把进展放回技术脉络.
按领域、技术路线、核心技术三层浏览。每类说明关键区别，并关联已收录的模型、平台与评测方法，让相近技术的边界更清楚。
L1生物数据科学Biological Data Science01
解析已有测量数据：识别细胞状态，连接不同数据中的信息。
L2细胞表征与解析Cell Representation & Analysis01
从观测数据学习表示，支持细胞注释与整合；不等同于预测干预后的反应。
- L3单细胞表示学习
学习基因与细胞表示，支持多种单细胞分析任务。
区分特点：主要交付观测数据的表示与解析结果，而非指定干预后的响应预测。
L1分子设计与优化Molecular Design & Optimization04
面向靶点与分子候选：决定研究谁、评价候选，再提出新设计。
L2靶点证据整合与排序Target Evidence & Prioritization01
整合疾病与遗传证据，确定优先验证的干预对象。
- L3多模态靶点发现
整合人群遗传、多组学与实验数据，支持靶点选择。
区分特点：主要交付干预对象或靶点假设，区别于生成分子候选或模拟完整细胞反应。
L2结构预测与评测Structure Prediction & Evaluation02
研究给定分子的结构与结合方式；将预测方法和独立评测分别呈现。
- L3复合物结构预测
预测蛋白质与其他生物分子构成的复合物结构。
区分特点：交付结构预测本身；评测类交付对预测质量的独立评价，生成设计类提出新候选。
- L3蛋白质–配体盲测
用隐藏实验结果评价结构预测，区分评测方法与被测模型。
区分特点：通过对参测者隐藏实验参照来检验泛化能力；本类评价模型，不产出预测模型。
L2生成式分子设计Generative Molecular Design01
围绕设计约束提出新候选，交付可进一步验证的结构方案。
- L3蛋白骨架生成
用生成模型提出蛋白质骨架，生成后仍需序列设计与实验验证。
区分特点：设计对象是新的蛋白骨架，区别于预测给定序列的结构、生成小分子或优化已有序列。
- L1细胞与系统建模Cell & Systems Modeling00
预测干预后的细胞响应或随时间变化的动态过程。
尚未收录技术条目。
L1科研流程与自动化Research Workflows & Automation01
组织研究任务与工具执行，交付可追溯的计算流程和研究材料。
L2科研智能体工作流Scientific Agent Workflows01
连接证据检索、软件与计算工具；只有连接真实实验反馈后才属于实验闭环。
- L3科研工作流编排
组织检索、计算与研究材料产出，保留工具调用和证据链。
区分特点：主要组织数字研究任务的执行，区别于直接预测生物对象，也未必连接真实湿实验。
FOUNDATIONAL KNOWLEDGE
从这里，深入一层.
AlphaFold 3 复合物结构预测
AlphaFold 3
在统一模型中预测蛋白质、核酸、小分子等构成的生物分子复合物结构。
Antigravity 科研智能体流程
Antigravity Agentic Science Workflows
由研究者引导智能体协调数据库、文献与结构证据的科研工作台流程。
insitro Virtual Human 因果发现平台
insitro Virtual Human
insitro用于整合人类遗传与多模态表型证据、提出疾病靶点假设的平台。
OpenBind 蛋白质配体结构盲测
OpenBind Blind Protein-ligand Evaluation
在参考结合结构暂不公开时，联合评估配体姿态、相互作用与物理合理性的结构预测测试。
RFdiffusion 蛋白质设计
RFdiffusion
通过对蛋白质结构逐步去噪，从约束条件生成新的蛋白骨架。
scGPT 单细胞基础模型
scGPT
通过大规模单细胞数据预训练，学习可用于多种单细胞分析任务的表示。