TraSPIN：通过语言模型引导的图学习推断转运蛋白特异性
TraSPIN联合建模转运蛋白与小分子底物，预测表现优于现有方法，并可泛化至未见底物及序列差异较大的转运蛋白。该几何深度学习框架揭示了转运蛋白识别底物的结构决定因素与序列基序，并通过跨物种推断和未表征溶质载体蛋白的功能解析，展示其功能注释用途。
#机器学习
Genome BiologyAI 评分3737
Cell GenomicsAI 评分3131 NeoBridge：基于生物物理学的新抗原优先级排序与胰腺癌克隆结构分析
Lana Mediavilla等提出NeoBridge，这一融合生物物理学信息的机器学习集成模型用于优先筛选具有免疫原性的新抗原。在胰腺癌中，亚克隆而非克隆性新抗原负荷与较差生存相关，提示疫苗靶点选择应考虑克隆结构。
Genome BiologyAI 评分5353 ROMET-RNA整合多种预测器与比对策略，改进RNA三维结构模型选择
ROMET-RNA是一套开源自动化基准评测与元选择工具，在涵盖205条RNA的4个非冗余测试集上，选出的结构模型比单独使用各预测方法更准确。该框架统一评测11种RNA结构预测器及rMSA、RNAcmap3 MARS和Infernal RNAcentral三种多序列比对流程，结合基于TM-scoreRNA的结构相似性与深度学习统计势lociPARSE进行共识评分。
Genome MedicineAI 评分4343 解码循环游离DNA中耦合的表观遗传与片段组学信号，用于可解释的癌症诊断
研究者开发FAME框架，仅用甲基化测序数据整合循环游离DNA甲基化与片段组学特征，用于癌症检测和组织来源预测。研究纳入2,018份健康对照及七类癌症样本，比较不同测序平台的片段组学信息保留情况，并扩展构建FAME-GW；所给正文未呈现诊断性能结果。
Nucleic Acids ResearchAI 评分5050 用于核糖型修饰核酸及核酸–蛋白质复合物建模的MODNAP基准集：以AlphaFold 3为例
研究者构建MODNAP修饰核苷酸结构数据集，并用1039个核酸及核酸–蛋白质复合物结构评估AlphaFold 3。在RMSD阈值为2.5 Å时，成功率超过80%，但修饰核苷酸定位精度不一，对训练中未明确涵盖的结构精度下降。PoseBusters分析发现频繁的分子内有效性检验失败，主要源于非理想核糖环几何构型。
Science Translational MedicineAI 评分2626 基于集成学习的代谢组衰老与死亡时钟在18,476人中识别全生命周期的系统性衰老风险
一项涉及18,476人的研究基于集成学习构建代谢组衰老与死亡时钟，识别人类全生命周期的系统性衰老风险。研究发表于Science Translational Medicine，所提供内容未列出具体效应量或预测性能数据。
Nucleic Acids ResearchAI 评分4242 RiboBA：一种考虑偏倚的概率框架，用于跨多种核糖体测序方案稳健识别ORF
RiboBA通过建模核糖体测序中的实验方案诱导偏倚，提高非经典开放阅读框（ncORF）的识别能力。该框架结合生成模块与监督模块，从偏倚校正后的数据中识别翻译中的ORF及起始位点。模拟、多种实测数据及正交免疫肽组学证据支持其性能，优势在周期性减弱的RNase I文库及MNase、核酸酶P1数据中尤为明显。
Nature MethodsAI 评分4747 MassNet：支持蛋白质组学可扩展深度学习的十亿级AI就绪质谱语料库
MassNet汇集涵盖35个物种的1.5 billion条MS/MS谱图，为蛋白质组学深度学习提供大规模AI就绪语料库。该资源配套标准化存储格式Mass Spectrometry DDA Tensor（MSDT）。基于该资源构建的非自回归Transformer模型XuanjiNovo用于肽段从头测序，表现大幅优于既往方法。
Cell SystemsAI 评分3232 CAR T细胞从代码到临床：以当前转化研究目标为框架的建模方法述评
CAR T细胞治疗的数学建模已支持预测性设计和临床决策，这篇述评围绕关键转化挑战梳理相关模型。文章指出，机器学习、多尺度建模、控制理论及替代细胞类型，为模型指导的下一代细胞治疗设计提供了新机遇。
Genome MedicineAI 评分3939 衰老癌相关成纤维细胞分泌Tenascin-C促进高级别浆液性卵巢癌进展
体内外功能实验表明，衰老癌相关成纤维细胞分泌Tenascin-C（TNC），促进高级别浆液性卵巢癌进展。TNC通过激活肿瘤细胞SDC4-ERK信号诱导上皮间质转化，其表达受成纤维细胞内NF-κB调控。单细胞与空间转录组及临床样本分析构建的衰老成纤维细胞风险模型可预测不良生存结局。
Bioinformatics (OUP)AI 评分3737 口袋对比学习与构象融合：受体构象变化下的稳健结构条件三维分子生成
一种结合口袋级对比学习与参考构象特征融合的三维分子生成框架，提高了受体构象变化下的生成稳健性。在CrossDocked2020及ASB-E、DUD-E、APObind数据集上，生成成功率、结构有效性及对接相关性能均有改善，交叉对接评估中尤为明显。推理时仅需单个口袋，无需参考构象。
Med (Cell Press)AI 评分4343 基于超声心动图的深度学习慢性肾脏病筛查
Yuan等开发并外部验证了一种深度学习模型，可利用超声心动图检测慢性肾脏病，为更早开展筛查提供潜在途径。慢性肾脏病的漏诊率超过60%，高危人群尚未常规接受筛查，该模型有望帮助弥补诊断缺口。
Cell SystemsAI 评分3535 用于功能性蛋白质设计的蛋白质语言模型采样
Darmawan等提出利用上位性相互作用的蛋白质语言模型多突变体采样策略，其设计在多种蛋白质适应度景观基准测试中优于标准单突变体方法。研究还提出综合计算评估框架，对相关性、质量和多样性评分，为蛋白质工程提供实践指导。