Issue 63 · 2026-09-21 · AI × Biology
SpecOpt 把“提高既有药物对目标蛋白相对于脱靶蛋白的选择性”定义为独立的分子优化任务。Agent 分别对目标与脱靶蛋白执行对接，比较残基级原子接触差异，再让大语言模型提出局部结构修改，并用相似度、ADMET 与对接选择性进行筛选。
在 915 个化合物的计算基准中，作者报告 84.8% 的化合物改善了模型估计的目标—脱靶结合差；消融实验显示，去掉残基身份后改进消失。该文是未经同行评审的 arXiv 预印本，所有核心证据仍来自对接和计算筛选，不能等同于真实结合选择性或安全性改善。
EnSol 将溶质和溶剂分别编码为分子图，再以交叉注意力建模两者相互作用，同时把温度注入溶剂环境，并用混合密度网络输出完整的溶解度分布。相较固定溶剂或确定性预测，它试图同时处理条件变化与实验不确定性。
作者在 SolProp 和 Leeds 独立基准上报告 Spearman 相关系数分别为 0.876 和 0.601；在多类溶质—溶剂组合的实验验证中，溶剂排序相关系数为 0.715。该文是未经同行评审的 arXiv 预印本；实验验证提升了可信度，但跨更广化学空间和配方场景的泛化仍需检验。
这项工作针对 Cellpose-SAM 在实验室 CPU 和边缘设备上的部署，提出按成像模态审计的后训练量化方案。评价标准不是单一平均精度，而是要求每种模态相对 FP32 的实例分割性能变化都满足预设保留边界。
在 176 个图像视野上，W8A16 保持各模态实例 F1；混合 W4/W8 将权重存储缩小 6.76 倍且未观察到灾难性失败，而三值量化在 169 个视野上失败。论文已获 NeurIPS 2026 LXAI Workshop 同行评审接收，但样本规模和单一模型限制了对其他显微任务的外推。
研究用量子生成的双随机矩阵替换 Transformer 的 softmax 注意力，尝试从常规病理图像预测基因表达，重点面向样本有限的癌种。评价覆盖 TCGA 的 29 个癌症队列及独立胰腺癌队列，并在 IBM 量子处理器上复现底层矩阵构造。
结果并非全局提升：部分小队列、基因和通路获益，另一些则变差，胰腺癌跨队列迁移也不稳定。该文是未经同行评审的 arXiv 预印本；它更支持“量子注意力具有条件性价值”，尚不足以证明对病理分子画像存在普遍优势。
BrainWideBench 基于 International Brain Laboratory 的 Brainwide Map，覆盖 139 只小鼠、276 个脑区的神经与行为记录，用统一协议评估跨动物表征迁移。三组任务分别考察行为解码、遮蔽或未来神经活动预测，以及能否恢复有生物意义的解剖组织。
预训练总体优于匹配的单会话基线，但收益强烈依赖预训练目标与下游任务的对齐，没有一种方法在三组任务上都占优。该文是未经同行评审的 arXiv 预印本；其主要贡献是公开、可复现的测量框架，而不是已经得到通用脑基础模型。
MIRCID 从 L1000 标志基因表达中推断泛癌枢纽 miRNA，把这些调控特征用于通路分类和基于相似度的药物作用机制检索。研究比较原始基因表达、推断的转录因子活性和 miRNA 表示，观察不同表示能否补足扰动转录组中的机制信息。
作者报告 miRNA 增强比转录因子活性带来更一致的跨任务收益，并展示部分弱转录信号样本可由生物学上合理的 miRNA 模式挽救。该文是未经同行评审的 arXiv 预印本；关键 miRNA 多为模型推断而非同步实测，论文也明确把真实扰动 miRNA 的恢复留作后续验证。