Molence用一轮实验反馈将4-1BB功能性命中率从7%提升至85%
Molence报告在4-1BB抗体设计中引入一轮实验反馈后，功能性命中率从第一轮的2/30（7%）提升到第二轮的51/60（85%）。设计以VHH-Fc融合形式测试，在0.03 nM浓度下，51个第二轮激动剂中有48个超过Utomilumab阳性对照的平均激活水平。作者称该流程将结构预测、抗体设计与湿实验验证串成迭代工作流。
#干湿闭环/自动化
MolenceAI 评分7373
Brian HieAI 评分5151 Brian Hie 提出用模型生成结果动态更新提示的基因组思维链
Brian Hie 提出，数据高效条件化使合成提示可随模型自身生成结果动态更新，并可在计算打分甚至实验室在环测试后进行。他以噬菌体基因组设计给出概念验证，将这一过程称为基因组思维链（genomic chain of thought）。
天鹜科技AI 评分4242 晓鹜®平台de novo工具教程（一）：以PD-L1为例演示VHH设计全流程
晓鹜®平台发布de novo工具系列教程第一篇，以PD-L1为靶点演示在智能体中完成靶点调研、结构准备、VHH设计与结果筛选全流程。平台提供RFantibody和mBER两条VHH设计路线，可自动生成并运行PyMOL脚本，并调用AF2-multimer计算ipTM、pLDDT与界面pAE。
Generate:Biomedicines精选AI 评分6565 Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 受体信号域，缩短约 70% 并提升体外杀瘤
Generate:Biomedicines 与 Anthropic 合作，六名科学家用 Claude 结合自有模型、计算工具和湿实验数据，重构用于实体瘤的 CAR-T 受体。重新设计的信号组件比标准设计缩短约 70%，为新增功能留出空间，并在实验室测试中提升了对癌细胞的杀伤。相关结果以预印本形式发布，公司称该流程把数年工作压缩到数月、成本仅为原方案的一小部分。
推荐理由：Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 胞内信号域，展示大模型参与蛋白设计的可迁移流程。
DrugAIAI 评分7878 觅深知源 Molence Bio 开源生物分子基础模型 Mol-1
觅深知源 Molence Bio 发布生物分子基础模型 Mol-1，用单个模型预测抗体–抗原、蛋白质–多肽、蛋白质–小分子及分子胶等多种复合物，并开放模型权重与代码。
BioTender同新闻AI 评分7676 Google 用 Gemini 智能体指挥蛋白 binder 设计：算力降 88%，人机混合命中率提升 84%
Google Research 与 Google DeepMind 在 arXiv 预印本中提出表位切除方法，把 719 残基的 FAP 靶标裁到 85 残基窗口，使 RFdiffusion、ProteinMPNN、AlphaFold3 单次耗时分别下降 89%、66%、88%。
同一新闻，精选展示《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》
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AI 评分7878 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。
Adaptyv Bio精选AI 评分7676 Adaptyv Bio 与 Anthropic 合作测试 Claude 设计的 211 个蛋白，17 个与蝎毒素结合
Adaptyv Bio 公布与 Anthropic、citrini 的最新湿实验合作结果：Claude 设计用于中和蝎毒素的新型蛋白，团队在自动化湿实验室测试了 211 个设计，其中 17 个在实验中显示与毒素结合，全部数据已发布在 proteinbase。Adaptyv Bio 称这是其推动任何人都能在自动化湿实验室开展药物发现活动的一个示例。
推荐理由：Adaptyv Bio 公布与 Anthropic 合作的湿实验验证结果，给出设计蛋白与蝎毒素结合的具体命中比例。
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。
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。
DrugAI精选AI 评分7474 Baker团队在Nature Communications发表SAPP与DMX流程，以规模化实验表征加速蛋白设计
