ai4protein论文推荐 | 2026-06-07

今日热门 / Popular Today

AI 深度解读

该研究提出将世界模型（World Models）范式引入生物医学领域，旨在构建能够模拟生物与临床系统动态演化的内部生成模型。研究指出，不同于传统基础模型仅学习静态数据的统计规律，生物医学世界模型需具备三大核心属性：一是支持在部分可观测条件下对多尺度潜变量进行建模，整合异构且时间不规则的多模态数据；二是具备干预感知动力学建模能力，能够预测分子扰动、治疗或环境变化如何重塑生物潜状态，从而支持反事实推理与假设探索；三是支持闭环科学推理，实现测量、模拟与实验设计的迭代优化。

在技术实现路径上，研究梳理了三种代表性架构：感官空间模型（如 Sora 类视频生成模型）直接生成时序一致的观测，但缺乏对物理因果机制的显式建模；潜空间模型（如 JEPA 风格）在紧凑表征中预测未来状态，通过过滤无关噪声提升可解释性与科学合理性；智能体耦合模型（如 Dreamer 风格）则将世界模型嵌入规划循环，利用内部模拟器评估候选动作以指导决策。针对生物医学应用，研究强调需突破现有数据范式的局限，利用纵向多模态观测（如连续生理监测、时空组学）和干预丰富数据集（如药物给药、基因扰动记录），构建能够捕捉状态演化与反馈机制的新型基础设施，最终实现从被动预测向决策导向的干预感知发现转变。

中文摘要

生物医学的核心目标之一是理解、预测并最终控制生物系统对扰动、疾病进展和治疗干预做出反应的动态机制。尽管基础模型和大型语言模型加速了生物医学数据的解读，但大多数现有系统仍侧重于静态模式识别，而非对生物未来进行前瞻性模拟。在此，我们提出生物医学世界模型作为人工智能驱动发现的范式。这些模型学习分子、细胞、组织和临床状态的潜在表征，以及干预条件化的动态过程，从而能够在采取行动之前模拟未来轨迹。我们讨论了生物医学世界模型如何在虚拟细胞、类器官、虚拟患者和手术模拟等应用中作为数据引擎、环境模拟器和科学规划底层发挥作用。我们概述了所需的数据基础设施、评估基准、安全约束和治理框架。生物医学世界模型可能为模拟指导的闭环且可实验操作的生物医学发现奠定基础。

Paper Key Illustration

原文

Towards World Models in Biomedical Research

Abstract: A central goal of biomedicine is to understand, predict and ultimately control the dynamic mechanisms by which biological systems respond to perturbations, disease progression and therapeutic intervention. Although foundation models and large language models have accelerated biomedical data interpretation, most current systems remain focused on static pattern recognition rather than prospective simulation of biological futures. Here we propose biomedical world models as a paradigm for AI-driven discovery. These models learn latent representations of molecular, cellular, tissue and clinical states, together with intervention-conditioned dynamics that allow future trajectories to be simulated before actions are taken. We discuss how biomedical world models could function as data engines, environment simulators and scientific planning substrates across applications including virtual cells, organoids, virtual patients and surgical simulation. We outline the data infrastructure, evaluation benchmarks, safety constraints and governance frameworks required. Biomedical world models may provide a foundation for simulation-guided, closed-loop and experimentally actionable biomedical discovery.    

链接:https://arxiv.org/pdf/2606.05925

AI 深度解读

本研究针对生物医学知识图谱（KG）整合中存在的私有与公共数据集混合、数据库重复及敏感数据共享等挑战，提出了一种基于语义网技术的联邦查询解决方案。研究构建了将生物医学数据集映射到最先进本体论的框架，利用联邦 SPARQL 查询技术，在不进行敏感数据共享的前提下，实现了公共蛋白质知识库（如 UniProt）与本地基因组变异数据（如 CGen-KG）的关联。该方法通过映射至标准本体（如 GO 术语、UniProt 分类）并避免数据库冗余，支持在常规生物信息学分析流程之前进行数据探索。研究通过两个具体场景验证了该方法的有效性：一是查询基因编码蛋白质的生物学功能、同源基因列表及变异等位基因频率；二是筛选 ICAN 人群中影响血管形成（GO:0001525）的变异子集。尽管面临 RDF 数据集随时间演变导致可复现性不足的限制，该方案仍证明了利用语义网技术对齐人类基因组数据符合 FAIR 原则，能够促进数据发现并创造新的研究机遇。

中文摘要

摘要：敏感的健康数据应优先在本地进行分析。在典型的生物信息学工作流程中，公共数据库会被复制，并由专用工具用于丰富本地数据集。对于基因组变异数据，这一过程称为变异注释。在本研讨会上，我们将演示如何使用联邦 SPARQL 查询进行变异注释。首先，我们将概述如何利用最先进的生物医学本体，将临床基因组数据建模为知识图谱（KG）。随后，我们将通过查询 UniprotKB（一个用于基因和蛋白质的大型 curated 知识图谱）来执行变异注释。我们的方法避免了公共数据的重复，同时保持基因组数据在本地，并符合 FAIR 原则。我们的案例研究基于 ICAN 项目，该项目旨在研究脑动脉瘤的病理生理机制。

