面向真菌过氧化物酶发现与酶–底物预测的计算–实验整合流程
研究提出一套计算–实验整合流程，用于在数据稀缺条件下优先筛选、表征并建模真菌非特异性过氧化物酶（UPO）。从 3000 多条候选序列中筛出 59 个推定 UPO，在大肠杆菌中分两批表达并用比色底物检测，得到 27 个表达与活性一致的 UPO；随后用 15 个新 UPO 和 4 个参考酶对 27 种底物做活性筛选，构建酶–底物活性数据集。
#生物大模型
Journal of Chemical Information and ModelingAI 评分5252
Journal of Chemical Information and ModelingAI 评分4242 CMA-DTI：面向冷启动药物–靶点相互作用预测的跨模态语义对齐框架
CMA-DTI 通过双向跨模态对齐模块建模药物官能团与蛋白结合区域的相互作用，提升冷启动药物–靶点相互作用预测的泛化能力。该框架先用预训练序列模型提取药物与蛋白表征，再以双通道编码器捕捉局部功能模式与全局上下文依赖。在四个基准数据集上，CMA-DTI 在热启动场景保持有竞争力表现，并在靶点冷启动与盲启动场景改善泛化，消融实验与结构可视化支持各模块贡献并提供残基级可解释性。
Nature Machine Intelligence精选AI 评分7878 AMIFound：统一 7 种医学影像修复与增强的一体化基础模型
Cao 等人提出 AMIFound，一个覆盖 CT、MRI、PET、内镜、超声、眼底成像和 X 射线共 7 种模态的医学影像修复与增强一体化基础模型。模型在 376 万对高质量与退化图像上训练和评估，覆盖 7 类退化模式，用共享编码器捕捉模态与退化线索，并由动态路由的专家修复池为每个输入选择增强路径。
推荐理由：该模型用 376 万对图像统一 7 种医学影像的修复与增强，并检验增强后对下游诊断任务的影响。
Marinka ZitnikAI 评分6262 ToolUniverse 新增 GPU 环境自动配置，支持 agent 调用蛋白设计与结构预测模型
ToolUniverse 新增 GPU 环境自动配置功能，使 agent 能在复杂生物数据集上调用机器学习模型，并把输出用于发现流程。
Bluesky：Daphne O. Martschenko, PhD (@daphmarts.bsky.social)AI 评分2222 用 LLM 作为评判者评估 GWAS Catalog 中群体描述符的使用
一项预印本工作以 LLM 作为评判者，评估了 GWAS Catalog 中群体描述符的使用情况，覆盖 2007-2025 年发表的约 4,000 篇论文。该工作由 Stephanie Gogarten 主导，Daphne O. Martschenko 与 @nasalab 等参与。
Elham AziziAI 评分5858 SHERLOCK 结合表征学习与因果推断分析单细胞扰动效应
Elham Azizi 团队发布 SHERLOCK，将单细胞扰动的表征学习与下游转录效应的因果推断结合，并有理论可识别性结果支撑。该工作由 @mingZedh、Josh Myers、@joselmcfaline 与 @elhamazizi 共同完成，作者称其为团队最新工作，并附有介绍链接 https://lnkd.in/g34C6UpQ。
Nature Machine IntelligenceAI 评分4040 DeepEvidence：从知识检索转向证据探索与整合
生物医学发现的关键瓶颈已从数据获取转为证据整合与解读能力。DeepEvidence 是一款新型深度研究智能体，不再局限于事实检索，而是构建科学证据的显式表示。
Cell Reports MethodsAI 评分6262 stFormer：整合空间配体信号的空间转录组基础模型
Cao 等提出空间转录组基础模型 stFormer，将细胞内上下文与空间配体信号整合进同一模型。相比单细胞基础模型，stFormer 在细胞层面和基因层面的分析上均有提升，并支持通过计算扰动研究空间配体信号的响应。
PatternsAI 评分5555 研究评测 Evo 2 与 megaDNA 生成基因组序列的真实性局限
Tzanakakis 等对 Evo 2 和 megaDNA 生成的长片段基因组序列开展基准评测，在多项互补的组成与组织特征上与自然基因组对比。合成序列仍可被检测出与自然序列不同，并随生成过程逐步偏离其条件种子，且修正单一伪影并不能保证整体基因组真实性。
Mohammed AlQuraishi精选AI 评分7878 OpenFold3p2 联合 Apheris 用五家药企内部数据训练蛋白-配体共折叠模型
Mohammed AlQuraishi 与 Apheris 合作，用五家药企内部的蛋白-配体复合物数据库训练 OpenFold3p2。作者称由于 PDB 中类药化合物相对稀少，这批数据使相关结构数据量增加 3-4 倍，并带来精度的大幅提升。引用内容提到，五家药企在数据不出内网的前提下共同训练了这一个共折叠模型，其表现明显优于最好的公开模型，Nature News 对此做了报道。
推荐理由：OpenFold3p2 在五家药企内部蛋白-配体结构数据上联合训练，为私有数据能否提升共折叠模型精度提供了一个可参照的案例。
Cell SystemsAI 评分6262 Darmawan 等提出蛋白语言模型多突变采样策略与计算评测框架
Darmawan 等为蛋白语言模型提出利用上位互作的多突变采样策略，并配套一个从相关性、质量和多样性三方面评分的计算评测框架。在多种蛋白适合度景观上的基准测试中，其设计优于标准的单突变方法，作者据此给出蛋白工程的实践建议。
Žiga Avsec精选AI 评分7878 DeepMind 发布 AlphaGenome Atlas，预测人类基因组全部 90 亿个 SNV 的调控影响
DeepMind 团队发布 AlphaGenome Atlas，用 AlphaGenome 预测了人类基因组中全部 90 亿个可能的 SNV 的调控影响，并开发了可浏览该预测图谱的门户网站。作者称与多位科学家合作完成了分析与应用，同时提供了博客和预印本链接。
推荐理由：用 AlphaGenome 对全基因组 90 亿个 SNV 做调控影响预测并开放浏览门户，为变异解读提供了一张可检索的预测图谱。
Bluesky：Elizabeth Wood, PhD (@lizbwood.bsky.social)AI 评分4040 模型消融实验：线性模型在该数据上饱和，需大 Transformer 才能扩展
模型消融实验显示，线性模型在该数据上即使使用基础模型表征也会饱和（虚线），只有大 Transformer（实线）才能实现扩展。相关讨论指出，设计数据生成与训练的结合可产生稳健的缩放定律，数据越多，预测在多个数量级上稳定变好。
Stephen Quake精选AI 评分8080 Universal Cell Embedding 模型基于 3600 万细胞训练，可研究训练集外物种
Stephen Quake 介绍 Universal Cell Embedding 模型，该模型在来自多种物种和组织的 3600 万细胞数据集上训练，可研究远超训练集范围的生物体。相关成果来自 Rosen 等人的 Nature 论文，DOI 为 10.1038/s41586-026-10689-z。
推荐理由：Universal Cell Embedding 在 3600 万细胞上训练，可外推到训练集之外的物种，为跨物种细胞研究提供参考。