Baker团队发布Chaperone框架，让AI智能体高效进行蛋白质设计
华盛顿大学David Baker团队在预印本中提出Chaperone，一个将RFdiffusion3与ProteinMPNN、AlphaFold3等50多种蛋白质设计工具集成到统一DataFrame接口的轻量级智能体框架。
全部 AI 制药动态
AI蛋白质AI 评分7878 AI药物设计实验室精选AI 评分7474 北大团队提出 CheMoDesign，在20种氨基酸之外设计可控结合蛋白
北京大学团队提出 CheMoDesign，以修饰基团或非天然氨基酸为设计起点，基于预训练全原子结构模型 Boltz-2 生成蛋白结合界面，并在凝血酶、HER2、IL-7Rα、Trop-2、CA IX 和 PD-L1 等靶标上测试。
推荐理由：该预印本把非天然化学基团作为设计起点，并用配对替换与酶活实验检验其是否真正参与结合。
C&EN (化学与工程新闻)AI 评分7373 华盛顿大学 IPD 用 AI 设计出金属蛋白酶与半胱氨酸蛋白酶
华盛顿大学 David Baker 领导的蛋白质设计研究所（IPD）在 Nature 发表两篇论文，用 AI 程序生成新型蛋白酶，分别设计出金属蛋白酶（DOI: 10.1038/s41586-026-11167-2）和半胱氨酸蛋白酶（DOI: 10.1038/s41586-026-11143-w）。
Amir ShanehsazzadehAI 评分3838 Claude助力分子设计获实验验证
我对@TwistBioscience团队感激不尽！Claude是分子设计的重大加速器和赋能者，但直到在实验室看到结果，这一切才有意义。这些蝎毒素非常难处理，Twist团队完成了一项漂亮的Cn2竞争实验，让我们对结果有了更大的信心🦂
LeapFunAI 评分7878 Claude 64 小时设计蝎毒蛋白 minibinder：211 条送检，17 条双实验室达标
Anthropic 公布内部研究模型 Claude 在 Claude Science 上针对五种蝎神经毒素从头设计 minibinder 的技术报告，约 64 小时内生成 318,484 个设计，最终 211 条送 Adaptyv Bio 与 Twist Bioscience 用 SPR 湿实验验证，按双实验室硬标准 17 条达标。
Kevin K. YangAI 评分2020 蛋白质设计综述：模块化催化剂前景
“如果我们能构建模块化催化剂，合成多样化的自然中不存在的新产物、条件响应型疗法、能量转换机器和信息处理网络……并具备超越进化所探索的可编程行为，那会怎样？” 蛋白质设计综述！
LeapFun精选AI 评分7878 微软开源 BioEmu2 生物分子基础模型，同时覆盖结构、平衡系综与动力学传播
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。
AI蛋白质精选AI 评分6060 德克萨斯A&M团队在PNAS提出结构感知生成式AI框架，揭示蛋白质家族功能关系
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室发布 SNOOPPI 蛋白互作数据库，收录靶向与非靶向 PPI 数据
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。
DrugAI精选AI 评分7878 Nat. Commun.：RASSCCoL 快速评估配体化学互补性用于蛋白质设计
研究团队在 Nat. Commun. 提出 RASSCCoL，以稳定α螺旋束骨架为基础，通过体积筛选、侧链重排、AutoDock Vina 对接与 AlphaFold2 结构复筛构建小分子结合口袋，DPH 设计流程在单 CPU 核心约 30 分钟完成。
推荐理由：研究用稳定α螺旋骨架加体积互补筛选替代大规模结构生成，为小分子结合蛋白设计提供低成本可解释路径。
Frank Noé精选AI 评分7474 微软研究院公开预览 BioEmu2 生物分子结构、动力学与功能基础模型
微软研究院 AI for Science 公开预览基础模型 BioEmu2，面向生物分子结构、动力学与功能，开放权重并采用 MIT 许可，代码托管于 GitHub。作者同时展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的动画。
