Nat Commun：LAffAb用Rosetta能量函数协同优化抗体亲和力与稳定性
《Nature Communications》发表LAffAb，一种从抗体-抗原复合物晶体结构出发、用Rosetta全原子能量与结构约束做CDR突变容忍度映射并组合多点突变文库的非迭代抗体设计策略。
推荐理由：该研究用Rosetta能量打分单轮设计抗体多点突变文库，在三个抗体上同时考察亲和力与稳定性。
全部 AI 制药动态
AI-Protein Design精选AI 评分7474
DeepTech深科技AI 评分5858 AI正在重新设计生命，David Baker要用蛋白质造计算机和分子机器
诺奖得主 David Baker 因从头蛋白质设计的开创性贡献获伦敦皇家学会克鲁恩奖章，并在获奖演讲中回顾过去一两年的工作。他称 AI 辅助蛋白质设计已让结合靶点接近解决，团队转向设计只在特定条件下启动的开关蛋白，并提到新一代模型 RFD4 生成的结构许多从第一轮起就有活性。
AI-Protein Design精选AI 评分7272 3篇 bioRxiv 深度解读：生成式 AI 如何化解蛋白药物的“排异”难题？
斯坦福团队 ProVADA 模型作者在 bioRxiv 预印本基础上撰文，对比自家 ProVADA 与 David Baker 团队 MINT、普林斯顿团队 MESSI 三条生成式 AI 去免疫原性路线。
推荐理由：ProVADA 作者对比三篇预印本的去免疫原性路线，梳理实验验证目标与序列改动幅度的取舍。
LeapFun精选AI 评分5858 阿斯利康同一日2篇｜抗体亲和力优化，哪些位点被低估了？
阿斯利康团队分析同一克隆家族的211个抗ST2抗体，按实测亲和力分组后找出高亲和力抗体中更常见的突变，将M33I与L100I引入亲本ST2_146后KD由10.5 nM降至3.17 nM，再加K37R降至1.03 nM。
推荐理由：两篇抗体亲和力优化研究分别从克隆家族统计与结构能量筛选入手，并给出各自失效边界。
Hannes Stärk精选AI 评分7373 读书会讨论 RFD4-Proteina：188 个设计结合剂中 158 个结合 TrkA 低于 1 µM
Hannes Stärk 在读书会预告中介绍 RFD4-Proteina 的结果：188 个设计结合剂中有 158 个以低于 1 µM 结合 TrkA，次优方法为 60 个中 18 个。Nate Corley 与 @DidiKieran 将在线讲解，项目页面为 https://rfd4-proteina.org/。
推荐理由：该报告给出 RFD4-Proteina 与次优方法在 TrkA 结合剂湿实验命中率上的对照数字，便于比较设计方法的实验产出。
药化猩球AI 评分3838 长江杯 GLP-1R 题目更新：靶点标签公布、序列范围扩至跨膜区、新颖性规则调整
长江杯蛋白设计大赛主办方在官网发布补充通知，对GLP-1R等靶点题目做三处改动：公布靶点携带的标签（一般为His-tag）以避免假阳性，GLP-1R序列范围从仅ECD（Ala21–Glu139）扩展至包含跨膜区以匹配"激动剂"要求，并更新新颖性规则——与已知minibinder或VHH比对区域覆盖总长度至少80%时，全长或CDR序列一致性须≤70%。
力文所AI 评分7878 力文所发布Pallatom2技术报告：原子级建模设计蛋白与D型结合剂
力文所发布Pallatom2技术报告，以Atom-to-Atom建模联合生成序列、主链与侧链，单链采样达1600个残基，对称组装扩展至C10、总长2000个残基。
BioTender精选AI 评分6060 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。
药化猩球AI 评分7878 NVIDIA公开RFD4蛋白设计数据体系：2.13TB、19类训练数据覆盖抗体、环肽与RNA
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，相比早期约239GB、5类数据的版本明显扩展。
BioArt精选AI 评分7575 Gilead团队在Nature报道工程化TYK2依赖实现髓系选择性IL-10受体激动
美国吉利德科学公司的Tangsheng Yi、Chen Chen与Chingwei V. Lee团队在Nature发表研究，发现髓系细胞与T细胞对IL-10信号的TYK2依赖程度不同，并据此设计出四价纳米抗体构成的髓系选择性IL-10受体激动剂。
推荐理由：研究利用两类免疫细胞对TYK2依赖程度的差异，通过纳米抗体重构受体交联几何实现髓系选择性IL-10信号。
