从抗体闭环发现，
到 RNA 与肽的动力学生成

RNADyn 把 RNA 构象动力学同时处理为生成与表征问题。作者整理 RNADynBench，包含经质量控制的全原子分子动力学轨迹，并设计防止数据泄漏的划分；RNADynNet 则以共享骨干连接轨迹生成、单构象动力学指纹提取和物理约束。

论文报告物理约束有助于改善生成动力学以及指纹中可恢复的物理信息，并单独设置高柔性 RNA 挑战集。该文是未经同行评审的 arXiv 预印本；结果来自计算基准和模拟轨迹，尚不能替代更长时间尺度模拟或实验构象动力学验证。

PepTIDE 关注肽分子动力学中容易被固定采样间隔遗漏的跨亚稳态过程。模型把训练窗口的时间跨度作为连续变量输入，并结合物理时间嵌入、随机插值流与几何感知注意力，同时覆盖线性肽和环肽。

作者在 PepMD 与一个环肽基准上比较分布一致性、结构有效性和状态间通量，认为多时间尺度训练更有利于恢复稀疏转换帧。该文是未经同行评审的 arXiv 预印本；证据仍来自模拟数据，生成轨迹对真实动力学和药物开发价值的外部验证尚待完成。

ImmuneAgent 从未经抗原标记的人类 B 细胞受体库中寻找广谱中和抗体，将多模态推理、持续元学习与湿实验反馈组成闭环。作者在疫苗接种或感染队列中筛选并克隆候选，随后用体外中和实验和流感小鼠挑战验证部分结果。

论文报告系统找到跨流感、人偏肺病毒和人乳头瘤病毒的中和候选，并尝试归纳细胞来源与结构特征。这是未经同行评审的 arXiv 预印本；虽然包含湿实验和动物证据，跨队列复现、候选选择偏倚及临床转化仍需独立验证。

RipplePLM 的目标不是只给突变打分，而是生成自然语言形式的功能影响解释。模型用预训练蛋白语言模型构建突变扰动场，再依据预测接触图把局部直接影响与多跳远端影响拆开，并通过潜变量注入稳定性、最适 pH 等性质监督。

作者在 MutaDescribe 的时间划分和结构划分上与突变专用基线比较，并加入专家评价和低样本适应度回归。该文是未经同行评审的 arXiv 预印本；生成描述的生物学可靠性仍受训练语料、接触图预测和专家评估规模限制，不能替代实验注释。

这项工作把分子基础模型之前的数据准备环节作为研究对象：PubChem 和工业筛选数据库中的实验格式、检测技术等元数据经常缺失或相互矛盾。作者比较七种开放和闭源 LLM，测试它们能否从实验文本补充或审计 BioAssay Ontology 标签。

结果显示常见实验类型较容易获得一致标注，少数类别则需要按类别估计可靠性并保留人工复核；专家审阅也发现部分分歧源自既有标签本身。该文是未经同行评审的 arXiv 预印本；银标准的不一致意味着高表面一致率不等同于真实准确率，自动标签不宜未经审核直接进入训练管线。

NeuroLens 试图从长期神经记录中分离表征变化与电极记录不稳定性。它采用 JEPA 式自监督学习，以自适应编码器把不断变化的神经元群映射到共享空间，再预测未来潜在状态，以保留可跨时段复用的任务相关结构。

作者在小鼠与人类慢性颅内记录上报告更稳定的跨日解码、未来会话泛化和对未见神经群体的少样本适配。该文是未经同行评审的 arXiv 预印本；目前证据来自有限数据集和解码任务，潜在空间是否对应可解释且可迁移的神经机制仍需进一步检验。