从直接入生物筛选，
到实验约束的蛋白构象生成

D2ML 针对直接入生物筛选中粗产物浓度不确定、纯化测量稀缺的问题，把单点筛选、粗样剂量反应和纯化化合物测量放进分阶段联合模型。作者还用模型选择新化合物，在 ROS1 活性与 TRKB 反靶点选择性之间进行多目标优化并完成合成测试。

这项工作较有价值的部分是让模型结构适配真实实验流程，而不是把粗筛数据强行当作标准定量标签。实验结果支持其在特定化学系列中的候选优先级能力，但跨靶点、跨化学空间的泛化仍需验证；本文为 arXiv 作者稿，注明收录于 NeurIPS 2026 AI4DD Workshop。

作者评估七个前沿 LLM 在上下文示例驱动的分子性质预测中，能否同时给出有用的不确定性。研究使用多个数据集，并专门检查训练数据污染，将模型的点预测和自报置信度与在相同样本上训练的传统基线比较。

结果显示上下文示例能够改善干净数据集上的预测，但自报不确定性对误差的排序能力仍有限；被记忆的数据集则会产生不同表现。该工作适合用于校准对通用 LLM 分子推理能力的预期，并不支持用自信度替代专门的不确定性估计；本文为未经同行评审的 arXiv 预印本。

scRM 将单细胞基础模型的预训练输入前移到原始 scRNA-seq reads，而不是先压缩成基因计数矩阵。作者认为这种路径能够保留常规计数流程丢弃的信息，并展示了原始数据预训练在较低计算成本下的可行性与竞争力。

这一路线可能把测序层面的信息重新纳入细胞表征，但当前证据仍需拆分“原始 reads 带来的增益”和数据集、预处理及架构差异。跨平台、跨实验批次和下游任务的稳健性仍是关键检验；本文为未经同行评审的 bioRxiv 预印本。

MUTUAL 冻结 scFoundation 与 EpiAgent 的单模态编码器，再结合转录组和染色质的线性摘要，在大量配对多组学细胞上学习共享 RNA—ATAC 空间。目标是让单模态研究直接利用公共 multiome 数据进行匹配、注释和调控活性迁移。

冻结编码器降低了对每个研究重新拟合大型模型的需求，也使跨模态对齐的贡献更容易分离。不过共享潜空间的准确度仍受参考数据覆盖和细胞组成影响，预测的转录因子活性不能直接替代实测染色质信号；本文为未经同行评审的 bioRxiv 预印本。

作者构建可微分的 spin-center diffusion 模型，用以描述 DEER 自旋标记的构象宽度，并与冻结的 Boltz-2 结构生成器连接。完整的实验距离分布可在推理阶段直接引导加权蛋白构象集合生成，而不只约束单一静态结构。

方法为生成式结构模型引入了实验分布和条件依赖的热力学信息，并在多个转运蛋白体系上进行展示。由距离分布反演构象集合仍存在不可辨识性，所得自由能差和群体比例需要其他实验交叉验证；本文为未经同行评审的 bioRxiv 预印本。

SpatialDataAgent-DB 以语言模型 Agent 生成数据转换代码，再由冻结的规则评分器回算并核验 GEO 来源文件，构建公共空间转录组图谱。论文把数据可用性、转换验证与跨研究覆盖放在同一流程中，并考察研究广度对迁移和复现的影响。

该工作显示 Agent 更适合承担可验证的数据工程任务，而不是直接替代生物学判断。数据库规模和自动核验结果仍依赖纳入标准、平台解析与规则评分器的覆盖范围；这是 11 月 1 日更新的 bioRxiv 预印本，尚未经同行评审。