ProVADA 作者解读三篇 bioRxiv 预印本：生成式 AI 如何降低蛋白药物免疫原性
斯坦福团队 ProVADA 模型作者在 bioRxiv 预印本基础上撰文，对比自家 ProVADA 与 David Baker 团队 MINT、普林斯顿团队 MESSI 三条生成式 AI 去免疫原性路线。
推荐理由：ProVADA 作者对比三篇预印本的去免疫原性路线，梳理实验验证目标与序列改动幅度的取舍。
#数据/基准
AI-Protein Design精选AI 评分7272
LeapFun精选AI 评分7474 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。
AI蛋白质精选AI 评分7474 北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
推荐理由：研究显示MSA深度与配对策略需按目标定制，为AF3复合物预测流程提供了可迁移的优化思路。
AI药物设计实验室精选AI 评分7171 Nature Communications｜IDPForge用扩散模型生成无序蛋白构象集合
IDPForge以ESMFold序列与残基配对模块结合去噪扩散，从氨基酸序列生成全原子无序蛋白构象集合，在32条单链IDP测试序列上综合NMR拟合的归一化X-EISD分数为0.890，高于IDPConformerGenerator的0.576、IDPFold的0.582和CALVADOS的0.584。
推荐理由：介绍IDPForge用扩散模型生成无序蛋白构象集合，并对照NMR与SAXS数据说明其优势与尺寸偏差。
药化猩球精选AI 评分5858 用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录
作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计，在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选，约 78 分钟完成。
推荐理由：作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程，含 hotspot 取舍与评分分布，可作同类设计的操作参照。
AI药物设计实验室精选AI 评分7474 Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
推荐理由：预印本用自然语言条件生成蛋白结构与序列，并在 GM2A 上给出 SPR 结合数据，可看文本接口的控制边界。
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
Brian Hie精选AI 评分7474 Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
Molence精选AI 评分6060 Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
BioAICraft精选AI 评分7373 David Baker团队发布MINT方法：在保留蛋白功能的同时降低CD8⁺ T细胞免疫原性
David Baker、Nir Hacohen等人在bioRxiv发布预印本，提出MINT方法，在保留蛋白质功能的前提下降低CD8⁺ T细胞免疫原性。
推荐理由：该预印本把免疫原性纳入蛋白设计目标，并用小鼠实验比较高低表位设计的T细胞反应，为去表位设计提供了可参照的验证路径。
BioAICraft精选AI 评分7373 arXiv论文提出ResiDPO并微调LigandMPNN得到EnhancedMPNN
悉尼科技大学、华盛顿大学、伊利诺伊大学厄巴纳—香槟分校和浙江大学研究者在arXiv发布论文，提出残基级可设计性偏好优化方法ResiDPO，用它微调LigandMPNN得到EnhancedMPNN。
推荐理由：论文把AlphaFold2逐残基置信度反馈用于微调LigandMPNN，为序列设计筛选通过率提供了可比较的提升数据。
奶牛猫的CADD实验室精选AI 评分7272 微软提出增强扩散采样方法 Enhanced Diffusion Sampling，更高效捕捉蛋白质稀有构象
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
下一分子精选AI 评分7373 IPD与NVIDIA开源RFD4-Proteina：从计算通过率到湿实验的采用判断
IPD与NVIDIA于10月公开RFD4-Proteina的代码与模型权重，模型把序列与结构放进同一生成过程，并提供候选搜索与评估入口，核心许可为BSD 3-Clause。
推荐理由：结合开源入口、计算基准口径与两组湿实验，给出团队自评该蛋白设计模型是否值得采用的判断框架。
BioTender精选AI 评分6262 Anthropic 与 Adaptyv 蛋白设计挑战赛第五题要求识别 KRAS G12D 突变肽
10 月 26 日，Anthropic 与瑞士蛋白工程公司 Adaptyv 联合举办的蛋白设计挑战赛放出第五题，要求设计只结合 KRAS G12D 突变肽（VVVGADGVGK）、不结合野生型肽（VVVGAGGVGK）的蛋白，两者仅第 6 位一个氨基酸不同，靶点为 HLA-A*11:01 呈递的 pMHC。
推荐理由：赛事把特异性拆成突变识别、肽依赖与亲和力三关，为从零设计结合剂的评测提供了具体参照。
BioAICraft精选AI 评分7171 PNAS论文提出ThermoMPNN单突变稳定性打分器
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
AI-Protein Design精选AI 评分7676 RFD4-Proteina发布：对比RFD3的表征、推理与湿实验催化设计
RFD4-Proteina 发布，相较 RFD3 改用受力场能量监督的 32 维物理启发潜在空间，并引入内在循环精炼与外在搜索引导的双重潜在推理。干实验中小分子结合聚类通过率为 14.3%（RFD3 为 2.4%），77 个测试靶点全部覆盖；湿实验中 288 个双金属磷酸三酯酶设计有 89 个显示催化活性，最佳催化效率 3,600/M/s。
推荐理由：对比RFD4-Proteina与RFD3在表征、推理机制和湿实验催化设计上的分工，便于判断不同任务的模型选型。
BioAICraft精选AI 评分7676 斯坦福团队在bioRxiv发布ProVADA：引导蛋白适应细胞质并降低HLA-I结合肽
斯坦福大学Xiaojing J. Gao、Wing Hung Wong等团队于10月18日在bioRxiv发布预印本，提出ProVADA框架，用固定的ProteinMPNN生成多位点改造序列、外部评分器评价完整序列，再由MADA种群退火引导搜索。
推荐理由：该预印本用外部评分器引导固定生成模型做多位点改造，并给出肾素与CAR抗体片段的湿实验对照结果。
AI蛋白质精选AI 评分8888 西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
AI药物设计实验室精选AI 评分8282 UW IPD 与 NVIDIA 发布 RFD4-Proteina：在共同潜空间做蛋白质与多类分子设计
华盛顿大学蛋白质设计研究所与 NVIDIA 等机构提出 RFD4-Proteina，将标准及非标准氨基酸、糖、DNA 和 RNA 的组成单元编码为锚点坐标加 32 维向量，在同一空间中联合生成分子身份与构象。
推荐理由：论文把分子身份与构象放进同一设计空间，并用四类计算基准和多类湿实验展示其适用范围与边界。