推荐理由：微软研究院发布生物分子结构与动力学基础模型 BioEmu2，开放权重与 MIT 许可便于研究者直接复用。
Amir Shanehsazzadeh精选AI 评分6060 Anthropic × Adaptyv 蛋白质设计竞赛第4期以TfR1为靶点，要求设计pH敏感结合剂
Anthropic × Adaptyv 蛋白质设计竞赛第4期在 proteinbase 平台开放，靶点为 TfR1，要求设计能精确结合该受体特定位点的 pH 敏感结合剂，以帮助药物穿过血脑屏障进入脑内。作者 Amir Shanehsazzadeh 转述称，本期评测关注结合、小鼠交叉反应性与 pH 敏感性；TfR1 在血脑屏障高表达，pH 敏感结合剂可在内体中释放并从脑侧排出以递送治疗药物。
LeapFun精选AI 评分6565 BindCraft2｜627条环肽零命中，BindCraft2升级版本
深圳UniBindMD在bioRxiv复盘用BindCraft2 v1.0.3环肽模式针对人LDHA表面K81乳酰化附近表位的两轮设计，627条轨迹无一进入接受池，609条（97.1%）停在最早的screen阶段。
推荐理由：复盘627条环肽设计轨迹全部零命中，指出默认置信度门槛与短肽模态不匹配的具体卡点。
北京科学智能研究院AISIAI 评分1818 2026 NK2R AI蛋白设计挑战赛持续征集中，AISI担任支持单位
2026 NK2R AI蛋白设计挑战赛正在全球征集，北京科学智能研究院（AISI）受邀担任赛事支持单位之一。赛事信息与配图来自北京生物结构前沿研究中心官方微信公众号，具体规则以主办方在线报名页面为准。
Martin Pacesa精选AI 评分5858 BindCraft2 v1.0.4 发布，改进 VHH、scFv、ARP 与诱导契合靶向
BindCraft2 v1.0.4 已发布，作者称该版本显著改进了 VHH、scFv、ARP 和诱导契合靶向能力，同时提升了运行速度与代码稳定性。作者建议此前困难的结合剂设计任务可再次尝试，并致谢 Erik Mäeots、Leonardo Tredese 和 Elizaveta Chernova 的工作。
推荐理由：BindCraft2 新版本针对 VHH、scFv 与诱导契合靶向改进，为结合剂设计流程提供了可复用的更新参照。
AI-Protein DesignAI 评分4242 近期的蛋白质设计大赛（国内）汇总
清华大学北京生物结构前沿研究中心发起2026 NK2R AI蛋白设计挑战赛，要求设计100-150aa纳米抗体，界面iPTM>0.6并按△SASA排序，前300名进入湿实验验证，一、二、三等奖分别为5000、2000、1000美元。
AI蛋白质精选AI 评分7474 西湖大学与港中文（深圳）提出RiboBridge，用骨架推断的相互作用拓扑连接RNA骨架生成与序列设计
西湖大学与香港中文大学（深圳）团队提出RiboBridge，从RNA骨架几何推断概率化残基对拓扑，经第二轮结构通道回收后以软注意力偏置传给序列解码器。在550条生成骨架上，配对类型解码的联合回折有效率为0.451，匹配的无拓扑解码器为0.335。
推荐理由：该研究把骨架推断的配对拓扑作为可扰动的中间表示，并用多组干预实验定位解码器依赖的关系信息。
木可AI探索笔记精选AI 评分6363 镁伽科技上线Poreva Open全球AI蛋白质设计挑战赛，万级湿实验验证对标Anthropic
镁伽科技于2026年10月18日上线Poreva Open全球AI蛋白质设计挑战赛官网，公布首批3道赛题与规则，10月19日起全球报名且不设地域限制。
推荐理由：镁伽以万级湿实验验证切入蛋白设计公共基准，可与Anthropic赛事及Ginkgo模式对照。
AI-Protein Design精选AI 评分7373 近期两篇金属蛋白酶设计文章（Nature vs Vita）比较
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。
