Evaxion公布EVX-01二期新生物标志物数据，AI-Immunology平台预测与实际T细胞反应显著相关
Evaxion公布个体化癌症疫苗EVX-01在晚期黑色素瘤二期试验中的新生物标志物数据，直接ex vivo检测到EVX-01诱导的新抗原特异性T细胞，以CD4+ T细胞为主，半数患者观察到CD8+ T细胞反应。
推荐理由：该二期数据把AI新抗原预测与实际T细胞反应关联起来，为个体化癌症疫苗的靶点选择提供了临床层面的参照。
#多肽药物
Evaxion Biotech 官网资讯精选AI 评分6363
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。
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。
药化猩球精选AI 评分5858 能结合却无药效的分子还能做什么：从沉默结合到PROTAC与RiboTAC的药化设计
作者费米子父梳理了沉默结合配体在诱导邻近技术中的再利用路径，涵盖SAR by catalog、RiboTAC、RNATAC、RIPTAC与PhosTAC。文中引用Disney团队2023年Nature研究，将结合RNA但无功能效应的小分子接上RNase L招募模块后成为降解剂；Tong等2024年全转录组研究中481个结合RNA靶标仅5个达到RNase L依赖切割标准。
推荐理由：文章把沉默结合配体与多种诱导邻近技术串成一套设计检查框架，便于理解配体再利用的取舍。
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。
Evaxion Biotech 官网资讯精选AI 评分5858 Evaxion公布EVX-01二期试验三年随访数据：89%疫苗靶点诱导T细胞应答
Evaxion公布个体化癌症疫苗EVX-01在晚期黑色素瘤二期试验中的三年随访数据，全部患者均产生免疫应答，89%的疫苗新抗原靶点诱导出特异性T细胞应答。三年内T细胞应答的强度与广度得以维持，所有患者在两年随访时的临床缓解均保持，单用EVX-01治疗期间未见肿瘤进展。
推荐理由：该二期试验三年随访显示个体化新抗原疫苗的免疫应答与临床缓解得以维持，为AI靶点筛选提供了长期人体数据参照。
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。
机器之心 · AI4Science精选AI 评分5858 中科大发布机器科学家2.2系统，宣称可自主创制新物质
中科大在智能科学家生态联盟第四届年会上发布机器科学家2.2系统，官方定位为新一代智能物质科学基础设施，由大模型提出假设、专业小模型计算筛选、科研机器人执行实验并回喂结果形成闭环。
推荐理由：报道梳理了该系统大模型假设、小模型求证与机器人实验的三层分工及闭环机制，并列出效率数据与数据、验证层面的现实约束。
Google DeepMind / Isomorphic精选AI 评分6060 Google 推出 Antigravity 智能体工作台，用 ProtNLM 挖掘抗菌肽候选
Google 发布智能体科研工作台 Google Antigravity，并用它从 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染病原体有活性的新型抗菌肽候选，该先导物正在接受湿实验验证。
推荐理由：展示智能体工作台如何把跨库检索、功能注释与结构查看串成一次会话，为抗菌肽早期发现提供可迁移流程。
AI药物设计实验室精选AI 评分7272 默沙东与得州理工在npj Drug Discovery提出PepOpt，174.4秒从约10⁵⁰种肽组合中筛出前1000条
默沙东与得克萨斯理工大学研究人员在npj Drug Discovery发表可解释机器学习框架PepOpt，用位置特异的ECFP4指纹加贝叶斯岭回归预测肽活性，并借助可加性动态规划在约10⁵⁰规模空间中174.4秒返回模型评分最高的1000条序列。
推荐理由：该框架把位置特异的化学子结构编码与可加性动态规划结合，为超大肽库的候选排序提供了可解释的搜索路径。
药时代精选AI 评分6262 吉利德与Vir达成最高18.75亿美元合作，获3款实体瘤掩蔽型TCE授权
吉利德与Vir Biotechnology达成潜在总额18.75亿美元的合作，获得3款基于PRO-XTEN掩蔽技术平台、靶向实体瘤相关抗原的TCE候选药物授权。
推荐理由：梳理吉利德与Vir的18.75亿美元TCE合作金额结构，并对照其实体瘤管线受挫背景解释押注逻辑。
Pranam Chatterjee精选AI 评分6767 LFD 框架用 LLM 自适应课程微调肽和小分子流模型
研究提出 LLM-to-Flow Distillation（LFD）方法，从“设计具有抗癌活性的肽”或“设计结合 D2 多巴胺受体的小分子”等自然语言目标出发，通过迭代 DPO 将 LLM 生成子目标的知识蒸馏进科学生成器。
推荐理由：该方法把自然语言目标蒸馏进肽与小分子流模型，并在留出计算评测中与奖励引导方法比较。
智药邦精选AI 评分7171 Generate与Zealand Pharma达成12亿美元多靶点合作，开发AI设计的代谢疾病蛋白疗法
Generate Biomedicines与Zealand Pharma于2026年10月13日宣布达成多靶点战略合作与授权协议，依托整合生成式AI与高通量实验验证的The Generate平台，共同设计开发针对肥胖症及其他代谢疾病的多特异性蛋白疗法。
推荐理由：交易把生成式蛋白设计与代谢疾病多特异性蛋白疗法绑定，可看合作结构、首付款与里程碑拆分。
Generate:Biomedicines精选AI 评分6868 Generate:Biomedicines 与 Zealand Pharma 合作开发肥胖及代谢疾病多特异性候选药物
Generate:Biomedicines 宣布与 Zealand Pharma 达成合作及许可协议，针对肥胖及其他代谢疾病设计多特异性候选药物，初始启动两个项目并保留第三个项目的选择权。公司称将先从患者所需的药物作用特征出发，再结合 Zealand Pharma 数十年数据与自身生成模型及高通量实验测量，设计具备目标生物学功能的多特异性候选药物。
推荐理由：该合作披露了双方在代谢疾病多特异性候选药物上的分工与初始项目数量，可了解生成式模型如何介入早期设计。
LeapFun精选AI 评分6363 12篇论文解码Orbis：AI环肽平台与诺和诺德14亿美元合作
作者梳理12篇论文，拆解Orbis如何用非天然构件大环、ⁿCycle-Forge计算搜索与自动化合成构成环肽发现体系。ⁿCycle-Forge以Boltz共折叠评分为代理目标，对两个靶点做约12万次共折叠评价并合成1472个设计，凝血酶初筛命中35/736，约为历史库的24倍，MDM2命中率约4.6%与历史定向库相近。
推荐理由：文章逐层拆解Orbis大环肽平台的计算与实验证据，并区分技术源流与公司独占资产。