Adaptyv与Anthropic蛋白设计竞赛第五题：设计突变KRAS选择性结合剂
Adaptyv Bio与Anthropic合办的蛋白设计竞赛第五题开题，要求设计只结合突变KRAS片段、不结合野生型KRAS的结合剂，以助免疫系统识别癌细胞。官方公告仅称"突变KRAS片段"，X用户提及KRAS G12D但未获官方确认，规则、评价指标与序列细节均未披露。提交截止日期为11月8日，之后主办方筛选并测试，结果公布时间未说明。
全部 AI 制药动态
下一分子AI 评分4242 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。
下一分子精选AI 评分7171 Google团队预印本提出表位裁剪方法降低蛋白结合剂计算成本
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口，再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由：预印本把靶点裁成表位局部窗口以降低结合剂设计算力，并给出截短重折叠与完整靶点的一致性对照。
分子之心MoleculeMind精选AI 评分7474 分子之心MMDesign技术报告：19个项目成功率94.7%，六个GPCR靶点全部命中
分子之心发布MMDesign最新技术报告，在覆盖18个靶点、纳米抗体与大环肽两类模态的19个项目中，18个获得实验确认的结合分子，项目成功率94.7%，单项目仅测试9—50个候选。
推荐理由：技术报告以19个项目的湿实验数据展示少量候选下的跨靶点设计成功率，并给出GPCR与跨轮次优化的具体结果。
智药邦AI 评分7878 英伟达与David Baker团队联合发布蛋白质设计模型RFD4-Proteina
NVIDIA与华盛顿大学医学院蛋白质设计研究所联合发布开源模型RFD4-Proteina，归属NVIDIA BioNeMo，兼具可编程蛋白质设计与搜索能力，可基于分子输入、约束条件和评分目标检索并优化设计方案。
AI-Protein DesignAI 评分7878 《Nature》发表AI从头设计对映选择性人工金属光酶
《Nature》刊出研究De novo design of enantioselective artificial metalloenzyme photocatalysts，团队用RFdiffusion All-Atom生成结合Ru(bpy)₃²⁺类辅因子的蛋白骨架、LigandMPNN设计序列并以AlphaFold2校验，96个设计序列中63个可溶性表达。
BioTender精选AI 评分6262 Anthropic 与 Adaptyv 蛋白设计挑战赛第五题要求识别 KRAS G12D 突变肽
10 月 26 日，Anthropic 与瑞士蛋白工程公司 Adaptyv 联合举办的蛋白设计挑战赛放出第五题，要求设计只结合 KRAS G12D 突变肽（VVVGADGVGK）、不结合野生型肽（VVVGAGGVGK）的蛋白，两者仅第 6 位一个氨基酸不同，靶点为 HLA-A*11:01 呈递的 pMHC。
推荐理由：赛事把特异性拆成突变识别、肽依赖与亲和力三关，为从零设计结合剂的评测提供了具体参照。
ClickMab 科迈生物精选AI 评分5858 科迈生物 EPIC 论文获 NeurIPS 2026 AI4DD Workshop 接收，联合预测表位、互补位与残基接触
科迈生物的 EPIC 模型从抗体和抗原氨基酸序列出发，联合预测抗原表位、抗体互补位与残基接触，论文获 NeurIPS 2026 AI for Drug Discovery Workshop 接收。
推荐理由：该研究把表位、互补位与残基接触统一建模，并在公开抗体结构测试集上给出与现有方法的逐项对比。
Martin Pacesa精选AI 评分5858 Martin Pacesa 评从头设计结合剂在结构生物学中的应用
Martin Pacesa 转发并评论 Xiaochun Li 团队发表于 NSMB 的论文，认为其从头设计结合剂的用法很有创意。被引内容称该研究解析了 Norrin 信号复合物的结构，并据此设计合成 Norrin 模拟物，朝恢复血视网膜屏障（BRB）的策略迈出一步。
推荐理由：作者借他人 Norrin 信号复合物论文，点评从头设计结合剂用于结构生物学研究的思路。
BioArt精选AI 评分8282 2篇Nature | David Baker团队从头设计半胱氨酸蛋白酶和金属蛋白酶
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。
BioAICraft精选AI 评分7171 PNAS论文提出ThermoMPNN单突变稳定性打分器
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
BioAIDesignAI 评分5555 RFD4-Proteina 全流程实操：在 A40 上设计单体、PD-L1 结合物与 FAD 口袋蛋白
BioAIDesign 在单张 NVIDIA A40 上用官方公开权重跑通 RFD4-Proteina 三类设计任务，单体、PD-L1 结合链和 FAD 口袋蛋白各生成 4 个候选，经 OpenFold3 重折叠后每类各有 2 个通过计算门槛。