BioAICraft精选AI 评分7272 清华等团队发布Cerebra-Epistasis：多突变组合预测上位性Spearman达0.55
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。
AI蛋白质AI 评分8888 Nature：Baker团队用RFdiffusion2从头设计半胱氨酸蛋白酶
华盛顿大学David Baker团队在Nature发表研究，用RFdiffusion2-MI从头设计以活化半胱氨酸亲核体为核心的蛋白酶，69个设计中13个具切割活性，成功率19%，相对背景反应速率提升最高3×10⁷倍。
LeapFun精选AI 评分6565 如何确定抗体功能表位：mimotope-MD-Folddisco 工作流与验收经验
文章介绍上海交大团队与 Jordi Marti 等 2026 年发表的 Mimotope-Guided Molecular Dynamics 方法，用噬菌体选出的 mimotope 经微秒级分子动力学精修抗体结合姿势，再用 Folddisco 映射回抗原以定位功能表位。
推荐理由：文章把几何接触面与功能热点的区别讲成可执行流程，并给出四套晶体体系的命中率与对照结果。
AI-Protein Design精选AI 评分7878 Baker团队用Logos与RFdiffusion设计MYC无序区结合蛋白，原位胰腺癌模型中肿瘤细胞被选择性耗竭
Baker团队在bioRxiv预印本中报告，用Logos框架与RFdiffusion针对MYC的4个保守表位（MBI Loop 1、MBIIIa Loop 2、MBIV Loop 3及bHLH螺旋表位）从头设计结合蛋白，初筛192个设计中15个亲和力优于500 nM，成功率约7.8%。
推荐理由：该预印本报告用Logos与RFdiffusion靶向MYC无序区设计结合蛋白，并给出亲和力优化与体内抑瘤数据，可作为无序靶点设计的参照。
LeapFunAI 评分8080 Google Research闭环湿实验三件套公布：将Agent锚定于湿实验，获癌症靶点个位数纳摩级结合物
Google Research 于 2026 年 10 月 16 日发布研究综述，围绕 VERID 语义数字孪生、适配体闭环沙箱和表位切除驱动的 de novo binder 设计三项工作，把 AI Agent 接入物理液体处理机器人跑通闭环分子设计。
Leo ZangAI 评分6565 MESSI：用离散扩散为蛋白去免疫原性的生成方法
研究者提出生成方法 MESSI，用离散扩散对蛋白进行去免疫原性设计，降低预测的 MHC-II 表位。在荧光素酶、PD-1 结合剂和尿酸酶中，实验验证其功能得以保留或提升，尿酸酶属于 FDA 已批准疗法所用酶家族。
LeapFun精选AI 评分7474 普林斯顿团队发布MESSI生成式扩散模型，将免疫原性融入蛋白生成
普林斯顿团队在bioRxiv发布结构条件生成式离散扩散模型MESSI，在生成过程中引入免疫风险反馈，输出在指定MHC-II分子上预测表位可降至零且保持结构可行性的序列，代码已开源。
推荐理由：该预印本把免疫原性预测前移为生成约束，并在三类蛋白上给出湿实验活性与结合数据，可供评估去免疫原设计流程。
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。
LeapFun同新闻AI 评分7070 默沙东与Texas Tech开源PepOpt算法，在10⁵⁰非天然氨基酸多肽空间中搜索候选
默沙东与Texas Tech研究者在npj Drug Discovery发表PepOpt，用PepSeA对齐、位置特异分子指纹、线性模型与动态规划，在约4000种单体、14肽规模达10⁵⁰的组合空间中筛选候选。
同一新闻，精选展示《默沙东与得州理工在npj Drug Discovery提出PepOpt，174.4秒从约10⁵⁰种肽组合中筛出前1000条》
DrugIntelAI 评分7272 HDOCK-Multimer融合分子对接与组合组装预测大型蛋白质复合物结构
研究人员提出HDOCK-Multimer（HDM），将非对称对接、对称对接与遗传算法组合组装结合，用于大型蛋白质复合物结构预测。
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。
