从调控元件生成，
到可回退的结构解析 Agent

研究用几十个示例在提示中引导 Evo 2 生成调控 DNA，并进一步以序列到功能模型提供的奖励强化条件控制。作者在三种人类细胞系中验证了细胞类型特异增强子，并将候选包装进 AAV 检验小鼠皮层神经元标记。

这项工作把基因组上下文学习推进到体内功能验证，但实验覆盖的细胞类型、递送方式和候选数量仍有限，不能据此推断模型可普遍生成安全、可控的调控元件。当前版本为未经同行评审的 bioRxiv 预印本。

LPT 将蛋白结合体设计拆成固定的语言模型阶段，每个阶段使用受限的 Agent 循环、专用提示和工具权限，并可查询整理过的文献数据库，从自然语言目标推进到靶点、结构、热点与候选结合体。

作者展示了针对 CALCRL/RAMP1、PD-1/PD-L1 和 PVR-TIGIT 的三次端到端计算设计，但目前的成功依据主要来自多种折叠模型交叉检查，尚无结合、特异性或细胞功能实验。该文为未经同行评审的 bioRxiv 预印本。

CryoPilot 由重构与建模两个语言模型 Agent 组成，可从原始显微图像出发，检查中间图像与定量诊断，选择和配置 CryoSPARC 任务，并在不同处理路线间比较、回退和调整。

系统在公开 EMPIAR 数据集上展示了从重构到原子模型的连续工作流，并用持久环境保存决策轨迹；但公开数据复现不等同于无人值守处理未知样品，异常数据与人工干预边界仍需前瞻测试。论文为未经同行评审的 bioRxiv 预印本。

研究构建了连接 66 个外部研究工具的生物学多 Agent 系统，重点比较提示架构、角色分工与工具编排怎样影响跨领域假设生成，而不是只比较底层模型大小。

结果支持系统外壳会显著改变输出质量，但生成的科学想法仍只是待检验假设，工具调用成功和语言连贯性都不能替代实验验证与领域专家审查。当前版本为未经同行评审的 bioRxiv 预印本。

该基准在八个 ADMET 回归终点上，以严格化学型划分比较七种主动学习采集策略，以及深度集成和 MC Dropout 两类不确定性估计，并把预测精度、化学空间覆盖和计算成本放在同一协议下评估。

研究发现主动学习收益依赖具体终点与策略，较好的预测误差也未必转化为更有效的样本采集，提示药物发现中的主动学习不能只靠单一不确定性分数。该文是未经同行评审的 bioRxiv 预印本，仍需前瞻湿实验验证。

flashscenic 将模块构建、顺式元件富集剪枝和 AUCell 评分改写为批量 GPU 张量运算，目标是在保持与 pySCENIC 数值一致的同时，让大规模单细胞基因调控网络分析和重复运行更可行。

作者还比较了多种共识聚合策略，并在急性髓系白血病图谱上评估转录因子活性对批次整合的帮助；这些结论仍受所选组织、调控数据库与基准指标限制。论文为未经同行评审的 bioRxiv 预印本。