Nature Methods研究系统评测细胞形态图谱的自监督表征学习
【全文节选总结】研究在JUMP-CP的119,876个化合物（约177万张图像）上预训练DINO、DINOv2、MAE和iTPN四类自监督模型，并在留出的JUMP-Target2化合物集上比较检索与作用机制分类表现。
推荐理由：研究在JUMP-CP上系统比较三类自监督学习机制，为细胞形态图谱的特征提取与批次校正提供可复用参照。
研发方向
靶点发现与组学 最新动态
结合多组学、单细胞测序与知识图谱的全新致病靶标发现、调控网络解析与机制验证。
178 条精选近 30 天 120 条共收录 383 条
更新
精选归档 · 第 3 页
Nature Methods精选AI 评分7676 bioRxiv · Genomics精选AI 评分7474 MutQA：面向基因突变的交叉验证问答数据集
作者发布 MutQA 数据集，包含 330,387 条有文献引证支撑的问答对，将蛋白编码突变与其功能后果关联，覆盖 6,620 个基因、125,593 个基因-变异对，证据来自 27,442 篇开放获取 PubMed Central 文章。
推荐理由：该预印本用双向交叉验证构建突变问答数据集，为突变效应问答提供了可复用的数据与评测框架。
Relation精选AI 评分5858 Relation 开发 prime-editing perturb-seq 新方案，为 DNA 基础模型生成训练数据
Relation Therapeutics 在 bioRxiv 发布预印本，提出一套用于 prime-editing perturb-seq 的新实验方案，目标是生成 DNA 基础模型所需的训练数据。公司称其不仅构建药物发现 AI 模型，也改进底层数据生成的基础。预印本链接为 https://www.biorxiv.org/content/10.64898/2026.10.28.762453v1。
推荐理由：Relation 公开了面向 DNA 基础模型训练数据的 prime-editing perturb-seq 新实验方案，可作为扰动数据生成的参考。
ChemRxiv Preprints精选AI 评分6969 SandCat：用于前瞻性隐藏口袋发现的 OpenMM 框架
作者发布基于 OpenMM 的 SandCat 工具包，实现用于隐藏口袋发现的增强采样方法，计算速度达到 SWISH-X 的两倍并复现其既往结果。该工具还提供在未知隐藏口袋靶点上前瞻性使用的标准化流程，在多个挑战性靶点上所有已表征隐藏位点均进入前六候选位点，阴性对照未检出位点。上述结果来自预印本摘要，仅涉及计算预测。
推荐理由：该工具把增强采样方法移植到 OpenMM，速度提升并给出前瞻性发现隐藏口袋的流程，便于评估其可复用性。
机器之心 · AI4Science精选AI 评分7474 斯坦福团队在Science发布Virtual Biotech多智能体框架，从临床试验中挖掘药物研发线索
斯坦福大学团队于2026年9月17日在Science发表研究，推出多智能体AI平台Virtual Biotech，由虚拟首席科学官统筹8个专业科学家智能体，模拟生物技术公司研发架构。
推荐理由：斯坦福团队用多智能体框架整合临床试验与单细胞数据，为靶点特征与临床成功率之间的关联提供了可复用的分析路径。
BioAIDesign精选AI 评分7070 北大等团队在bioRxiv发布CellCompass：用AI智能体设计细胞动力学模型
北京大学周沛劼、加州大学欧文分校Qing Nie等团队在bioRxiv发布CellCompass，一套围绕实验数据选择、改写和检验细胞动力学模型的科学智能体系统。
推荐理由：预印本提出用智能体按实验线索选择与改写细胞动力学模型，并在模拟基准和四类真实数据上给出对照结果。
科普知识综述精选AI 评分5858 约翰斯·霍普金斯大学获ARPA-H最高5210万美元资助，构建AI模型解码蛋白质错误折叠
