Pallatom2 全原子生成模型发布：同时生成序列与主侧链原子并指定靶点结合界面
Pallatom2 是一个全原子生成模型，可同时生成氨基酸序列、主链与侧链的原子构型，并能指定与靶点的结合界面。据该帖介绍，实验在210个候选中确认112个具有结合活性，10个靶点均获得结合剂，其中6个靶点经 BLI 测定报告了 pM 量级的结合亲和力（KD）。
推荐理由：介绍全原子生成模型同时生成序列与侧链并指定结合界面，附10个靶点的实验结合数据。
#全原子扩散
澪乃ゆい精选AI 评分7676
BioTender精选AI 评分6565 BioTender盘点19个全原子蛋白设计项目：竞赛焦点从生成结构转向控制功能
BioTender 汇总2026年9—10月收录的19个全原子建模与设计项目，覆盖结构生成、复合物预测、结构编码与设计优化，认为竞赛焦点正从生成结构延伸到控制功能。
推荐理由：梳理19个全原子建模项目的路线差异，并指出评测口径与开放程度决定成绩可比性。
LeapFun精选AI 评分8282 Baker Lab与NVIDIA发布RFD4-Proteína：联合生成蛋白序列与全原子结构
Baker Lab与NVIDIA GenAIR发布RFD4-Proteína，用flow matching在同一潜空间联合生成蛋白序列与全原子结构，并按靶点、酶motif、配体等分子语境条件化。
推荐理由：梳理该模型联合生成序列与全原子结构的机制，并列出湿实验漏斗与吞吐对比的边界。
药化猩球精选AI 评分7474 北大刘涛团队发布CheMoDesign框架，将蛋白质设计拓展至非天然化学空间
北京大学刘涛团队建立CheMoDesign框架，以用户指定的化学功能为锚点，弱化全原子扩散模型对原有蛋白构象的条件限制，先Dreaming探索结构、再Waking拉回可编码序列空间，实现从化学机制出发反向设计蛋白。
推荐理由：该框架把化学机制作为设计输入，在PTM、ncAA和翻译后修饰三类体系给出湿实验验证，为扩展化学空间的蛋白设计提供参照。
DeepTech深科技精选AI 评分6969 普林斯顿姜凯议团队提出MESSI扩散模型，在生成蛋白质序列时降低预测免疫原性
美国普林斯顿大学姜凯议团队在bioRxiv发表论文，提出生成式扩散模型MESSI，在逆向折叠生成蛋白质序列时同步降低预测免疫原性。模型结合离散扩散与Lookahead–Feedback机制，在生成过程中用免疫风险预测器评估候选序列并重新遮蔽高风险位置。
推荐理由：论文把免疫原性纳入逆向折叠的生成目标，并在三类蛋白上做了功能验证，为治疗性蛋白设计提供可迁移思路。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技等提出CODesign：让蛋白质序列与结构在全原子binder设计中保持一致
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign，通过一致性蒸馏构建约105,000对二聚体数据Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
推荐理由：作者团队提出以一致性为核心的蛋白binder协同设计方法，并用消融实验拆解数据与采样环节各自的贡献。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出 OFoldNA：将二级结构信息融入全原子扩散模型，统一核酸折叠与蛋白–核酸共折叠
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
Vilya, Inc.精选AI 评分6565 Vilya 发布全原子基础模型 Vilya-2，可建模化学多样性分子界面
Vilya 发布全原子基础模型 Vilya-2，称其无需模板或共进化输入，通过扩散和单一统一原子表示解析多肽与靶点复合物。公司称该模型对非经典多肽达到亚埃级精度，并准确预测 Zolucatetide、Daraxonrasib、Icotrokinra 和 Enlicitide 与各自治疗性蛋白靶点的相互作用。
推荐理由：Vilya-2 以统一原子表示建模多肽与靶点复合物，为现有工具难以处理的非经典化学体系提供参照。
AI4Protein精选AI 评分5858 力文所Pallatom全原子蛋白质设计模型从V1演进到Lévin智能体
杭州力文所介绍其Pallatom系列全原子生成模型，从V1端到端生成主链、侧链与序列，到V2面向靶点界面与结合位点做功能分子设计，再到以Agent组织模型与结构分析工具的Pallatom-Lévin。
推荐理由：梳理力文所Pallatom系列从全原子生成到Agent闭环的版本演进，并列出多靶点binder实验成功率。
Genesis Molecular AI精选AI 评分7474 Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型，推理提速 5 倍
Genesis Molecular AI 发布 DeCAF-Pearl，称其为首个用于全原子共折叠的流图模型，相比其 Pearl 模型推理提速 5 倍且质量几乎无损。
推荐理由：DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型，为高通量筛选场景提供了速度参照。
力文所精选AI 评分5858 力文所与复融生物完成首批全原子生成类药寡聚体设计交付
力文所与复融生物宣布达成首批类药寡聚体设计交付，这批分子由力文所 Pallatom2 引擎生成，并在复融生物高通量实验平台完成验证。据文中描述，候选分子在体积排阻色谱中呈单一峰型、实现预期寡聚化状态，多个核心候选亲和力达到皮摩尔级，热稳定性与表达滴度达到工业评价标准。文中称部分分子已具备推进成药性评价的基础，但未披露具体靶点、分子数量与实验数值。
推荐理由：力文所与复融生物披露首批寡聚体设计交付，展示了全原子生成模型在湿实验中的验证路径。
Jason Yim精选AI 评分7474 DISCO：序列-结构联合扩散模型设计C(sp³)–H插入酶
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
HouMed精选AI 评分7474 侯廷军团队等发布全模态分子设计基座模型ODesign
侯廷军教授课题组、OTeam创始人张昊天领衔，联合临港实验室郑双佳团队、浙江大学谢昌谕团队等发布全模态分子设计基座模型ODesign，在统一框架内支持蛋白质、核酸（RNA/DNA）、小分子与离子的相互作用生成，并可在分子整体、功能基序、提示原子三种粒度下可控设计。
推荐理由：该模型把蛋白、核酸与小分子设计放进同一生成框架，并给出跨模态基准对比，便于判断多模态分子设计的当前进展。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8282 Baker Lab 开源发布 RFdiffusion3 全原子生物分子设计模型
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。
已经到底了