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。
#Baker Lab
下一分子精选AI 评分7373
UW Institute for Protein Design精选AI 评分7474 IPD 与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 与 UW 蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
英灵殿科技Valhalla精选AI 评分7878 华盛顿大学David Baker团队提出RFOptimization：用全原子结构模型引导蛋白质设计优化
华盛顿大学蛋白质设计研究所David Baker团队提出RFOptimization（RFO），冻结RF3参数，从Pairformer后的distogram与置信度头提取梯度，在离散序列空间用梯度引导MCMC搜索，并与Boltz加ProteinMPNN/LigandMPNN的结构循环分支交替使用，AlphaFold3仅作独立评估。
推荐理由：该工作把全原子结构模型的内部梯度用于已有候选的序列优化，并给出跨模型一致性与算力成本的对照。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 华盛顿大学、Allen研究所与Fred Hutch联合成立AI BioDesign联盟，五年投入近9500万美元
西雅图研究联盟AI BioDesign于9月3日宣布成立，由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建，David Baker与Jay Shendure共同领导。
推荐理由：该联盟把计算设计、高通量实验与开放资源放在同一循环中，为观察蛋白质设计平台的组织方式提供参照。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理，256 残基蛋白预测从 5.8 秒降至 2.5 秒
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
Biohub · News精选AI 评分5858 Biohub 资助 15 个团队构建免疫细胞重编程工具包
Biohub 宣布支持 15 个研究项目，与合成生物学专家共同搭建免疫细胞工程的基础工具包，包括逻辑电路、合成受体、结合剂文库和传感平台。获资助团队包括 David Baker 团队设计可读取多种生物信号并作出响应的蛋白电路、James Collins 团队构建 RNA 分子电路、Wendell Lim 团队汇编传感器与逻辑电路模块目录。
推荐理由：Biohub 公布 15 个免疫细胞重编程资助项目，展示合成生物学工具包的模块化分工与团队布局。
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。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8888 Baker Lab 发布 RFdiffusion2：以提示直接生成高效酶
Baker Lab 报告开发 RFdiffusion2，可直接以活性位点原子排布为输入生成酶，无需实验室优化即具备催化活性。在 Nature Methods 研究的计算基准中，该模型解决 41 项酶设计挑战中的 41 项，此前最佳工具为 16 项。
推荐理由：RFdiffusion2 以活性位点结构为输入直接生成酶，并在计算基准中解决全部 41 项设计挑战，为酶设计提供了新的可复用工具。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8686 Baker Lab在Nature发表RFantibody：用RFdiffusion从头设计全长抗体
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 与劳伦斯利弗莫尔国家实验室合作推进 AI 抗体设计
A-Alpha Bio 宣布参与 DeNOVO Initiative，与劳伦斯利弗莫尔国家实验室等机构开展为期 3 年的合作，用高性能计算和人工智能方法设计可中和未来生物威胁的抗体。
推荐理由：介绍 A-Alpha Bio 参与的多机构抗体设计项目，说明其高通量蛋白互作数据在训练结合预测模型中的角色。
已经到底了