针对P-糖蛋白外排限制小分子药物生物利用度和中枢神经系统暴露的问题，SF-GA把片段协同分析嵌入遗传算法的突变环节，优先用与非底物类别共现的子结构替换片段，从而在保留骨架的前提下把预测的P-糖蛋白底物改写为预测非底物。在固定函数评估预算的PMO基准上，SF-GA的优化表现与GB-GA、REINVENT、FragGT相当，同时在所有被测方法中取得最高的平均RAscore（0.932）。这些分子仍是计算预测的假想结构，非底物行为尚未经实验验证。
混合量子—经典医疗模型能给出预测，却说不清决策来自哪些语义因素、哪些量子门。FQXAI把输入压到8维代理监督语义瓶颈，用高斯模糊隶属度生成IF–THEN理由，并在全部256个语义组合上精确计算Shapley值，省去蒙特卡洛采样。在MIT-BIH心律失常、PneumoniaMNIST与PathMNIST上，模型准确率分别为0.890、0.768、0.726；5%去极化噪声下按SVQX剪枝把CNOT从14降到11、12、10，准确率分别提高2.20、1.74、1.51个百分点。
肿瘤亚型本身有层级结构，从原发癌种一路细分到分子亚型，但多数分类模型把标签摊平处理，忽略了层级之间的生物学约束。HHRM把癌症标志基因网络与递归模块结合，在26种原发癌、405个亚型、最多八级的11,476例泛癌样本上逐层预测，局部输出模式下准确率为0.7924，高于所比较的层级分类模型。在1,608例乳腺癌独立数据上重新训练后，测试与验证准确率均超过0.86。
儿童髓母细胞瘤与室管膜瘤的治疗要在复发风险与放疗长期副作用之间取舍，而现有临床指标和分子亚型只能给出群体层面的风险。MANTIS以全基因组DNA甲基化芯片数据和基因级拷贝数变化为输入，用神经网络输出诊断后10年的个体化生存概率曲线，在独立临床试验队列中c-index最高达到0.80 ± 0.07，高于现有临床指标和仅用亚型的模型。同一框架扩展出的治疗效应模型进一步标出约60%的平均风险髓母细胞瘤患者，在接受较低剂量颅脊髓照射时未检测到显著生存劣势（P = 0.683）。
scCont把时间序列单细胞RNA数据中的细胞状态转变拆成可解释的功能转变单元：它不依赖显式时间标签或聚类先验，而是用k近邻图在表达空间中挑选正样本对做对比学习，再用Shapley归因把潜在维度映射回基因程序。在4个SERGIO模拟数据集和13个上皮-间质转化时间序列数据集上，它给出的基因模块带有统计筛选和GO富集注释；模拟数据中k=10时，每个潜在维度归因最高的100个基因里背景基因占7.0%，而随机水平为73.3%。
环状RNA与RNA结合蛋白的结合位点预测长期偏重转录本特征，蛋白侧信息利用有限。CPRISP把环状RNA的序列组成、理化性质、二级结构与预训练嵌入，同蛋白序列的全局与局部表示一起送入多尺度残差网络分类。在37套基准数据集上，其平均AUC为0.9874，高于CircSSNN的0.9230；在序列相似度受控划分下仍保持0.9861。
纳米颗粒的神经安全性难以仅凭材料性质预测，因为暴露条件、疾病背景和宿主反应会改变结局。研究者把599项神经相关研究中的893个实验情境整合为促炎、抗炎/消退与凋亡三类反应程序，构建“保守反应轴”，在材料性质之外逐层加入暴露与生物学背景、细胞反应信息。随机森林模型下，生物安全性预测的ROC-AUC从仅用材料性质的0.66升到加入背景后的0.88，再加入细胞反应后为0.90；恢复预测相应为0.64、0.77和0.78。
阿曼原油管道在非等温、黏塑性条件下运行，热损与水头损失过去要靠高保真CFD逐工况计算，速度难以支撑实时决策。研究者用962组COMSOL仿真训练物理信息代理模型，并引入无量纲的流变热损指数RHLI作为输入特征，同时预测总热损、水头损失与总功率损失。五折交叉验证下热损最易学，交叉验证R²接近1；不确定性量化给出平均校准误差0.0211、95%经验覆盖率97.4%，SHAP显示环境温度是热损的主导因素。
冷弯型钢组合柱的全局屈曲承载力预测，过去用随机80/20划分评估知识引导机器学习修正，同一试验项目的数据会同时出现在训练与测试中。改为按试验来源整组留出后，148个试件、15个来源、13个截面族的验证显示迁移明显变弱，最好的Lasso模型决定系数为0.787、平均绝对百分比误差73.0%。据此标定的LRFD抗力因子为0.191至0.399，ASD安全系数为4.01至8.38。
配电网故障自愈长期在决策质量、实时性和可解释性之间取舍：数学规划接近最优但耗时，深度强化学习毫秒级决策却难以说明理由。一种把图注意力网络嵌入软演员—评论家智能体、并将韧性指数直接写入奖励的方法，在IEEE 33节点与123节点系统上把在线决策压到2.3毫秒，与混合整数线性规划最优解的差距为2.8%。注意力热图与SHAP归因同时给出智能体关注哪里、为何这样决策。