Pallatom2 全原子生成模型发布：同时生成序列与主侧链原子并指定靶点结合界面
Pallatom2 是一个全原子生成模型，可同时生成氨基酸序列、主链与侧链的原子构型，并能指定与靶点的结合界面。据该帖介绍，实验在210个候选中确认112个具有结合活性，10个靶点均获得结合剂，其中6个靶点经 BLI 测定报告了 pM 量级的结合亲和力（KD）。
推荐理由：介绍全原子生成模型同时生成序列与侧链并指定结合界面，附10个靶点的实验结合数据。
#全原子扩散
澪乃ゆい精选AI 评分7676
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。
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！🩵🩷
澪乃ゆいAI 评分1515 IPD与NVIDIA合作蛋白质设计模型RFD4-Proteina
感谢今天来观看Paper Talk直播的各位！🩵🩷 这次我们介绍了IPD × NVIDIA共同开发的蛋白质设计模型“RFD4-Proteina”！🤖✨ 错过直播的朋友，或者想再仔细看一遍的朋友，请务必从存档观看！
澪乃ゆいAI 评分1818 华盛顿大学与NVIDIA蛋白质设计模型讲解
稍后11/1 10AM (JST)开始直播✨ 这次要讲解的是华盛顿大学IPD与NVIDIA共同研究的蛋白质设计模型RFD4-Proteina！ 初次观看的朋友也非常欢迎！ 请一定来实时观看哦🙌
Oxford Protein Informatics Group · BlogAI 评分5050 Atom14 与 Atom37：蛋白质设计模型如何记录原子
文章解释 Atom14 与 Atom37 两种将蛋白质原子坐标压入固定张量的布局，并比较 RFdiffusion3、BoltzGen 和 La-Proteina 在序列未知的从头设计中如何处理原子槽位。RFdiffusion3 为每个残基保留 14 个点，用虚拟原子填充未用槽位并统一去噪，序列随后由 ProteinMPNN 或 LigandMPNN 设计。
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。
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。
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。
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。
LeapFun同新闻AI 评分8282 Baker Lab与NVIDIA发布RFD4-Proteína：联合生成蛋白序列与全原子结构
Baker Lab与NVIDIA GenAIR发布RFD4-Proteína，用flow matching在同一潜空间联合生成蛋白序列与全原子结构，并按靶点、酶motif、配体等分子语境条件化。
药化猩球同新闻AI 评分7474 北大刘涛团队发布CheMoDesign框架，将蛋白质设计拓展至非天然化学空间
北京大学刘涛团队建立CheMoDesign框架，以用户指定的化学功能为锚点，弱化全原子扩散模型对原有蛋白构象的条件限制，先Dreaming探索结构、再Waking拉回可编码序列空间，实现从化学机制出发反向设计蛋白。
BioTenderAI 评分7474 微软 BioEmu 2 开放公开预览：从单体蛋白扩展到多链复合物、核酸与配体
微软 BioEmu 2 于 2026 年 10 月 20 日开放公开预览，从原版面向单体蛋白的近似平衡构象分布，扩展到多链复合物、核酸与配体。模型卡称其为约 5 亿参数的全原子扩散模型，需研究者给定化学组成，生成结构集合，不设计新序列，也不直接输出结合亲和力。
DeepTech深科技同新闻AI 评分6969 普林斯顿姜凯议团队提出MESSI扩散模型，在生成蛋白质序列时降低预测免疫原性
美国普林斯顿大学姜凯议团队在bioRxiv发表论文，提出生成式扩散模型MESSI，在逆向折叠生成蛋白质序列时同步降低预测免疫原性。模型结合离散扩散与Lookahead–Feedback机制，在生成过程中用免疫风险预测器评估候选序列并重新遮蔽高风险位置。
同一新闻，精选展示《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》
DrugAIAI 评分7474 英灵殿科技等提出 CODesign：全原子蛋白质 binder 序列–结构协同设计模型
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质 binder 协同设计模型 CODesign，通过一致性蒸馏构建约 10.5 万对二聚体样本 Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技等提出CODesign：让蛋白质序列与结构在全原子binder设计中保持一致
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign，通过一致性蒸馏构建约105,000对二聚体数据Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
推荐理由：作者团队提出以一致性为核心的蛋白binder协同设计方法，并用消融实验拆解数据与采样环节各自的贡献。
