从蛋白设计的提出—验证搜索，
到三维基因组的生成式结构记忆

ProteoCraft 把蛋白结合体设计表述为“提出—验证”搜索：扩散式结构预测器给出近似结构梯度，用来决定优先修改的位置；独立折叠模型则以无梯度推理评估候选。搜索先用多位点编辑探索不同序列区域，再对较优状态做单点细化。

作者在多类结合体与 CDR 重设计任务上进行计算评估，并报告了 PD-L1 迷你蛋白和 IFNAR2 VHH 的前瞻实验验证。结果说明搜索预算的分配方式可能提升设计效率，但不同靶点、实验体系和独立复现仍决定其外推范围；本文为未经同行评审的 arXiv 预印本。

这项工作把 PACAP-38 作为偏头痛相关肽靶点，开展从头迷你蛋白结合体设计。相较于为结构稳定蛋白寻找界面，针对短肽设计还要处理靶标柔性与构象多样性，因此候选筛选需要同时约束界面几何和序列可实现性。

论文提供了一个把生成式蛋白设计用于特定治疗靶点的案例，但“能够结合”与“可作为药物”之间仍隔着体内暴露、选择性、免疫原性和药效等检验。现有证据应视为早期设计与验证结果；本文为未经同行评审的 bioRxiv 预印本。

作者把冻结的 AlphaFold 3 当作黑箱实验仪器，让自主 Agent 针对每个复合物提出生物学假设、重组多序列比对，并迭代调整序列选择与跨链配对。核心判断是 MSA 深度和配对价值具有靶点依赖性，统一配方并不总是合适。

论文在训练截止时间之后发布的复合物基准上报告了界面预测改进，同时减少了平均使用的 MSA 序列数；对跨物种异源复合物，主动不配对有时也是有效策略。该结果仍依赖 AF3 的置信信号和所选基准，尚需更多外部体系验证；本文为未经同行评审的 arXiv v2 预印本。

BL8 用八类可解释的结构视角描述抗体—抗原界面，包括拓扑、形状、相互作用、CDR 构象、柔性、界面面积、氨基酸对组成与序列背景。作者据实验结构构建参考图谱，再把多个深度学习模型生成的复合物投影到同一表示空间。

这类校准层关注模型高置信预测是否落在可解释的天然界面范围内，可用于识别跨靶点的可疑预测并比较不同生成模型。它不能替代结合实验，也可能对真正的新型界面产生保守偏差；本文为未经同行评审的 bioRxiv 预印本。

FedEpitope 以 LoRA 适配 ESM-2，在不集中汇总各机构数据的前提下训练线性 B 细胞表位预测模型。作者用按生物来源划分的异质客户端模拟联邦训练，并比较 FedAvg、FedProx、单客户端模型及训练后的个性化。

该工作把参数高效微调与数据本地化结合，适合讨论敏感或难以共享的免疫数据协作。但实验仍是模拟联邦环境，隐私预算、客户端偏移与真实机构基础设施会影响实际表现；本文为未经同行评审的 bioRxiv 预印本。

作者提出生成式贝叶斯框架 HiCONA，从染色质接触数据中推断多尺度的三维基因组组织，并用 Entropy Impact Score 衡量单个相互作用对整体结构的贡献。目标是找出有丝分裂期间保留、可能参与指导分裂后基因组重建的结构信号。

模型识别到的高影响相互作用与活跃调控元件富集相联系，为“结构记忆”提供计算证据。由于接触数据和生成模型都不能单独确立因果机制，仍需扰动实验与独立测量验证这些相互作用的功能；本文为未经同行评审的 bioRxiv 预印本。