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。
Gary Brixi 等人报告 Evo 2 基因组语言模型具备上下文学习（ICL）能力，无需重新训练，仅凭少量示例即可生成蛋白质、从头抗体、CRISPR-Cas9 位点、线粒体基因组和完整噬菌体。研究还利用合成序列迭代构建思维链（CoT），以完成更难的设计目标。该工作由 Yukun A. Hao、Brian Hie 及团队完成，Leo Zang 转发并推荐了解其用法。
推荐理由：该工作展示基因组语言模型仅凭少量示例即可在上下文中生成多种生物序列，为设计任务提供可迁移范式。
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
伦敦大学学院与Fold9的研究人员发布预印本，提出用投影梯度下降（PGD）在概率单纯形上直接优化氨基酸概率，替代传统 Softmax 参数化，以缓解低概率氨基酸梯度衰减的问题。
推荐理由：研究用投影梯度下降替换 Softmax 优化序列，为梯度驱动的结合剂设计提供了可复现的优化器对照。
清华大学、中南财经政法大学和华中科技大学研究者于2026年9月24日在bioRxiv发布预印本，提出Cerebra-Epistasis，先由野生型序列预测结构并生成可复用的突变评分与上位性表征，再经轻量组装网络预测多突变组合。
推荐理由：该预印本把突变组合效应与大规模组合评分放进同一框架，并给出上位性预测与基线对比。
Amir Shanehsazzadeh 转发 @JacobMolBio 介绍的 Claude Binder Lane 技能，供 Claude Science 用户按类似 Anthropic 结合剂研究计算部分的工作流设计结合剂。用户可与 Claude Science 共同确定靶点与位点、工具组合（包括是否沿用 Anthropic 公开技术栈或替换其他工具）、各工具运行位置（API、插件、本地或 Modal 等云端算力）、预算、指标与迭代轮次，最终得到结合剂序列和预测结构。该技能可调用 30 多个工具，并纳入 Anthropic 原始结合剂报告之后的进展，如 BindCraft2 以及 Anthropic 近期加速的 ESMFold2 和 Boltz-2 套件。
推荐理由：这条转发介绍了一个可复用的结合剂设计工作流，把靶点选择、工具组合与运行环境串成可配置流程。
RyboDyn 在 bioRxiv 预印本中报告，其测序平台 RyboCypher 在肺癌、结直肠癌及癌旁组织和癌细胞系中解析出约660万个暗 RNA 位点，其中超过97%不见于现有非编码 RNA 数据库。
推荐理由：RyboDyn 用自建测序平台在肿瘤样本中挖掘出约8万条隐秘肽段，并给出一个可成药的表面靶点验证案例。
作者将ESM-IF1逆折叠生成与保守性、蛋白-核酸共同进化约束结合，从头设计出与天然ISDra2 TnpB仅约50-60%一致性的SynTnpB小型RNA引导核酸酶。
推荐理由：研究把结构生成与进化保守性约束结合，设计出序列偏离天然但仍可编辑基因的TnpB核酸酶，并给出模块化筛选与结构依据。
Roshan Rao 表示所有必要参数已更新，并发布仓库 esmfold2-inference-scaling，用于通过公开 API 复现 ESMFold2 的规模扩展结果。其引用的说明指出，规模扩展高度依赖对 pair representation 的扰动，论文结果设置了每轮随机 LM dropout mask、开头随机 LM 输入 mask、每轮重新随机 MSA 子采样和每轮变化的 MSA 列掩码，这些关键参数此前未在公开 API 中暴露，具体设置见补充材料。
推荐理由：作者公开可复现 ESMFold2 规模扩展结果的推理仓库，并说明此前 API 缺失的关键参数已更新。
Roshan Rao 等在 bioRxiv 发布关于 ESMC、ESMFold2 和蛋白质机制可解释性的论文，并对上周初版做了修订。
推荐理由：作者说明 ESMC、ESMFold2 与蛋白机制可解释性预印本的修订内容，涉及基准评测与结果口径调整。
Roshan Rao 宣布已完全开源其结合剂设计流程，该流程可生成纳摩尔亲和力的 scFv。代码忠实复现了论文中描述的管线，也正是产出其设计所用的同一套流程，入口为 https://tinyurl.com/7jnsuzv5。所引用的教程 notebook 位于 Biohub 的 esm 仓库，支持通过 @modal 扩展结合剂生成，相关 ESMFold2、ESMC、ESM Atlas 与完整结果见论文 https://biohub.ai/papers/esm_protein.pdf。
推荐理由：作者开源了论文中实际使用的结合剂设计流程，可复现生成纳摩尔亲和力 scFv 的完整管线。
Alex Rives 宣布推出 ESMFold2，一个面向蛋白生物学预测、设计与发现的开放科学引擎，称其在蛋白相互作用尤其是抗体上达到当前最优性能。作者称已针对癌症和免疫学相关的五个治疗靶点设计并验证了 miniprotein 结合剂和单链抗体，成功率很高，亲和力达到与治疗活性一致的水平。
推荐理由：ESMFold2 同时覆盖蛋白相互作用预测与结合剂设计，并给出多靶点湿实验验证结果，可作为评估蛋白基础模型能力的参照。