蛋白质语言模型与生成生物学

蛋白语言模型把进化留下的序列当作训练语料，但自然界会存在的蛋白不等于实验室能表达、更不等于满足指定功能。本面板把表征、结构预测、逆向折叠、从头生成与湿实验筛选逐层分开。

第一幕追踪蛋白质语言模型与生成生物学如何把旧问题变成可执行、可测量的对象；判断标准始终是生成生物学的决定性机制是让进化表征在明确物理与功能约束下产生可湿实验验证的新分子，而不是困惑度或结构置信度变好。

甲、UniRep统一蛋白表征UniRep

Alley et al., Nature Methods 16, 1315–1322 (2019), doi:10.1038/s41592-019-0598-1确立UniRep统一蛋白表征的历史节点。2026年把用进化序列预训练通用蛋白向量、UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

UniRep统一蛋白表征只锁定一个原因：用进化序列预训练通用蛋白向量。〔对象清单〕2026年冻结对象和总预算，移除机制而方向仍在便撤回，UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移不得由峰值代偿。UniRep统一蛋白表征的外部复现误差率以95%区间裁决。〔〔〔对象清单〕对象清单〕对象清单〕对UniRep统一蛋白表征UniRep而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有用进化序列预训练通用蛋白向量”推出的每一步中介、责任人和可撤回条件，〔对象清单〕缺少任何一环，都不能把相关性写成机制。

提出卷页由Alley et al., Nature Methods 16, 1315–1322 (2019), doi:10.1038/s41592-019-0598-1锁定，反方命题是“无监督序列表征能否跨家族预测工程性质”，截至2025年的延续为“蛋白语言模型规模化沿用其迁移学习逻辑”。UniRep统一蛋白表征复算给3套配置、95%区间、5%尾部和run ID，UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移失败样本不清洗。

UniRep统一蛋白表征的硬边界是数据库同源泄漏与家族偏差会让随机划分过度乐观，嵌入不能替代实验因果。2026年把UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移推至规格外；UniRep统一蛋白表征覆盖样本越多，最差亚组的反向误差反而越易被总体均值遮蔽，平均基准不能冲销反号结果。〔对象清单〕落到复现实务，可为UniRep统一蛋白表征UniRep建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“用进化序列预训练通用蛋白向量”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

〔对象清单〕工程验收以“用进化序列预训练通用蛋白向量”为主读数，连续24h记录UniRep统一蛋白表征的外部复现误差率、版本、人工接管与恢复。UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移未测即保留“尚缺UniRep统一蛋白表征在独立场景的长周期阴性结果”，95%成功不能删除5%失败谱。

UniRep统一蛋白表征跨域登记为空间组学与多模态细胞图谱称“成像质谱细胞地图Imaging Mass Cytometry”；见第554号第一条“成像质谱细胞地图Imaging Mass Cytometry”。〔对象清单〕它共享〔01 谁进入分母〕无监督序列表征能否跨家族预测工程性质，2026年送往第二平台时，UniRep统一蛋白表征的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。〔对象清单〕本条的边界案例应从“尚缺UniRep统一蛋白表征在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：数据库同源泄漏与家族偏差会让随机划分过度乐观，嵌入不能替代实验因果，UniRep统一蛋白表征覆盖样本越多，最差亚组”究竟是偶发噪声，还是足以改变结论方向的系统反例。

乙、TAPE蛋白迁移基准TAPE

TAPE蛋白迁移基准由Rao et al., NeurIPS 32 (2019), arXiv:1906.08230固定为历史节点，新意是TAPE汇集结构、接触、远同源和工程任务，检验不同预训练表征的通用性。2026年重读时把用多任务比较序列预训练迁移、TAPE蛋白迁移基准的批次、平台、最差亚组与现场漂移和实现栈并列，避免把单次纪录误作系统能力。〔事件时间轴〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有用多任务比较序列预训练迁移”的操作定义，仍能复算“以“用多任务比较序列预训练迁移”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

可消融的唯一单因是用多任务比较序列预训练迁移：2026年维持样本、版本与预算不变，仅撤去该机制；若读数仍同向，本条失败。TAPE蛋白迁移基准的外部复现误差率以95%区间登记。

Rao et al., NeurIPS 32 (2019), arXiv:1906.08230给出起点，争议由“统一基准会不会奖励数据划分捷径”承担，最新状态是“远同源和结构感知划分成为蛋白模型评价底线”。证据表列3组TAPE蛋白迁移基准的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID，阴性运行全部进入分母。〔事件时间轴〕机构采用TAPE蛋白迁移基准TAPE之前还应公布否决门槛：一旦“⇄系统核算后方向反转：基准规模小且任务代理化，排行榜进步不能直接代表新功能设计，TAPE蛋白迁移基准分辨率越高，捕获效率和跨批一致性反而”出现，就暂停扩张并回到“用多任务比较序列预训练迁移”的原始记录复核，该门槛必须早于部署决定写入方案。

边界判据写作基准规模小且任务代理化，排行榜进步不能直接代表新功能设计。当2026年测试越过TAPE蛋白迁移基准的批次、平台、最差亚组与现场漂移，TAPE蛋白迁移基准分辨率越高，捕获效率和跨批一致性反而可能越低；方向翻转须先于均值进入结论。

“用多任务比较序列预训练迁移”承担验收读数，另开TAPE蛋白迁移基准的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留TAPE蛋白迁移基准的外部复现误差率、版本、维修与中止原因；〔事件时间轴〕余下5%失败及“尚缺TAPE蛋白迁移基准在独立场景的长周期阴性结果”仍入正文。〔事件时间轴〕把TAPE蛋白迁移基准TAPE与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“用多任务比较序列预训练迁移”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

TAPE蛋白迁移基准的异名接口采用空间组学与多模态细胞图谱称“MIBI多离子束成像MIBI”；见第554号第二条“MIBI多离子束成像MIBI”。共同预设是〔01 谁进入分母〕统一基准会不会奖励数据划分捷径；第二团队在2026年重放原始记录时，不得以同向代理替换TAPE蛋白迁移基准的批次、平台、最差亚组与现场漂移。

丙、ESM规模化蛋白语言模型ESM

在Rives et al., PNAS 118, e2016239118 (2021), doi:10.1073/pnas.2016239118之前，ESM规模化蛋白语言模型缺少把局部优化变成系统判断的支点；节点价值在于模型从二点五亿条序列学习表示，注意力与接触、二级结构及功能预测相关。2026年评价大规模无监督学习涌现结构和功能信号时，同时冻结ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下大规模无监督学习涌现结构和功能信号这一项。2026年用相同对象做移除实验，机制消失而优势不变即否证；ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移只界定失效域。ESM规模化蛋白语言模型的外部复现误差率报告95%区间。

来源链依次是Rives et al., PNAS 118, e2016239118 (2021), doi:10.1073/pnas.2016239118、“规模增长是否真的学到结构而非家族统计”和“ESM系列扩展到结构、功能与生成模型”。原始表公开3档配置、95%区间、5%失败谱及run ID；ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

进化数据库极不均衡，涌现相关不说明模型掌握折叠物理或可设计性构成ESM规模化蛋白语言模型的停止线。到2026年，ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移一旦主导，ESM规模化蛋白语言模型模型越复杂，外部复现后的净增益反而越不稳定，峰值读数便不能代表净效用。〔装置边界〕面向下一轮材料，蛋白质语言模型与生成生物学应优先补齐“尚缺ESM规模化蛋白语言模型在独立场景的长周期阴性结果”的原始记录，并把“⇄系统核算后方向反转：进化数据库极不均衡，涌现相关不说明模型掌握折叠物理或可设计性，ESM规模化蛋白语言模型模型越复杂，外部复现后的净增”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