Baker团队在Nature Communications发表方法学工作，用SAPP和DMX两套流程把蛋白设计的实验表征规模化：SAPP将从基因片段到SEC纯化与标准化表征压缩到约48小时、每天可处理数百个设计，DMX用组合条形码和Nanopore长读长测序把廉价oligo pool转为数千个序列验证后的阵列化克隆。
推荐理由：该工作把蛋白设计的实验表征推到每天数百个设计，并展示寡聚几何等变量如何影响功能。
途深智合精选AI 评分6363 途深智合ToursynClaw完成CLDN18.2第二轮DBTL迭代，Hit Rate从3.4%升至16.0%
途深智合公布ToursynClaw在CLDN18.2抗体项目中完成第二轮DBTL迭代，25个候选抗体中形成4个优选Hit，Hit Rate由第一轮的3.4%（1/29）提升至16.0%（4/25），相对提升约364%。
推荐理由：两轮DBTL迭代的命中率与亲和力数据，为评估实验数据回流能否改善抗体设计提供具体参照。
DrugIntelAI 评分7676 Baker团队在Nature Communications发表SAPP与DMX流程，以规模化实验表征加速蛋白设计
Baker团队在Nature Communications发表方法学工作，提出SAPP与DMX两套互补流程，把从基因片段到SEC纯化蛋白及标准化表征压缩到约48小时、每天可处理数百个设计。
Martin PacesaAI 评分5555 Martin Pacesa 转发称可用 BindCraft2 在消费级 GPU 上低成本设计结合剂
Martin Pacesa 转发 @btnaughton 的体验称，BindCraft 2 在 vast.ai 等消费级 GPU 上生成轨迹的成本可低至每条 2 美分。该说法来自引用内容，并称 Martin Pacesa 及其合作者对该工具做了大量优化。
Amir Shanehsazzadeh精选AI 评分7373 BindCraft2 提前开源，扩大分子设计搜索空间并接入 Adaptyv 竞赛
BindCraft2 已发布，代码当天开源，学术与工业使用均免费，作者团队未等论文发表即提前放出。该版本通过支持更多模态与靶点扩大了分子设计搜索空间，速度也更快，并可用于 Adaptyv 竞赛；Amir Shanehsazzadeh 表示 Claude 在复杂搜索空间中表现最好，相关竞赛由 Anthropic 与 Adaptyv Bio 共同赞助。
推荐理由：BindCraft2 提前开源并扩大分子设计搜索空间，为结合剂设计竞赛提供了可直接上手的工具。
奥泊生科精选AI 评分5858 清华博士徐罡与诺奖团队用跨模态迁移做RNA设计，奥泊生科讲述干湿闭环路线
奥泊生科技术顾问徐罡与复旦大学马剑鹏团队以ESM-2为起点做跨模态迁移，先后开发ProtRNA和ProtmRNA，用于RNA结构预测与mRNA密码子优化。ProtRNA于2025年发表于Cell Systems，在bpRNA测试集上结构预测F1为0.646，对比RiNALMo的0.594，且RNA训练阶段只调整约八分之一参数、使用六分之一RNA数据。
推荐理由：奥泊生科团队讲述如何把蛋白质语言模型迁移到RNA与mRNA设计，并解释干湿闭环为何依赖实验经验回传。
分子之心MoleculeMindAI 评分4040 分子之心荣膺「AI生物智造领航者」：以AI蛋白质技术推动生物产业创新
分子之心在第八届CMC-CHINA中国制药工业博览会期间获「2026未来药物物种FNS101」评选的「AI生物智造领航者」奖，并分享AI蛋白质设计在创新药与合成生物制造中的实践。其Fab-to-scFv工程化项目经AI首轮设计后亲和力提升约8倍至0.6nM，表达量提升至>0.5g/L，纯度提升至91.5%。在代糖生产相关工业酶项目中，酶熔解温度提高15°C，半衰期由2.3小时提升至近200小时。
BioMap 百图生科精选AI 评分7272 百图生科联合江南大学等在ACS Catalysis提出MmALS框架，CsCE酶催化效率提升75.3%
百图生科联合江南大学、乳业国家技术创新中心在ACS Catalysis发表研究，提出多模态主动学习系统MmALS，用于CsCE（纤维二糖2-差向异构酶）的AI驱动定向进化。
推荐理由：研究用三轮主动学习闭环优化乳糖转化酶，每轮仅测约50个候选，为小样本酶工程提供可迁移流程。
Inceptive精选AI 评分7878 Inceptive 微调模型设计 in vivo CAR-T mRNA，5 条序列中 3 条在体内优于 Capstan 基准
Inceptive 用自建 CAR-T 数据微调序列设计模型，生成编码同一抗 CD19 CAR 蛋白的 mRNA 设计，并将 5 条序列推进 NSG-PBMC 人源化小鼠，与 Capstan 的抗 CD19 序列在同一 CD8 靶向 LNP（Amplitude Therapeutics 提供）下以 0.1 mg/kg 给药、24 小时终点比较。
