OmicsBench v1 发布：784 项组学分析任务评测模型能力
研究团队发布 OmicsBench v1，从八个既有基准中汇总 784 项分子数据分析任务，覆盖空间组学、单细胞转录组、表观基因组、变异分析、微生物监测和蛋白功能。
#评测/基准
Kenny WorkmanAI 评分7070 Kenny WorkmanAI 评分5858 OmicsBench v1 发布：整合八个组学基准的 784 个任务
Kenny Workman 等人发布 OmicsBench v1，这是一个由八个基准共 784 个任务组成的元基准，聚焦分子（组学）数据分析，用于从高层观察模型进展。
Bluesky：Maria Dzunkova (@dzunkovam.bsky.social)AI 评分5555 预印本评测长读长 RNA-seq 计数是否应做归一化
一篇 bioRxiv 预印本系统评测长读长 RNA-seq 的计数是否需要归一化，在 PacBio 与 ONT 平台上比较了 5 种归一化方法与 5 种定量工具。研究以 spike-in 和匹配的 Illumina 数据作为基准真值，预印本链接为 www.biorxiv.org/content/10.6...。
Briefings in BioinformaticsAI 评分5656 多祖先精细定位在变异异质性与 LD 不匹配下的系统基准评测
研究系统评测了九种多祖先精细定位方法，包括显式建模跨祖先 LD 与效应共享的联合概率模型，以及汇总各祖先独立结果的单变量整合方法。作者用基于 UK Biobank 基因型数据构建的模拟数据评估精细定位准确性、稳健性和计算效率，并在 All of Us Research Program 中做真实数据验证。结果显示，联合建模对跨人群共享的因果变异有更高的检验功效和分辨率；事后整合则在因果变异仅存在于部分人群时更稳健，因为它能容纳变异可用性的差异。当 GWAS 汇总统计与外部 LD 参考面板存在系统性偏差时，各方法普遍功效不足。
PatternsAI 评分3838 利用 Venn-Abers 预测器在无标签条件下估计选择性分类器的准确率
该研究提出用 Venn-Abers 预测器在无真实标签时估计选择性分类器的性能，给出校准的区间估计与实用下界，用于量化不确定预测转人工复核时分类器的可靠程度。
Genome BiologyAI 评分6060 十种被子植物 HiFi 长读长 SV 检测流程基准评测
研究为十种代表性被子植物构建了碱基分辨率的结构变异（SV）真值集，并系统评测 91 条基于 PacBio HiFi 长读长的 SV 检测流程。
Cell GenomicsAI 评分6060 多机构基准评测：细胞系混合样本检测低等位基因频率嵌合突变
Ha 等人用短读长与长读长全基因组测序，对低变异等位基因频率（VAF）嵌合突变的检测策略做多机构基准评测。研究由五家机构构建细胞系混合样本，以 PacBio HiFi 数据交叉验证 Illumina 平台的变异检测结果，据此构建分层参考集、界定现实检出下限，并为非癌组织中低 VAF（<2%）变异的全基因组分析给出最佳实践。
Cell GenomicsAI 评分5858 Kong 等提出在 HapMap 混合样本中构建合成体细胞变异资源的泛基因组方法
Kong 等提出一种泛基因组方法，利用 HapMap 混合样本和泛基因组图构建合成体细胞变异资源，为跨变异类型和等位分数的体细胞变异检测提供标准化基准集。该资源可用于评测测序技术和变异检测方法。
Molecular Systems Biology精选AI 评分7878 Bits to Binders 竞赛验证并分析 12,000 个 AI 设计的 CAR-T 结合域
Bits to Binders 全球竞赛以 CAR-T 为场景评估 de novo 结合域设计，来自 42 个国家的团队提交了 12,000 个靶向人 CD20 的 80 氨基酸 minibinder 设计。
推荐理由：这项竞赛把 1.2 万个 AI 设计的 CAR-T 结合域放进细胞功能筛选，而非只看亲和力，为评估蛋白设计提供了更接近功能的检验方式。
Bluesky：Svetlana Ugarcina Perovic (@svetlanaup.bsky.social)AI 评分2222 Juan Inda 将在 MVIF 52 讨论 ARG 注释工具选择如何影响宏基因组 resistome 图谱
Juan Inda 将在 MVIF 52 讨论 ARG 注释工具的选择如何影响宏基因组数据得到的 resistome 图谱。EMBARK 项目由此出发，发现不同 ARG 注释流程不仅给出不同的 ARG 数量，还会得到不同的 resistome 图谱。
Cell GenomicsAI 评分5858 RandomReadsMG：面向terabase级宏基因组模拟的快速工具
Bushnell、Schulz 和 Villada 推出 RandomReadsMG，一款可生成宏基因组测序数据集的快速模拟器，能控制群落丰度、不均匀基因组覆盖度以及平台特异的读段特征。该软件可扩展到 50,000 个基因组的群落规模，并支持可复现的基准评测与病原检测研究设计。
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。
Andrew CarrollAI 评分6565 Andrew Carroll 用 76 个物种测序数据评测 MiniBWA 与 BWA MEM 的比对表现
Andrew Carroll 在 76 个不同物种的测序数据上运行 MiniBWA，并与 BWA MEM 比较比对速度、比对率和准确度，结论是 MiniBWA 表现很好，做短读段比对的人值得一试。详细结果发布在其博客文章 the-best-of-both-worlds-assessing-minibwa 中。
Sara MostafaviAI 评分6767 Sara Mostafavi 团队发表基于序列的深度学习模型预测个体基因表达的基准评测
Sara Mostafavi 团队（与 chikinlab、LXandR_ 合作）在 Nature Genetics 发表论文，对基于序列的深度学习模型预测个体基因表达进行基准评测。同期 Nilah Ioannidis 团队提交的配套论文显示，这些结果在不同数据和模型间保持一致。