bioRxiv 与 arXiv（q-bio、cs.LG）交叉领域的新论文，配中文编者按，帮你快速判断哪些值得读。

10
今日论文
8
bioRxiv
2
arXiv
5
研究方向
01

靶向降解与扩散模型

2 篇
bioRxiv生物信息学

DesignMaster: A Multi-Conditional Diffusion Framework for Rational PROTAC Design

Shi B, Jiang Z, Liu Y, Jiang L et al.
多条件扩散框架同步优化 PROTAC 三体结构（POI-linker-E3），降解效率中位值提升 2.1 倍，linker 几何合规率从 34% 升至 81%。
  • 方法：扩散生成 PROTAC 结构，以 POI 结合分、E3 结合分和 linker 几何约束作为多条件联合引导
  • 结果：生成分子降解效率（DC50）中位值提升 2.1 倍，linker 几何合规率从 34% 升至 81%
  • 亮点：首次在单一框架内端到端优化 PROTAC 三体相互作用，无需分步独立设计
编者按PROTAC 设计是药物发现中计算建模难度最高的方向之一，需要同时满足三个分子的几何约束。此工作将扩散生成与多约束优化结合，是当前最完整的计算 PROTAC 设计框架。
局限 · 当前仅支持 BRD4、FKBP12 等少数经典靶标，对新靶标的泛化能力尚未系统验证。
PROTAC扩散模型靶向蛋白降解
bioRxiv生物信息学

DNA-Binding Specificity Recognition from Predicted Homologous Protein-DNA Structures

Zeng W, Zhang P, Gao Y, Jiang T
从 AlphaFold 预测的同源 TF-DNA 结构提取特异性规则，无实验数据条件下 AUROC=0.79，超越序列比对方法。
  • 方法：用 AlphaFold 批量预测同源 TF-DNA 复合物结构，提取接触残基特征，训练分类器预测结合基序
  • 结果：无实验数据条件下结合特异性预测 AUROC=0.79，显著超越序列比对（0.67）
  • 亮点：将 AlphaFold 的结构预测能力延伸至基因调控层面，补充了实验数据匮乏的 TF 家族
编者按将结构预测的进展转化为 TF 结合特异性研究工具，实用价值明确。对研究调控网络但缺乏大量 ChIP-seq 数据的物种（如非模式生物）尤其有价值。
局限 · 依赖同源结构质量，对结构数据库覆盖较差的 TF 家族（如 bHLH 的远缘同源）预测精度下降。
转录因子结合特异性蛋白质-DNA
02

空间转录组学

2 篇
bioRxiv生物信息学

DOMINO: Unveiling Spatial Domain Structures in Spatial Transcriptomics via Graph Diffusion Learning

Jia P, Yang N, Gao X, Li X
图扩散信息传播聚合邻域表达模式用于空间域识别，在 10x Visium 人脑切片上 ARI=0.71，较 STAGATE 提升 14%。
  • 方法：在细胞邻接图上执行多阶图扩散，聚合多跳邻域的表达信息后进行域聚类
  • 结果：人脑 DLPFC 切片 ARI=0.71，较 STAGATE 提升 14%；在低细胞密度区域表现尤其稳定
  • 亮点：图扩散隐式模拟空间信号梯度，比简单的 k-NN 平均更符合生物学梯度扩散规律
编者按空间域识别是空间转录组分析的核心步骤，DOMINO 在多种组织类型和平台上的稳定性是其实用优势。对需要精细分辨层状结构（如大脑皮层、肠道绒毛）的研究特别适用。
局限 · 图扩散阶数（k）对结果影响较大，需要针对不同分辨率平台（Visium vs MERFISH）分别调参。
空间转录组图扩散域识别
bioRxiv生物信息学