澪乃ゆいAI 评分6060 FoldAbS：将蛋白折叠模型改造为抗体筛选的基础编码器
bioRxiv 预印本提出 FoldAbS，将蛋白折叠模型改造为用于抗体筛选的基础编码器。原文链接：https://www.biorxiv.org/content/10.64898/2026.11.03.763899v1.full.pdf
智药局精选AI 评分7272 突发，Claude攻克生物学「40年未解难题」！狂筛150亿条序列，发现者亲自验收
Anthropic宣布其生物学研究团队与Claude合作，绘制出细菌源Vault（囊泡样蛋白颗粒）的三维结构图，项目耗时不到4个月。团队用Claude Science分析约150亿条预测蛋白质序列，挑出44个序列做实验测试，其中15种产生可溶性蛋白、7种组装成Vault样颗粒、4种经冷冻电镜确认具有Vault结构。
推荐理由：Anthropic用Claude辅助从海量序列中筛出细菌源Vault同源蛋白并经冷冻电镜验证，同时披露模型在真实科研流程中的失误。
澪乃ゆい精选AI 评分5858 RFD4-Proteina 推出 Mac 本地版，作者实测生成 GLP-1R 结合剂
澪乃ゆい实测了 BIOS 推出的 RFD4-Proteina Mac 本地移植版，用面向 Apple Silicon 优化的 MLX/Metal 实现生成针对 GLP-1R 的结合剂设计，并称安装和运行都比预想简单。据其引用的 BIOS 介绍，该移植版在默认精度下生成速度比原生 PyTorch-MPS 快 2.2 倍，在 M5 Pro 上约 12 分钟完成 20 个设计的生成与结构筛选、得到 10 个排序候选，设置后可离线运行。
推荐理由：作者实测了 RFD4-Proteina 的 Mac 本地移植版，展示了在 Apple Silicon 上生成并筛选 GLP-1R 结合剂设计的可用性。
科普知识综述AI 评分4242 实测：直接要求 Opus 5 解释 ProteinMPNN 机制，可精确编辑约 1% 权重获得类似 SolubleMPNN 的行为
直接要求 Opus 5 对 ProteinMPNN 做机制解释后，其精确编辑约 1% 权重，使模型表现出类似 SolubleMPNN 的行为。作者同时指出图表内容有些像模型生成的胡言乱语，且 030 模型在未编辑时已表现得像 SolubleMPNN。
澪乃ゆいAI 评分7272 ESMC-MonoYield：约4万种蛋白单体收量实测并实现序列预测
研究团队在 bioRxiv 发布预印本，对约4万种蛋白质在大肠杆菌中精制后的单体收量进行大规模测定，并开发出仅凭氨基酸序列预测收量的 ESMC-MonoYield。该模型捕捉稳定性无法解释的收量差异，在設計结合剂的实验验证中，用于筛选高收量候选取得有希望的结果。
BioAICraft精选AI 评分5858 Mol-1全流程教程与实测：四类复合物结构预测及有无MSA对比
作者在Linux加RTX 4080S环境部署Molence Bio开源的Mol-1全原子结构预测模型，对蛋白-蛋白、抗体-抗原、纳米抗体和蛋白-小分子四类体系各做有/无MSA预测，共生成24个结构。
推荐理由：作者在RTX 4080S上实测Mol-1四类复合物预测，对比有无MSA的DockQ与RMSD差异，可作为部署与参数配置参考。
AI蛋白质精选AI 评分7474 北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
推荐理由：研究显示MSA深度与配对策略需按目标定制，为AF3复合物预测流程提供了可迁移的优化思路。
AI药物设计实验室精选AI 评分7171 Nature Communications｜IDPForge用扩散模型生成无序蛋白构象集合
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。
机器之心 · AI4Science精选AI 评分7878 斯坦福 X-lab 与 SNAP 实验室发布 ProteoCraft 蛋白设计框架
斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft，采用梯度提案、完整结构预测验证与两阶段蒙特卡洛树搜索，支持结合蛋白从头设计和限定区域局部改造。
推荐理由：报道介绍斯坦福团队的提案—验证搜索框架，用独立结构预测与湿实验数据展示从头与局部设计的阶段性表现。
药化猩球精选AI 评分5858 用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录
