从病毒演化预测，
到数字脑与单细胞表征

antiGen直接从病毒系统发育树中学习演化历史，用于预测未来可能出现的序列变化。作者首先在SARS-CoV-2刺突蛋白上评估模型，重点考察训练时间窗之后、甚至当时尚未观测到的突变，而不是只做已知变体分类。

作者报告antiGen在SARS-CoV-2突变预测上达到领先表现，部分预测突变在体外假病毒实验中仍保持感染能力；模型也被用于流感、呼吸道合胞病毒和登革病毒的表面蛋白。该工作是未经同行评审的bioRxiv预印本；实验只验证了感染能力而非未来流行概率，预测能否跨监测偏差和生态变化稳定泛化仍待前瞻检验。

SPHERE是一种不依赖额外训练模型的敏感数据合成方法，在原始记录不离开本地环境的前提下生成可共享的“合成孪生”。作者希望让协作者和AI系统能够分析数据，同时以隐私与保真度证书约束再识别风险和统计失真。

论文在五个科学领域的33个数据集上评估，并报告均值、方差、相关性及线性统计结果得到保留，非线性学习和AI Agent分析也维持相近效用；还展示了英国生物样本库规模分析及多模态阿尔茨海默病队列。该工作是未经同行评审的bioRxiv预印本；“保护隐私”仍取决于攻击模型、证书假设和具体数据类型，不能等同于对所有重识别风险的绝对保证。

研究用颅内微电极记录受试者观看一次视听片段时的神经元脉冲，并为每位参与者训练带跨通道注意力的Transformer，尝试在分布外记忆回忆阶段预测其说出的具体人物或地点概念。模型把不同脑区和时间尺度的脉冲共同纳入表征。

作者报告，内侧颞叶信号可在睡眠前显著解码概念、睡眠后则不能；额叶信号呈相反模式，且较好的睡眠后额叶解码与更多非快速眼动睡眠相关。该工作是未经同行评审的bioRxiv v4预印本；结果来自个体化模型和侵入式记录，提示睡眠前后信息分布变化，但尚不能证明因果机制或支持一般化的记忆读取设备。

该数字脑共模拟框架把橄榄—小脑微回路的脉冲神经网络嵌入平均场虚拟小鼠脑，并通过图谱长程连接组耦合两个尺度。参数依据初级感觉皮层、运动皮层和小脑的多尺度实验数据调节，再通过计算机内切断关键连接分析其作用。

模拟结果提示，浦肯野细胞抑制可通过降低小脑核活动相关性提升处理效率，而苔藓纤维至小脑核通路可能驱动运动—感觉皮层相干。该工作是未经同行评审的bioRxiv v3预印本；这些是模型内机制推断，其可信度受参数辨识和网络抽象限制，仍需定向生理干预验证。

作者从单细胞RNA测序数据和与实验场景相关的生物医学文献构建文本训练集，再微调轻量级编码器式生物医学语言模型，使定量表达信息与文献知识进入共享表征。目标不是替代原始表达矩阵，而是为细胞嵌入增加可解释的功能、疾病和发育语境。

论文在免疫与发育数据集的受控评估中报告，该表征保留细胞身份，同时补充较稳定的情境信息。该工作是未经同行评审的bioRxiv v3预印本；摘要没有提供具体效应量，文献覆盖、文本构建方式和潜在知识泄漏都可能影响结果，跨组织与罕见细胞类型的泛化仍需进一步验证。

FADVI用变分自编码器把潜在空间划分为批次特异、标签相关和残差子空间，并联合监督分类、对抗训练与交叉协方差惩罚。它试图在校正实验和平台批次效应时，把技术变化与真实生物差异显式分开。

作者报告，FADVI在单细胞RNA测序、单细胞ATAC测序和高分辨率空间转录组基准中优于所比较的整合方法，并可归因与细胞身份或批次相关的基因。该工作是未经同行评审的bioRxiv v2预印本；“解耦”主要由模型目标与基准指标支持，潜在子空间是否对应真实因果来源仍需更强的外部扰动和跨平台验证。