NVIDIA公开RFD4蛋白设计数据体系：2.13TB、19类训练集与采样权重
NVIDIA在开放RFD4-Proteína蛋白设计模型之外，公开了支撑训练的数据体系，共2.13TB、19类训练集、33,527个文件对象，覆盖蛋白结构、抗体、TCR、蛋白Binder、环肽、非天然氨基酸、蛋白-配体、RNA及糖链，较早期约239GB、5类数据的版本明显扩展。
推荐理由：文章拆解了RFD4公开数据集的19类配置、过滤保留率与采样权重，为自建蛋白设计训练数据提供参照。
#多肽药物
LeapFun精选AI 评分7474
Molence精选AI 评分5858 Molence 发布 Mol-1 在 MolBench-Peptide-26 上的蛋白-肽预测结果
Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。
推荐理由：Mol-1 在肽复合物预测上按 DockQ 阈值分层报告成绩，并对比加入结合位点约束后的变化。
LeapFun精选AI 评分7474 侯廷军团队推出PartiDesign：统一生成框架用于蛋白与环肽设计
侯廷军团队推出可控生成框架PartiDesign，将结构与序列或化学身份在同一次Flow Matching生成中协同，覆盖蛋白、DNA、RNA和小分子。在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；AME原子级催化基序骨架搭建中常规与α引导配置分别约为RFD3的8.6倍和12倍。
推荐理由：介绍统一生成框架在蛋白与环肽设计上的产出效率，并给出与RFD3、BoltzGen的基准对比及计算筛选边界。
BioAICraft精选AI 评分7878 EPFL 团队在 bioRxiv 发布 SPARC：AI 从头设计光控蛋白开关
EPFL Bruno Correia 团队等人在 bioRxiv 发布论文，报道计算设计的光控蛋白开关系统 SPARC，将视黄醛结合、光诱导构象变化与短肽识别整合到同一蛋白中。
推荐理由：该预印本展示如何把视黄醛异构化的几何变化转化为可设计的蛋白构象开关，并给出多状态序列设计流程。
iNature精选AI 评分7474 David Baker 团队膜蛋白 AI 设计进展：GPCR 迷你蛋白与 WRAP 增溶技术
David Baker 团队 2026 年已发表 5 篇膜蛋白相关 AI 研究成果，涵盖从头设计、膜蛋白制备与结构机制研究。
推荐理由：梳理 Baker 团队今年 5 项膜蛋白 AI 设计工作，重点呈现 GPCR 迷你蛋白设计与 WRAP 增溶两条技术路线。
药化猩球精选AI 评分7878 字节Protenix原班团队开源生物分子模型Mol-1，抗体、分子胶与多肽结构预测升级
原字节跳动Protenix核心成员肖文之团队推出生物分子基础模型Mol-1并公开39页技术报告，基于Protenix技术体系提升结构预测能力。
推荐理由：Mol-1在抗体、分子胶与多肽等困难界面上对比AF3和Protenix-v1给出具体提升幅度，并附VHH设计湿实验命中数据。
下一分子精选AI 评分7474 分子之心MMDesign技术报告：19个设计项目18个获实验确认结合分子
分子之心在Zenodo发布扩展版MMDesign技术报告，覆盖18个靶点、19个设计项目，涉及VHH与大环肽两类模态，报告称18个项目获得实验确认的结合分子，项目成功率94.7%。
推荐理由：报告汇总19个设计项目的湿实验命中情况，并区分项目成功率与候选命中率，为评估生成-过滤-验证流程提供具体参照。
AI蛋白质精选AI 评分7474 Astrolabe：通过跨上下文协同与结构干预实现可编程全原子生物分子设计
北京生物科学研究所、北京协和医学院与清华大学团队提出闭环设计框架 Astrolabe，交替进行全原子结构预测与序列设计，以可编程目标函数、跨上下文序列同步和触发式结构救援组合完成设计任务。
推荐理由：该框架把结构干预与跨上下文序列同步组合进闭环设计，为多靶标、多模态设计任务提供了可迁移的流程参照。
LeapFun精选AI 评分6565 UniBindMD在bioRxiv复盘BindCraft2环肽设计627条轨迹零命中
深圳UniBindMD在bioRxiv复盘用BindCraft2 v1.0.3环肽模式针对人LDHA表面K81乳酰化附近表位的两轮设计，627条轨迹无一进入接受池，609条（97.1%）停在最早的screen阶段。
推荐理由：复盘627条环肽设计轨迹全部零命中，指出默认置信度门槛与短肽模态不匹配的具体卡点。
LeapFun精选AI 评分7070 默沙东与Texas Tech开源PepOpt算法，在10⁵⁰非天然氨基酸多肽空间中搜索候选
默沙东与Texas Tech研究者在npj Drug Discovery发表PepOpt，用PepSeA对齐、位置特异分子指纹、线性模型与动态规划，在约4000种单体、14肽规模达10⁵⁰的组合空间中筛选候选。
