跳到主要内容

生命科学

  1. 病毒下一步往哪变:antiGen从进化树里挑出候选突变,Germinal Multi据此重设计抗体

    单克隆抗体曾是对抗新冠的重要工具,但病毒变异后很快失效,而靠大规模筛选找广谱抗体难以跟上进化速度。antiGen 不再只看序列,而是从病毒进化树上已发生的突变中学习,用约五十万参数预测下一步可能出现的突变;Germinal Multi 则在计算机上同时检验同一个抗体设计对多个变异版本是否都能结合。两者合用后,原本对 XFG 有效、对叠加预测突变而成的 XFG-Next 失效的 BD55-1205 被重设计为 X51,在实验中对两个版本都阻断了感染。

  2. bioRxiv

    statLens把统计设计拆给代码、模型和研究者:小模型准确率从81.0%升到93.6%

    差异表达分析要先定模型族、主比较和样本依赖,这些决定过去要么靠人,要么交给会写代码的自主智能体。statLens把数据刻画与规则校验交给代码、把研究情境解读交给语言模型、把最终确认留给研究者,在102项任务上七种模型准确率稳定在92.5–95.0%,而只用语言模型推理为17.5–46.8%。四个小模型的平均准确率从自主智能体的81.0%升到93.6%。

  3. bioRxiv

    FoldMapper绕开序列搜索的循环:用形状检索同源结构,TED上best-of-100序列恢复率达60.0%

    蛋白质逆折叠要从骨架设计出能折叠回该结构的氨基酸序列,而以往利用进化信息必须先用待设计序列去搜多序列比对,形成循环依赖。FoldMapper改用Foldseek按形状检索结构同源物,把命中位点的氨基酸身份按bit score累加成逐残基的结构位置特异性频率谱,再由多尺度图编码器先做稀疏局部编码、后接稠密结构消息传递解码。在TED结构上best-of-100序列恢复率为60.0%,高于表中其他方法43.2%至56.3%的区间,同时序列多样性为20.1%。

  4. bioRxiv

    酶转换数预测不再混算反应两侧:EnzRef把反应物与产物分开读,未见酶上R²提高19.8%

    预测酶转换数(kcat)需要区分同一酶在不同反应、不同酶在同一反应上的活性差异。EnzRef把反应化学拆成反应物与产物两个条件,分别与冻结的蛋白语言模型交互,再以每个酶自身的残基平均响应为参照,把条件响应写成相对该背景的偏差并重新组合。在CatPred-DB源域留出集上,单模型平均R²从MCKcat的0.553升到0.614;在酶序列未见于源训练的TurNuP-DB子集上,R²从0.259升到0.310,相对提高19.8%,且不做目标域适配。

  5. bioRxiv

    SMSTPred 只看序列就能判甲基转移酶底物类型:同源隔离交叉验证 MCC 0.94,胜过序列与结构同源检索

    SMSTPred 是一个多标签分类器,用蛋白质语言模型嵌入判断 SAM 依赖甲基转移酶的底物类型(DNA、RNA、蛋白质或小分子代谢物),不需要结构输入。在同源簇不重叠的交叉验证中,它的平均 MCC 为 0.94,高于序列同源最近邻 MMseqs2 的 0.848、结构同源检索 Foldseek 的 0.887 和 profile-HMM 的 0.519。把模型用于 1,249 个参考蛋白质组中的 115,850 条候选甲基转移酶后,预测显示小分子底物类在植物和放线菌门中占比更高,但植物中的扩张主要随蛋白质组规模变化。

  6. bioRxiv

    人工SNV也学不会:LAMP显示微调后的序列到功能模型仍低估远端变异效应

    LAMP把人工设计、强而一致的转录因子基序扰动SNV注入个人基因组数据集,用来检验序列到功能模型在微调中能否学会变异效应。即便训练集扩到12111个基因、12011个这样的理想化因果SNV,微调后的Enformer在留出基因和个体上仍不及只用该SNV基因型的弹性网基线。分析指向两个障碍:预训练先验压低远端调控元件,使增强子到基因的连接难以加强;同一基序在不同位点的序列背景差异又掩盖了本应易学的扰动模式。

  7. bioRxiv

    细胞邻域不再一律可信:GatorAnchor按跨模态分歧给边打分,十个配对数据集平均指标居首

    单细胞多组学整合中,不同分子层对同一对细胞是否相邻常给出不一致的证据,而多数方法默认这些关系同等可靠。GatorAnchor把每种模态的不确定性与模态间均值分歧一起写进融合表示,再按RNA相似度、第二模态相似度和共享边解码器支持为候选细胞关系打出复合不可靠度,据此削弱或删除不可靠边。在十个配对RNA+ADT与RNA+ATAC数据集上,它的AMI、NMI、ARI、ACC四项平均指标均高于九个代表性整合方法;保留90%最可靠候选边后,十个数据集的同类型边纯度全部上升,但图结构变化因数据集而异。

  8. bioRxiv

    质谱峰不必先定结构:Spec2Function直接从二级谱读出代谢功能,肝病差异峰可解释比例从四分之一扩大

    非靶向代谢组学长期依赖先鉴定结构再做通路分析,而谱库不全使大量差异峰无法进入下游解释。Spec2Function把二级质谱与HMDB整理的多方面功能文本用双编码器对比学习对齐到同一功能空间,推理时不再要求查询谱有结构注释,再借检索增强生成给出有文献依据的功能摘要。在肝硬化和30组织猕猴衰老数据上,它覆盖了结构注释之外的谱峰并给出可跨物种对照的功能模块。

  9. bioRxiv

    蛋白质设计流水线学会中途改道:IMPRESS让采样在运行时重分配,五段不连续活性位点也能出解

    蛋白质设计通常把扩散生成骨架、逆折叠设计序列、结构预测验证串成固定流水线,各阶段采样量在开跑前就定死,过滤器只能丢弃候选、无法把采样引向模型能够到的设计空间。IMPRESS把每条设计流水线做成带状态的对象,依据自身累积的骨架、序列与折叠结果在运行时决定停止、继续、重采样或分支,且决策与执行异步进行、不需要全局同步。在41个酶-配体结合基序的AME基准上,自适应流程对含三个及以上不连续残基岛的基序给出高质量解,而固定级联完全无解;在五个残基岛的基序中,超过40%的基序由自适应流程解出。

  10. bioRxiv

    把代谢网络画成超图:HyperGenie 预测必需基因,PR-AUC 比依赖目标函数的方法高 13%

    细菌必需基因的预测长期依赖通量平衡分析,而该方法默认敲除株仍以最大生长为目标,这一前提并不总成立。HyperGenie 把大肠杆菌代谢网络表示为有向超图,代谢物作节点、反应作超边,直接以野生型通量特征作输入,绕开敲除后的最优性假设。在 iML1515 模型的有氧葡萄糖条件下,其 PR-AUC 比依赖目标函数的 FlowGAT 与随机森林高 13%,并与通量采样的 FCL 在可比的基因子集上持平。