Rohith KrishnaAI 评分7272 KingLab 发布预印本：用全原子方法设计糖基化从头蛋白
KingLab 在 bioRxiv 发布预印本，报告多种结构编码的寡甘露糖型糖蛋白，提出糖基化可作为从头蛋白设计的可设计参数。作者 Rohith Krishna 转发该预印本并指出，多数蛋白设计只使用 20 种氨基酸，而糖基化等翻译后修饰在生物功能中必不可少。预印本链接为 https://bit.ly/4s2qK4M。
Rohith KrishnaAI 评分7878 AlphaProtein Novo 发布从头酶设计流程，结合原子扩散与序列扩散
Google DeepMind 与 Frances Arnold 团队合作推出从头酶设计流程 AlphaProtein Novo（AP Novo），将原子扩散与离散序列扩散结合用于生成酶。引用内容称，该流程在两个基准反应上取得新骨架（novel-scaffold）活性方面的 SoTA，并设计出用于合成药物基元哌啶和降解环境毒素 DEHP 的酶。相关预印本与代码已发布在 bioRxiv 和 GitHub；转发者评价酶设计仍处早期。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出 OFoldNA：将二级结构信息融入全原子扩散模型，统一核酸折叠与蛋白–核酸共折叠
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
Vilya, Inc.精选AI 评分6565 Vilya 发布全原子基础模型 Vilya-2，可建模化学多样性分子界面
Vilya 发布全原子基础模型 Vilya-2，称其无需模板或共进化输入，通过扩散和单一统一原子表示解析多肽与靶点复合物。公司称该模型对非经典多肽达到亚埃级精度，并准确预测 Zolucatetide、Daraxonrasib、Icotrokinra 和 Enlicitide 与各自治疗性蛋白靶点的相互作用。
推荐理由：Vilya-2 以统一原子表示建模多肽与靶点复合物，为现有工具难以处理的非经典化学体系提供参照。
AI4Protein精选AI 评分5858 力文所Pallatom全原子蛋白质设计模型从V1演进到Lévin智能体
杭州力文所介绍其Pallatom系列全原子生成模型，从V1端到端生成主链、侧链与序列，到V2面向靶点界面与结合位点做功能分子设计，再到以Agent组织模型与结构分析工具的Pallatom-Lévin。
推荐理由：梳理力文所Pallatom系列从全原子生成到Agent闭环的版本演进，并列出多靶点binder实验成功率。
Genesis Molecular AI精选AI 评分7474 Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型，推理提速 5 倍
Genesis Molecular AI 发布 DeCAF-Pearl，称其为首个用于全原子共折叠的流图模型，相比其 Pearl 模型推理提速 5 倍且质量几乎无损。
推荐理由：DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型，为高通量筛选场景提供了速度参照。
AI4ProteinAI 评分5555 Pallatom-Ligand：全原子扩散模型设计小分子结合蛋白
上海科技大学王浩晨等人提出 Pallatom-Ligand，一款以小分子结构为条件的端到端扩散全原子模型，用于设计蛋白质-配体复合物。该模型采用 Token 级全注意力、原子级块稀疏注意力和 Token 对三角注意力三种机制，在多个小分子 Binder 蛋白设计任务上的成功率显著优于 RFdiffusionAA 和 RFdiffusion2。
力文所精选AI 评分5858 力文所与复融生物完成首批全原子生成类药寡聚体设计交付
力文所与复融生物宣布达成首批类药寡聚体设计交付，这批分子由力文所 Pallatom2 引擎生成，并在复融生物高通量实验平台完成验证。据文中描述，候选分子在体积排阻色谱中呈单一峰型、实现预期寡聚化状态，多个核心候选亲和力达到皮摩尔级，热稳定性与表达滴度达到工业评价标准。文中称部分分子已具备推进成药性评价的基础，但未披露具体靶点、分子数量与实验数值。
推荐理由：力文所与复融生物披露首批寡聚体设计交付，展示了全原子生成模型在湿实验中的验证路径。
Jason Yim精选AI 评分7474 DISCO：序列-结构联合扩散模型设计C(sp³)–H插入酶
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
HouMed精选AI 评分7474 侯廷军团队等发布全模态分子设计基座模型ODesign
侯廷军教授课题组、OTeam创始人张昊天领衔，联合临港实验室郑双佳团队、浙江大学谢昌谕团队等发布全模态分子设计基座模型ODesign，在统一框架内支持蛋白质、核酸（RNA/DNA）、小分子与离子的相互作用生成，并可在分子整体、功能基序、提示原子三种粒度下可控设计。
推荐理由：该模型把蛋白、核酸与小分子设计放进同一生成框架，并给出跨模态基准对比，便于判断多模态分子设计的当前进展。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8282 Baker Lab 开源发布 RFdiffusion3 全原子生物分子设计模型
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。