部署账把“大规模无监督学习涌现结构和功能信号”设为主量纲，每24h记录ESM规模化蛋白语言模型的外部复现误差率、版本、漂移与恢复。ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移无数据就写“尚缺ESM规模化蛋白语言模型在独立场景的长周期阴性结果”；95%可用也不遮蔽5%反号。

与相邻领域的精确链接是空间组学与多模态细胞图谱称“MERFISH高通量原位RNAMERFISH”；见第554号第三条“MERFISH高通量原位RNAMERFISH”。双方共享〔01 谁进入分母〕规模增长是否真的学到结构而非家族统计；2026年跨平台转移时，ESM规模化蛋白语言模型的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔装置边界〕在蛋白质语言模型与生成生物学的这一对象上，复核应把“以“大规模无监督学习涌现结构和功能信号”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺ESM规模化蛋白语言模型在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

丁、AlphaFold 2结构预测AlphaFold 2

Jumper et al., Nature 596, 583–589 (2021), doi:10.1038/s41586-021-03819-2确立AlphaFold 2结构预测的历史节点。2026年把联合序列进化与几何推理预测三维结构、AlphaFold 2结构预测的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔样本分层〕对AlphaFold 2结构预测AlphaFold 2而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有联合序列进化与几何推理预测三维结构”推出的每一步中介、责任人和可撤回条件，〔样本分层〕缺少任何一环，都不能把相关性写成机制。

这里拒绝多因叙述，决定结果能否成立的只有联合序列进化与几何推理预测三维结构。〔样本分层〕2026年固定对象、实现和预算后做删除检验，若方向未变便退稿。AlphaFold 2结构预测的外部复现误差率须给95%区间。

提出证据见Jumper et al., Nature 596, 583–589 (2021), doi:10.1038/s41586-021-03819-2，最强争议是“静态结构置信度能否代表动态、配体与突变效应”，延续状态为“AlphaFold数据库和后续多聚体模型扩大覆盖”。AlphaFold 2结构预测交付3批AlphaFold 2结构预测的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID，异常逐例保留。〔样本分层〕落到复现实务，可为AlphaFold 2结构预测AlphaFold 2建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“联合序列进化与几何推理预测三维结构”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

AlphaFold 2结构预测不能越过无序区、构象集合、复合物和训练相似结构会限制解释，预测不是实验结构。2026年把AlphaFold 2结构预测的批次、平台、最差亚组与现场漂移扫过全量程时，AlphaFold 2结构预测应用范围越广，版本漂移和未记录失败反而越多；方向一旦翻转，平均性能再高也不抵销。

验收表首先读取“联合序列进化与几何推理预测三维结构”，随后核对AlphaFold 2结构预测的批次、平台、最差亚组与现场漂移。持续24h日志含AlphaFold 2结构预测的外部复现误差率、版次、接管和修复；95%成功与5%失败同时发布，缺口写成“尚缺AlphaFold 2结构预测在独立场景的长周期阴性结果”。〔样本分层〕证据链还要把Jumper et al., Nature 596, 583–589 (2021), doi:1的起点材料与更新文献放在同一比较表里，并逐项报告“联合序列进化与几何推理预测三维结构”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。〔样本分层〕本条的边界案例应从“尚缺AlphaFold 2结构预测在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：无序区、构象集合、复合物和训练相似结构会限制解释，预测不是实验结构，AlphaFold 2结构预测应用范围越广，版”究竟是偶发噪声，还是足以改变结论方向的系统反例。

跨域异名为空间组学与多模态细胞图谱称“空间转录组Spatial Transcriptomics”；见第554号第四条“空间转录组Spatial Transcriptomics”，不是宽泛类比。它检验〔02 单一读数代表复杂对象〕静态结构置信度能否代表动态、配体与突变效应；2026年由独立团队复跑原始记录时，AlphaFold 2结构预测的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

戊、RoseTTAFold三轨网络RoseTTAFold

Baek et al., Science 373, 871–876 (2021), doi:10.1126/science.abj8754确立RoseTTAFold三轨网络的历史节点。2026年把在一维二维三维表征间反复传递信息、RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

RoseTTAFold三轨网络只锁定一个原因：在一维二维三维表征间反复传递信息。〔版本登记〕2026年冻结对象和总预算，移除机制而方向仍在便撤回，RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移不得由峰值代偿。RoseTTAFold三轨网络的外部复现误差率以95%区间裁决。〔版本登记〕机构采用RoseTTAFold三轨网络RoseTTAFold之前还应公布否决门槛：一旦“⇄系统核算后方向反转：预测精度仍依赖多序列比对与模板，低置信区域不能被顺滑模型外观掩盖，RoseTTAFold三轨网络覆盖样本越多，最差”出现，就暂停扩张并回到“在一维二维三维表征间反复传递信息”的原始记录复核，该门槛必须早于部署决定写入方案。

提出卷页由Baek et al., Science 373, 871–876 (2021), doi:10.1126/science.abj8754锁定，反方命题是“序列距离坐标三轨通信能否跨新折叠泛化”，截至2025年的延续为“三轨表征进入RFdiffusion设计架构”。RoseTTAFold三轨网络复算给3套配置、95%区间、5%尾部和run ID，RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移失败样本不清洗。

RoseTTAFold三轨网络的硬边界是预测精度仍依赖多序列比对与模板，低置信区域不能被顺滑模型外观掩盖。2026年把RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移推至规格外；RoseTTAFold三轨网络覆盖样本越多，最差亚组的反向误差反而越易被总体均值遮蔽，平均基准不能冲销反号结果。〔版本登记〕把RoseTTAFold三轨网络RoseTTAFold与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“在一维二维三维表征间反复传递信息”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

〔版本登记〕工程验收以“在一维二维三维表征间反复传递信息”为主读数，连续24h记录RoseTTAFold三轨网络的外部复现误差率、版本、人工接管与恢复。RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移未测即保留“尚缺RoseTTAFold三轨网络在独立场景的长周期阴性结果”，95%成功不能删除5%失败谱。

RoseTTAFold三轨网络跨域登记为空间组学与多模态细胞图谱称“CODEX循环蛋白成像CODEX”；见第554号第五条“CODEX循环蛋白成像CODEX”。〔版本登记〕它共享〔02 单一读数代表复杂对象〕序列距离坐标三轨通信能否跨新折叠泛化，2026年送往第二平台时，RoseTTAFold三轨网络的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。〔版本登记〕本条的边界案例应从“尚缺RoseTTAFold三轨网络在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：预测精度仍依赖多序列比对与模板，低置信区域不能被顺滑模型外观掩盖，RoseTTAFold三轨网络覆盖样本越多，最差”究竟是偶发噪声，还是足以改变结论方向的系统反例。

己、ProtTrans大规模序列预训练ProtTrans

Elnaggar et al., IEEE Transactions on Pattern Analysis and Machine Intelligence 44, 7112–7127 (2022), doi:10.1109/TPAMI.2021.3095381确立ProtTrans大规模序列预训练的历史节点。2026年把把Transformer迁移到数十亿蛋白序列、ProtTrans大规模序列预训练跨场景漂移、实现栈与旧基线同时入账。〔失败谱〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有把Transformer迁移到数十亿蛋白序列”的操作定义，仍能复算“以“把Transformer迁移到数十亿蛋白序列”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

可消融的唯一单因是把Transformer迁移到数十亿蛋白序列：2026年维持样本、版本与预算不变，仅撤去该机制；若读数仍同向，本条失败。ProtTrans大规模序列预训练的外部复现误差率以95%区间登记。

