BioTender / 论文速递

Daily Digest — 2026.07.04

AI × 生物 每日论文速递

本期聚焦 LLM 驱动全基因组机制注释、多尺度抗体糖基化预测、单细胞多组学基因调控网络推断、MERLIN-SUITE 转录因子活性感知 GRN 框架，以及超双曲图神经网络抑郁症脑电分类与深度集成 AD 早期诊断。

6
今日论文
6
arXiv
0
bioRxiv
3
研究方向
01

LLM 生物信息学与生物制造

2 篇
arXivq-bio.GN · cs.AI · ICML 2026 GenBio Workshop

Affinage: Genome-Scale Mechanistic Gene Annotation from the Published Literature

Di Bernardo M, Cheeseman IM et al. (Whitehead Institute / MIT)
TL;DR：Affinage 是一套两阶段 LLM pipeline，从已发表文献中自动提取实验直接证据（读取阶段）并综合生成机制描述（合成阶段），为 19,293 个人类蛋白质编码基因生成结构化注释。在直接对比中，Affinage 在 99.1% 的基因上优于 UniProt 人工策划注释；所有注释公开发布于 affinage.wi.mit.edu。
  • 方法：两阶段 pipeline——第一遍仅提取原始文献中的直接实验证据；第二遍跨文献推理生成综合机制描述，每基因运行一次并存储为结构化注释
  • 结果：覆盖 UniProt 缺少功能描述的数千基因；约 10% 蛋白质组被识别为机制上未表征；99.1% 基因注释质量超越 UniProt
  • 亮点：读取与合成严格分离——确保注释可追溯到具体实验证据，而非 LLM 幻觉；输出可直接作为下游分析的知识图谱输入
编者按 基因组注释是整个生物信息学的地基，但 UniProt 等人工策划数据库的覆盖率一直是短板——大量基因的功能分散在几十年的文献里无人系统整合。Affinage 用 LLM 做这件事非常合理：任务结构清晰（读取→综合），目标明确（有无实验证据），质量可评估。开放注释数据集可能比方法本身更有价值。
局限：质量依赖原始文献可及性（开放获取覆盖率不均）；LLM 对复杂实验语境的理解存在系统性误读风险，需领域专家抽样验证。
基因组注释LLM文献挖掘蛋白质功能
arXivq-bio.QM · q-bio.MN · q-bio.SC

GlycoMAC: Multiscale Metabolic Framework for Predicting Antibody Glycosylation in CHO Cultures

Zeng Y, Harcum SW et al.
TL;DR：GlycoMAC 将单细胞动力学模型与群体随机描述整合，预测氨基压力等条件下 CHO 细胞生产抗体的糖基化模式。引入"累积摄氧率变化"作为代谢转变的紧凑生物标记，成功预测了氨压导致的 G0F 升高和半乳糖化降低现象。
  • 方法：单细胞级代谢-糖基化耦合模型 + 群体随机分布，追踪 Golgi pH、核苷糖水平、锰辅因子等分子状态在细胞间的异质性传播
  • 结果：在生产 VRC01 抗体的 CHO-K1 细胞系上验证，准确重现氨压条件下的糖型分布偏移；累积摄氧率指标与实测代谢状态高度相关
  • 亮点：从群体平均模型跨越到单细胞异质性感知——关键糖型（G0F、半乳糖化程度）的质量变异正是源自细胞间代谢状态差异
编者按 抗体糖基化是生物制药 QC 的核心指标，直接影响免疫效应功能和药代动力学。传统模型用群体平均掩盖了细胞异质性——而 GlycoMAC 表明正是这种异质性导致批次间质量波动。对 CHO 工艺开发者来说，有预测性的机制模型远比黑盒回归模型更有价值，因为它能指导工艺干预策略。
局限：目前仅在 CHO-K1 + VRC01 单一细胞系/产品组合验证；模型参数多，在新细胞系上需要重新标定；氨压以外的其他压力条件（渗透压、溶氧）尚未覆盖。
糖基化CHO细胞生物制造多尺度建模
02

基因调控网络推断

2 篇
arXivq-bio.GN · q-bio.QM · cs.LG

scMTNI: Inferring Dynamic Cell-Type-Specific Gene Regulatory Networks from Single-Cell Multi-Omics

Hazra S, Kumari C, Roy S (Univ. Wisconsin-Madison)
TL;DR：scMTNI 整合 scRNA-seq 与 scATAC-seq 轨迹信息，用多任务学习框架推断细胞类型特异性基因调控网络（GRN）的动态变化。以细胞重编程数据集为示例，识别出控制细胞命运转换的关键调控因子。
  • 方法：多任务贝叶斯框架联合建模不同细胞类型/状态的 GRN，以细胞轨迹为约束条件整合染色质可及性与基因表达
  • 结果：在小鼠细胞重编程数据集上，识别出与已知重编程因子一致的调控枢纽；动态网络揭示细胞状态转变中的调控程序切换
  • 亮点：将"调控网络是静态的"假设替换为"调控网络随细胞轨迹动态演化"，更符合发育生物学的真实机制
编者按 单细胞 GRN 推断是计算生物学的老难题：数据稀疏、维度高、因果方向难以确定。scMTNI 的亮点是把时间维度（细胞轨迹）引入推断过程，而不只是在某个细胞状态"快照"上建模。多任务框架能在细胞类型间共享统计强度，这对稀有细胞群尤其有帮助。
局限：推断的调控关系仍是统计相关而非因果验证；轨迹推断质量高度依赖 UMAP/伪时序方法，引入上游误差；计算成本随细胞类型数量增加显著。
基因调控网络单细胞多组学细胞轨迹多任务学习
arXivq-bio.GN · q-bio.QM · cs.LG