约翰斯·霍普金斯大学牵头获ARPA-H最高5210万美元、为期4年的资助，将构建AI模型解码内在无序蛋白在帕金森病、尤文肉瘤等疾病中的错误折叠与动态构象，项目名为DETR，由Xiaobo Mao领导，21名研究人员来自美欧12家机构。
推荐理由：梳理ARPA-H资助的蛋白质动态构象项目，区分结构预测、机制确认与临床转化三层证据。
王初课题组精选AI 评分5858 Nat. Chem. Biol. | Tryptoline立体探针结构拓展发现GRPEL1–HSPA9复合物抑制剂
Scripps研究所的Bruno Melillo与Benjamin F. Cravatt团队在Nat. Chem. Biol.发表研究，通过改造Tryptoline丙烯酰胺探针的C6/C7远端结构，在Ramos细胞中定量超过24,000个半胱氨酸位点，筛出95个可被立体选择性标记的位点。
推荐理由：研究用立体探针扩展半胱氨酸配体图谱，并借GRPEL1案例展示结构预测在非正构位点的识别局限。
ACS JCIM (化学信息与建模)精选AI 评分5858 QRxVision：用二维码图像编码与计算机视觉做激酶靶点匹配
【全文总结】作者提出QRxVision，将药物多模态描述符与激酶结合位点氨基酸频次编码为二维码图像，经VGG16提取特征后用余弦相似度做传递匹配，在35个测试化合物、45个激酶类别上取得71.4%的Top-5靶点命中率。
推荐理由：研究把多模态分子与靶点描述符编码为二维码图像，用视觉模型做激酶靶点检索，并给出与化学信息学基线的对照。
BioArt精选AI 评分7272 贾伟团队在Cell Metabolism发表AI驱动胆汁酸发现框架MetLLM与MetSpace
贾伟团队在Cell Metabolism发表研究，用transformer架构的分子语言模型MetLLM对胆汁酸样结构打分，从超过52万个含四环骨架的结构中筛出3900个优先候选，构建候选图谱MetSpace。
推荐理由：研究把分子语言模型与质谱鉴定、细胞实验串成代谢物发现流程，展示了从候选预测到结构确认的完整路径。
arXiv · q-bio.QM (定量方法)精选AI 评分5858 scTREAT：用潜在扩散模型预测单细胞药物响应
作者提出scTREAT，一个将状态与药物引导分解的潜在扩散框架，用于单细胞药物响应预测。在Tahoe-100M单细胞图谱的条件级伪批量谱上，未见细胞系-药物组合12项指标中10项最优，未见药物12项中11项最优；未见药物条件下DEG logFC-Spearman和logFC-Pearson相对次优模型分别提升36.11%和34.21%。
推荐理由：研究在Tahoe-100M图谱上比较未见细胞系-药物组合与未见药物条件下的预测，为药物响应建模提供参照。
bioRxiv · Bioinformatics精选AI 评分5858 BLOOM：面向转录组虚拟胚胎建模的生物先验流匹配框架
作者提出BLOOM，一个整合时间群体上下文与发育、调控先验的条件流匹配框架，可在查询阶段按时间正反两个方向生成细胞表达分布。在覆盖产前发育、视觉皮层成熟和多器官内皮特化的三个小鼠单细胞图谱上，BLOOM与22个时序预测基线比较，在三套数据集的基因与细胞表达相关性上均排名第一。
推荐理由：该预印本提出条件流匹配框架，在三个小鼠单细胞图谱上与22个时序预测基线比较，为转录组虚拟胚胎建模提供参照。
arXiv · q-bio.QM (定量方法)精选AI 评分6363 研究揭示逃逸细胞在不同细胞类型中不均等稀释CRISPR筛选响应
Xuanrui Huang 的预印本提出用逃逸比例衡量单细胞 CRISPR 筛选中未被有效敲低的细胞占比，并基于靶基因计数以两组混合模型估计该比例，在模拟混合中可恢复已知比例。
推荐理由：研究指出逃逸细胞会稀释单细胞CRISPR筛选的扰动响应，并给出按逃逸比例校正的评估思路。
arXiv · q-bio.QM (定量方法)精选AI 评分5858 TargetAgent：面向药物靶点识别的数学 AI 协同科学家框架