Correcting Spatial Transcriptomics Data Affected by Transcript Leakage

Shi C H, Scheben A, Edwards D, Batley J
定量评估 10x Visium 中转录本泄漏污染程度（平均 8.3%），提出计算校正方案，校正后差异表达假阳性率降低 41%。
  • 方法：利用不表达目标基因的组织区域作为"阴性对照 spot"，定量估算泄漏比例并建立校正模型
  • 结果：10x Visium 数据转录本泄漏率平均 8.3%（范围 3–22%）；校正后 DEG 假阳性率降低 41%
  • 亮点：泄漏校正工具开源，可直接整合进现有 Seurat/Scanpy 空间分析流程
编者按转录本泄漏是空间组学数据质量的系统性隐患，但鲜有工作量化其影响。此文的校正方案对所有使用液滴/微流控平台空间转录组数据的研究者都应列为标准预处理步骤。
局限 · 校正需要样本中存在可识别的阴性对照区域，对均匀表达的组织类型校正精度有限。
空间转录组数据质量转录本泄漏
03

基因组学与序列分析

2 篇
bioRxiv生物信息学

AMaNITA: An End-to-End Workflow for Native tRNA Nanopore Sequencing and Analysis

Katopodi X L, Begik O, Novoa E M
首个 tRNA 纳米孔直接测序端到端流程，支持 m1A、m5C 等修饰位点检测，灵敏度 87%，修饰定量误差 <8%。
  • 方法：整合 tRNA 特异性碱基调用、修饰位点检测和丰度定量，适配 Oxford Nanopore 直接 RNA 测序
  • 结果：m1A/m5C 修饰检测灵敏度 87%，tRNA 丰度定量误差 <8%，成功区分 tRNA 同工受体
  • 亮点：填补了 tRNA 纳米孔分析工具的空白，避免了传统方法（小 RNA-seq）对修饰位点不敏感的问题
编者按tRNA 修饰在翻译压力响应和密码子偏好性中起关键作用，但修饰检测一直是技术瓶颈。AMaNITA 打通了从纳米孔原始信号到生物学结论的完整链路，是 tRNA 研究者期待已久的工具。
局限 · tRNA 的短序列和丰富的二级结构导致测序覆盖度不均匀，低丰度 tRNA 同工受体的区分仍有挑战。
tRNA纳米孔测序RNA 修饰
bioRxiv生物信息学

MetaHarmonizer: Robust Biomedical Metadata Harmonization Using LLMs with LLM Contamination Detection

Li C, Zhang Y, Xu H, Liu J
LLM 自动统一 GEO/ENCODE/GTEx 等多库生物医学元数据，谐和准确率 91%，内置污染检测识别 LLM 记忆引起的虚假谐和。
  • 方法：LLM 跨数据库映射元数据字段，结合本体验证和 LLM 污染检测（成员推断测试）
  • 结果：GEO/ENCODE/GTEx 元数据谐和准确率 91%，处理速度比人工快 200 倍
  • 亮点：内置 LLM 污染检测，可识别模型"记住"训练数据而非真正理解导致的虚假谐和
编者按多组学数据集成中元数据不一致是被严重低估的障碍。MetaHarmonizer 把这个痛苦的手工步骤自动化，内置污染检测更是不可缺少的可信度保障——是大型多组学研究的基础设施工具。
局限 · LLM 对高度专业化的临床元数据（如罕见疾病亚型、特殊用药方案）谐和准确率下降至 74%。
LLM元数据谐和化数据集成
04

神经科学与计算建模

2 篇
bioRxiv神经科学

Incorporation of Single-Neuron Projectome-Based Connectivity Motifs Enhances ANN Performance

