David Baker 皇家学会 Croonian 演讲：AI 蛋白质设计从结合走向执行功能
2026 年 11 月 3 日，David Baker 在伦敦皇家学会发表 Croonian 奖项演讲，以“Advances in computational protein design”为题展示团队及合作者近一两年在结合蛋白、条件响应开关、从头酶和蛋白质材料方面的进展。
推荐理由：以一场奖项演讲为线索，串联结合蛋白、条件开关与从头酶的多项进展，呈现蛋白质设计从识别走向执行功能的路径。
#酶设计
BioTender精选AI 评分6060
下一分子精选AI 评分6060 Anthropic递交S-1冲刺纳斯达克，招股书披露生命科学布局
Anthropic于10月26日向美国SEC公开递交S-1注册文件，拟在纳斯达克上市，股票代码ANT，招股书把生物学和医学列为AI最有望改善人类生活的四大方向之首。
推荐理由：梳理Anthropic招股书中的生命科学布局，并区分客户覆盖与AI制药收入、早期发现与药物候选。
DrugAI精选AI 评分7474 Nature：从头蛋白质设计与定向进化构建高对映选择性人工金属酶光催化剂
研究人员用RFdiffusion All-Atom和LigandMPNN从头设计结合金属多吡啶光催化剂的蛋白骨架DE3，再经多轮定向进化获得变体4FFG，催化分子内[2+2]光环加成产物对映体比例达3:97。
推荐理由：研究把从头设计骨架与定向进化串成一条路径，为人工金属酶的光催化立体控制提供了可参照的设计与优化流程。
BioArt精选AI 评分8282 David Baker团队在Nature发表两项研究：从头设计半胱氨酸蛋白酶与金属蛋白酶
华盛顿大学David Baker团队在Nature发表两篇论文，分别从头设计半胱氨酸蛋白酶和锌离子辅助的金属蛋白酶，并在哺乳动物细胞中检测到切割活性。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的初筛成功率、动力学参数和晶体结构验证，并讨论催化水与预组织对活性的影响。
LeapFun精选AI 评分5858 RFD4-Proteina 文档实操解读：从 Binder 生成到 Agent 自动设计蛋白质
作者以使用者视角梳理 Baker Lab 与 NVIDIA 的 RFD4-Proteina 官方文档，按 Quickstart、Cookbook、输入条件、Reward-Guided Search、Metrics 与 Agent Skills 的顺序给出上手路线。
推荐理由：文章按官方文档梳理 RFD4-Proteina 从输入约束、生成搜索到 Agent 编排的实操路径，便于团队复现工作流。
BioTender精选AI 评分7070 Ligo Biosciences 公布酶设计系统 Artios 的从头设计酶结果
Ligo Biosciences 公布酶设计系统 Artios，首轮荧光素酶实验筛 85 个设计有 7 个具活性，较大蛋白筛 45 个有 9 个初筛命中。
推荐理由：文章逐项拆解 Artios 的筛选口径与实验证据，说明计算通过率与实验命中率之间的差距。
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。
BioArt精选AI 评分7878 西湖大学等团队在 Nature 提出自然语言驱动的功能蛋白设计模型 Pinal
西湖大学、香港科技大学（广州）、中国科学院深圳先进技术研究院等团队在 Nature 发表 Pinal，一个以自然语言功能描述为输入、输出候选蛋白序列及结构表征的蛋白质设计模型。
推荐理由：该研究把自然语言功能描述接入蛋白质设计流程，并在荧光蛋白、降解酶等四类任务中做了实验验证，可供了解文本驱动设计的边界。
AI-Protein Design精选AI 评分8888 RFD4-Proteina 分子设计模型发布，基准与湿实验成功率超现有模型
RFD4-Proteina 分子设计模型正式发布，在蛋白质结合、小分子结合、酶活性位点支架和 DNA 结合四类基准测试中聚类通过率均高于对比模型，并报告更高生成吞吐量。
推荐理由：RFD4-Proteina 在多项基准与湿实验中同时报告成功率与吞吐量，为评估分子设计模型的精度速度权衡提供参照。
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。
AI-Protein Design精选AI 评分7373 Nature与Vita两篇金属蛋白酶计算设计论文对比
文章对比了David Baker团队发表于《Nature》的金属蛋白酶计算设计与曹龙兴团队发表于《Vita》的靶向Aβ切割金属蛋白酶从头设计两项研究。两者均用RFdiffusion系列或ProteusFlow生成骨架、LigandMPNN优化序列并结合AlphaFold2/3多状态筛选，实测结构与设计模型Cα RMSD约0.8–1.88 Å。
推荐理由：对比两篇金属蛋白酶从头设计论文，梳理生成模型、筛选体系与结构验证的异同，并指出周转率差距。