BioAICraft精选AI 评分7676 Baker 团队设计无序区蛋白探针识别 Tau 与 Aβ 修饰并区分邻近磷酸化组合
华盛顿大学蛋白质设计研究所 Kejia Wu、David Baker 等与麻省总医院等团队在 bioRxiv 发布预印本，通过从头设计获得识别 Tau 和 Aβ 特定化学修饰的蛋白探针。
推荐理由：该预印本展示了按邻近磷酸化状态定制 Tau 探针的设计思路，并给出从合成肽到细胞与脑组织的验证链条。
BioAIDesign精选AI 评分6060 南京大学等提出RiboBridge：给定靶蛋白从头设计RNA结合剂结构
南京大学、香港中文大学与新加坡国立大学合作提出RiboBridge，输入靶蛋白结构和期望RNA长度，先预测候选界面、生成RNA形状，再预测跨链距离并刚体组装出候选RNA结构及结合姿态。
推荐理由：预印本把RNA形状生成与结合姿态拆开建模，并用消融定位误差来源，为RNA结合剂设计提供了可诊断的评测参照。
BioAIDesignAI 评分5252 UnibindMD用分子动力学复核BindCraft设计的蛋白候选
10月23日发布的bioRxiv预印本提出UnibindMD流程，将BindCraft设计、亲和力预测、成药相关性质评估与分子动力学串接，用于复核蛋白设计候选。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
智药邦AI 评分5050 OpenPep AI平台获Google.org 230万美元资助，加速多肽药物发现
多伦多大学Joseph Brown团队正在开发开放获取数据库与配套AI模型OpenPep，用于预测多肽与靶点蛋白的结合能力，项目获Google.org“AI促进科学影响力挑战赛”230万美元资助。
AI蛋白质同新闻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。
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。
BioAICraftAI 评分3838 RFD4-Proteina 全流程教程｜Baker Lab 与 NVIDIA GenAIR 联合发布的全原子生成模型
Baker Lab 与 NVIDIA GenAIR 等团队开发的全原子生成模型 RFD4-Proteina 发布全流程教程。正文仅说明该模型的开发方与“全原子生成模型”定位，未披露具体方法、评测数据或可用性信息。
LeapFun精选AI 评分7070 UCL与Fold9提出用投影梯度下降替代Softmax优化蛋白质Binder设计
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。
Generate:BiomedicinesAI 评分2222 Generate:Biomedicines 高通量冷冻电镜平台
要让生物学可编程，我们需要看见我们所制造的分子，并从中学习。 今天，@annejecrois 将分享我们团队如何构建高通量冷冻电镜平台，以生成用于训练我们抗体设计 AI 模型的结构数据。 她的演讲《CryoEM：从技艺到设计引擎》将于美国东部时间上午 10:55 在马萨诸塞州剑桥市赛诺菲举办的“Celebrating Womenin Structural Biology & Drug Discovery”活动上开始。 查看议程 → https://www.nesba.net/
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。
LeapFun精选AI 评分7676 Baker Lab用AF3与RFdiffusion设计65-85 aa合成转录激活子
华盛顿大学IPD与Rice大学团队在bioRxiv发布预印本，用AlphaFold3绘制TAD-辅因子界面地图、RFdiffusion与ProteinMPNN生成结构化binder，经哺乳动物功能池筛获得超过300个针对Mediator、BRD4、NCOA、p300的nM级binder。
推荐理由：该预印本把转录激活拆成可设计的辅因子募集零件，并给出亲和力阈值与CRISPRa对比数据，便于理解控制层模块化路径。
力文所AI 评分4040 Pallatom2：原子级可编程设计新纪元，技术报告即将发布
力文所预告 Pallatom2 技术报告即将发布，该模型延续全原子生成思想，重构模型与框架并显著提升训练数据量、网络深度和可处理的蛋白质尺度，关注 mini-binder 设计更高的实验成功率。
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。
iNatureAI 评分8282 华人一作兼通讯！诺奖团队领衔，两天连发3篇《Nature》及《Science》
华盛顿大学David Baker团队与苏黎世联邦理工学院Donald Hilvert合作，于2026年10月14日在Nature在线发表金属蛋白酶计算设计研究，用RFdiffusion 2仅指定锌基催化中心与相邻肽结合口袋位置、其余序列由模型生成，135种设计中36%能特异切割指定底物的目标肽键，最优设计水解速度比背景反应快超10⁸倍，优化活性位点预组织后可达10¹⁰倍以上。