Elnaggar et al., IEEE Transactions on Pattern Analysis and Machine Intelligence 44, 7112–7127 (2022), doi:10.1109/TPAMI.2021.3095381给出起点，争议由“海量算力收益能否在低资源实验室复现”承担，最新状态是“更高效蛋白模型开始压缩与开放嵌入”。证据表列3组ProtTrans大规模序列预训练跨场景漂移配置、95%置信区间、5%尾部和run ID，阴性运行全部进入分母。〔失败谱〕面向下一轮材料，蛋白质语言模型与生成生物学应优先补齐“尚缺ProtTrans大规模序列预训练在独立场景的长周期阴性结果”的原始记录，并把“⇄系统核算后方向反转：训练碳成本、数据库冗余和评测重叠会使规模优势难以公平换算，ProtTrans大规模序列预训练分辨率越高，捕获效率和”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

边界判据写作训练碳成本、数据库冗余和评测重叠会使规模优势难以公平换算。当2026年测试越过ProtTrans大规模序列预训练跨场景漂移，ProtTrans大规模序列预训练分辨率越高，捕获效率和跨批一致性反而可能越低；方向翻转须先于均值进入结论。

“把Transformer迁移到数十亿蛋白序列”承担验收读数，另开ProtTrans大规模序列预训练跨场景漂移账。系统跑满24h后保留ProtTrans大规模序列预训练的外部复现误差率、版本、维修与中止原因；〔失败谱〕余下5%失败及“尚缺ProtTrans大规模序列预训练在独立场景的长周期阴性结果”仍入正文。〔失败谱〕在蛋白质语言模型与生成生物学的这一对象上，复核应把“以“把Transformer迁移到数十亿蛋白序列”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺ProtTrans大规模序列预训练在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

ProtTrans大规模序列预训练的异名接口采用空间组学与多模态细胞图谱称“高清空间转录组HDST”；见第554号第六条“高清空间转录组HDST”。共同预设是〔02 单一读数代表复杂对象〕海量算力收益能否在低资源实验室复现；第二团队在2026年重放原始记录时，不得以同向代理替换ProtTrans大规模序列预训练跨场景漂移。

庚、ProteinMPNN逆向折叠ProteinMPNN

在Dauparas et al., Science 378, 49–56 (2022), doi:10.1126/science.add2187之前，ProteinMPNN逆向折叠缺少把局部优化变成系统判断的支点；节点价值在于模型在蛋白结构图上生成序列，实验显示多种设计比传统方法有更高成功率。2026年评价以结构条件生成兼容氨基酸序列时，同时冻结ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下以结构条件生成兼容氨基酸序列这一项。2026年用相同对象做移除实验，机制消失而优势不变即否证；ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移只界定失效域。ProteinMPNN逆向折叠的外部复现误差率报告95%区间。〔机构接口〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄系统核算后方向反转：固定骨架忽略动力学和功能，序列概率高也可能聚集、降解或缺乏活性，ProteinMPNN逆向折叠模型越复杂，外部复现”做至少两轮外部复算，若方向翻转，ProteinMPNN逆向折叠ProteinMPNN的结论必须随之收窄。

来源链依次是Dauparas et al., Science 378, 49–56 (2022), doi:10.1126/science.add2187、“给定骨架的高概率序列能否稳定表达并折叠”和“ProteinMPNN成为生成骨架后的标准序列设计器”。原始表公开3档配置、95%区间、5%失败谱及run ID；ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

固定骨架忽略动力学和功能，序列概率高也可能聚集、降解或缺乏活性构成ProteinMPNN逆向折叠的停止线。到2026年，ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移一旦主导，ProteinMPNN逆向折叠模型越复杂，外部复现后的净增益反而越不稳定，峰值读数便不能代表净效用。〔机构接口〕证据链还要把Dauparas et al., Science 378, 49–56 (2022), doi:的起点材料与更新文献放在同一比较表里，并逐项报告“以结构条件生成兼容氨基酸序列”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

部署账把“以结构条件生成兼容氨基酸序列”设为主量纲，每24h记录ProteinMPNN逆向折叠的外部复现误差率、版本、漂移与恢复。ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移无数据就写“尚缺ProteinMPNN逆向折叠在独立场景的长周期阴性结果”；95%可用也不遮蔽5%反号。

与相邻领域的精确链接是空间组学与多模态细胞图谱称“Slide-seq组织RNA地图Slide-seq”；见第554号第七条“Slide-seq组织RNA地图Slide-seq”。双方共享〔04 测量不改变被测对象〕给定骨架的高概率序列能否稳定表达并折叠；2026年跨平台转移时，ProteinMPNN逆向折叠的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔机构接口〕对ProteinMPNN逆向折叠ProteinMPNN而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有以结构条件生成兼容氨基酸序列”推出的每一步中介、责任人和可撤回条件，〔机构接口〕缺少任何一环，都不能把相关性写成机制。

辛、ProGen可控蛋白生成ProGen

Madani et al., Nature Biotechnology 41, 1099–1106 (2023), doi:10.1038/s41587-022-01618-2使ProGen可控蛋白生成从局部演示转为可审计命题，核心观察是ProGen生成与天然序列显著不同的溶菌酶，并有部分样品在实验中保持活性。2026年证据包把以家族与功能标签条件化自回归序列与ProGen可控蛋白生成的批次、平台、最差亚组与现场漂移分别编号，并保留旧方法对照。

这里拒绝多因叙述，决定结果能否成立的只有以家族与功能标签条件化自回归序列。〔资源预算〕2026年固定对象、实现和预算后做删除检验，若方向未变便退稿。ProGen可控蛋白生成的外部复现误差率须给95%区间。

提出证据见Madani et al., Nature Biotechnology 41, 1099–1106 (2023), doi:10.1038/s41587-022-01618-2，最强争议是“自然语言式控制标签能否指定真实功能”，延续状态为“条件蛋白生成进入酶类和家族定向设计”。ProGen可控蛋白生成交付3批ProGen可控蛋白生成的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID，异常逐例保留。〔资源预算〕落到复现实务，可为ProGen可控蛋白生成ProGen建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“以家族与功能标签条件化自回归序列”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

ProGen可控蛋白生成不能越过测试家族和样本数有限，活性存在不等于性能、稳定性与安全性达到应用要求。2026年把ProGen可控蛋白生成的批次、平台、最差亚组与现场漂移扫过全量程时，ProGen可控蛋白生成应用范围越广，版本漂移和未记录失败反而越多；方向一旦翻转，平均性能再高也不抵销。

验收表首先读取“以家族与功能标签条件化自回归序列”，随后核对ProGen可控蛋白生成的批次、平台、最差亚组与现场漂移。持续24h日志含ProGen可控蛋白生成的外部复现误差率、版次、接管和修复；95%成功与5%失败同时发布，缺口写成“尚缺ProGen可控蛋白生成在独立场景的长周期阴性结果”。〔资源预算〕本条的边界案例应从“尚缺ProGen可控蛋白生成在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：测试家族和样本数有限，活性存在不等于性能、稳定性与安全性达到应用要求，ProGen可控蛋白生成应用范围越广，版本漂”究竟是偶发噪声，还是足以改变结论方向的系统反例。

跨域异名为空间组学与多模态细胞图谱称“人类细胞图谱计划Human Cell Atlas”；见第554号第八条“人类细胞图谱计划Human Cell Atlas”，不是宽泛类比。它检验〔04 测量不改变被测对象〕自然语言式控制标签能否指定真实功能；2026年由独立团队复跑原始记录时，ProGen可控蛋白生成的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

