从口袋引导分子生成，
到可解释的扰动与影像表征

这项工作关注一个实际缺口：口袋条件分子扩散模型在三维坐标中采样，但先导优化通常围绕距离、接触和锚定子结构等商空间特征提出约束。作者提出 QRG，在不重新训练生成器的前提下，把这些目标转成受采样步长约束的推理时修正。

论文在受控任务和冻结的 TargetDiff 骨干上检验了该方法，并报告若干配体生成与编辑任务的有效性和运行时间改善。该文是未经同行评审的 arXiv 预印本；结果仍主要来自计算基准，不能直接推断合成可行性、结合活性或体内效果。

作者用两个面向性质的机器学习模型分别筛选与葡糖淀粉酶耐热性和近中性 pH 耐受相关的替换，再以折叠能引导组合，希望在不牺牲结构相容性的情况下同时改善多个工业性状。

候选突变经过实验筛选，最优双突变体随后接受酶活、稳定性、分子动力学和淀粉糖化验证，形成了从计算排序到湿实验闭环的证据链。该文是未经同行评审的 bioRxiv 预印本；结果针对特定酶与工艺条件，推广到其他酶系仍需独立验证。

SHERLOCK 把遗传、药理和实验扰动表述为潜在基线细胞状态上的结构化干预，联合学习稀疏且相关的扰动表示。这个设计试图把响应预测、下游效应解释、条件依赖与组合扰动放进同一套生成框架。

作者在 CRISPR、化学和空间扰动数据上展示了已知通路关系、条件特异响应及留出组合预测，并在明确的可识别性假设下进行反事实估计。该文是未经同行评审的 bioRxiv 预印本；“因果”结论依赖模型假设与数据设计，不应等同于新的实验干预证据。

Pop-Corn 不先重建完整基因表达，而是直接预测未见扰动如何改变细胞类型与细胞状态的组成。作者指出，平均表达预测准确并不保证能正确恢复群体比例变化，因此把组成偏移本身设为学习目标。

方法先在原代 T 细胞基准中测试，又扩展到完整组织中的局部细胞邻域，并借助注意力模式提出情境依赖的细胞互作假设。该文是未经同行评审的 bioRxiv 预印本；回顾性虚拟筛选适合用于候选排序，尚不能替代前瞻性扰动实验。

Hist2Sig 尝试从常规 H&E 全切片直接预测 30 种 COSMIC 单碱基替换签名的暴露，并设置仅依赖肿瘤类型的基线，以区分形态学信号与组织来源先验。

作者在 TCGA 配对的测序与病理数据上训练，并在较小的 CPTAC 队列中外部评估；表现随癌种变化，支持的是可行性而非临床替代。该文是未经同行评审的 arXiv 预印本，不能据此跳过基因组测序或直接用于治疗决策。

FlatClip 把皮层活动渲染成保留解剖几何的平面图序列，再复用冻结的 SigLIP2 图像编码器，仅训练轻量下游探针。它提供了介于粗粒度 ROI 表征与昂贵体素级专用模型之间的基线。

跨静息态和视觉 fMRI 任务的结果并非一边倒：方法在部分队列优于 ROI 基线，在另一些任务较弱，也未超过最强体素模型；空间扰动实验支持解剖布局有用。该稿件以 arXiv 公开并注明 NeurIPS 2026，结论仍需结合跨中心数据与具体任务审慎解读。