从全原子结构 token，
到科学基础模型的自主审计

作者提出全原子结构分词器，把蛋白质、核酸与配体的局部几何压缩到共享的离散结构词表，再训练 AtomLM-9b 根据分子身份与连接关系自回归生成结构 token。模型输出可经解码器还原为包含主链、侧链、核酸和配体重原子的完整三维结构。

把结构预测改写为“结构语言建模”提供了统一处理多类生物分子的另一条路线，也便于与通用语言模型架构衔接。不过论文所报基准结果仍受数据划分、比较协议与采样成本影响，不能直接等同于全面替代现有折叠系统；本文为未经同行评审的 bioRxiv 预印本。

研究以条形码、体积排阻色谱和质谱组成池化实验，统一测量天然结构域变体、从头蛋白与纳米抗体在大肠杆菌中的单体产量。作者据此评估稳定性、逆折叠方法和结构预测置信度与可生产性的关系，并微调 ESMC 得到序列到单体产量的预测模型。

这项工作的价值在于把“能否高产获得正确单体”从设计后的经验排雷变成可学习的筛选目标，并在 BindCraft 设计候选上做了前瞻富集测试。但结论首先适用于所用宿主、表达和纯化条件，跨系统可迁移性仍需实验确认；本文为未经同行评审的 bioRxiv 预印本。

AutoSPECTRA 是一套由编码 Agent 执行的科学基础模型泛化审计协议。它把可测量的泛化轴、预先规定的分析、受控比较和独立确认纳入流程，并在蛋白结构、细胞扰动、病理图像和变异效应模型上寻找性能边界。

论文的重点不是再给模型一个汇总分数，而是让 Agent 提出可检验假设、分析替代解释并拒绝证据不足的结论。当前示例仍依赖预设审计框架、工具可用性和人工选择的模型，尚不能证明完全自主或穷尽式审计；本文为未经同行评审的 bioRxiv 预印本。

作者用受实验约束的模拟活动评估活细胞自驱实验室中的优化器修正，包括候选排除、确认性复测和可行域限制等策略。研究关注这些修正究竟增加新信息，还是在平台限制下仅重复基线轨迹。

结果提醒自驱实验室的收益不只取决于更复杂的采集函数，测量模型、漂移、批次效应与候选可用性可能更早成为瓶颈。由于论文主要是模拟压力测试，不能据此推断真实闭环实验的产出提升；本文为未经同行评审的 bioRxiv 预印本。

作者在细胞类型注释、扰动预测和调控推断任务中，把单细胞基础模型与简单基线放到统一评测框架下。研究特别区分同物种内设置与跨物种或分布转移设置，以判断预训练表征在哪些场景真正提供额外信息。

这类基线感知评测有助于避免把高参数量或预训练规模直接当成生物学能力。模型优势会随任务、数据划分、探针和计算预算变化，单个基准不能给出永久排名；本文为未经同行评审的 bioRxiv 预印本。

该研究利用蛋白语言模型嵌入，在蛋白质组尺度识别和刻画 N-糖基化相关序列模式。作者构建 MaskNGly，将预训练序列表征用于位点层面的预测，目标是在不依赖逐个蛋白结构建模的情况下提高大规模分析效率与可迁移性。

蛋白语言模型可能捕获局部序列之外的上下文，但预测信号仍可能受数据库组成、同源性和实验标注偏差影响。模型适合用于候选优先级排序，不能替代糖基化组学或位点验证实验；本文为未经同行评审的 bioRxiv 预印本。