从进化约束基因组模型，
到可干预的生物智能

GPN-Star把多物种全基因组比对和物种树直接写入基因组语言模型：模型通过系统发育感知的交叉注意力汇聚不同进化距离的信息，并对突变率背景进行校准，目标是从DNA序列中更有效地学习功能约束。

论文在编码区与非编码区变异效应、复杂性状遗传力和罕见变异关联等任务上系统评估模型，并扩展到五种模式生物。该文已于9月9日在 Nature 正式发表；其价值不只是扩大模型，而是用明确的生物学结构约束训练，但具体临床解释仍需结合任务与人群验证。

作者提出“干预有效性”：脑动力学基础模型不仅要重建或预测被动观测，还应在少量个体适配后，保留给定状态与受控输入下未来轨迹的条件分布。论文从时间序列、动力系统结构和未见干预响应三个层面给出评估框架。

受控双稳态随机系统模拟显示，接受输入激励的预训练在少样本适配时优于只看被动轨迹的模型。作者明确指出，这只是原理验证，尚未处理真实脑记录的噪声和部分可观测性；该文为未经同行评审的 arXiv 预印本。

GRACE面向离子迁移质谱的碰撞截面预测，把预训练三维分子几何编码器与加合物条件早期融合结合起来，并让网络学习相对于加合物感知物理描述符基线的残差，以分离主要的质量—截面趋势。

作者在九千余条实验分子—加合物记录上设置随机、骨架和加合物敏感划分，并报告在所比较学习模型及多个外部测试集上取得更低误差。该工作是未经同行评审的 arXiv 预印本；其外推能力仍取决于新化学空间、构象和仪器条件的覆盖。

GSF-χ针对普通图编码器容易忽略镜像差异的问题，让中心或轴手性单元形成覆盖全部原子的全局相位场，再用手性伪标量控制潜在注意力中的相对旋转，使反射操作能够改变表示而非被模型抹平。

作者在电子圆二色谱相关任务中验证奇偶分解与镜像一致性，并报告多个中心和轴手性输出相对基线改善。该文是未经同行评审的 arXiv 预印本；结果集中于特定光谱任务，尚不能直接等同于药效、毒性或合成选择性的提升。

这项工作把电子健康记录基础模型视为生成患者轨迹的策略，将再入院等预测问题改写为事件条件、时间窗口受限的推理任务，并设计考虑有限滚动长度与暂时不确定结局的奖励进行强化学习微调。

作者报告微调后模型在所测任务上超过预训练骨干和强基线，且小模型在有限数据条件下可超过更大的预训练模型。该文为未经同行评审的 arXiv 预印本；轨迹更接近历史记录并不自动意味着因果或临床决策有效，仍需前瞻验证。

PyFLI为荧光寿命成像提供统一的数据导入、可控噪声模拟、参数估计和基准评测框架，覆盖不同探测器与采集方式，并同时容纳传统拟合、贝叶斯推断和可选的深度学习方法。

它的意义更偏向AI实验基础设施：学习式方法需要带真值且贴近仪器噪声的数据，统一模拟与交叉软件比较有助于暴露训练—测量错配。该项目是未经同行评审的 arXiv 预印本，摘要主要描述框架能力，尚不能据此判断其在真实生物成像中的普遍优势。