Sun Y, Jin H, Song Y, Shi J et al.
将单神经元投射组连接模体嵌入 ANN，使视觉任务 ANN 与小鼠视皮层活动相似性提升 23%，同时目标任务性能提升 6%。
  • 方法：从单神经元投射组数据提取 feedforward/feedback 连接模体，作为网络权重先验初始化 ANN
  • 结果：ANN 与小鼠视皮层神经活动的相似性（RSA 分数）提升 23%，目标视觉任务性能提升 6%
  • 亮点：生物约束不仅提升了神经科学相似性，还改善了任务性能——两者并非零和
编者按"从大脑学习网络结构"系列研究的重要进展——生物神经回路的连接模体不只是生物学细节，而是有实质计算价值的约束。对 AI 与神经科学双向借鉴的研究者有参考意义。
局限 · 目前仅在小鼠视觉皮层的投射组数据上验证，跨物种和跨脑区的泛化性尚不明确。
投射组人工神经网络脑启发 AI
bioRxiv神经科学

Cell-Type-Specific Cortical Feedback Coordinates Hierarchical Credit Assignment in a Spiking Network

Greedy W, Kaplanis C, Bhatt M, Bhatt K
脉冲神经网络中细胞类型特异性皮层反馈实现分层信用分配，学习效率与梯度下降相当但生物学约束更严格。
  • 方法：在脉冲神经网络中建模锥体细胞/中间神经元的细胞类型特异性反馈回路，推导信用分配规则
  • 结果：分层信用分配在 MNIST/CIFAR-10 上与反向传播误差仅差 3%，同时满足生物学突触局域性约束
  • 亮点：首次证明细胞类型多样性对实现高效信用分配至关重要，不同细胞类型扮演不同的"误差信号路由"角色
编者按连接深度学习理论与神经回路生物学的桥梁研究。大脑是否执行了某种"反向传播"是神经科学核心问题之一，此工作为细胞类型多样性在学习中的功能角色提供了计算证据。
局限 · 模型简化了树突整合和神经调质的调控，真实皮层回路的信用分配可能更复杂。
信用分配脉冲神经网络皮层反馈
05

蛋白质语言模型基准

2 篇
bioRxiv生物信息学

Intrinsic Dataset Features Drive Mutational Effect Prediction by Protein Language Models

Vieira L C, Lin S, Wilke C O
系统分析揭示 pLM 突变效应预测性能的 47% 方差由数据集特征（序列深度、保守度）解释，模型架构本身贡献仅 12%。
  • 方法：在 ProteinGym 等多个基准上系统分析 pLM 性能与数据集特征（MSA 深度、保守度、序列长度）的相关性
  • 结果：47% 的性能方差由数据集固有特征解释，模型架构差异仅贡献 12%；MSA 深度是最强预测因子
  • 亮点：对当前"新模型刷新基准"的浪潮发出警示——性能提升可能来自训练集，而非真正的模型进步
编者按对蛋白质 AI 领域的重要警示：我们可能系统性高估了 pLM 的泛化能力。所有声称在突变效应预测上创新高的工作，都应该用此框架控制数据集偏差后重新评估。
局限 · 分析主要覆盖单点突变预测，组合突变和功能性 epistasis 的情形尚未系统研究。
蛋白质语言模型突变效应预测基准评测
bioRxiv生物信息学

Predicting Mouse Lifespan-Extending Chemical Compounds Using Machine Learning

Belikov A V, Leonova E, Mikhailova O
基于 ITP 数据库已知延寿化合物训练 ML 模型，预测新候选分子，3 个候选在 C. elegans 验证延寿效果（+12–18%）。
  • 方法：从 ITP/DrugAge 数据库提取已知延寿化合物，提取分子指纹特征，训练随机森林/XGBoost 分类器
  • 结果：Top-10 候选中 3 个在秀丽隐杆线虫中验证延寿 12–18%；1 个候选进入小鼠实验阶段
  • 亮点：将计算预测直接对接实验验证，建立了从结构特征到表型的闭环验证流程
编者按在老龄化研究热潮下，此工作展示了计算方法加速延寿药物候选发现的可行性。3 个候选化合物的线虫实验验证使其超越了纯计算工作的范畴，有较高转化价值。
局限 · 延寿表型在线虫到小鼠间的转化成功率历史上低于 30%，计算候选的跨物种外推仍需谨慎。
长寿药物预测抗衰老