Научный AI сейчас развивается сразу в двух направлениях. С одной стороны, появляются инструменты, которые реально снимают ручную работу в биологии и белковом дизайне. С другой — всё больше исследований, где модели не хвалят заранее, а ставят в жёсткие условия и проверяют, где именно они ещё проваливаются. Ниже шесть таких работ: от математики и химии до клеточной биологии и белкового проектирования.

AdvancedMathBench: строгая проверка того, насколько модели справляются с настоящими математическими доказательствами

Авторы собрали AdvancedMathBench — набор из 296 задач на построение доказательств уровня от университетских курсов до экзаменационного рубежа, а также отдельный корпус из 888 траекторий для проверки умения модели распознавать корректность уже готового доказательства. Результат отрезвляющий: даже лучшая модель в работе получила только 75,8 и 66,1 балла на двух основных частях генерации, а в задаче проверки доказательств лучшая сбалансированная метрика точности составила лишь 65,1. Особенно плохо модели ловили именно критические ошибки, то есть самые опасные сбои.

Почему это важно: разговоров о «математических способностях» AI много, но эта работа напоминает, что строгая верификация всё ещё заметно слабее красивого финального ответа. Для науки это ключевой момент: исследовательская математика ломается не там, где модель уверенно пишет гладкий текст, а там, где нужно действительно заметить фатальную ошибку.

Источник: arXiv

Q-Score: попытка добавить квантовую механику в оценку молекулярного связывания

Работа предлагает Q-Score — новый способ оценивать, насколько молекула подходит белковой мишени. В отличие от привычных приближённых оценок, авторы пытаются учитывать квантово-механические эффекты, включая взаимодействия между донорными и акцепторными орбиталями. На 11 белковых мишенях их схема часто находила точный оптимум, а на тысяче молекул, сгенерированных AI, вела себя почти независимо от классических методов и лучше выделяла варианты с сильными орбитальными взаимодействиями.

Если результат подтвердится дальше, это может стать полезным дополнительным фильтром в поиске лекарств: не заменой всей химии, а способом увидеть то, что обычные оценки связывания часто пропускают. Для практики молекулярного дизайна такие «вторые глаза» иногда важнее, чем ещё один общий средний балл.

Источник: arXiv

URSA: языковые модели всё ещё уступают специализированным системам в ретросинтезе

Авторы представили URSA — химически осмысленный набор тестов для ретросинтеза, то есть для планирования шагов, которыми можно получить нужную молекулу. Здесь проверяют не только формальную достижимость маршрута, но и то, насколько он правдоподобен с точки зрения практикующего химика. Вывод оказался трезвым: языковые модели полезны для грубого высокоуровневого планирования, но в реальных задачах синтеза пока проигрывают специализированным системам по надёжности.

Это особенно важная работа на фоне завышенных ожиданий от AI в разработке лекарств. Она не говорит, что языковые модели бесполезны, но ясно показывает границу: помогать думать они уже могут, а вот доверять им критическую часть химического маршрута без дополнительной специализированной системы пока рано.

Источник: arXiv

SpaCellAgent: многоагентная система для анализа клеточных траекторий и пространственных данных

SpaCellAgent — это система, которая переводит обычное текстовое описание задачи в полный контур анализа клеточных траекторий. Она сама подбирает инструменты, строит рабочий процесс и пишет итоговый разбор для задач с данными по одиночным клеткам и по их пространственному расположению в ткани. На шести разных наборах данных авторы заявляют рост эффективности более чем на 40% при сохранении результатов на уровне, согласованном с экспертной оценкой.

Почему это может оказаться по-настоящему полезным: в вычислительной биологии огромное количество времени уходит не на одну модель, а на склейку инструментов, очистку данных и ручную сборку анализа. Если такая система действительно держит качество, она способна ускорить лабораторную рутину не на проценты, а заметно сильнее — особенно в группах, где не хватает редких специалистов по анализу таких данных.

Источник: arXiv

TheBioCollection: единый корпус на 52,6 млрд токенов для биологических моделей

Авторы собрали TheBioCollection — большой единый корпус, который объединяет молекулы, белки, геномные последовательности, клетки, биологические пути, вычисленные свойства и новые инструкции для обучения. На одной и той же архитектуре Gravity-16B-A3B обучение на таком корпусе более чем вдвое подняло общий результат на собственном наборе проверок, почти не испортив обычные языковые навыки модели.

Смысл работы не только в размере, а в стандартизации. У биологических моделей долго не было общего качественного фундамента, сопоставимого с тем, что большие текстовые корпуса дали обычным языковым моделям. Если TheBioCollection станет устойчивой базой для дальнейшего обучения, это может заметно ускорить весь слой биологических моделей, а не один конкретный релиз.

Источник: arXiv

GPFlow: проектирование белков без заранее заданной длины

В работе представлен Generalized Poisson Flow — генеративный подход, которому не нужно заранее фиксировать длину будущего белка. На задачах структурного и последовательностного проектирования, сборки вокруг заданного мотива и совместного проектирования пептидов метод лучше базовых моделей восстанавливал распределение длин и чаще находил удачные решения.

Это важный сдвиг для реального белкового дизайна. На практике нужная длина молекулы часто не известна с самого начала, и жёсткое ограничение по длине само по себе может отрезать удачные варианты. Поэтому гибкость здесь — не косметическая деталь, а шаг к более естественному инженерному поиску новых белков и пептидов.

Источник: arXiv

Если смотреть на всю подборку вместе, картина получается здоровая: AI в науке уже не только обещает ускорение, но и начинает проходить более честную проверку. Где-то это даёт реальные инструменты для биологии и белкового проектирования, а где-то — полезное напоминание, что красивый ответ ещё не равен надёжному научному мышлению.