作者转发了一篇 bioRxiv 预印本，题为 Rēs ipSAE adhūc loquuntur: What the directionality of predicted aligned error in cofolding models can tell us about scoring diverse molecular complexes，链接为 https://www.biorxiv.org/content/10.64898/2026.11.02.763449v1。作者本人只补充说明标题是拉丁语「事实自会说话」的文字游戏，暗藏手法名 ipSAE，并可解读为 PAE 仍有可说的内容。
我觉得其他人也做过类似的事，但这里快速看一下各折叠模型上 ipSAE vs ipDAE vs ipTM 的对比 ipDAE（BindCraft2）表现 consistently 好，但 OpenDDE+ipTM 出乎意料地好，而且在不同阈值下都稳健 共识（Consensus）的帮助没有我预期的那么大
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
推荐理由：OpenBind负责人谈蛋白-小分子结合数据缺口，并给出首组数据集与盲测挑战的具体规模。
OpenBind联合OpenADMET与ASAP Discovery Consortium于2026年10月14日启动首届OpenBind盲测挑战，要求参赛者预测400个化合物与寨卡病毒NS2B-NS3蛋白酶形成的蛋白-配体复合物，化合物从小片段到类先导分子不等。
推荐理由：首届OpenBind盲测挑战以寨卡NS2B-NS3蛋白酶为靶点，用更严格的构象与物理有效性标准比较对接与共折叠方法。
Wankowicz与Bonomi在《Nature Methods》发表前瞻文章，指出AlphaFold等工具已改变静态结构预测，但仍无法捕捉完整构象集合，核心瓶颈是缺乏原子分辨率下可作金标准的真实参考数据。
推荐理由：文章系统梳理构象集合预测在数据、表示与评价上的瓶颈，为理解结构预测的下一步提供框架。
同一个预测复合物，不同的置信度分数： ipTM：0.38 ipSAE：0.75 为什么这些指标会有差异？完整解析 👇 https://youtu.be/k4yBqddtPyQ #AlphaFold #AFDB