第二幕转向规模、闭环与责任。最新纪录只有在失败和资源进入分母后，才足以支持“生成生物学的决定性机制是让进化表征在明确物理与功能约束下产生可湿实验验证的新分子，而不是困惑度或结构置信度变好”。

一、ProtGPT2从头序列生成ProtGPT2

Ferruz, Schmidt & Höcker, Nature Communications 13, 4348 (2022), doi:10.1038/s41467-022-32007-7确立ProtGPT2从头序列生成的历史节点。2026年把用自回归语言模型生成蛋白样序列、ProtGPT2从头序列生成跨场景漂移、实现栈与旧基线同时入账。

ProtGPT2从头序列生成只锁定一个原因：用自回归语言模型生成蛋白样序列。〔外部复算〕2026年冻结对象和总预算，移除机制而方向仍在便撤回，ProtGPT2从头序列生成跨场景漂移不得由峰值代偿。ProtGPT2从头序列生成的外部复现误差率以95%区间裁决。〔外部复算〕面向下一轮材料，蛋白质语言模型与生成生物学应优先补齐“尚缺ProtGPT2从头序列生成在独立场景的长周期阴性结果”的原始记录，并把“⇄系统核算后方向反转：结构预测自洽可能与生成模型共享先验，缺少表达和功能实验就不是新生物学，ProtGPT2从头序列生成覆盖样本越多，最”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

提出卷页由Ferruz, Schmidt & Höcker, Nature Communications 13, 4348 (2022), doi:10.1038/s41467-022-32007-7锁定，反方命题是“似蛋白序列统计能否保证可折叠与功能”，截至2025年的延续为“无条件生成转向结构与功能约束”。ProtGPT2从头序列生成复算给3套配置、95%区间、5%尾部和run ID，ProtGPT2从头序列生成跨场景漂移失败样本不清洗。

ProtGPT2从头序列生成的硬边界是结构预测自洽可能与生成模型共享先验，缺少表达和功能实验就不是新生物学。2026年把ProtGPT2从头序列生成跨场景漂移推至规格外；ProtGPT2从头序列生成覆盖样本越多，最差亚组的反向误差反而越易被总体均值遮蔽，平均基准不能冲销反号结果。〔外部复算〕把ProtGPT2从头序列生成ProtGPT2与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“用自回归语言模型生成蛋白样序列”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

〔外部复算〕工程验收以“用自回归语言模型生成蛋白样序列”为主读数，连续24h记录ProtGPT2从头序列生成的外部复现误差率、版本、人工接管与恢复。ProtGPT2从头序列生成跨场景漂移未测即保留“尚缺ProtGPT2从头序列生成在独立场景的长周期阴性结果”，95%成功不能删除5%失败谱。

ProtGPT2从头序列生成跨域登记为空间组学与多模态细胞图谱称“HuBMAP人体分子图谱HuBMAP”；见第554号第九条“HuBMAP人体分子图谱HuBMAP”。〔外部复算〕它共享〔04 测量不改变被测对象〕似蛋白序列统计能否保证可折叠与功能，2026年送往第二平台时，ProtGPT2从头序列生成跨场景漂移的对象、量纲与停止阈值均不得改名。〔外部复算〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有用自回归语言模型生成蛋白样序列”的操作定义，仍能复算“以“用自回归语言模型生成蛋白样序列”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

二、ESMFold单序列结构预测ESMFold

ESMFold单序列结构预测由Lin et al., Science 379, 1123–1130 (2023), doi:10.1126/science.ade2574固定为历史节点，新意是ESMFold显著加快单序列预测，并用于构建数亿宏基因组蛋白结构图谱。2026年重读时把直接从语言模型表征生成三维结构、ESMFold单序列结构预测的批次、平台、最差亚组与现场漂移和实现栈并列，避免把单次纪录误作系统能力。〔反号压力〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄系统核算后方向反转：速度与覆盖以部分精度为代价，陌生家族和低置信预测不可当作确定结构，ESMFold单序列结构预测分辨率越高，捕获效率”做至少两轮外部复算，若方向翻转，ESMFold单序列结构预测ESMFold的结论必须随之收窄。

可消融的唯一单因是直接从语言模型表征生成三维结构：2026年维持样本、版本与预算不变，仅撤去该机制；若读数仍同向，本条失败。ESMFold单序列结构预测的外部复现误差率以95%区间登记。

Lin et al., Science 379, 1123–1130 (2023), doi:10.1126/science.ade2574给出起点，争议由“语言表征能否替代多序列比对而保持置信”承担，最新状态是“大规模宏基因组结构图谱采用快速单序列预测”。证据表列3组ESMFold单序列结构预测的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID，阴性运行全部进入分母。

边界判据写作速度与覆盖以部分精度为代价，陌生家族和低置信预测不可当作确定结构。当2026年测试越过ESMFold单序列结构预测的批次、平台、最差亚组与现场漂移，ESMFold单序列结构预测分辨率越高，捕获效率和跨批一致性反而可能越低；方向翻转须先于均值进入结论。

“直接从语言模型表征生成三维结构”承担验收读数，另开ESMFold单序列结构预测的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留ESMFold单序列结构预测的外部复现误差率、版本、维修与中止原因；〔反号压力〕余下5%失败及“尚缺ESMFold单序列结构预测在独立场景的长周期阴性结果”仍入正文。〔反号压力〕在蛋白质语言模型与生成生物学的这一对象上，复核应把“以“直接从语言模型表征生成三维结构”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺ESMFold单序列结构预测在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

ESMFold单序列结构预测的异名接口采用空间组学与多模态细胞图谱称“seqFISH+单细胞原位转录组seqFISH+”；见第554号第十条“seqFISH+单细胞原位转录组seqFISH+”。共同预设是〔13 时间尺度可自由压缩〕语言表征能否替代多序列比对而保持置信；第二团队在2026年重放原始记录时，不得以同向代理替换ESMFold单序列结构预测的批次、平台、最差亚组与现场漂移。

三、AlphaFold蛋白结构数据库AlphaFold DB

Varadi et al., Nucleic Acids Research 50, D439–D444 (2022), doi:10.1093/nar/gkab1061确立AlphaFold蛋白结构数据库的历史节点。2026年把把结构预测从单次服务变成公共基础设施、AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。

因果账只许留下把结构预测从单次服务变成公共基础设施这一项。2026年用相同对象做移除实验，机制消失而优势不变即否证；AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移只界定失效域。AlphaFold蛋白结构数据库的外部复现误差率报告95%区间。〔责任链〕落到复现实务，可为AlphaFold蛋白结构数据库AlphaFold DB建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“把结构预测从单次服务变成公共基础设施”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

来源链依次是Varadi et al., Nucleic Acids Research 50, D439–D444 (2022), doi:10.1093/nar/gkab1061、“海量预测结构会不会诱导忽略置信区间”和“数据库扩展到两亿余条预测并与注释资源连接”。原始表公开3档配置、95%区间、5%失败谱及run ID；AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

数据库规模不等于实验覆盖，低置信区、异构体和复合状态需在下游分析传播构成AlphaFold蛋白结构数据库的停止线。到2026年，AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移一旦主导，AlphaFold蛋白结构数据库模型越复杂，外部复现后的净增益反而越不稳定，峰值读数便不能代表净效用。〔责任链〕本条的边界案例应从“尚缺AlphaFold蛋白结构数据库在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：数据库规模不等于实验覆盖，低置信区、异构体和复合状态需在下游分析传播，AlphaFold蛋白结构数据库模型越复杂”究竟是偶发噪声，还是足以改变结论方向的系统反例。

