生命科学

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

艾伦脑科学研究所与AWS团队发布单细胞多模态模型Bloom，它把基因表达与染色质开放度统一编码为同一种细胞表征，训练细胞数比同类预训练模型少约100倍。在成年小鼠全脑数据上，基于Bloom表征的线性分类器对亚类判别的交叉验证调整平衡准确率为91%（多组学，315个亚类）、94%（scRNA-seq，310个亚类）和94%（snRNA-seq，297个亚类），且模型只见过小鼠多组学数据。

Neuralign把来自不同会话、不同动物、神经元采样各不相同的神经记录放进同一个张量分解，每个成分共享一条时间曲线，而试次强度和神经元权重按会话各自估计，因此不需要匹配同一批神经元或同一批试次。在19只小鼠的93段全脑记录上，无监督拟合得到的单个成分把前外侧运动皮层（ALM）光遗传抑制的三种条件区分开，留出会话上的平衡准确率为0.647，随机水平为1/3。该成分的变化与行为准确率下降呈弱相关（ρ=0.266，180个会话—抑制观测）。

Neuralign把来自不同会话、不同动物、神经元采样各不相同的神经记录放进同一个张量分解，每个成分共享一条时间曲线，而试次强度和神经元权重按会话各自估计，因此不需要匹配同一批神经元或同一批试次。在19只小鼠的93段全脑记录上，无监督拟合得到的单个成分把前外侧运动皮层（ALM）光遗传抑制的三种条件区分开，留出会话上的平衡准确率为0.647，随机水平为1/3。该成分的变化与行为准确率下降呈弱相关（ρ=0.266，180个会话—抑制观测）。

PDZ结合基序（PBM）是蛋白末端十几个残基的短序列，能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模，难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面，用余弦相似度预测pKd，并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向；在DLG4-PDZ3的4位重设计中，前100个候选中84个落入已发表突变库实测适应度前1%，对照方法为64个。

PDZ结合基序（PBM）是蛋白末端十几个残基的短序列，能决定蛋白与哪些PDZ结构域结合。此前按亲和力设计PBM通常要为每个结构域单独建模，难以同时兼顾脱靶。该工作把PDZ与PBM编码进同一128维单位球面，用余弦相似度预测pKd，并把单靶、靶–脱靶差、双靶均值三种目标写成球面上的方向；在DLG4-PDZ3的4位重设计中，前100个候选中84个落入已发表突变库实测适应度前1%，对照方法为64个。

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

mRNA基础模型通常把整条转录本的词元嵌入做全局平均，再训练线性探针，短调控区的信号因此被长区域稀释。一种不增加参数的区域感知读出改为在5′UTR、编码序列和3′UTR内分别取均值再拼接，在20个冻结模型上使翻译与稳定性任务的Pearson相关平均提高11–25%，且没有任何模型在回归任务上显著变差。分类任务的AUPRC变化为−3%到+11%。

ESM2 的残基嵌入里，极性/非极性二元模式被组织成可读的几何结构。把全部 128 种七肽二元模式各生成 50 条序列、共 6400 条一起做保留位置的 PCA，前三个主成分构成“水母”形流形：疏水比例沿 PC1 展开，PC2 与 PC3 以近似正弦、余弦的方式编码七肽相位。换成电荷字母表仍有序，打乱氨基酸分组或改用非蛋白模型 ByT5 后这种环状组织消失。

ESM2 的残基嵌入里，极性/非极性二元模式被组织成可读的几何结构。把全部 128 种七肽二元模式各生成 50 条序列、共 6400 条一起做保留位置的 PCA，前三个主成分构成“水母”形流形：疏水比例沿 PC1 展开，PC2 与 PC3 以近似正弦、余弦的方式编码七肽相位。换成电荷字母表仍有序，打乱氨基酸分组或改用非蛋白模型 ByT5 后这种环状组织消失。

在多个大规模Perturb-seq数据集上，一种名为Graph-guided Flow Matching（GFM）的生成框架把基因本体、蛋白互作和扰动相似性三类知识图谱与潜空间流匹配结合，用于预测未见过扰动后的单细胞转录组。它在单基因扰动预测上超过了线性基线和CellFlow、GEARS、scGPT等深度学习模型，训练速度最多快30倍，并在训练数据减少时保持优势；在双基因扰动中，当两个基因都未在训练中出现时表现更好。

