从糖链复合物建模，
到可生成的基因组空间

GlycoWeave 面向蛋白—糖链复合物建模，将糖链内部坐标中的扩散采样、原子与单糖两级表示，以及实验结构和势能优化结构的多源训练结合起来，重点约束连接关系、立体化学和构象合理性。

论文报告的基准结果显示它在所用蛋白—糖链集合上优于通用结构模型，但这一优势仍取决于数据划分、候选采样数和质量阈值。当前版本为未经同行评审的 arXiv 预印本，尚不能替代独立复现与新体系的实验结构验证。

AMARO v2.0 用保留全部重原子、隐式处理溶剂的粗粒化神经网络势，统一表示蛋白、小分子和多组分复合物，目标是在有限计算预算下扩展构象与结合动力学采样。

作者同时呈现了配体姿态保持、自由能估计和若干失败案例，说明加速并未消除位点特异性、四级结构重排和能量校准问题。论文为未经同行评审的 arXiv 预印本，应用于药物排序前仍需与全原子模拟和实验数据交叉验证。

研究把同时编码激酶催化结构域和底物肽段的 KINBERT，与可池化筛选激酶—底物相互作用的 phospho-PCA 实验平台连接起来，使文献数据训练、实验补充和模型更新形成闭环。

其价值在于用新实验数据检验并补强蛋白语言模型，而不是只在静态数据库上比较预测分数。不过候选底物、细胞环境和激酶构建体仍限定了可外推范围；论文是未经同行评审的 bioRxiv 预印本。

作者在 ESMFold 的折叠主干中训练稀疏自编码器，区分单序列表征继承的语义与成对表征计算的空间几何，并沿网络模块与循环追踪这些特征如何影响最终结构输出。

语言模型辅助解释和梯度归因能够提出可读机制，但“可命名特征”不自动等于真实生物物理因果。该研究主要解释模型内部计算，尚未证明这些字典可普遍诊断折叠失败；当前版本为未经同行评审的 arXiv 预印本。

DAPE-PD 将自回归基因组基础模型 Evo 适配为双向掩码扩散模型，用迭代去掩码生成启动子序列，并针对非模式肠道共生菌进行属级微调和候选优先级排序。

论文包含新生启动子的实验功能验证，使“生成调控 DNA”超出纯计算指标；但验证规模和物种范围仍有限，活性也不等同于可预测的表达强度与宿主安全性。该文为未经同行评审的 bioRxiv 预印本。

HELICS 先用卷积自编码器压缩跨染色体 SNP，再以条件流匹配生成合成个体基因型，支持按祖源和遗传风险摘要进行条件控制，目标是服务数据受限研究中的模拟、评测与扩增。

生成数据在等位基因频率和连锁相关结构上的逼真度，并不自动意味着隐私安全或下游推断无偏；论文也尚未证明它能替代真实少数祖源和罕见病队列。该版本为 NeurIPS 2026 已接收作者稿，仍应结合隐私攻击和任务级验证理解其边界。