推荐理由：Inceptive 用自建 CAR-T 数据微调序列设计模型，并在人源化小鼠中与 Capstan 基准序列做头对头比较，展示了模型排序到体内功能读数的转化路径。
Adaptyv BioAI 评分7878 Adaptyv Bio 湿实验评测 Claude 蛋白设计：1320 个设计中 26.8% 结合靶点
Adaptyv Bio 在自动化湿实验室中对 Anthropic 的 Claude Mythos Preview 与 Opus 4.8 设计的从头结合剂进行匿名盲测，1320 个设计中 95% 成功表达、354 个结合靶点，总体命中率 26.8%，覆盖 15 个靶点中的 14 个。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理，256 残基蛋白预测从 5.8 秒降至 2.5 秒
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
Nabla Bio精选AI 评分7474 Nabla Bio 发布 JAM-2 报告：零样本设计多特异性抗体与 KRAS G12 双变异结合剂
Nabla Bio 发布 JAM-2 模型报告，将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体，T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍；并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体，在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。
推荐理由：Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节，可作为评估零样本抗体设计的参照。
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。
Cradle Bio Blog精选AI 评分6767 Cradle 展示零样本抗体多样化：七组实验与单突变扫描基线对比
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验，其中 4/7 实验、2/3 靶点出现显著亲和力提升，弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由：Cradle 汇总七组零样本抗体多样化实验，给出功能率与亲和力提升幅度，并对照文献单突变扫描基线。
Inceptive精选AI 评分7474 Inceptive 用零样本 mRNA 序列设计对标体内 CAR-T 行业基准
Inceptive 称其基础模型在不足一个月、极少 CAR-T 专用训练数据下零样本设计 mRNA 序列，在 PBMC 表达与杀伤实验中与行业领先的抗 CD19 CAR 序列相当，并结合 Mana.bio 的被动靶向 LNP 在体内实现接近完全的 B 细胞清除。
推荐理由：Inceptive 称零样本设计的 mRNA 序列在体外与体内 CAR-T 指标上对标行业基准，展示了基础模型跨靶点迁移的一种路径。
Latent LabsAI 评分5050 Latent Labs与GenScript验证Latent-X2
很高兴看到@GenScript团队的这项工作。 在验证Latent-X2时，我们需要快速推进抗体、纳米抗体和大环化合物的相关工作。我们的内部湿实验室能承担很多工作，但GenScript帮助我们扩大了规模，并更快地打通了计算与生物学之间的闭环。 结果是：AI设计的抗体具有类药可开发性，并在人源panel中显示低免疫原性，且已在实验室中得到验证。 感谢那些以尖端AI速度推进的合作伙伴。
LabGenius Therapeutics · News精选AI 评分8282 LabGenius 发表 EVA 平台闭环优化 HER2×CD3 多特异性抗体研究
【全文总结】LabGenius 在论文中报告其 EVA 平台通过机器学习与高通量实验闭环，在 44,160 个 HER2×CD3 T 细胞衔接器设计空间中经 5 轮设计-构建-测试-学习循环筛选 980 个候选，命中率较 Sobol 准随机基线提升 14 倍。
推荐理由：该研究把多特异性抗体的价数、拓扑与亲和力纳入贝叶斯优化闭环，并以临床基准分子作对照，展示了亲合力门控选择性的可设计路径。
奥泊生科AI 评分2828 诺奖得主领衔，奥泊生科聚焦蛋白质设计与生物制造
奥泊生科2025年在武汉创立，由诺贝尔化学奖得主迈克·莱维特与马剑鹏等联合领衔，并在武汉产业创新发展研究院支持下成立AI蛋白质设计研究所、于光谷建设AI蛋白质设计改造产研中心。公司称其干湿结合蛋白质设计及结构解析技术可服务药物靶点发现、抗体改造、工业酶设计与创新药物研发，借助AI可在几周内计算筛选大量样本，而传统实验筛选耗时长达数年。