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。
#可开发性
AI-Protein Design精选AI 评分7474
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。
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5858 FoldAbS复用Protenix内部表示，统一预测抗体特异性、亲和力与可开发性
FoldAbS是一种将结构预测模型用于抗体筛选的方法，复用Protenix的内部表示，在统一框架内预测抗体的特异性、结合亲和力和可开发性。作者称该方法在多项基准测试中性能超过现有的结构置信度评分和预测模型，具体来源见回复。推文未披露基准名称、数据集与具体数值。
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。
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。
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。
药化猩球AI 评分4343 Mol-1 从头设计 KRAS G12D pMHC 结合 VHH 报告
基于开源模型 Mol-1，研究对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽 VVVGADGVGK 从头设计 VHH，40 个候选经结构预测与三重筛选后选出 Top 20。排名第一的 VHH_039 属双模态接触设计组，VHH-肽接触评分 0.4855，对野生型仅 0.0526，特异性比值 9.2 倍。全部结果均为计算预测，未做湿实验验证。
Molence精选AI 评分7474 Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence精选AI 评分7070 Molence 报告 30 个设计 VHH-Fc 候选在 13 个靶点的生物物理筛选结果
Molence 对 30 个设计的 VHH-Fc 候选在 13 个靶点上做了四项生物物理筛选，23 个候选至少满足四项标准中的三项。分项通过率为 HIC 疏水性 80.0%、DSF 热稳定性 80.0%（Tm1 > 60°C）、AC-SINS 自相互作用 83.3%、BVP 非特异性结合 70.0%，13 个靶点中有 12 个至少有一个候选满足三项及以上标准。作者称这些结果可用于挑选进入后续开发的分子。
推荐理由：30 个 VHH-Fc 候选在 13 个靶点上的四项生物物理筛选通过率，为设计分子的可开发性筛选提供参照。
AI-Protein Design同新闻AI 评分7373 Baker团队在bioRxiv发布MINT算法，设计出低免疫原性且保留活性的荧光素酶
Baker团队在bioRxiv预印本中提出MINT计算框架，将ProteinMPNN序列生成与NetMHCpan4.1表位预测结合，以从头设计的荧光素酶LuxSit-i为模型蛋白，在固定43个底物附近残基、仅改造其余74个残基的条件下保留催化活性并清除表位。
AI药物设计实验室精选AI 评分7474 华中农大等团队在 Nature Communications 发表 AbOptimizer，用序列编辑与强化学习多目标优化抗体
华中农业大学、湖北洪山实验室与武汉华美生物技术有限公司团队在 Nature Communications 发表 AbOptimizer，把抗体优化组织为序列编辑任务，由抗体语言模型生成候选、性质预测器反馈、强化学习调整编辑策略。
推荐理由：论文用语言模型加强化学习做抗体多位置序列编辑，并给出三种治疗性抗体的体外结合数据，可供比较计算优化与实测的差距。
BioTender精选AI 评分5858 BioEmu2 实测：AI 设计抗体能否靠动态模拟提前筛选
作者 Colby Ford 用微软 BioEmu2 对一条 scFv 候选 sbio-bdbvgp-355 做构象传播演示，先抽取 10 个平衡构象各向前传播 1 ns，再逐次传播 10 次、每次 1 ns 形成 10 ns 轨迹，并另做一轮带梯度引导的采样。
推荐理由：作者以单个 scFv 候选实测 BioEmu2 的构象传播与引导采样，并逐项对照官方模型卡界定证据边界。
药化猩球精选AI 评分5858 逐行核对 Mol-1 宣传成绩单：75.0%、63% 与 43 pM 在开源仓库中均无出处
作者逐行核对 Mol-1 发布宣传中的四项数字，发现 FoldBench-AB 75.0%、VHH 命中率 63%、SPR 亲和力 KD 43 pM 及单张 H20 跑 60k token 在公开仓库 molence/Mol-1 中均无对应数据，IsoDDE 75.58% 的对比出处标注为 Coming soon。
推荐理由：作者逐条核对 Mol-1 宣传数字与开源仓库，指出基准对比和湿实验数据均无法在代码中复现。
BioTender同新闻AI 评分7272 从 Protenix 到 Mol-1：前字节系团队创业，技术先发如何变成公司优势
Molence 于 2026 年 10 月公开 Mol-1 技术报告与模型，作者以 Protenix 2025 年 1 月开放训练流程到 Mol-1 亮相约 21 个月的时间差为线索，讨论前字节系团队创业的技术先发能否转化为公司优势。
同一新闻，精选展示《Molence 发布开源生物分子智能模型 Mol-1》
LeapFun精选AI 评分7878 Pythia Labs发布Pythia-1，单轮设计22个难靶点的激动与拮抗全长抗体
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