作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计，在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选，约 78 分钟完成。
推荐理由：作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程，含 hotspot 取舍与评分分布，可作同类设计的操作参照。
BioTender精选AI 评分7373 腾讯混元 Hyra 2.0 科研智能体自主研发出蛋白质逆折叠模型 HyInv 与语言模型 HyPLM-Flash
腾讯混元于 11 月 2 日发布 Hyra 2.0（Hunyuan Research Agent），将 AI 科研智能体的目标从解决单个科研问题扩展到自主研发可复用的模型、算法和工具，并完成两个 AI4Protein 成果的研发。
推荐理由：腾讯混元披露科研智能体自主研发出两个蛋白质模型，并公开权重与推理代码，可供比较其研发流程与评测表现。
Molence精选AI 评分6262 Molence 发布 Mol-1：增加推理算力可提升抗体-抗原预测
Molence 发布抗体-抗原结构预测模型 Mol-1，称在 MolBench-AB-26 上增加推理算力可持续提升预测质量。
推荐理由：官方披露 Mol-1 在抗体-抗原预测基准上随采样与循环次数增加而提升，并给出采样效率对比。
医药魔方AI 评分3838 伊米诺康全人源兔平台落地：为AI抗体设计建起跨物种「数据生产线」
伊米诺康宣布其跨物种抗体动物工程平台在兔底盘取得关键突破，通过一步原位替换技术在兔内源免疫球蛋白基因座完成Mb级别人源基因元件的定点替换，完整保留目标基因座结构与功能调控元件。
AI-Protein Design精选AI 评分6363 《Nature》报道GTAC双特异性抗体经TfR1诱导内吞降解7种GPCR
《Nature》2026年9月30日刊发研究，提出GPCR–TfR1靶向嵌合体GTAC，通过双特异性抗体把目标GPCR拉近组成型内化的TfR1，强制其进入内吞与溶酶体降解途径。
推荐理由：研究用双特异性抗体把GPCR拉向TfR1内吞降解，为难以占位拮抗的受体提供另一种调控路径。
BioAICraft精选AI 评分6262 SoupFold 发布整合模型 soup-opendde-pack 并公开约 18.2 GB 权重
2026 年 10 月 31 日，SoupFold 作者 Hyosoon Jang 发布整合模型 soup-opendde-pack，并公开约 18.2 GB 模型权重。
推荐理由：该整合包把四个结构预测模型收进单一 checkpoint，可对照其推理流程与依赖变化。
药化猩球AI 评分7373 牛津大学发布SAbDab2结构抗体数据库，含超2.2万个抗体实例
牛津大学团队推出面向机器学习时代的SAbDab2结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
AI药物设计实验室精选AI 评分7474 Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
推荐理由：预印本用自然语言条件生成蛋白结构与序列，并在 GM2A 上给出 SPR 结合数据，可看文本接口的控制边界。
Sergey OvchinnikovAI 评分2222 LocalFold 欢迎提交问题与功能请求
@FrankNoeBerlin @MolenceBio @Logan_Hallee @jankosinski @vinay_matt 欢迎在此提交错误报告和功能请求： https://github.com/sokrypton/localfold/issues
药化猩球AI 评分6060 Anthropic有的，中国也有！全球AI蛋白质设计大赛"长江杯"今日开赛！
“长江杯”2026全球AI蛋白质设计挑战赛于9月24日开赛，面向全球开放报名，承诺为不少于5000条从头设计的纳米抗体或迷你结合蛋白提供免费湿实验检测，并按亲和力排名颁发总额100万元人民币税前奖金。
药化猩球精选AI 评分5858 用RFdiffusion从零设计靶向KRAS G12D pMHC的纳米抗体：Challenge 5实战流水线记录