MERLIN-SUITE: Probabilistic Gene Regulatory Network Inference with Transcription Factor Activity Modeling

Hazra S, Kotvanova M, Roy S (Univ. Wisconsin-Madison)
TL;DR：MERLIN-SUITE 是一套概率 GRN 推断工具包，核心创新在于 MERLIN-P-TFA 对潜在转录因子活性（TFA）建模——解决"TF mRNA 水平不等于蛋白质活性"的根本性问题。整合 motif、ChIP 和扰动数据增强生物合理性，在单细胞多模态小鼠重编程数据集上验证。
  • 方法：MERLIN-P 整合 motif/ChIP/扰动外部知识；MERLIN-P-TFA 在此基础上引入 TF 活性潜变量，用正则化推断真实蛋白质级别的调控活性
  • 结果：在多个基准和真实数据集上，TFA 感知版本一致优于仅使用 TF 表达量的方法；发现传统方法因 TF mRNA-蛋白质解耦导致的系统性偏差
  • 亮点：对"mRNA 不等于活性"这一生物学事实的计算响应——TF 活性受翻译后修饰、核转位等多层调控，表达量只是粗略代理
编者按 转录因子调控是基因调控研究的核心，但大多数计算方法仍用 TF mRNA 代替 TF 活性——这个假设对很多 TF 来说根本不成立（如 NF-kB、p53 等受磷酸化调控的 TF）。MERLIN-P-TFA 把这个隐含假设显式化并建模，是方法论上的重要一步。实践中的难点是 TFA 的潜变量推断需要足够的数据密度支撑。
局限：TFA 潜变量推断在数据稀疏条件下不稳定；外部知识（ChIP-seq 等）的质量和覆盖率直接影响先验设置；计算资源需求较高。
基因调控网络转录因子活性多组学整合贝叶斯推断
03

临床神经科学 AI

2 篇
arXivcs.LG · q-bio.NC · eess.SP

SA-HGNN: Sample-Adaptive Hyperbolic Graph Neural Network for EEG-Based Depression Recognition

Li Y, Hu P, Zhang Y
TL;DR：SA-HGNN 将双曲几何引入 EEG 脑电图的抑郁症识别，以双曲空间的树状层级结构建模脑区功能连接的层级组织。样本自适应机制动态调整不同患者间的特征提取权重，在多个公开 EEG 数据集上超越欧氏空间基线。
  • 方法：EEG 信号构建脑功能连接图，图神经网络在双曲 Poincare 盘空间中操作，样本自适应层根据个体差异动态调权
  • 结果：在多个公开 EEG 抑郁症数据集上分类准确率超越欧氏空间 GNN 基线 3–5 个百分点；双曲嵌入显示出更清晰的类间分离
  • 亮点：双曲几何对树状/层级结构数据天然适配——大脑功能连接网络确实具有层级化模块结构，选择对应的几何空间是个有物理意义的设计
编者按 双曲神经网络在图数据上的优势已在社交网络、知识图谱等领域得到验证，引入脑连接组是顺理成章的。更关键的问题是：EEG 抑郁症识别的真实临床价值还有多远？数据集通常很小，跨数据集泛化性和对运动伪影/情绪状态的鲁棒性才是走向临床的硬门槛。
局限：现有 EEG 抑郁数据集规模小（通常百人级），跨数据集泛化性未充分验证；双曲空间的梯度稳定性训练难度高于欧氏空间。
EEG抑郁症识别双曲几何图神经网络
arXivcs.LG · q-bio.NC · eess.SP

Predicting Early Stages of Alzheimer's Disease and Identifying Key Biomarkers Using Deep Neural Networks and Ensemble Machine Learning

Ghosh D
TL;DR：结合深度人工神经网络与集成机器学习（随机森林、梯度提升等）方法，从多模态生物标记数据中预测阿尔茨海默病早期阶段并识别关键诊断特征。系统性比较多种集成策略在早期 AD 分类中的表现。
  • 方法：深度 ANN 提取高阶特征，集成学习方法（RF、GBT、AdaBoost）对生物标记数据进行分类，SHAP 分析提取关键预测特征
  • 结果：集成方法在早期 vs 晚期 vs 认知正常三分类上优于单一模型，关键生物标记与临床已知危险因子高度一致
  • 亮点：早期诊断是 AD 干预的核心窗口——现有药物在症状期效果有限，早期标记物识别对未来精准预防策略有直接意义
编者按 这类集成学习 + 生物标记研究数量很多，新颖性相对有限。价值在于系统性对比和 SHAP 驱动的特征归因——在临床决策辅助场景里，可解释性比准确率更重要。真正的挑战是前瞻性验证：模型能否在症状出现前 5–10 年就给出可靠预测？
局限：单一数据集验证，特征空间覆盖度和样本量受限；前瞻性验证和跨种族泛化能力缺失；所用生物标记的获取成本在基层医疗中较高。
阿尔茨海默病早期诊断集成学习生物标记