推荐理由：报道介绍Pythia-1在22个难靶点上单轮设计全长IgG，并给出GPCR激动与拮抗的功能验证结果。
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。
DrugAI精选AI 评分7474 Nature：从头蛋白质设计与定向进化构建高对映选择性人工金属酶光催化剂
研究人员用RFdiffusion All-Atom和LigandMPNN从头设计结合金属多吡啶光催化剂的蛋白骨架DE3，再经多轮定向进化获得变体4FFG，催化分子内[2+2]光环加成产物对映体比例达3:97。
推荐理由：研究把从头设计骨架与定向进化串成一条路径，为人工金属酶的光催化立体控制提供了可参照的设计与优化流程。
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。
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。
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。
BioTender同新闻AI 评分7474 Baker团队预印本：AI设计小蛋白接管人类细胞基因开关
David Baker与Isaac Hilton等人在2026年10月20日发布bioRxiv预印本，用AI设计65—85个氨基酸的小蛋白，接到dCas9上招募细胞原有转录共激活因子，在人类细胞中激活基因。
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。
药化猩球同新闻AI 评分7474 RFD4-Proteina技术拆解：联合生成、循环细化与推理时搜索如何提高蛋白设计效率
华盛顿大学蛋白质设计研究所与NVIDIA于2026年10月21日发布RFD4-Proteina，将蛋白序列与全原子结构联合生成，并加入采样步内循环细化与多路径搜索，代码和权重已按BSD-3-Clause公开，论文仍为未经同行评审的预印本。
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。
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。
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。
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。
智药邦AI 评分8282 Nature发表AI从头设计金属蛋白酶研究，实现肽键高效切割与治疗蛋白条件激活
华盛顿大学蛋白质设计研究所等团队在《Nature》发表研究，用生成式AI从头设计锌依赖性金属蛋白酶，在预定肽键位置实现切割。研究测试135种设计，显式建模催化水分子的组成功率88%，仅建模Zn²⁺的组为15%；Zn45的肽键水解速率较未催化反应提高超过10⁸倍。设计酶还被用于切割TDP-43、SAA和Aβ相关肽段，并通过可切割连接序列激活掩蔽型IL-2模拟物和EGFR拮抗剂，结果均为体外实验。
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。
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。
BioAICraft精选AI 评分7373 David Baker 团队预印本提出从头设计控制 N-连接糖链组成
David Baker、Neil King 等人在 bioRxiv 发布预印本，提出通过从头蛋白质设计在糖链周围构建结构遮挡、限制加工酶接近，从而控制 N-连接糖链组成。
推荐理由：解读 Baker 团队预印本如何用结构遮挡控制糖型，并给出从约1%到约47%的筛选改进路径。
AI-Protein DesignAI 评分8282 Baker团队在bioRxiv报告从头设计可编程N-糖基化蛋白
David Baker与Neil P. King团队在bioRxiv发布预印本，提出通过从头蛋白质设计编程N-糖基化位点与聚糖组成。流程整合RFdiffusionAA、LigandMPNN、RF3/AF3与ΔRASA空间包埋指标，使高甘露糖型糖蛋白设计成功率从第一代的1.0%（1/97）提升至46.5%（20/51）。
Amir ShanehsazzadehAI 评分6060 Anthropic 与 Adaptyv 蛋白设计竞赛第二题锁定 TNF-α 结合剂
Anthropic 与 Adaptyv 蛋白设计竞赛公布第二道挑战，目标是为 TNF-α 设计更优结合剂，并要求其在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。该设计还需同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计；Amir Shanehsazzadeh 转发称该靶点本身对结合剂设计就很难，pH 要求进一步加大难度。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 与 Anthropic 蛋白设计竞赛第二期：设计 pH 6.0 选择性释放的 TNF-α 结合剂
Adaptyv Bio 宣布 Anthropic x Adaptyv 蛋白设计竞赛第二期，目标是设计优于现有药物的 TNF-α 结合剂，并能在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。设计要求还包括同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计。
推荐理由：比赛把 TNF-α 结合剂设计放到 pH 6.0 选择性释放和跨人鼠结合的双重约束下，可观察设计如何兼顾亲和力与可开发性。