Paper Key Illustration

原文

Federated SPARQL querying for genomic variant functional annotation

Abstract: Sensitive health data should preferentially be analysed on site. In typical bioinformatics workows, public databases are duplicated and used by specialised tools to enrich the local datasets. In the case of genomic variation data, this process is called variant annotation. In this session we demonstrate variant annotation using federated SPARQL queries. We rst overview how clinico-genomic data can be modelled as a knowledge graph (KG), leveraging state-of-the-art biomedical ontologies. We then perform variant annotation by querying UniprotKB, a massive curated KG for gene and proteins. Our approach avoids public data duplication while maintaining genomic data on site and aligning it with FAIR principles. Our use-case is based on the ICAN project, a research program aimed at studying the physiopathology of cerebral berry aneurysms.    

链接:https://arxiv.org/pdf/2606.05918

AI 深度解读

本文提出了一种针对交联质谱（XL-MS）数据的逆向推断方法，旨在从实验测得的蛋白质间交联数量反推其空间构象。研究首先建立了基于低密度极限（LDL）近似和预测 - 校正框架的迭代热力学积分（IHP）算法。针对传统方法难以处理非均匀系统及投影不可逆的问题，作者引入了受信任半径算法启发的预测步骤，并提出了两种具体的预测 - 校正模型：基于 LDL 近似的“信任-LDL

中文摘要

摘要：交联质谱（XL-MS）已成为一种强大的定量技术，能够在前所未有的规模上探测蛋白质内部结构信息以及蛋白质 - 蛋白质相互作用。XL-MS 数据通过分子间连接子提供蛋白质对之间空间邻近性的信息。然而，系统性地利用此类数据构建粗粒化相互作用粒子模型的方法仍然有限。当前的研究主要集中在直接拟合径向分布函数（RDF），而诸如配位数等作为 RDF 泛函的众多可观测量却无法被唯一反演。在本工作中，我们开发了一个框架，用于从 XL-MS 结果中可能出现的相分离混合物里的可观测量参数化相互作用势。我们将此问题与逆亨德森问题（inverse Henderson problem）建立联系，并调整了迭代玻尔兹曼反演（Iterative Boltzmann Inversion）和迭代蒙特卡洛（Iterative Monte Carlo）等算法以解决其数值问题。我们推导了精确解和低密度极限下的梯度近似，并基于对预测 - 校正框架（predictor-corrector framework）的改进提出了两种新算法。总体而言，我们在生物现实性的十组分测试系统上评估了多种优化算法。我们证明，对于均匀流体，所有方法均实现了卓越的效率和精度。关键的是，我们进一步展示了在具有挑战性的三相系统中成功参数化的结果。在此，三种算法——即采用低密度导数的 Adam 算法和梯度下降法，以及采用精确梯度的牛顿法——均能可靠地恢复正确的参数。这些结果确立了一条从 XL-MS 实验到粗粒化蛋白质模型的清晰路径，适用于由相分离主导生物功能的系统，有望为生物分子凝聚体和蛋白质聚集的新研究提供可能。

Paper Key Illustration

原文

Methods for Inferring Interaction Potentials from Cross-Linking Mass Spectrometry Data

Abstract: Cross-linking mass spectrometry (XL-MS) has emerged as a powerful quantitative technique for probing intra-protein structural information as well as protein-protein interactions at an unprecedented scale. XL-MS data yield information on the pairwise spatial proximity of proteins through inter-molecular linkers. However, systematic methods for adapting such data for coarse-grained interacting particle models remain limited. Predominant focus is put on directly fitting radial distribution functions (RDFs), while numerous observables, e.g. coordination numbers, which are functionals of the RDF, cannot be uniquely inverted. In this work, we develop a framework for parameterizing interaction potentials from such observables in potentially phase-separated mixtures, as encountered in XL-MS results. We establish a connection between this problem and the inverse Henderson problem and adapt algorithms such as Iterative Boltzmann Inversion and Iterative Monte Carlo to its numerical solution. We derive exact and low-density limit gradient approximations and propose two new algorithms based on an adaptation of the predictor-corrector~framework. In total, we evaluate several optimization algorithms on biologically realistic ten-component test systems. We demonstrate that for homogeneous fluids, all methods achieve exceptional efficiency and accuracy. Critically, we further demonstrate successful parametrization in a challenging three-phase system. Here, three algorithms, namely Adam and gradient descent employing the low-density derivative as well as Newton's method with the exact gradient, reliably recover the correct parameters. These results establish a clear pathway from XL-MS experiments to coarse-grained protein models for systems where phase separation governs biological function, potentially enabling new investigations of biomolecular condensates and protein aggregation.    

链接:https://arxiv.org/pdf/2606.05541