Issue 80 · 2026-10-15 · AI × Biology
ProtModernBERT 将近年的 BERT 架构改进移植到氨基酸序列预训练，目标是改善实验室更关心的性能—算力比，而不是继续扩大参数量。作者在二级结构、无序区、亚细胞定位和 ProteinGym 零样本功能预测上，与 ProtBert、Amplify 和 ESM2 进行对照。
摘要报告其以减少约 80%–90% 预训练 FLOPs 的代价，达到或接近 Amplify-120M 与 ProtBert，并通过簇划分验证和随机初始化对照拆分架构与数据贡献。它目前是未经同行评审的 arXiv 预印本；训练语料规模、下游微调预算和跨家族外推仍需在统一协议下复核。
PMO-Dock 把分子优化评测从简单性质 oracle 推向结构对接，给出 25 个覆盖命中生成、先导优化和靶点选择性的任务。协议将验证任务与最终测试任务分开，并限制测试阶段的 oracle 调用预算，以减少在具体靶点上反复调参带来的乐观偏差。
作者比较强化学习、离散扩散、GFlowNet 与 LLM 进化搜索等四类方法，没有发现跨任务普遍占优的模型，超参数迁移也高度依赖方法。该结果提醒药物生成评测不能只看单一 docking 分数；论文尚未经同行评审，且 docking oracle 与真实活性、可合成性之间的距离仍然存在。
这项工作利用 DKO 从未扰动单细胞转录组预测细胞特异性的虚拟基因敲除效应，不要求预先重建基因调控网络或提供匹配扰动数据。作者把它应用于人、小鼠、果蝇和线虫数据，观察同一基因的预测响应随年龄增长而更分散。
分析还将更高的预测异质性与体细胞突变负担及衰老评分联系起来，提出衰老伴随调控稳健性下降的解释。由于核心证据依赖模型推断而非同细胞的真实扰动测量，这篇未经同行评审的 arXiv 预印本更适合作为可检验假说，不能直接视为因果机制证明。
论文追问扰动预测器是否真正学到未见基因组合的交互效应。作者以两个单基因效应相加作为朴素基线，并定义“加性分歧”衡量模型在组合预测中额外引入了多少非加性交互。
在三个 Perturb-seq 数据集和八类方法上，专用神经预测器并未稳定超过加性基线；模型偏离加性预测越远时，错误往往也越大。该作者稿已获 NeurIPS 2026 ML4Molecules Workshop 接收，但 Workshop 证据强度有限；这一诊断信号能否在真实闭环筛选中提升命中率仍待验证。
作者用条件生成模型表示系统发育树的后验分布，并以离散扩散训练从上到下、从中间向外或从下到上逐步构树。它面向似然函数难以写出或计算代价过高的复杂演化过程，希望以模拟数据替代受限的传统模型假设。
论文在真实与合成数据上比较 Phyloformer 2、MCMC 和 IQ-TREE，并报告在复杂模型下更准确地恢复树后验。这是 NeurIPS 2026 已接收作者稿，但结果仍受模拟器是否贴近真实演化过程影响；对大规模物种集合和模型错设的稳健性需要继续检验。
这项工作把科学 Agent 的可靠性定义为“哪些结果可以被发布”，并在工作流 DAG 外加入强制检查、故障隔离、版本追踪、重算和风险闸门。语言模型可以提出修复与审查意见，但不能绕过结构化验证器。
在两个工作流的 60 组注入故障实例上，作者报告全量验证可阻止无效结果发布，风险估计则以较少验证器换取相近安全性；同时，语言模型本身没有带来可测增益。该研究仍是未经同行评审的概念验证，样本量、故障类型和工作流覆盖有限，但为自治实验室提供了比“更聪明的 Agent”更具体的工程基线。