DrugAI精选AI 评分8686 Nature：Baker团队用RFdiffusion2-MI从头设计半胱氨酸蛋白酶
Baker团队利用RFdiffusion2-MI生成模型，从头设计以Cys–His–Asp催化三联体为核心的人工半胱氨酸蛋白酶，在69个实验测试设计中有13个能准确切割预定肽键，成功率为19%。
推荐理由：Baker团队用RFdiffusion2-MI从头设计半胱氨酸蛋白酶，晶体结构验证全新折叠，并揭示活性位点预组织是效率瓶颈。
DrugAI精选AI 评分8888 Nature：Baker团队用RFdiffusion从头设计金属蛋白酶
David Baker团队在Nature发表研究，利用RFdiffusion系列生成模型从头设计含锌配位中心和多肽结合口袋的金属蛋白酶，135个实验测试设计中36%能在预期位置切割多肽底物。
推荐理由：研究把从头酶设计从酯键水解推进到稳定肽键，并指出显式建模催化水分子是成功率差异的关键。
奶牛猫的CADD实验室精选AI 评分7474 少考虑一颗水分子，AI 设计蛋白酶的成功率差了这么多？
David Baker 团队在 Nature 发表研究，用 AI 从头设计可切断指定肽键的金属蛋白酶：结构评估仅考虑 Zn²⁺ 时实验成功率为 14/95（约 15%），同时考虑 Zn²⁺ 和催化水后升至 35/40（约 88%）。
推荐理由：解读 Baker 团队金属蛋白酶设计研究，说明催化水如何改变计算筛选的成功率。
AI-Protein Design精选AI 评分7676 Baker团队在《Nature》发表人工金属蛋白酶设计，可定点水解TDP-43但活性仍低于天然酶
Baker团队在《Nature》报告用RFdiffusion2/3与EnhancedMPNN从头设计金属蛋白酶，显式建模锌配位催化水分子后湿实验筛选阳性率从15%升至88%。代表性设计TDPn3可定点切割全长TDP-43单体与寡聚体，SDS-PAGE和质谱确认断裂位点，阴性对照无切割条带。作者指出最强变体Zn45_v2周转率仍比顶级天然金属蛋白酶低约2个数量级，且尚无细胞或动物实验验证。
推荐理由：文章拆解了Baker团队金属蛋白酶从头设计的策略演进，并点明催化效率与体内验证的具体边界。
DrugAI精选AI 评分8888 Science 发表 RFdiffusion3：全原子扩散实现生物聚合物原子级功能位点支架设计
研究人员在 Science 发表 RFdiffusion3（RFD3），一种基于全原子自由扩散的生成式模型，可在统一框架下设计蛋白质、RNA、DNA 及其复合物，并直接以催化原子坐标、氢键和配体埋藏等条件构建功能位点。
推荐理由：该研究把生成式设计从残基级推进到全原子级，并给出人工酶实验活性数据，可作为理解功能位点设计边界的参照。
DeepTech深科技精选AI 评分8383 David Baker团队在Nature连发两篇论文，AI从头设计蛋白酶最高催化加速超100亿倍
华盛顿大学David Baker团队10月14日在Nature发表两篇论文，用RFdiffusion、ProteinMPNN和AlphaFold 3从头设计半胱氨酸蛋白酶与金属蛋白酶。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的实验成功率与催化加速，并给出与天然酶的差距。
Google DeepMind / Isomorphic精选AI 评分5858 Google DeepMind 发布 Gemini 4 Argon，并展示其在酶设计与科研任务上的应用
Google DeepMind 发布 Gemini 4 Argon，通过 API、AI Studio、Gemini 平台及 Antigravity 等入口向开发者、企业和科研人员开放，输入定价为每百万 token 2 美元、输出为每百万 token 10 美元。
推荐理由：Gemini 4 Argon 在数小时内完成丝氨酸酯酶设计，并经实验室测试确认催化活性，为通用模型参与酶工程提供了具体案例。
智药邦精选AI 评分5858 Basecamp Research完成1.4亿美元C轮融资，将训练新一代EDEN模型
Basecamp Research于2026年9月23日宣布完成1.4亿美元C轮融资，由S32领投，NVIDIA、Menlo Ventures旗下Anthology Fund等参投，资金将用于训练新一代EDEN模型并推动AI设计疗法管线进入临床开发。
推荐理由：融资信息之外，材料还交代了EDEN模型与DNA写入技术结合的体内重编程路径及临床前进展。
AI蛋白质精选AI 评分8585 DeepMind发布AlphaProtein Novo：从头设计酶在哌啶合成与DEHP降解中超越自然序列挖掘
Google DeepMind团队在预印本平台发布AlphaProtein Novo（AP Novo）机器学习流水线，报告从头设计酶在哌啶合成和DEHP降解两个挑战性反应上超越自然序列或突变体筛选。
推荐理由：该预印本报告从头设计酶在哌啶合成与DEHP降解中超过天然序列筛选，并给出序列集合评分这一可迁移方法。