从生成式抗体，
到病理基础模型

这项工作比较Germinal、RFantibody和BoltzGen三种具备VHH设计能力的模型，以眼镜蛇长链α-神经毒素α-cobratoxin为靶点，并用统一的AlphaFold3界面置信度和自洽性标准筛选。只有Germinal产生了通过预设计算门槛的候选，随后作者扩大设计并实验测试46条序列。

其中42条可溶表达，获得4个结合命中；两条领先候选的亲和力分别为4.1 nM和10.8 nM，并在α-cobratoxin攻击中使小鼠全部存活，对完整眼镜蛇毒液的救援保护则较低。该工作是未经同行评审的bioRxiv预印本；结果提供了罕见的体内证据，但只覆盖单一毒素、有限框架和一次模型比较，不能外推为生成式VHH设计的普遍成功率。

ProbeMatchDTI针对药物—靶标模型容易被主导特征淹没、忽略弱但与结合相关的官能团和残基情境信号的问题。IterProbe在不同细化深度保留上下文状态并以可学习探针选择，BindingProbe再从局部生化单元和整体配对两个尺度建模药物与蛋白的互补性。

作者报告，该方法在BindingDB和DrugBank上的AUC-ROC分别比对照高2.0%和0.5%，并把预测接入基于证据的候选优化与验证规划流程。该工作是未经同行评审的arXiv预印本；当前证据仍以回顾性数据集为主，较小的指标增益是否能转化为新靶标、冷启动和前瞻实验中的有效发现尚待验证。

该框架不再把细胞仅表示为一个整体向量，而是联合RNA表达、蛋白序列表征、蛋白结构与亚细胞定位信息。模型通过交叉注意力整合多模态信号，并在不同亚细胞区室中建模它们的相互作用，希望保留细胞内部的空间组织。

作者将其定位为首个在统一跨模态范式中同时纳入转录组、蛋白序列、结构和定位知识的亚细胞分辨细胞嵌入框架。该工作是未经同行评审的arXiv预印本；摘要没有给出具体下游指标或独立实验验证，“首个”也是作者主张，实际增益需结合完整基准、消融和数据泄漏检查判断。

Mus siliconus提出一个闭环小鼠神经—肌肉骨骼数字孪生，把X射线CT、白光切片与Scx-GFP成像得到的解剖重建，同生物力学模拟、Bonhoeffer–van der Pol神经动力学和触觉反馈结合。它强调行为应由神经、身体和环境持续交互产生，而不是分别模拟各个模块。

作者认为，这类具身数字孪生未来可与自适应学习和自主实验结合，用于产生假设和预测干预。该工作是未经同行评审的arXiv预印本；当前论文更接近架构与研究愿景，尚未证明模型能够准确预测真实小鼠行为、疾病进程或干预效果，不能把“数字孪生”理解为已验证的虚拟动物。

这项研究考察颅内活检只取到反应性、非病灶脑组织时，病理基础模型能否仍识别潜在疾病。作者在186名患者的245张全切片上，以统一的注意力多实例学习框架比较UNI2-h、Virchow2、Prov-GigaPath和H-optimus-0四种冻结编码器。

粗粒度疾病分类很大程度可由切片大小这一捷径复现；限制到更细的诊断区分后，该混杂不再解释结果，而疾病信号仍高于置换检验机会水平，四个编码器间无统计差异。该工作是未经同行评审的arXiv预印本；样本量有限，研究价值更多在于揭示采集捷径并建立审计对照，而非证明反应性组织已经足以用于临床确诊。

该工作利用公开全切片病理基础模型进行零样本分类，对同一患者的多张切片排序，自动找出肿瘤或关键诊断信号最集中的切片。它瞄准的是训练和分析前的人工分诊环节，而不是直接输出癌症诊断或预后。

作者在多个数据集上报告，模型可以把肿瘤切片排到前列；即使患者最多有43张切片，目标切片也能进入前两名，并提出相应的排序评测方式。该工作是未经同行评审的arXiv预印本；结果依赖所用数据集和肿瘤标注，零样本排序能否跨机构、染色协议和罕见病种保持稳定仍需外部验证。