AI药物设计实验室AI 评分8888 Nature 发表华盛顿大学团队从头设计半胱氨酸蛋白酶：69 个设计中 13 个具切割活性
华盛顿大学等团队在《Nature》报告用 RFdiffusion2 分子界面版本生成骨架、ProteinMPNN 设计序列并经 AlphaFold 3 复核，从头设计出能按序列切割多肽的半胱氨酸蛋白酶，69 个实验候选中有 13 个具切割活性。
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。
UW Institute for Protein DesignAI 评分6565 IPD 团队在 Nature 发表从头设计蛋白酶研究
UW 蛋白质设计研究所（IPD）的 Anqi Chen、Kejia Wu 和 Hojae Choi 从头设计出蛋白酶，这些“分子剪刀”能高精度切割用户指定的目标序列。该成果本周发表于 Nature，推文未披露切割效率、特异性数据或实验体系。
Rohith KrishnaAI 评分7272 RFdiffusion3 在 Science 发文：扩散方法改进淀粉样序列蛋白酶与农药降解金属水解酶设计
作者在 Science 发文更新去年提出的扩散方法 RFdiffusion3，称其在针对淀粉样序列的序列特异性蛋白酶和用于农药降解的金属水解酶设计上有显著改进。推文未披露具体指标、实验体系与对照结果。
Oxford Protein Informatics Group · Blog精选AI 评分6565 OPIG 发布 Therapeutic Nanobody Profiler 纳米抗体可开发性评估工具
牛津 OPIG 的 Gemma Gordon 在博士项目中开发了 Therapeutic Nanobody Profiler（TNP），用 6 项针对纳米抗体特性的指标，将候选纳米抗体的结构与理化性质对照 36 个临床阶段样本进行基准评估。
推荐理由：作者介绍其博士项目开发的纳米抗体可开发性评估工具，说明指标构成、临床参照集与配套实验数据来源。
DeepTech深科技精选AI 评分8383 AI从零设计蛋白酶，催化加速超100亿倍，David Baker团队重磅成果连发两篇Nature
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。
木可AI探索笔记精选AI 评分7474 David Baker 团队推出 Prompteina：用自然语言指令设计蛋白并在 GM2A 靶点筛出 6 个结合剂
David Baker 团队发布蛋白生成模型 Prompteina，以英伟达 Complexa 为底子、用 5240 万条结构描述训练，可直接接受自然语言指令设计蛋白。据该文，它在 18 项任务中胜出 15 项，折叠架构控制指标提升到 51.1%，在 20 个靶点盲测中至少胜出 13 个。湿实验针对 GM2A 靶点挑选 90 个设计，筛出 6 个有效结合剂，最强亲和力为 107 nM。
推荐理由：介绍 Prompteina 用自然语言指令驱动蛋白生成，并给出湿实验筛出结合剂的结果，便于了解该方向的方法与证据边界。
木可AI探索笔记精选AI 评分8383 David Baker团队提出文本条件化全原子蛋白生成模型Prompteina，GM2A结合剂湿实验命中率6.7%
David Baker团队联合新加坡国立大学和AI2提出文本条件化全原子蛋白质结构生成模型Prompteina，以自然语言作为统一条件入口，基底为NVIDIA团队的Complexa。
推荐理由：梳理Prompteina如何用自然语言统一蛋白生成接口，并完整走通agent设计到湿实验命中的链条。
ClickMab 科迈生物AI 评分3333 从筛选到按需设计｜科迈生物 CEO 王天元博士出席 2026 波士顿中国科大校友峰会
科迈生物 CEO 王天元在 2026 波士顿中国科大校友峰会上发表《从筛选抗体，到按需定制设计抗体》演讲，介绍 AI 指定表位抗体从头设计进展。公司 2023 年完成该方向概念验证，并以冷冻电镜结构解析和细胞功能实验验证；近期一项复杂双靶点合作中，设计的 100 条抗体有 1 条同时对两个靶点显示结合信号。