从构象集合分子生成，
到 AI 设计 CAR‑T

这项工作把三维分子设计从“寻找一个生物活性构象”改写为同时优化构象集合的模式与整体性质。框架可把形状、药效团或蛋白口袋等条件在推理时组合，并允许模型同时趋近或避开多个构象状态。

作者在双靶点结合物和活性态选择性激动剂两类任务中报告，加入额外状态条件可改善目标结果，并公开代码、数据与检查点。该文是未经同行评审的 arXiv 预印本；目前证据主要来自计算基准，尚无合成或实验活性验证。

研究团队整合 RFdiffusion、ProteinMPNN、AlphaFold2-multimer 与 BindCraft 等流程，筛选了 1,758 个面向 BCMA、CD19 和 CD22 的新设计蛋白结合物，并通过蛋白结合、T细胞激活和体内杀伤实验评估其作为 CAR 识别域的可行性。

实验揭示持续性信号、表位遮挡和脱靶活性三类主要障碍，并用序列变体与结构启发式设计缓解部分问题。论文已在 Nature Biomedical Engineering 正式发表，但定位仍是临床前框架；它说明“能结合”与“能作为有效CAR”之间存在必须由实验跨越的距离。

ReGeoDTA把药物—靶标亲和力预测的瓶颈前移到表示阶段：如果化学异质性和蛋白连续几何关系在进入交互模型前已被压缩或离散化，后续增加预测器复杂度也难以找回丢失的信息。

作者在三个基准数据集和多类DTA架构中报告，保留表示保真度可稳定改善预测，而人为降质会持续拉低表现。该文是未经同行评审的 arXiv 预印本；结论来自公开基准，能否转化为新靶点上的化合物优先级仍需前瞻测试。

MIRAGE专门检查结构共折叠与亲和力模型的高分究竟来自可迁移的结合规律，还是训练数据中相近蛋白家族的重复暴露。基准把历史家族支持度设为显式轴，并加入家族隔离、配体单独基线和时间切分。

作者报告 Nesso-1 与 Boltz-2 的亲和力表现随家族支持上升，而在新家族上排名发生逆转；单个低支持外部靶点的结果只是佐证。该文是未经同行评审的 arXiv 预印本，部分结论受模型覆盖度限制，但它提供了比单一相关系数更严格的审计框架。

RAGCell不直接把通用LLM当作细胞模型，而是先用LLM构建细胞级与特征级知识库，再把检索到的文本知识转化为监督信号，与细胞表示对齐，试图降低大规模单细胞预训练的成本和文本—表达空间差距。

作者在六项单细胞下游任务中报告相对现有基础模型的竞争性表现，并称训练成本低于预训练方案的约十分之一。该文为未经同行评审的 arXiv 预印本；知识库质量、检索偏差和跨数据集稳定性仍需要独立复核。

SeqMaestro在核苷酸序列与可解释机器学习之间建立两层接口，把特征表示、提取策略和透明模型组合起来，并利用不同可解释模型之间的一致性寻找比单次特征重要性更稳健的生物信号。

系统还覆盖数据清洗、调参、可靠性分析与自动生成语境化报告，定位是从序列走向可检验假设的无代码工作流。该文是未经同行评审的 arXiv 预印本；摘要未提供湿实验验证，自动生成的“假设”应被视作候选而非生物学结论。