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。
#评测/基准
PatternsAI 评分3838
Journal of Chemical Information and ModelingAI 评分3030 深度学习抗生素筛选中跨划分 AUPRC 差异的解释局限
在深度学习抗生素筛选中，跨数据划分的 AUPRC 差异无法单独量化结构差异对性能变化的贡献，因为 AUPRC 依赖测试集阳性率，而分子划分会改变训练集与测试集的结构相关性和类别组成。跨划分比较应报告测试集大小、阳性数、阳性率、划分方法和精确率-召回率汇总指标，模型直接比较应尽量使用同一固定独立测试集。关于实际筛选价值的结论还应考虑 top-k 性能、早期富集指标或在预设预算下的前瞻性实验命中率。
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。
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。
Europe PMCAI 评分3636 预测性虚拟细胞中的显式机制算子：证据、失效模式与单细胞扰动预测的最小证伪框架
这篇 Perspective 提出用最小证伪框架检验生物机制算子能否提升单细胞扰动预测：在统一锁定评测下，与晚期融合、容量匹配静态模型、容量匹配学习动力学算子及拓扑重连对照比较。