部署账把“把结构预测从单次服务变成公共基础设施”设为主量纲，每24h记录AlphaFold蛋白结构数据库的外部复现误差率、版本、漂移与恢复。AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移无数据就写“尚缺AlphaFold蛋白结构数据库在独立场景的长周期阴性结果”；95%可用也不遮蔽5%反号。

与相邻领域的精确链接是空间组学与多模态细胞图谱称“DBiT-seq微流控空间多组学DBiT-seq”；见第554号第十一条“DBiT-seq微流控空间多组学DBiT-seq”。双方共享〔13 时间尺度可自由压缩〕海量预测结构会不会诱导忽略置信区间；2026年跨平台转移时，AlphaFold蛋白结构数据库的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔责任链〕对AlphaFold蛋白结构数据库AlphaFold DB而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有把结构预测从单次服务变成公共基础设施”推出的每一步中介、责任人和可撤回条件，〔责任链〕缺少任何一环，都不能把相关性写成机制。

四、RFdiffusion从头蛋白设计RFdiffusion

Watson et al., Nature 620, 1089–1100 (2023), doi:10.1038/s41586-023-06415-8确立RFdiffusion从头蛋白设计的历史节点。2026年把从噪声迭代生成满足几何条件的骨架、RFdiffusion从头蛋白设计的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔排除规则〕机构采用RFdiffusion从头蛋白设计RFdiffusion之前还应公布否决门槛：一旦“⇄系统核算后方向反转：实验阳性来自筛选后的子集，设计总数、合成失败和亲和力分布必须进入分母，RFdiffusion从头蛋白设计应用范围越”出现，就暂停扩张并回到“从噪声迭代生成满足几何条件的骨架”的原始记录复核，该门槛必须早于部署决定写入方案。

这里拒绝多因叙述，决定结果能否成立的只有从噪声迭代生成满足几何条件的骨架。〔排除规则〕2026年固定对象、实现和预算后做删除检验，若方向未变便退稿。RFdiffusion从头蛋白设计的外部复现误差率须给95%区间。

提出证据见Watson et al., Nature 620, 1089–1100 (2023), doi:10.1038/s41586-023-06415-8，最强争议是“扩散生成的几何是否能兑现指定结合与功能”，延续状态为“方法扩展到全原子、酶和抗体设计”。RFdiffusion从头蛋白设计交付3批RFdiffusion从头蛋白设计的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID，异常逐例保留。〔排除规则〕把RFdiffusion从头蛋白设计RFdiffusion与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“从噪声迭代生成满足几何条件的骨架”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

RFdiffusion从头蛋白设计不能越过实验阳性来自筛选后的子集，设计总数、合成失败和亲和力分布必须进入分母。2026年把RFdiffusion从头蛋白设计的批次、平台、最差亚组与现场漂移扫过全量程时，RFdiffusion从头蛋白设计应用范围越广，版本漂移和未记录失败反而越多；方向一旦翻转，平均性能再高也不抵销。

验收表首先读取“从噪声迭代生成满足几何条件的骨架”，随后核对RFdiffusion从头蛋白设计的批次、平台、最差亚组与现场漂移。持续24h日志含RFdiffusion从头蛋白设计的外部复现误差率、版次、接管和修复；95%成功与5%失败同时发布，缺口写成“尚缺RFdiffusion从头蛋白设计在独立场景的长周期阴性结果”。〔排除规则〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有从噪声迭代生成满足几何条件的骨架”的操作定义，仍能复算“以“从噪声迭代生成满足几何条件的骨架”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

跨域异名为空间组学与多模态细胞图谱称“Tangram单细胞到空间映射Tangram”；见第554号第十二条“Tangram单细胞到空间映射Tangram”，不是宽泛类比。它检验〔13 时间尺度可自由压缩〕扩散生成的几何是否能兑现指定结合与功能；2026年由独立团队复跑原始记录时，RFdiffusion从头蛋白设计的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

五、语言模型抗体设计Language-Model Antibody Design

Shanehsazzadeh et al., Nature Biotechnology, generative antibody design studies (2023)把语言模型抗体设计钉在可复算节点：蛋白语言模型可在缺少靶标结构时排序抗体突变并发现保持结合的变体。以抗体序列分布提出少量突变候选须与语言模型抗体设计的批次、平台、最差亚组与现场漂移分账；〔基线冻结〕2026年复核保留旧基线、版本与失败运行。

语言模型抗体设计只锁定一个原因：以抗体序列分布提出少量突变候选。〔基线冻结〕2026年冻结对象和总预算，移除机制而方向仍在便撤回，语言模型抗体设计的批次、平台、最差亚组与现场漂移不得由峰值代偿。语言模型抗体设计的外部复现误差率以95%区间裁决。〔基线冻结〕面向下一轮材料，蛋白质语言模型与生成生物学应优先补齐“尚缺语言模型抗体设计在独立场景的长周期阴性结果”的原始记录，并把“⇄系统核算后方向反转：天然样式不保证免疫原性低、聚集少或脱靶可控，候选仍需完整开发性实验，语言模型抗体设计覆盖样本越多，最差亚组的反向误”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

提出卷页由Shanehsazzadeh et al., Nature Biotechnology, generative antibody design studies (2023)锁定，反方命题是“保持天然性分数能否同时提高亲和与特异”，截至2025年的延续为“抗体生成结合结构、亲和成熟与可开发性筛选”。语言模型抗体设计复算给3套配置、95%区间、5%尾部和run ID，语言模型抗体设计的批次、平台、最差亚组与现场漂移失败样本不清洗。

语言模型抗体设计的硬边界是天然样式不保证免疫原性低、聚集少或脱靶可控，候选仍需完整开发性实验。2026年把语言模型抗体设计的批次、平台、最差亚组与现场漂移推至规格外；语言模型抗体设计覆盖样本越多，最差亚组的反向误差反而越易被总体均值遮蔽，平均基准不能冲销反号结果。〔基线冻结〕在蛋白质语言模型与生成生物学的这一对象上，复核应把“以“以抗体序列分布提出少量突变候选”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺语言模型抗体设计在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

〔基线冻结〕工程验收以“以抗体序列分布提出少量突变候选”为主读数，连续24h记录语言模型抗体设计的外部复现误差率、版本、人工接管与恢复。语言模型抗体设计的批次、平台、最差亚组与现场漂移未测即保留“尚缺语言模型抗体设计在独立场景的长周期阴性结果”，95%成功不能删除5%失败谱。

语言模型抗体设计跨域登记为空间组学与多模态细胞图谱称“seq-Scope亚细胞空间转录组Seq-Scope”；见第554号第十三条“seq-Scope亚细胞空间转录组Seq-Scope”。〔基线冻结〕它共享〔17 局部最优可加总为整体最优〕保持天然性分数能否同时提高亲和与特异，2026年送往第二平台时，语言模型抗体设计的批次、平台、最差亚组与现场漂移的对象、量纲与停止阈值均不得改名。

六、AlphaFold 3分子相互作用AlphaFold 3

Abramson et al., Nature 630, 493–500 (2024), doi:10.1038/s41586-024-07487-w确立AlphaFold 3分子相互作用的历史节点。2026年把用扩散架构统一多类生物分子复合体、AlphaFold 3分子相互作用的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔异常运行〕落到复现实务，可为AlphaFold 3分子相互作用AlphaFold 3建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“用扩散架构统一多类生物分子复合体”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

