#多肽药物

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。

Molence设计单一VHH同时结合两种序列同源性54%的细胞因子

Molence报告按设计目标构建可同时识别两种非直系同源细胞因子的VHH，这两种细胞因子无空位序列一致性为54%。30个设计以VHH-Fc融合形式测试，其中5个同时结合两种抗原。作者据此提出双抗原识别可作为设计流程中的明确目标。

Molence 发布 Mol-1 在 MolBench-Peptide-26 上的蛋白-肽预测结果

Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。

侯廷军团队推出PartiDesign：统一生成框架用于蛋白与环肽设计

侯廷军团队推出可控生成框架PartiDesign，将结构与序列或化学身份在同一次Flow Matching生成中协同，覆盖蛋白、DNA、RNA和小分子。在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；AME原子级催化基序骨架搭建中常规与α引导配置分别约为RFD3的8.6倍和12倍。

EPFL 团队在 bioRxiv 发布 SPARC：AI 从头设计光控蛋白开关

EPFL Bruno Correia 团队等人在 bioRxiv 发布论文，报道计算设计的光控蛋白开关系统 SPARC，将视黄醛结合、光诱导构象变化与短肽识别整合到同一蛋白中。

AI蛋白设计进入深水区，诺奖得主David Baker在膜蛋白领域的研究进展

David Baker 团队 2026 年已发表 5 篇膜蛋白相关 AI 研究成果，涵盖从头设计、膜蛋白制备与结构机制研究。

抗体设计5套工具的实际能力比较

文章比较了 RFD4-Proteina、BoltzGen、PPIFlow、OpenDDE-Harness 与备选的 PartiDesign 五套抗体设计工具，指出它们并非简单性能排名，而是生成机制与后处理路径各不相同。

字节Protenix原班团队开源生物分子模型Mol-1，抗体、分子胶与多肽结构预测升级

原字节跳动Protenix核心成员肖文之团队推出生物分子基础模型Mol-1并公开39页技术报告，基于Protenix技术体系提升结构预测能力。

同一新闻，精选展示《Molence 发布开源生物分子智能模型 Mol-1》

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%。

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。

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。

同一新闻，精选展示《Astrolabe：通过跨情境协调与结构干预实现可编程全原子生物分子设计》

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。

Anthropic 研究：Claude 64 小时生成 31.8 万个蝎毒结合蛋白设计，211 个送测 17 个达标

Anthropic 公布一项针对蝎毒的蛋白设计研究，Claude 在 64 小时原始设计阶段生成 318,484 个计算设计，并调用 12 种设计工具筛查 553,052 个设计—毒素配对。

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！

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。

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》

Anthropic × Adaptyv 蛋白质设计竞赛第三题开放：设计激活 GLP1R 的蛋白

Anthropic × Adaptyv 蛋白质设计竞赛第三题开放，要求参赛者设计能激活 GLP1R 的蛋白质。GLP1R 是司美格鲁肽（Ozempic、Wegovy）和替尔泊肽在 2 型糖尿病与肥胖中作用的受体。

PepRePs：用pLM生成肽引导重定向磷酸酶实现可编程去磷酸化

Pranam Chatterjee团队提出PepRePs（peptide-retargeted phosphatases），即用肽引导重定向磷酸酶，目标是实现对任意靶点的可编程去磷酸化。该工作延续其用蛋白语言模型生成肽引导E3（uAbs）和DUB（duAbs）的思路，相关预印本已发布于bioRxiv。

SaLT&PepPr 引导肽在小鼠体内选择性降解致病 β-catenin

Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。

Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选

Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。

分子之心披露纳米抗体与环肽设计实验结果，并推出MoleculeOS平台

分子之心在7月31日深圳“AI+新药研发研讨会”上披露，其AI从头设计的纳米抗体和环肽在TNFα、PD-L1、MDM2等十几个靶点上获得阶段性湿实验命中：TNFα的14个纳米抗体中7个显示结合活性，最优亲和力51皮摩尔；PD-L1的30个候选纳米抗体中26个命中；MDM2的21个候选环肽中16个显示可检测结合，最佳KD为13.7微摩尔。

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。

分子之心MMDesign环肽从头设计获湿实验验证，p53-MDM2首轮21条中16条命中

分子之心在WAIC 2026公布MMDesign环肽从头设计结果：针对p53-MDM2靶点首轮设计并测试的21条候选环肽中16条实验命中，命中率超过70%，最优候选KD为13.7微摩尔，优于同期实验阳性对照；PD-L1靶点首轮19条候选中有6条经SPR确认结合，最佳KD接近40微摩尔。

MindWalk 公布登革热临床前数据，支持 HYFT 计算预测

MindWalk 公布登革热临床前数据，称基于 HYFT 预测靶点设计的免疫原在动物中诱导出针对全部四种登革热血清型抗原的交叉反应抗体，并在两次独立实验中重复。公司称 HYFT 在免疫前计算优先选出泛血清型靶点，打乱序列的对照未产生相应识别，CEO Jennifer Bath 称这是该疫苗平台上首次记录到从预测到结果的闭环。该结果属临床前结合层面证据，完整数据见公司新闻稿。

基于 ProteinMPNN 架构与 CyclicPepedia 数据的多肽设计探索：v6 实验版模型

个人开发者参考 ProteinMPNN 编码器-解码器框架，用 CyclicPepedia 环肽结构数据经 150 轮迭代独立训练出聚焦多肽的 v6 实验版模型。引入位置编码并增至 6 层 GCN 后，模型在内部验证集上的序列恢复率从约 23.3% 提升至 46.7%。该模型已部署为在线 Demo，可上传多肽 PDB 骨架获取序列设计建议，但仅处实验探索阶段，指标仅代表内部测试表现。

Vilya 发布全原子基础模型 Vilya-1，用于大环结构预测与设计

Vilya 发布全原子基础模型 Vilya-1，专门建模含非天然氨基酸等多样化学的大环结构。公司称在公开与内部大环晶体结构合并基准上，Vilya-1 恢复晶体构象的表现超过次优方法一倍以上，物理与规则方法恢复的构象不到其一半，深度学习方法更落后。Vilya-1 还可微调用于富集可渗透化合物，并生成构象集合以评估能量景观、筛选结合剂；公司表示已在多个内部项目中应用该模型。