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。
#数据/基准
AI-Protein Design精选AI 评分7272 药化猩球AI 评分3838 长江杯 GLP-1R 题目更新：靶点标签公布、序列范围扩至跨膜区、新颖性规则调整
长江杯蛋白设计大赛主办方在官网发布补充通知，对GLP-1R等靶点题目做三处改动：公布靶点携带的标签（一般为His-tag）以避免假阳性，GLP-1R序列范围从仅ECD（Ala21–Glu139）扩展至包含跨膜区以匹配"激动剂"要求，并更新新颖性规则——与已知minibinder或VHH比对区域覆盖总长度至少80%时，全长或CDR序列一致性须≤70%。
力文所AI 评分7878 力文所发布Pallatom2技术报告：原子级建模设计蛋白与D型结合剂
力文所发布Pallatom2技术报告，以Atom-to-Atom建模联合生成序列、主链与侧链，单链采样达1600个残基，对称组装扩展至C10、总长2000个残基。
药化猩球AI 评分7878 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。
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。
AI蛋白质精选AI 评分7474 北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
推荐理由：研究显示MSA深度与配对策略需按目标定制，为AF3复合物预测流程提供了可迁移的优化思路。
AI药物设计实验室精选AI 评分7171 Nature Communications｜IDPForge用扩散模型生成无序蛋白构象集合
IDPForge以ESMFold序列与残基配对模块结合去噪扩散，从氨基酸序列生成全原子无序蛋白构象集合，在32条单链IDP测试序列上综合NMR拟合的归一化X-EISD分数为0.890，高于IDPConformerGenerator的0.576、IDPFold的0.582和CALVADOS的0.584。
推荐理由：介绍IDPForge用扩散模型生成无序蛋白构象集合，并对照NMR与SAXS数据说明其优势与尺寸偏差。
BioAIDesignAI 评分7878 斯坦福等提出 ProteoCraft：35 个 PD-L1 结合蛋白候选 29 个测得结合
斯坦福大学、香港科技大学（广州）等机构在 arXiv 预印本中提出 ProteoCraft，把蛋白质设计拆成近似梯度提议与 ESMFold2 完整结构预测复核，再用蒙特卡洛树搜索分配预测预算。
药化猩球精选AI 评分5858 用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录
作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计，在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选，约 78 分钟完成。
推荐理由：作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程，含 hotspot 取舍与评分分布，可作同类设计的操作参照。
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。
药化猩球AI 评分7373 牛津大学发布SAbDab2结构抗体数据库，含超2.2万个抗体实例
牛津大学团队推出面向机器学习时代的SAbDab2结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
AI药物设计实验室精选AI 评分7474 Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
推荐理由：预印本用自然语言条件生成蛋白结构与序列，并在 GM2A 上给出 SPR 结合数据，可看文本接口的控制边界。
药化猩球AI 评分6060 Anthropic有的，中国也有！全球AI蛋白质设计大赛"长江杯"今日开赛！
“长江杯”2026全球AI蛋白质设计挑战赛于9月24日开赛，面向全球开放报名，承诺为不少于5000条从头设计的纳米抗体或迷你结合蛋白提供免费湿实验检测，并按亲和力排名颁发总额100万元人民币税前奖金。
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
Brian Hie精选AI 评分7474 Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
Molence精选AI 评分6060 Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
Leo ZangAI 评分2222 又一届AI蛋白质设计大赛开启
又一届AI蛋白质设计大赛来了！
BioAICraft精选AI 评分7373 David Baker团队发布MINT方法：在保留蛋白功能的同时降低CD8⁺ T细胞免疫原性
David Baker、Nir Hacohen等人在bioRxiv发布预印本，提出MINT方法，在保留蛋白质功能的前提下降低CD8⁺ T细胞免疫原性。
推荐理由：该预印本把免疫原性纳入蛋白设计目标，并用小鼠实验比较高低表位设计的T细胞反应，为去表位设计提供了可参照的验证路径。
澪乃ゆいAI 评分6262 PartiDesign：面向实用全类型生物分子设计的结构-序列协同设计范式
澪乃ゆい在 X 上分享了一篇 bioRxiv 预印本，题为 PartiDesign: A structure-sequence co-design paradigm for practical all-to-all biomolecules design，链接为 https://www.biorxiv.org/content/10.64898/2026.11.03.763860v1。该帖仅给出标题与链接，未披露具体方法、实验设置或结果数据。