可消融的唯一单因是用扩散架构统一多类生物分子复合体：2026年维持样本、版本与预算不变，仅撤去该机制；若读数仍同向，本条失败。AlphaFold 3分子相互作用的外部复现误差率以95%区间登记。

Abramson et al., Nature 630, 493–500 (2024), doi:10.1038/s41586-024-07487-w给出起点，争议由“联合结构预测能否替代结合自由能和动态实验”承担，最新状态是“模型可预测蛋白、核酸、小分子、离子与修饰残基复合物”。证据表列3组AlphaFold 3分子相互作用的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID，阴性运行全部进入分母。〔异常运行〕证据链还要把Abramson et al., Nature 630, 493–500 (2024), doi的起点材料与更新文献放在同一比较表里，并逐项报告“用扩散架构统一多类生物分子复合体”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

边界判据写作特定RNA、抗体、手性和构象变化仍有失败，结构准确不直接给出亲和、动力学或药效。当2026年测试越过AlphaFold 3分子相互作用的批次、平台、最差亚组与现场漂移，AlphaFold 3分子相互作用分辨率越高，捕获效率和跨批一致性反而可能越低；方向翻转须先于均值进入结论。

“用扩散架构统一多类生物分子复合体”承担验收读数，另开AlphaFold 3分子相互作用的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留AlphaFold 3分子相互作用的外部复现误差率、版本、维修与中止原因；〔异常运行〕余下5%失败及“尚缺AlphaFold 3分子相互作用在独立场景的长周期阴性结果”仍入正文。〔异常运行〕对AlphaFold 3分子相互作用AlphaFold 3而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有用扩散架构统一多类生物分子复合体”推出的每一步中介、责任人和可撤回条件，〔异常运行〕缺少任何一环，都不能把相关性写成机制。

AlphaFold 3分子相互作用的异名接口采用空间组学与多模态细胞图谱称“Stereo-seq厘米尺度纳米阵列Stereo-seq”；见第554号第十四条“Stereo-seq厘米尺度纳米阵列Stereo-seq”。共同预设是〔17 局部最优可加总为整体最优〕联合结构预测能否替代结合自由能和动态实验；第二团队在2026年重放原始记录时，不得以同向代理替换AlphaFold 3分子相互作用的批次、平台、最差亚组与现场漂移。

七、Evo长基因组基础模型Evo

在Nguyen et al., Science, sequence modeling from molecular to genome scale (2024)之前，Evo长基因组基础模型缺少把局部优化变成系统判断的支点；节点价值在于Evo以原核和噬菌体序列训练长上下文模型，展示从突变效应到多基因系统生成任务。2026年评价在单碱基分辨率跨越长基因组上下文时，同时冻结Evo长基因组基础模型的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下在单碱基分辨率跨越长基因组上下文这一项。2026年用相同对象做移除实验，机制消失而优势不变即否证；Evo长基因组基础模型的批次、平台、最差亚组与现场漂移只界定失效域。Evo长基因组基础模型的外部复现误差率报告95%区间。

来源链依次是Nguyen et al., Science, sequence modeling from molecular to genome scale (2024)、“长上下文能否学到基因组因果调控而非共现”和“模型用于蛋白、非编码DNA与合成基因组元件设计”。原始表公开3档配置、95%区间、5%失败谱及run ID；Evo长基因组基础模型的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

训练范围不含真核复杂调控，生成序列的生物安全和功能验证远落后于计算规模构成Evo长基因组基础模型的停止线。到2026年，Evo长基因组基础模型的批次、平台、最差亚组与现场漂移一旦主导，Evo长基因组基础模型模型越复杂，外部复现后的净增益反而越不稳定，峰值读数便不能代表净效用。〔人工接管〕本条的边界案例应从“尚缺Evo长基因组基础模型在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：训练范围不含真核复杂调控，生成序列的生物安全和功能验证远落后于计算规模，Evo长基因组基础模型模型越复杂，外部复现”究竟是偶发噪声，还是足以改变结论方向的系统反例。

部署账把“在单碱基分辨率跨越长基因组上下文”设为主量纲，每24h记录Evo长基因组基础模型的外部复现误差率、版本、漂移与恢复。Evo长基因组基础模型的批次、平台、最差亚组与现场漂移无数据就写“尚缺Evo长基因组基础模型在独立场景的长周期阴性结果”；95%可用也不遮蔽5%反号。

与相邻领域的精确链接是空间组学与多模态细胞图谱称“cell2location空间解卷积cell2location”；见第554号第十五条“cell2location空间解卷积cell2location”。双方共享〔17 局部最优可加总为整体最优〕长上下文能否学到基因组因果调控而非共现；2026年跨平台转移时，Evo长基因组基础模型的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。〔人工接管〕机构采用Evo长基因组基础模型Evo之前还应公布否决门槛：一旦“⇄系统核算后方向反转：训练范围不含真核复杂调控，生成序列的生物安全和功能验证远落后于计算规模，Evo长基因组基础模型模型越复杂，外部复现”出现，就暂停扩张并回到“在单碱基分辨率跨越长基因组上下文”的原始记录复核，该门槛必须早于部署决定写入方案。

八、OpenCRISPR生成式编辑器OpenCRISPR-1

Ruffolo et al., bioRxiv (2024), doi:10.1101/2024.04.22.590591确立OpenCRISPR生成式编辑器的历史节点。2026年把用蛋白语言模型生成远离天然家族的Cas序列、OpenCRISPR生成式编辑器的批次、平台、最差亚组与现场漂移、实现栈与旧基线同时入账。〔撤回门槛〕面向下一轮材料，蛋白质语言模型与生成生物学应优先补齐“尚缺OpenCRISPR生成式编辑器在独立场景的长周期阴性结果”的原始记录，并把“⇄系统核算后方向反转：预印本样本与靶位有限，脱靶、递送、免疫原性和长期安全尚不能由体外活性替代，OpenCRISPR生成式编辑器应用范围”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

这里拒绝多因叙述，决定结果能否成立的只有用蛋白语言模型生成远离天然家族的Cas序列。〔撤回门槛〕2026年固定对象、实现和预算后做删除检验，若方向未变便退稿。OpenCRISPR生成式编辑器的外部复现误差率须给95%区间。

提出证据见Ruffolo et al., bioRxiv (2024), doi:10.1101/2024.04.22.590591，最强争议是“生成Cas蛋白能否兼顾活性、特异和免疫风险”，延续状态为“开放模型与实验验证推动可编程基因编辑器设计”。OpenCRISPR生成式编辑器交付3批OpenCRISPR生成式编辑器的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID，异常逐例保留。

OpenCRISPR生成式编辑器不能越过预印本样本与靶位有限，脱靶、递送、免疫原性和长期安全尚不能由体外活性替代。2026年把OpenCRISPR生成式编辑器的批次、平台、最差亚组与现场漂移扫过全量程时，OpenCRISPR生成式编辑器应用范围越广，版本漂移和未记录失败反而越多；方向一旦翻转，平均性能再高也不抵销。

验收表首先读取“用蛋白语言模型生成远离天然家族的Cas序列”，随后核对OpenCRISPR生成式编辑器的批次、平台、最差亚组与现场漂移。持续24h日志含OpenCRISPR生成式编辑器的外部复现误差率、版次、接管和修复；95%成功与5%失败同时发布，缺口写成“尚缺OpenCRISPR生成式编辑器在独立场景的长周期阴性结果”。〔撤回门槛〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有用蛋白语言模型生成远离天然家族的Cas序列”的操作定义，仍能复算“以“用蛋白语言模型生成远离天然家族的Cas序列”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

