从无序蛋白可控生成，
到生物推理模型的输入审计

这项工作把蛋白生成从折叠结构主导的区域推进到内在无序区。作者基于 AlphaFold Database 整理的预测无序区训练自回归模型 IDiom，再用稀疏自编码器特征作为强化学习奖励，以控制组成、基序和功能相关模式。

作者在八类计算设计任务中比较 RL-SAE、激活引导和监督微调，并报告生成序列的预测定位与转录活性改善。该文是未经同行评审的 arXiv 预印本；主要证据来自模型预测，尚未证明生成无序区能在细胞中实现预期功能。

CODesign 直面序列与结构联合生成中的一致性问题：模型同时生成氨基酸序列、骨架和局部全原子构象，并通过一致性蒸馏数据与联合重采样，反复协调序列和侧链。

作者在蛋白靶点与配体靶点的结合体设计基准上报告较高的计算成功率，并计划开放数据、代码和权重。该文是未经同行评审的 arXiv 预印本；结果仍以计算评估为主，结合能力、可表达性和结构准确性需要实验验证。

pCoMole 用离散流匹配处理可变长度生物分子的多目标编辑，在用户偏好之外显式加入必须满足的终端约束。示例覆盖 GFP 精简、Cas9 缩短，以及把肽结合体压缩为同时优化多项药物相关性质的短肽模拟物。

作者还在湿实验中测试了两种经十处删除并伴随少量替换的 eGFP 设计，均在细菌细胞中保留可见绿色荧光。该稿件注明已发表于 NeurIPS 2026；实验只覆盖一个蛋白案例，不能据此推断其他目标或多约束任务也能稳定成功。

Higher-order Grammar Representation 将分子提升为组合复形，再解析成上下文无关高阶语法的产生式序列。这样既显式保留环系和重复基序等高阶拓扑，又能直接交给标准序列模型处理。

作者同时建立偏重复杂环系的 RingDiv 基准，并在分子生成与 MoleculeNet 迁移任务中比较多种表示。该文是未经同行评审的 arXiv 预印本；有效性和基准优势来自计算实验，尚未直接说明生成分子的可合成性或药理价值。

论文不再把准确率提升直接等同于“模型使用了生物学输入”，而是对六类模型中的 DNA、蛋白和单细胞表示做扰动、证据冲突、线性探针和推理轨迹分析，检查预测究竟依赖哪一路信息。

作者发现部分系统即使接入 Evo2 或 ESM3 表征，任务表现仍主要跟随文本；另一些系统则确实利用基础模型输入。该文是未经同行评审的 arXiv 预印本；结论针对所测模型和任务，但为生物多模态推理提供了比总准确率更严格的审计框架。

OpenMTB-Audit 面向分子肿瘤委员会场景，把模型回答区分为有支持、部分支持、无支持和信息不足，重点识别一种容易被总体安全分数掩盖的错误：把需要临床审查的部分支持方案一律拒绝。

作者用合成非小细胞肺癌病例评估八种 LLM 配置，并以模块化 AuditAgent 分离证据核验、缺失信息检测、分类和弃答，同时加入两名肿瘤科医生的标注比较。该稿件已被 PSB 2027 接收；病例为合成数据，不能替代真实肿瘤委员会中的前瞻性临床验证。