8月17日提交arXiv的研究（arXiv:2608.16576）"Physics-Aligned Deep Learning Enables SERS Resolving and Sequencing of Dynamic Single-Molecule DNA Oligomers"开发了面向单分子表面增强拉曼光谱（SM-SERS）的物理对齐深度学习框架，实现对动态单分子DNA寡聚体的直接解析与测序。SM-SERS以超高灵敏度捕捉动态分子行为，但其生物聚合物分析长期受三大障碍制约：强烈的光谱异质性、瞬态热点采样的随机性以及背景干扰。该框架整合了基于对比注意力的多示例学习（CAMIL）、三通道物理对齐模块等组件，将光谱物理先验嵌入网络结构，从噪声严重、仅部分覆盖分子信息的SERS轨迹中重建寡核苷酸序列。研究展示了对该框架在动态DNA链上的"识别+测序"能力验证。这项工作把SERS从"能测单分子"推向"能读单分子序列"，为纳米孔之外的廉价单分子测序路线及蛋白质测序等方向提供了新工具。 （来源：arXiv）