作者记录了Anthropic × Adaptyv蛋白设计大赛Challenge 5的轨道B方案：用RFdiffusion-Ab在h-NbBCII10人源化VHH骨架上生成500条CDR骨架，经ProteinMPNN生成2000条序列，再用RF2打分筛选出20条提交，全部在单块RTX 5080上耗时约68小时。
推荐理由：记录从500条RFdiffusion骨架到20条提交的完整计算流水线，并给出运行耗时与踩坑细节，可供同类设计复用。
BioTender精选AI 评分6565 全原子模型密集涌现，AI 蛋白设计迎来新一轮技术竞赛
BioTender 汇总2026年9—10月收录的19个全原子建模与设计项目，覆盖结构生成、复合物预测、结构编码与设计优化，认为竞赛焦点正从生成结构延伸到控制功能。
推荐理由：梳理19个全原子建模项目的路线差异，并指出评测口径与开放程度决定成绩可比性。
Sergey OvchinnikovAI 评分2525 WebGPU实现浏览器端直接预测
@FrankNoeBerlin @MolenceBio @Logan_Hallee @jankosinski @vinay_matt 提醒：通过WebGPU实现，可直接在你的电脑上预测；💻 无需安装任何东西，只需一个网页浏览器。 警告：会耗尽电池🪫、过热🔥💻 并消耗你的数据流量📱
澪乃ゆいAI 评分1818 RFD4-Proteina 直播回放加时间戳
🧬 昨天关于 RFD4-Proteina 的直播已添加时间戳！✨ 围绕 IPD × NVIDIA 共同开发的蛋白质设计模型，从原理到研究成果进行了解说！ 可以从感兴趣的部分开始观看，错过直播的朋友、想再复习一遍的朋友都欢迎观看！🩵🩷
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
药化猩球AI 评分5050 长江杯蛋白设计大赛七大靶点通关攻略：EGFR、TNF-α、GLP-1R等赛道规则与打法解析
2026赛季长江杯AI蛋白质设计大赛设EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1、IL-7Rα七条赛道，公开队先按ESMFold2预测加ipSAE打分排序入围，最终名次完全由实测KD决定。计划约7000条序列免费湿实验验证，每赛道约1000条，前50名免费加做成药性与细胞活性检测。EGFR赛道须测pH 6.0亲和力，GLP-1R仅给ECD却要求激动剂，为全场最难。
澪乃ゆいAI 评分2828 RFD4-Proteina 的 MLX/Metal 实现
上周的 Paper Talk 里简单介绍了 RFD4-Proteina。还没看的朋友可以去看存档哦 多亏 RFD4-Proteina 的 MLX/Metal 实现也出来了，现在在 Mac 上也能轻松试用，真让人高兴
Brian Hie精选AI 评分7474 Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
澪乃ゆいAI 评分2020 RFD4-Proteina 论文讲解直播
📅 11/1 10AM (JST) 将进行论文讲解直播！ 本次主题是 RFD4-Proteina 蛋白质设计进化到了什么程度？ 将讲解利用 Latent Reasoning 的新型生物分子设计模型 周日上午，和ゆい一起学习最新研究吧！ 初次观看的朋友也欢迎！✨ 直播链接在回复🔽
BioAIDesign精选AI 评分5858 实测 Mol-1 本地部署与网页使用：纳米抗体能否找准 GFP 结合位点
作者实测 Molence Bio 的 Mol-1 基础版，输入 GFP 与 LaG24 纳米抗体序列预测复合物结构，五个候选的 ipTM 约 0.890、平均 pLDDT 约 89.8，对齐 GFP 后 LaG24 的 Cα RMSD 为 0.97–1.19 Å，天然界面接触恢复 90.2%–91.8%。
推荐理由：作者在本地与网页两条路径实测 Mol-1 对纳米抗体复合物的预测，并说明高分结构与界面指标各自能说明什么。
药化猩球精选AI 评分5858 用开源结构模型 Mol-1 设计 KRAS G12D pMHC 纳米抗体的实战复盘
作者以开源结构预测模型 Mol-1 对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽设计 VHH 纳米抗体，从 40 个候选序列中筛出 Top 20，排名第一的 VHH_039 在计算中 VHH-肽接触分数为 0.4855、对野生型仅 0.0526。
推荐理由：作者用开源结构模型 Mol-1 完成 KRAS G12D pMHC 纳米抗体计算设计，并公开全部候选序列与评分，可作为同类流程的参照。