在多个大规模Perturb-seq数据集上，一种名为Graph-guided Flow Matching（GFM）的生成框架把基因本体、蛋白互作和扰动相似性三类知识图谱与潜空间流匹配结合，用于预测未见过扰动后的单细胞转录组。它在单基因扰动预测上超过了线性基线和CellFlow、GEARS、scGPT等深度学习模型，训练速度最多快30倍，并在训练数据减少时保持优势；在双基因扰动中，当两个基因都未在训练中出现时表现更好。

脑电基础模型在冻结特征迁移上表现不稳，SeeEEG换了个思路：把脑电按临床浏览器的蒙太奇、滤波和对比度设置渲染成图像，只训练这套显示参数，视觉主干全程冻结。以冻结的DINOv3 ViT-B为编码器，SeeEEG在八个临床、睡眠、情感与脑机接口数据集的平衡准确率上全部超过七个脑电基础模型，按Cohen或AUROC排名的平均名次为1.3，最强基线REVE为2.9。

脑电基础模型在冻结特征迁移上表现不稳，SeeEEG换了个思路：把脑电按临床浏览器的蒙太奇、滤波和对比度设置渲染成图像，只训练这套显示参数，视觉主干全程冻结。以冻结的DINOv3 ViT-B为编码器，SeeEEG在八个临床、睡眠、情感与脑机接口数据集的平衡准确率上全部超过七个脑电基础模型，按Cohen或AUROC排名的平均名次为1.3，最强基线REVE为2.9。

对氨基酸字母做一次全局一一对应的重命名，比对层面的统计量、列熵和成对编辑距离都不变，但ESM-2、MSA Transformer和AMPLIFY的接触图会大幅崩塌，而逆协方差Potts模型逐位不变。在9个蛋白、3个种子上，ESM-2 650M随机重命名20种残基后与自身原接触集的重叠只剩0.015，限制在BLOSUM62同类组内的重命名则保留0.655。这说明这些模型的接触预测依赖规范残基身份，不能当作它们已内化协变统计的证据。

对氨基酸字母做一次全局一一对应的重命名，比对层面的统计量、列熵和成对编辑距离都不变，但ESM-2、MSA Transformer和AMPLIFY的接触图会大幅崩塌，而逆协方差Potts模型逐位不变。在9个蛋白、3个种子上，ESM-2 650M随机重命名20种残基后与自身原接触集的重叠只剩0.015，限制在BLOSUM62同类组内的重命名则保留0.655。这说明这些模型的接触预测依赖规范残基身份，不能当作它们已内化协变统计的证据。

跨被试神经—图像检索中，把少量目标被试观测的均值与源被试全局均值相比，会把被试自身的表征偏移和刺激组成差异混在一起。SA-LBC改为对每个校准刺激取同刺激的源群体锚点、平均残差来估计一阶偏移，再用源数据导出的不确定度收缩修正量。在THINGS-EEG2的10名被试留一被试评估中，Attention–CLIP ViT-B/32配置的MRR从无校准的0.1867升到0.2013和0.2336，但检索增益仍依赖所用表征。

跨被试神经—图像检索中，把少量目标被试观测的均值与源被试全局均值相比，会把被试自身的表征偏移和刺激组成差异混在一起。SA-LBC改为对每个校准刺激取同刺激的源群体锚点、平均残差来估计一阶偏移，再用源数据导出的不确定度收缩修正量。在THINGS-EEG2的10名被试留一被试评估中，Attention–CLIP ViT-B/32配置的MRR从无校准的0.1867升到0.2013和0.2336，但检索增益仍依赖所用表征。

非人灵长类的手指运动标签长期依赖带弯折传感器的机械手柄，这类装置限制了可测运动的维度。Freebie 用多台同步相机和实时姿态估计直接输出手指关键点，在30 FPS与60 FPS采集下分别取得15.8毫秒和16.2毫秒的端到端延迟中位数，其关键点与弯折传感器的中位相关系数绝对值为0.96。用Freebie标签训练的肌电解码器在闭环控制中与用弯折传感器标签训练的版本表现相当，说明训练解码器未必需要给手部加装传感器。

非人灵长类的手指运动标签长期依赖带弯折传感器的机械手柄，这类装置限制了可测运动的维度。Freebie 用多台同步相机和实时姿态估计直接输出手指关键点，在30 FPS与60 FPS采集下分别取得15.8毫秒和16.2毫秒的端到端延迟中位数，其关键点与弯折传感器的中位相关系数绝对值为0.96。用Freebie标签训练的肌电解码器在闭环控制中与用弯折传感器标签训练的版本表现相当，说明训练解码器未必需要给手部加装传感器。