BioAICraft精选AI 评分7676 斯坦福团队在bioRxiv发布ProVADA：引导蛋白适应细胞质并降低HLA-I结合肽
斯坦福大学Xiaojing J. Gao、Wing Hung Wong等团队于10月18日在bioRxiv发布预印本，提出ProVADA框架，用固定的ProteinMPNN生成多位点改造序列、外部评分器评价完整序列，再由MADA种群退火引导搜索。
推荐理由：该预印本用外部评分器引导固定生成模型做多位点改造，并给出肾素与CAR抗体片段的湿实验对照结果。
SynBioBeta News精选AI 评分6868 Latent Labs 发布抗体设计智能体 Latent-Y，称计算流程提速 56 倍
Latent Labs 发布其称为首个经实验室验证的药物设计智能体 Latent-Y，用于自动完成抗体设计中的文献调研、靶点结构分析与结合位点指定等步骤，并配套面向抗体与多肽设计的模型 Latent-X2，通过网页界面供研究者逐步控制。
推荐理由：报道介绍 Latent Labs 的抗体设计智能体如何把文献调研与表位选择交给软件，并给出其自报的提速数据。
科普知识综述AI 评分4848 加州初创公司用 AI 为耐药大肠杆菌患者设计噬菌体，实验室成功杀菌
加州一家初创公司用 AI 为一名耐药大肠杆菌患者设计出噬菌体，并在实验室中成功杀灭细菌。该疗法已获美国 FDA 批准，结果尚未公布。噬菌体疗法因需数月才能为单个患者找到对症病毒而受限，耐药菌每年夺走上百万人生命。
BioTender精选AI 评分6262 一家华尔街投资机构，用 Claude 做起了药物发现
Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
AI蛋白质精选AI 评分8888 西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
智药局AI 评分7474 Anthropic 公布 Claude 自主蛋白设计研究：64 小时生成 31.8 万个设计，17 个通过结合实测
Anthropic 公布一项生物学研究，Claude 在约 64 小时、约 1 万 GPU 小时内自主调用 12 种蛋白设计工具，针对 Cn2、Ts1、AaH I、AaH II、LqhIII 五种蝎毒神经毒素生成 318484 个微型结合蛋白设计，并完成超过 55 万组蛋白—毒素结构预测。
智药局精选AI 评分7373 全球首个「AI设计病毒」已打进人体！Evo团队新作，有望治愈4000万人
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
UW Institute for Protein Design精选AI 评分7474 IPD 与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
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。
Frank Noé精选AI 评分7272 微软 BioEmu2 生物分子结构动力学基础模型已上线 Tamarind Bio
Frank Noé 表示，微软研究院 AI for Science 的生物分子结构、动力学与功能基础模型 BioEmu2 已可在 Tamarind Bio 平台使用。该模型以开放权重、MIT 许可发布，代码托管于 GitHub；引用内容展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的示例。
推荐理由：BioEmu2 开放权重并上线第三方平台，为关注生物分子结构与动力学生成模型的人提供可访问入口。
Rohith KrishnaAI 评分2525 共折叠模型中接触信息提升结构预测精度
这些共折叠模型最有趣的特点之一，就是1个接触对结构预测精度的帮助有多大——我在开发这些模型时反复看到这一结果
AI-Protein DesignAI 评分6060 AI如何靶向无序序列设计蛋白质？六篇重磅论文全解读
该文汇总了David Baker团队已发表的六项靶向无序序列或无序蛋白（IDPs/IDRs）的从头蛋白质设计工作，并逐篇解读设计策略与实验结果。其中Logos法在43个靶点中39个获得结合物（90.7%），RFdiffusion扩散方法在7个IDP/IDR靶点上均获3–100 nM亲和力结合物，最新MYC结合物在多种肿瘤模型中抑癌效果优于Omomyc。
机器之心 · AI4ScienceAI 评分7676 刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证
Anthropic 公布一项生物学研究，Claude 在 64 小时计算设计阶段生成 318484 种针对 5 种蝎毒神经毒素的微型结合蛋白设计，筛选出 211 个候选交由 Adaptyv Bio 和 Twist Bioscience 实验验证，最终 17 个达到预设结合标准。