从可编程序列，
到机制可信度

CodonMamba把编码序列设计拆成两层：先从大规模CDS语料学习受生物约束的序列空间，再在生成阶段加入用户指定的密码子使用先验。这样，宿主或应用偏好不必固定在训练权重中，可在推理时切换，并用于多项序列属性的协同优化。

作者报告该模型在12项mRNA预测任务中有10项排名第一，并展示了无需重新训练的跨宿主CDS重定向。该工作仍是未经同行评审的bioRxiv预印本，证据目前主要来自计算基准与设计实验；生成序列能否在不同细胞体系中稳定提高表达、半衰期或免疫学表现，仍需系统湿实验验证。

iSCALE面向突变引起的蛋白—RNA结合自由能变化预测，把隐式多尺度空间耦合编码注入双向状态空间模型，希望同时捕捉局部界面变化与更远距离的结构关联。作者还把同一框架测试到蛋白稳定性和蛋白—蛋白结合变化任务，并分析模型权重与结构特征的一致性。

论文报告iSCALE在所用ΔΔG基准上优于比较方法，并能区分同一突变配不同配体、或同一复合物不同突变位点等相近样本。该文是未经同行评审的bioRxiv预印本，结论来自回顾性计算数据；在独立盲测、测量误差控制及真实变体筛选中的泛化能力仍待确认。

HuMonoAg-Bench收集412个抗体—人类单体抗原实验结构，其中134个在统一训练截止日之后发布，用于独立比较10种共折叠流程。作者发现近期方法相对早期系统进步明显：在不使用模板或实验约束时，最强方案可为约一半的截止日后Fv复合物生成中等或更高质量的首选模型。

结构分析把主要增益指向CDRH3建模，但当前失败更多源于没有采样到正确结合模式，而非已经采样后排序失败；理想化的真实表位约束能显著帮助较早方法。该文是未经同行评审的bioRxiv预印本，但使用实验结构和时间切分降低了明显的数据泄漏风险；仍需注意结构库本身的抗原类型与实验条件偏倚。

这项跨产业合作提出五项小分子机器学习验证建议，核心不是追求单一平均分，而是让数据切分模拟真实分布偏移，并明确模型在哪些化学空间和任务条件下失效。作者将框架应用于一个近期公开的ADME数据集，对两类模型进行案例分析。

研究归纳出外推、内插、表示与评估四类失败模式，并指出常见回顾性协议可能高估性能，同时漏掉关键的分子表示缺陷。该文是未经同行评审的bioRxiv预印本，更多是一套验证框架而非新预测模型；其实际价值取决于不同机构能否在前瞻性项目和私有数据上复现这些诊断。

scDrugPerturb-Bench不只比较预测表达矩阵是否相似，而是把单细胞对照—给药数据与文献整理的关键基因方向证据连接起来，并用机制保真度分数检查效应方向、效应量、基因集一致性、机制特异性和通路响应极性。资源覆盖181个数据集、423个注释响应案例和约250万个细胞。

在12种扰动预测模型、3个基线和10种数据切分中，常用表达相似度与机制分数的对应关系较弱，冻结的单细胞基础模型表示也只带来局部而非普遍优势。该文是未经同行评审的bioRxiv预印本，机制标签仍依赖文献整理且覆盖有限；但结果直接提醒，重建得“像”并不等于药物机制预测得“对”。

作者改造VAMP-seq平台，在人类细胞中用饱和突变系统测量ζ-珠蛋白HBZ的2696个氨基酸替换对蛋白丰度与稳定性的影响，并用代表性变体进行低通量正交验证。随后，团队训练深度学习模型，把HBZ实验数据外推到与地中海贫血相关、较难直接系统测量的HBA、HBB和HBG1旁系同源蛋白。

这项工作把高通量实验图谱与跨旁系同源预测接在一起，比单纯从公共数据库训练更接近“实验产生标签、模型扩展覆盖”的闭环。论文仍是未经同行评审的bioRxiv预印本；跨蛋白预测是否保持定量准确、蛋白丰度能否代表疾病相关功能，以及不同细胞背景的影响，都需要进一步验证。