作者提出 TargetAgent 框架，用 LLM 智能体串联最优传输、张量分解和拓扑数据分析，依次定位疾病区域、区域内分子靶点及调控方向。在公开 Stereo-seq 阿尔茨海默病前额叶皮层数据的概念验证中，智能体将白质判为中度疾病信号主要位点，发现髓鞘程序使用下降而少突胶质细胞丰度上升，并提出 29 个候选靶点，其中 20 个基因此前未见与 AD 关联。
推荐理由：该框架把最优传输、张量分解与拓扑分析交给 LLM 智能体串联，在 AD 空间转录组上给出可追溯的靶点假设。
BioArt精选AI 评分7676 Nature：机器学习算法PreGame在多发性骨髓瘤中鉴定广谱抗肿瘤γδ T细胞
加拿大玛格丽特公主癌症中心Tak W. Mak和Suzanne Trudel团队在Nature发表研究，开发机器学习算法PreGame，从单细胞CITE测序数据中识别携带肿瘤反应性TCR的γδ T细胞（TR γδ T细胞）。
推荐理由：研究用单细胞CITE测序训练随机森林识别肿瘤反应性γδ T细胞，并追踪其在BPd治疗中的扩增信号。
BioArt精选AI 评分7878 Cell发表Tahoe-100M：亿级单细胞图谱解码药物扰动下肿瘤细胞分子表型
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M，构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
推荐理由：该图谱以亿级单细胞数据刻画药物扰动表型，并揭示同靶点药物的周期效应差异，为扰动预测模型提供训练资源。
bioRxiv · Bioinformatics精选AI 评分6565 DeepMAST：面向空间转录组的证据约束多智能体系统将ICAM-1列为肺纤维化候选靶点
作者提出DeepMAST，一个证据约束的多智能体AI系统，将空间转录组分析从流程执行贯通到生物学解读，并在前列腺癌、乳腺癌和特发性肺纤维化（IPF）Visium数据集上评测。
推荐理由：该系统把空间转录组分析到靶点排序串成可追溯流程，并用组织染色与阻断实验给出ICAM-1的初步支持。
Ginkgo Datapoints · Updates精选AI 评分6262 VCPI 发布 ReFRAME 化合物库 DRUG-seq 图谱，覆盖 12,949 个化合物并以 CC BY 4.0 开放
虚拟细胞药理学计划（VCPI）发布其迄今最大规模的数据集，为 ReFRAME 药物重定位化合物库提供阵列式 DRUG-seq 转录组图谱，覆盖 12,949 个化合物。数据在 THP-1 细胞中以 10 μM 剂量、每孔一个化合物进行筛选，注册用户可在 thevirtualcell.com 免费获取，并以 CC BY 4.0 开放。
推荐理由：该发布提供覆盖近1.3万临床阶段化合物的转录组扰动数据，可作为药物响应与虚拟细胞研究的公开数据资源。
bioRxiv · Bioinformatics精选AI 评分6262 研究：单细胞基础模型的预测迁移不等于可靠性迁移
该预印本提出可靠性迁移概念，即模型对自身预测何时可能正确或错误的判断能否跨生物情境迁移，并在覆盖多数据集、多模型与多评测设置的十个扰动预测系统中考察。结果显示可靠性迁移在源-目标配对间差异明显，无法仅由预测性能推断，说明预测迁移与可靠性迁移是两类不同的泛化。
推荐理由：研究在十个扰动预测系统中比较预测迁移与可靠性迁移，为单细胞基础模型的置信度评估提供参照。
bioRxiv · Bioinformatics精选AI 评分7373 配对活性学习框架从1200万分子中筛选突变选择性EGFR抑制剂
研究团队开发计算与实验结合的配对活性学习框架，用于识别对EGFR三突变体（L858R/T790M/C797S）与野生型EGFR具有差异活性的化合物。对1200万分子做序贯筛选后得到16个共识命中，其中5个进入初步生化评价、2个进一步做生化、细胞与结构表征；共晶结构显示最佳化合物在ATP结合口袋内呈两种不同的非共价结合模式。该工作为优化效力与突变选择性提供实验结构模板，结果基于预印本摘要报告。
推荐理由：研究用配对活性回归加SVM筛选1200万分子，为突变选择性EGFR抑制剂发现提供可迁移流程。