从蛋白功能检索，
到组织空间重建

FuncSeek把ESM-2、ProstT5和ProteinBERT三种蛋白语言模型的互补表示合并，再用监督式对比学习压缩到用于近邻检索的功能空间。设计目标是处理序列一致性低于30%时，传统比对难以可靠区分同源关系和酶功能的问题。

作者在CARE低同源分布外基准、多功能酶集合及BRENDA验证的TrEMBL酶集合上报告了优于所比较方法的EC4近邻检索表现，并提出只存储投影嵌入以支持大规模宏基因组搜索。该工作是未经同行评审的bioRxiv预印本，本次为v2更新；指标依赖参考注释和近邻定义，不能直接代表对未知功能的实验发现能力。

这项工作先比较嗜热菌、牛线粒体与脱氮副球菌的F1-ATPase同源酶，定位可能提高旋转速率的热点，再用聚焦突变探索和机器学习对组合突变体排序。它把同源知识、有限实验数据和候选优先级结合到一个可执行的蛋白工程流程中。

作者报告，最佳双突变体的最大旋转速率较野生型提高1.8倍，同时保留功能性热稳定性，并用动力学和结构比较讨论可能机制。该工作是未经同行评审的bioRxiv预印本；作者也明确指出，小训练集和突变间上位性限制了模型预测，因而证据主要来自这一个分子马达系统的实验验证。

Corpusome面向人类微生物组表征学习，整合curatedMetagenomicData、American Gut Project和EBI MGnify数据，形成包含187,546个样本的跨身体部位语料。数据被分为保留物种与通路深度的shotgun层，以及扩大口腔、皮肤、呼吸道和泌尿生殖道覆盖的16S层。

作者强调同时保留批次相关技术元数据，使模型能够显式处理来源差异，而不是把全部偏差混入生物信号；初步分析显示16S层的身体部位信号高于技术或来源方差。该工作是未经同行评审的bioRxiv预印本，当前贡献主要是统一语料和元数据基础，尚未证明某一种下游基础模型会因此获得稳定的跨队列泛化。

G2T尝试仅从解离后的单细胞基因表达重建组织空间。模型用注意力Transformer和条件流匹配预测细胞在学习到的嵌入空间中的两两距离矩阵，再通过多维尺度步骤把距离恢复为二维坐标，而不是直接回归每个细胞的位置。

作者在MERFISH小鼠运动皮层基准上报告其在三项标准指标上优于LUNA，并在小鼠中枢神经系统图谱上观察到更大相对增益；但后一个评测使用的是插补空间参考，并非实测坐标。该工作是未经同行评审的bioRxiv预印本，适合用于生成空间假设，不能替代真实空间测量或独立组织学验证。

L-STAR针对空间转录组分区方法在不同数据集上表现波动的问题，让视觉大语言模型观察候选空间域结果，自适应排序并整合多种检测方法。核心思路不是训练新的空间编码器，而是把视觉推理用作共识方法的选择与组合层。

作者在多组空间转录组数据上报告，L-STAR的综合结果比单一空间域检测方法更稳定且整体更优。该工作是未经同行评审的bioRxiv预印本；当前摘要没有给出足够细节来判断视觉模型对组织形态、标签提示或输入版式的敏感性，结论仍需完整方法、消融与外部复现支持。

OmniScore试图用同一个几何感知骨干为不同生物分子复合物评分。模型同时编码结构的图视图和序列视图，以坐标恢复、受损token纠正、分子身份预测和结构物理量为预训练目标，再通过轻量任务头适配抗体—抗原、纳米抗体—抗原及蛋白—配体任务。

作者报告，OmniScore在所评测的抗体与纳米抗体复合物质量评估指标上优于对照，冻结残基嵌入在功能位点基准上达到与专用蛋白token化方法相当的水平，蛋白—配体评分则与单任务方法相近。该工作是未经同行评审的bioRxiv预印本；所谓“通用”目前仅限所覆盖基准，仍需严格时间切分和未见靶标测试排除结构相似性带来的高估。