跨域异名为空间组学与多模态细胞图谱称“Tabula Sapiens多器官细胞图谱Tabula Sapiens”；见第554号第十六条“Tabula Sapiens多器官细胞图谱Tabula Sapiens”，不是宽泛类比。它检验〔18 干预不回写到被干预者〕生成Cas蛋白能否兼顾活性、特异和免疫风险；2026年由独立团队复跑原始记录时，OpenCRISPR生成式编辑器的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

九、ESM3多模态生成模型ESM3

Hayes et al., Science 387, 850–858 (2025), doi:10.1126/science.ads0018确立ESM3多模态生成模型的历史节点。2026年把在离散轨道中联合生成序列结构功能、ESM3多模态生成模型跨场景漂移、实现栈与旧基线同时入账。

ESM3多模态生成模型只锁定一个原因：在离散轨道中联合生成序列结构功能。〔跨域外推〕2026年冻结对象和总预算，移除机制而方向仍在便撤回，ESM3多模态生成模型跨场景漂移不得由峰值代偿。ESM3多模态生成模型的外部复现误差率以95%区间裁决。〔跨域外推〕证据链还要把Hayes et al., Science 387, 850–858 (2025), doi:1的起点材料与更新文献放在同一比较表里，并逐项报告“在离散轨道中联合生成序列结构功能”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

提出卷页由Hayes et al., Science 387, 850–858 (2025), doi:10.1126/science.ads0018锁定，反方命题是“同时建模序列结构功能会不会造成互相验证的闭环”，截至2025年的延续为“生成模型可按部分序列、结构与功能提示补全蛋白”。ESM3多模态生成模型复算给3套配置、95%区间、5%尾部和run ID，ESM3多模态生成模型跨场景漂移失败样本不清洗。

ESM3多模态生成模型的硬边界是单个醒目成功不能代表总体成功率，模型预测结构与功能标签也不是独立证据。2026年把ESM3多模态生成模型跨场景漂移推至规格外；ESM3多模态生成模型覆盖样本越多，最差亚组的反向误差反而越易被总体均值遮蔽，平均基准不能冲销反号结果。〔跨域外推〕对ESM3多模态生成模型ESM3而言，真正需要登记的不是又一个平均分，而是由“决定本项生成生物学结果能否成立的只有在离散轨道中联合生成序列结构功能”推出的每一步中介、责任人和可撤回条件，〔跨域外推〕缺少任何一环，都不能把相关性写成机制。

〔跨域外推〕工程验收以“在离散轨道中联合生成序列结构功能”为主读数，连续24h记录ESM3多模态生成模型的外部复现误差率、版本、人工接管与恢复。ESM3多模态生成模型跨场景漂移未测即保留“尚缺ESM3多模态生成模型在独立场景的长周期阴性结果”，95%成功不能删除5%失败谱。

ESM3多模态生成模型跨域登记为空间组学与多模态细胞图谱称“CosMx空间分子成像CosMx Spatial Molecular Imager”；见第554号第十七条“CosMx空间分子成像CosMx Spatial Molecular Imager”。〔跨域外推〕它共享〔18 干预不回写到被干预者〕同时建模序列结构功能会不会造成互相验证的闭环，2026年送往第二平台时，ESM3多模态生成模型跨场景漂移的对象、量纲与停止阈值均不得改名。〔跨域外推〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄系统核算后方向反转：单个醒目成功不能代表总体成功率，模型预测结构与功能标签也不是独立证据，ESM3多模态生成模型覆盖样本越多，最差亚组”做至少两轮外部复算，若方向翻转，ESM3多模态生成模型ESM3的结论必须随之收窄。

十、全原子扩散设计All-Atom Protein Design

全原子扩散设计由Krishna et al., Science 384, eadl2528 (2024), doi:10.1126/science.adl2528固定为历史节点，新意是RoseTTAFold All-Atom扩展结构建模到非蛋白组分，为配体条件设计提供统一表示。2026年重读时把在统一图中表示蛋白、核酸和小分子原子、全原子扩散设计的批次、平台、最差亚组与现场漂移和实现栈并列，避免把单次纪录误作系统能力。〔盲法复核〕落到复现实务，可为全原子扩散设计All-Atom Protein Design建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“在统一图中表示蛋白、核酸和小分子原子”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

可消融的唯一单因是在统一图中表示蛋白、核酸和小分子原子：2026年维持样本、版本与预算不变，仅撤去该机制；若读数仍同向，本条失败。全原子扩散设计的外部复现误差率以95%区间登记。

Krishna et al., Science 384, eadl2528 (2024), doi:10.1126/science.adl2528给出起点，争议由“全原子模型能否准确处理小分子参数和溶剂效应”承担，最新状态是“全原子生成开始面向配体结合与化学环境”。证据表列3组全原子扩散设计的批次、平台、最差亚组与现场漂移配置、95%置信区间、5%尾部和run ID，阴性运行全部进入分母。〔盲法复核〕本条的边界案例应从“尚缺全原子扩散设计在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄系统核算后方向反转：训练结构偏向稳定复合物，质子化、金属、溶剂和诱导契合会改变真实能量景观，全原子扩散设计分辨率越高，捕获效率和跨批一”究竟是偶发噪声，还是足以改变结论方向的系统反例。

边界判据写作训练结构偏向稳定复合物，质子化、金属、溶剂和诱导契合会改变真实能量景观。当2026年测试越过全原子扩散设计的批次、平台、最差亚组与现场漂移，全原子扩散设计分辨率越高，捕获效率和跨批一致性反而可能越低；方向翻转须先于均值进入结论。

“在统一图中表示蛋白、核酸和小分子原子”承担验收读数，另开全原子扩散设计的批次、平台、最差亚组与现场漂移账。系统跑满24h后保留全原子扩散设计的外部复现误差率、版本、维修与中止原因；〔盲法复核〕余下5%失败及“尚缺全原子扩散设计在独立场景的长周期阴性结果”仍入正文。

全原子扩散设计的异名接口采用空间组学与多模态细胞图谱称“HuBMAP肾脏空间多组学HuBMAP Kidney Atlas”；见第554号第十八条“HuBMAP肾脏空间多组学HuBMAP Kidney Atlas”。共同预设是〔18 干预不回写到被干预者〕全原子模型能否准确处理小分子参数和溶剂效应；第二团队在2026年重放原始记录时，不得以同向代理替换全原子扩散设计的批次、平台、最差亚组与现场漂移。

十一、生成酶催化位点Generative Enzyme Design

在Lauko et al., Science 388, eadu2454 (2025), doi:10.1126/science.adu2454之前，生成酶催化位点缺少把局部优化变成系统判断的支点；节点价值在于生成式方法可围绕功能基序提出大量新骨架，再由ProteinMPNN和实验筛选获得初始活性。2026年评价围绕过渡态几何生成催化骨架时，同时冻结生成酶催化位点的批次、平台、最差亚组与现场漂移和对照。

因果账只许留下围绕过渡态几何生成催化骨架这一项。2026年用相同对象做移除实验，机制消失而优势不变即否证；生成酶催化位点的批次、平台、最差亚组与现场漂移只界定失效域。生成酶催化位点的外部复现误差率报告95%区间。〔结果分母〕把生成酶催化位点Generative Enzyme Design与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“围绕过渡态几何生成催化骨架”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

来源链依次是Lauko et al., Science 388, eadu2454 (2025), doi:10.1126/science.adu2454、“几何匹配能否转化为足够催化效率和选择性”和“扩散骨架与序列设计结合实验定向进化”。原始表公开3档配置、95%区间、5%失败谱及run ID；生成酶催化位点的批次、平台、最差亚组与现场漂移导致的中止按失败计入分母。

