从结构与分子生成，
到可验证科研 Agent

PocketVE把蛋白口袋条件、三维坐标去噪和推理时性质引导放进同一个方差爆炸扩散框架。模型以EDM式训练与采样稳定几何，通过无分类器引导同时控制多项分子性质，并在训练时扰动蛋白口袋以增强正则化。

作者在CrossDocked2020与GenBench3D协议下报告，相较TAGMol基线，模型提高三维有效性并降低应变能；但更强的引导会损害几何质量和分布保真度。这是未经同行评审的arXiv预印本，结果主要来自计算基准，尚不能替代合成、结合或药效实验。

该工作用固定维度的分子级潜变量生成可变原子数的三维分子。第一阶段学习统一潜空间，第二阶段以流匹配采样潜变量，再由自回归Transformer同时决定分子大小、原子类型、坐标与化学状态，无需预先指定原子数。

作者报告模型在PCQM4Mv2上兼顾唯一性、新颖性、化学有效性与PoseBusters检查，并可用同一潜变量进行性质条件生成和内部排序。该工作是未经同行评审的arXiv预印本；优势仍集中在数据集与DFT验证指标，面向真实药物靶点的可合成性和活性需要进一步检验。

BackFlip-2尝试绕开昂贵的分子动力学模拟和构象集合生成，直接从平衡结构预测蛋白主链的定向柔性与残基间动态相关。其核心是SE(3)等变图神经网络，使模型能够表达铰链运动、催化环重排等具有方向性的局部动态。

作者称该模型可达到显著更大的构象集合生成模型的精度，同时推理速度快多个数量级，并开放权重和代码。这是未经同行评审的arXiv预印本；“直接预测动态描述符”适合快速筛选，但它压缩的是特定统计量，不能被视为完整动力学轨迹的替代。

这项研究把寡核苷酸序列表征与反应环境显式结合，用条件感知的核苷酸语言模型预测不同缓冲体系、检测条件和化学修饰下的熔解温度。它瞄准传统最近邻热力学参数难以覆盖新修饰与跨实验条件的问题。

作者报告模型在未修饰和化学修饰寡核苷酸上达到亚摄氏度级预测误差，并在锁核酸场景降低相对误差，在独立条件外数据上仍保持表现。这是未经同行评审的arXiv预印本；摘要所述泛化需要结合数据划分、实验批次和修饰类型覆盖范围审查。

SureRoute关注逆合成系统中“化学上看似合理、实验上却不可行”的幻觉。平台把多模型集成、数据资产检索与可执行验证器ChemHarness组合起来，检查竞争反应位点、选择性和机理依据，再以可靠性优先的方式重新排序路线。

作者在350个工业目标的基准上报告，SureRoute提高首选路线召回并显著降低可检测的化学幻觉，强调生成之后必须有可执行验证。这是未经同行评审的arXiv预印本；所谓“近零幻觉”限于其验证器能够定义和捕获的错误，不代表湿实验成功率或对未知反应条件的普遍保证。

Orchestra通过Model Context Protocol组合两个独立生信服务：RegNetAgents从ARACNe网络推断调控拓扑，CASCADE则提供LINCS敲低、DepMap必需性、超级增强子和DoRothEA置信度四类证据。候选只有在网络拓扑与外部实验线索相互印证时才获得更高优先级。

作者在TCGA乳腺癌、结直肠癌与胃癌面板上测试这一流程，并报告多源一致性在焦点基因中可为OncoKB或COSMIC癌症基因身份提供额外判别信息。这是未经同行评审的arXiv预印本；研究由单作者完成，验证面板有限，MCP编排的工程可靠性和跨癌种泛化仍需独立复现。