推荐理由：论文把可解释的线性预测与动态规划搜索结合，为超大非天然氨基酸多肽空间提供了一条可复用的筛选思路。
Adaptyv Bio精选AI 评分5858 Anthropic × Adaptyv 蛋白质设计竞赛第三题开放：设计激活 GLP1R 的蛋白
Anthropic × Adaptyv 蛋白质设计竞赛第三题开放，要求参赛者设计能激活 GLP1R 的蛋白质。GLP1R 是司美格鲁肽（Ozempic、Wegovy）和替尔泊肽在 2 型糖尿病与肥胖中作用的受体。
Pranam Chatterjee精选AI 评分7171 PepRePs：用pLM生成肽引导重定向磷酸酶实现可编程去磷酸化
Pranam Chatterjee团队提出PepRePs（peptide-retargeted phosphatases），即用肽引导重定向磷酸酶，目标是实现对任意靶点的可编程去磷酸化。该工作延续其用蛋白语言模型生成肽引导E3（uAbs）和DUB（duAbs）的思路，相关预印本已发布于bioRxiv。
推荐理由：作者团队把肽引导策略从E3、DUB扩展到磷酸酶，为可编程去磷酸化提供了一条新的设计思路。
Pranam Chatterjee精选AI 评分7373 SaLT&PepPr 引导肽在小鼠体内选择性降解致病 β-catenin
Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。
推荐理由：作者团队报告其设计的肽在小鼠体内实现靶向降解，为序列设计结合剂的体内验证提供实例。
Pranam Chatterjee精选AI 评分6262 Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选
Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。
推荐理由：作者团队用语言模型设计肽引导构建哺乳动物筛选，为蛋白功能敲低提供可迁移的实验框架。
分子之心MoleculeMind精选AI 评分6565 分子之心披露纳米抗体与环肽设计实验结果，并推出MoleculeOS平台
分子之心在7月31日深圳“AI+新药研发研讨会”上披露，其AI从头设计的纳米抗体和环肽在TNFα、PD-L1、MDM2等十几个靶点上获得阶段性湿实验命中：TNFα的14个纳米抗体中7个显示结合活性，最优亲和力51皮摩尔；PD-L1的30个候选纳米抗体中26个命中；MDM2的21个候选环肽中16个显示可检测结合，最佳KD为13.7微摩尔。
推荐理由：分子之心披露纳米抗体与环肽的湿实验命中数据及表达量结果，呈现AI从头设计从结合走向可开发性的阶段进展。
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。
分子之心MoleculeMind精选AI 评分6565 分子之心MMDesign环肽从头设计获湿实验验证，p53-MDM2首轮21条中16条命中
分子之心在WAIC 2026公布MMDesign环肽从头设计结果：针对p53-MDM2靶点首轮设计并测试的21条候选环肽中16条实验命中，命中率超过70%，最优候选KD为13.7微摩尔，优于同期实验阳性对照；PD-L1靶点首轮19条候选中有6条经SPR确认结合，最佳KD接近40微摩尔。
推荐理由：分子之心公布MMDesign在p53-MDM2与PD-L1两个PPI靶点的环肽首轮湿实验命中数据，可与纳米抗体结果对照看平台跨模态能力。
MindWalk / ImmunoPrecise Antibodies精选AI 评分5858 MindWalk 公布登革热临床前数据，支持 HYFT 计算预测
MindWalk 公布登革热临床前数据，称基于 HYFT 预测靶点设计的免疫原在动物中诱导出针对全部四种登革热血清型抗原的交叉反应抗体，并在两次独立实验中重复。公司称 HYFT 在免疫前计算优先选出泛血清型靶点，打乱序列的对照未产生相应识别，CEO Jennifer Bath 称这是该疫苗平台上首次记录到从预测到结果的闭环。该结果属临床前结合层面证据，完整数据见公司新闻稿。
推荐理由：公司披露登革热免疫原在动物中诱导四血清型交叉反应抗体，并给出两次独立实验的对照结果。
Vilya, Inc.精选AI 评分7070 Vilya 发布全原子基础模型 Vilya-1，用于大环结构预测与设计
Vilya 发布全原子基础模型 Vilya-1，专门建模含非天然氨基酸等多样化学的大环结构。公司称在公开与内部大环晶体结构合并基准上，Vilya-1 恢复晶体构象的表现超过次优方法一倍以上，物理与规则方法恢复的构象不到其一半，深度学习方法更落后。Vilya-1 还可微调用于富集可渗透化合物，并生成构象集合以评估能量景观、筛选结合剂；公司表示已在多个内部项目中应用该模型。
推荐理由：Vilya-1 以全原子模型覆盖非天然化学的大环结构预测，并给出与物理规则及深度学习方法的具体对比。
已经到底了