初始活性常远低于天然酶，筛选和后续进化贡献若不拆开会夸大模型因果构成生成酶催化位点的停止线。到2026年，生成酶催化位点的批次、平台、最差亚组与现场漂移一旦主导，生成酶催化位点模型越复杂，外部复现后的净增益反而越不稳定，峰值读数便不能代表净效用。〔结果分母〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项生成生物学结果能否成立的只有围绕过渡态几何生成催化骨架”的操作定义，仍能复算“以“围绕过渡态几何生成催化骨架”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

部署账把“围绕过渡态几何生成催化骨架”设为主量纲，每24h记录生成酶催化位点的外部复现误差率、版本、漂移与恢复。生成酶催化位点的批次、平台、最差亚组与现场漂移无数据就写“尚缺生成酶催化位点在独立场景的长周期阴性结果”；95%可用也不遮蔽5%反号。

与相邻领域的精确链接是空间组学与多模态细胞图谱称“三维人体参考图谱3D Human Reference Atlas”；见第554号第十九条“三维人体参考图谱3D Human Reference Atlas”。双方共享〔19 类别互斥且穷尽〕几何匹配能否转化为足够催化效率和选择性；2026年跨平台转移时，生成酶催化位点的批次、平台、最差亚组与现场漂移仍用同一单位、版本与失败阈值。

十二、湿实验生成闭环Design-Build-Test-Learn for Proteins

National Academies and protein design benchmark initiatives, 2024–2026使湿实验生成闭环从局部演示转为可审计命题，核心观察是标准化闭环可区分序列生成、结构形成与真实功能各自成功率，使算法比较不再只报最佳分子。2026年证据包把把生成、合成、表达、纯化和功能测定串成证据链与湿实验生成闭环的批次、平台、最差亚组与现场漂移分别编号，并保留旧方法对照。

这里拒绝多因叙述，决定结果能否成立的只有把生成、合成、表达、纯化和功能测定串成证据链。〔未覆盖项〕2026年固定对象、实现和预算后做删除检验，若方向未变便退稿。湿实验生成闭环的外部复现误差率须给95%区间。

提出证据见National Academies and protein design benchmark initiatives, 2024–2026，最强争议是“计算命中率能否用一致分母跨实验室比较”，延续状态为“社区开始要求公开全量设计、表达和功能失败”。湿实验生成闭环交付3批湿实验生成闭环的批次、平台、最差亚组与现场漂移数据、95%区间、5%尾部和run ID，异常逐例保留。〔未覆盖项〕在蛋白质语言模型与生成生物学的这一对象上，复核应把“以“把生成、合成、表达、纯化和功能测定串成证据链”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺湿实验生成闭环在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

湿实验生成闭环不能越过实验协议、检测下限和人工救援差异仍会改变命中率，公共盲测是必要边界。2026年把湿实验生成闭环的批次、平台、最差亚组与现场漂移扫过全量程时，湿实验生成闭环应用范围越广，版本漂移和未记录失败反而越多；方向一旦翻转，平均性能再高也不抵销。

验收表首先读取“把生成、合成、表达、纯化和功能测定串成证据链”，随后核对湿实验生成闭环的批次、平台、最差亚组与现场漂移。持续24h日志含湿实验生成闭环的外部复现误差率、版次、接管和修复；95%成功与5%失败同时发布，缺口写成“尚缺湿实验生成闭环在独立场景的长周期阴性结果”。〔未覆盖项〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄系统核算后方向反转：实验协议、检测下限和人工救援差异仍会改变命中率，公共盲测是必要边界，湿实验生成闭环应用范围越广，版本漂移和未记录失”做至少两轮外部复算，若方向翻转，湿实验生成闭环Design-Build-Test-Learn for Proteins的结论必须随之收窄。

跨域异名为空间组学与多模态细胞图谱称“空间人类胸腺图谱Spatial Human Thymus Atlas”；见第554号第二十条“空间人类胸腺图谱Spatial Human Thymus Atlas”，不是宽泛类比。它检验〔20 窗口内稳定＝长期稳定〕计算命中率能否用一致分母跨实验室比较；2026年由独立团队复跑原始记录时，湿实验生成闭环的批次、平台、最差亚组与现场漂移的单位、阈值和停止规则保持不变。

◎ 二十年连起来看

二十个节点连起来，主线不是名词越来越多，而是生成生物学的决定性机制是让进化表征在明确物理与功能约束下产生可湿实验验证的新分子，而不是困惑度或结构置信度变好。早期把对象变得可执行，中期把读数送回决策，近期才开始把异常、资源和责任纳入系统。

这条历史线也显示，局部纪录通常先于完整证据账出现。面板因此保留提出、争议与最新三条来源，避免用今天的术语倒写昨天的因果。

◎ 三个常见误解

第一，自动或量子等标签不自动等于净优势；第二，峰值读数不能替代全流程分母；第三，规模扩大并不会自行消除选择偏差、漂移和外部成本。

三个误解共同源于把代理指标当作对象本身。只要损耗、人工、校准或失败样本被移出账本，任何路线都可能得到过度乐观的结论。

◎ 与相邻领域的接口

本领域向上连接基础理论，向下连接制造、软件、标准和治理。真正有用的接口是让相邻领域用同一失效条件挑战“生成生物学的决定性机制是让进化表征在明确物理与功能约束下产生可湿实验验证的新分子，而不是困惑度或结构置信度变好”。

接口验收要求对手明确、共同预设明确、相反点明确，并能推出一个原领域尚未提出的新实验，而不是把热门名词并排陈列。

◎ 争议现场

支持者强调新的闭环和资源已经把过去不可做的问题变成可运行系统；反方则指出大多数优势仍依赖精心选择的任务、基线和实验环境。

争议的裁决方式不是口号投票，而是冻结版本、同预算对照、跨站点复现与方向反转试验。若失败只被解释成工程细节，理论便失去被反驳的入口。

◎ 往下五年看什么

未来五年要看生成模型能否公开失败分母、跨实验室复现实验功能，并把免疫原性、可制造性、生物安全和序列新颖性同时纳入多目标设计

应优先观察能否公开完整运行日志、异常分类和阴性结果，以及新一代标准是否要求端到端资源核算。单点纪录仍重要，但不足以单独改变面板判断。

◎ 可与哪些领域对撞

可对撞的领域包括控制论、因果推断、计量学、可靠性工程、科学社会学与技术治理。它们分别追问反馈、归因、溯源、长尾失败、奖励结构和责任。

对撞时应保持对象和量纲不变，只替换一个前提；如果结论因此反号，才说明接口带来了新知识。

◎ 十条可做的研究命题

建立公开失败谱，并比较只用成功数据与全量数据时结论是否反号。

把人工接管、校准和等待时间加入资源分母，重算相对旧方法的净收益。

在至少两个独立平台冻结版本复现同一方向，而非只复现最好数值。

设计移除关键机制的消融试验，检查单因主张能否被直接推翻。

将平均性能换成最坏分位数，观察路线排序是否改变。

对代理指标施加分布外扰动，寻找它与真实目标解耦的阈值。

记录中止与未完成运行，检验幸存者偏差在多大程度上制造领先。

以同总预算而非同设备时间设置经典或旧技术基线。

把能耗、耗材和退役责任延伸到生命周期，测试局部优化是否转移成本。

预注册一个会令主张失败的结果形态，并在数据到来后按原规则裁决。

◎ 资料核验

SDEUniverses.com · 新思想前沿　｜　第 555 号　｜　王德生 亲撰