BioAICraft精选AI 评分7373 arXiv论文提出ResiDPO并微调LigandMPNN得到EnhancedMPNN
悉尼科技大学、华盛顿大学、伊利诺伊大学厄巴纳—香槟分校和浙江大学研究者在arXiv发布论文，提出残基级可设计性偏好优化方法ResiDPO，用它微调LigandMPNN得到EnhancedMPNN。
推荐理由：论文把AlphaFold2逐残基置信度反馈用于微调LigandMPNN，为序列设计筛选通过率提供了可比较的提升数据。
奶牛猫的CADD实验室精选AI 评分7272 微软提出增强扩散采样方法 Enhanced Diffusion Sampling，更高效捕捉蛋白质稀有构象
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
下一分子精选AI 评分7373 IPD与NVIDIA开源RFD4-Proteina：从计算通过率到湿实验的采用判断
IPD与NVIDIA于10月公开RFD4-Proteina的代码与模型权重，模型把序列与结构放进同一生成过程，并提供候选搜索与评估入口，核心许可为BSD 3-Clause。
推荐理由：结合开源入口、计算基准口径与两组湿实验，给出团队自评该蛋白设计模型是否值得采用的判断框架。
BioTender精选AI 评分6262 Anthropic 与 Adaptyv 蛋白设计挑战赛第五题要求识别 KRAS G12D 突变肽
10 月 26 日，Anthropic 与瑞士蛋白工程公司 Adaptyv 联合举办的蛋白设计挑战赛放出第五题，要求设计只结合 KRAS G12D 突变肽（VVVGADGVGK）、不结合野生型肽（VVVGAGGVGK）的蛋白，两者仅第 6 位一个氨基酸不同，靶点为 HLA-A*11:01 呈递的 pMHC。
推荐理由：赛事把特异性拆成突变识别、肽依赖与亲和力三关，为从零设计结合剂的评测提供了具体参照。
BioAICraft精选AI 评分7171 PNAS论文提出ThermoMPNN单突变稳定性打分器
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
BioAIDesignAI 评分5555 RFD4-Proteina 全流程实操：在 A40 上设计单体、PD-L1 结合物与 FAD 口袋蛋白
BioAIDesign 在单张 NVIDIA A40 上用官方公开权重跑通 RFD4-Proteina 三类设计任务，单体、PD-L1 结合链和 FAD 口袋蛋白各生成 4 个候选，经 OpenFold3 重折叠后每类各有 2 个通过计算门槛。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
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。
Generate:BiomedicinesAI 评分2222 Generate:Biomedicines 高通量冷冻电镜平台
要让生物学可编程，我们需要看见我们所制造的分子，并从中学习。 今天，@annejecrois 将分享我们团队如何构建高通量冷冻电镜平台，以生成用于训练我们抗体设计 AI 模型的结构数据。 她的演讲《CryoEM：从技艺到设计引擎》将于美国东部时间上午 10:55 在马萨诸塞州剑桥市赛诺菲举办的“Celebrating Womenin Structural Biology & Drug Discovery”活动上开始。 查看议程 → https://www.nesba.net/
AI-Protein Design精选AI 评分7676 RFD4-Proteina发布：对比RFD3的表征、推理与湿实验催化设计
RFD4-Proteina 发布，相较 RFD3 改用受力场能量监督的 32 维物理启发潜在空间，并引入内在循环精炼与外在搜索引导的双重潜在推理。干实验中小分子结合聚类通过率为 14.3%（RFD3 为 2.4%），77 个测试靶点全部覆盖；湿实验中 288 个双金属磷酸三酯酶设计有 89 个显示催化活性，最佳催化效率 3,600/M/s。
推荐理由：对比RFD4-Proteina与RFD3在表征、推理机制和湿实验催化设计上的分工，便于判断不同任务的模型选型。
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。
AI蛋白质精选AI 评分8888 西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
AI药物设计实验室同新闻AI 评分8282 UW IPD 与 NVIDIA 发布 RFD4-Proteina：在共同潜空间做蛋白质与多类分子设计
华盛顿大学蛋白质设计研究所与 NVIDIA 等机构提出 RFD4-Proteina，将标准及非标准氨基酸、糖、DNA 和 RNA 的组成单元编码为锚点坐标加 32 维向量，在同一空间中联合生成分子身份与构象。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 与 UW 蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
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。
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。
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。
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。
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。