Issue 62 · 2026-09-19 · AI × Biology
LDDM 是一个统一三维生成框架，覆盖约束与无约束对接、片段连接、片段生长和从头设计，并通过可编程设计算法把合成可及性与细粒度目标直接纳入生成过程。它试图解决结构生成模型常见的落差：计算上好看，但生成物难以合成或缺少真实实验检验。
作者在五个治疗相关蛋白靶点上合成并测试候选，报告在少量合成分子中获得确认结合的配体，部分最佳设计还接受了 NMR 与 X 射线晶体学表征。该文是未经同行评审的 bioRxiv 预印本；实验覆盖显著增强了可信度，但不同靶点的命中率、活性和后续药性仍应逐项审视。
LLMsFold 把几何口袋识别、70B 级 LLaMA 系列模型生成 SMILES、Boltz-2 蛋白—配体共折叠与亲和力预测，以及强化学习优化串成一条从头药物设计管线。奖励同时考虑模型预测亲和力与合成可及性，并在 ACVR1 和 CD19 两个靶点上展示流程。
论文报告的优势目前主要来自计算预测：候选具有较好的模型亲和力和类药性，但摘要未提供合成或湿实验结合验证。该版本是 9 月 18 日更新的、未经同行评审的 bioRxiv v2 预印本；其价值更偏向可复现工作流，不能把模型打分直接视作真实药效。
BoneGraph 将 7,449 篇全文文献、248,629 个段落向量和包含 1,597 个概念的骨科学知识图谱组合为本地运行的专域系统。其五个模块覆盖带引用问答、语义检索、物理与知识图谱约束的自纠推理、骨区图像分类，以及从微型 CT 推断位移和应变场。
作者在自建的 30 问检索基准上报告 0.928 MRR，视觉分类在 MURA 留出集达到 92.6% 准确率；给定正确段落后，推理准确率由 42% 升至 78%。该文是未经同行评审的 bioRxiv 预印本，基准规模较小且由团队自建，公开测试和外部用户验证会更关键。
OpenLipid 让大语言模型直接评估 DIA 脂质组数据的提取离子色谱图，在零样本设置下识别目标脂质峰，并为每次判断生成可读理由。工作流基于 DDA 建立的检测库，在人血浆和小鼠粪便的正、负离子模式数据上与人工标注及现有软件比较。
在 5% FDR 阈值下，系统在四组数据上的识别率随样本和离子模式显著变化；总体与 DIAMetAlyzer 接近，并高于同一检测库目标上的非靶向 MS-DIAL 分析。该文是未经同行评审的 bioRxiv 预印本，结果显示 LLM 可进入定量分析流程，但跨仪器、实验室和新脂质类别的稳健性仍待验证。
MESIC 不再先学习难以命名的细胞嵌入、再事后解释聚类，而是先让生物医学语言模型把数据库中的基因文字摘要映射为语义表示，再压缩成由少量基因支撑的可解释组件。任意表达数据都可投射到同一语义坐标系，每个聚类与离群点因此能追溯到具体基因及其知识描述。
作者在心肌细胞与肺图谱中展示：语义空间中的离群点和聚类与已知生物学相符，并为部分原本未注释的细胞给出高置信度归类。该文是未经同行评审的 bioRxiv 预印本；方法的解释性依赖数据库文字质量，跨物种、疾病和知识更新后的稳定性仍需系统评估。
NEMo 将免疫检查点治疗前后肿瘤亚克隆的纵向变化作为体内免疫编辑信号，以 CD8 和 CD4 两个分支训练新抗原免疫原性分类器。模型不只依赖 MHC 结合预测，而是加入旨在描述更广泛免疫原性决定因素的 NeoPrecis 特征。
作者报告模型能在四类未见临床场景中恢复经实验确认的新抗原，并揭示驱动突变及落在丢失或沉默 HLA 等位基因上的新抗原可能逃避免疫编辑。该文是未经同行评审的 bioRxiv 预印本；结果来自回顾性序列与临床队列，进入个体化疫苗或细胞治疗决策前仍需前瞻性验证。