从分子设计接口，
到基因组与空间组学审计

这项工作面向 RNA 的“先骨架、后序列”设计流程，在三维骨架与序列解码器之间加入学习得到的残基配对拓扑。模型把骨架几何转成概率化的配对状态，并以软注意力偏置的形式传递给序列生成。

意义在于，它把结构生成与序列设计之间原本松散的接口显式建模。不过结果主要来自计算生成、重折叠与有限实验结构上的评估；该文为未经同行评审的 bioRxiv 预印本，尚不能替代合成与功能验证。

UnibindMD 把 BindCraft 生成、独立结构预测、亲和力估计、可开发性筛查和全原子分子动力学串成一条肽结合体设计管线，试图降低单一模型置信度自洽却不一定物理稳定的问题。

它的价值更多在于流程级交叉检查，而非证明候选已具备实验活性。论文展示的是针对 Andes 病毒相关靶点的计算案例；全部结合与稳定性结论仍来自模型和模拟，且文章尚未经同行评审。

作者将 AlphaGenome 的细胞类型相关功能分数与 gnomAD 频率、VEP 注释结合，训练 AGVarPred，用于覆盖编码区、剪接区、UTR 与内含子变异的致病性预测。

外部数据集表现随标签来源明显变化，且模型解释显示等位基因频率仍是最强单项特征。这使论文的重点不只是总体分数，也包括 AlphaGenome 特征在传统临床注释基础上究竟增加了什么；结果属于未经同行评审的预印本，不能直接用于临床判定。

这项研究把“模型能否预测”改写为“模型在明确基线之后还能增加多少信息”，分别审计 AlphaGenome 与 RNA-FM 在非编码 RNA 实验读出上的增量贡献，并固定样本与染色体划分以减少比较偏差。

结果提醒，序列组成、可及性、身份聚合方式和正则化都会改变看似属于基础模型的增益。作者也明确指出，接近零或负增量不等于模型完全没有信息；当前结论仍受数据来源、预训练重叠不可核验等限制，且尚未经同行评审。

ALHENA 尝试把转录组基础模型中的分子表征蒸馏进 H&E 图像编码器，让常规病理切片在多尺度分析中携带由转录组监督塑造的表征，而不要求推理阶段继续输入配对组学数据。

这种跨模态蒸馏为病理基础模型提供了不同于纯图像预训练的路线。现阶段仍需关注配对数据偏差、跨癌种与跨中心泛化，以及表征是否真正对应可复现的分子机制；论文为未经同行评审的预印本。

作者系统比较虚拟空间转录组中的偶然与认知不确定性估计，覆盖黑色素瘤、肺癌和肾癌队列，并把校准程度与“能否额外识别大误差”分开评价。

主要发现是，不确定性与误差虽然相关，但大部分关联可由预测均值解释；校准良好也不代表不确定性具有额外信息。这为组织学到基因表达模型提出了更严格的可靠性标准，但结论仍限于所测试队列、模型与评估设置，且尚未经同行评审。