Anthropic宣布其生物学研究团队与Claude合作，绘制出细菌源Vault（囊泡样蛋白颗粒）的三维结构图，项目耗时不到4个月。团队用Claude Science分析约150亿条预测蛋白质序列，挑出44个序列做实验测试，其中15种产生可溶性蛋白、7种组装成Vault样颗粒、4种经冷冻电镜确认具有Vault结构。
推荐理由：Anthropic用Claude辅助从海量序列中筛出细菌源Vault同源蛋白并经冷冻电镜验证，同时披露模型在真实科研流程中的失误。
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。
Brian Hie 团队报告 Evo 2 在少量同功能序列提示下可生成功能相似的新序列，作者称这是一种生成式上下文学习（ICL），且为训练时未预料到的涌现现象。
推荐理由：作者报告 Evo 2 在少量同功能序列提示下生成相似功能序列，并延伸到调控元件与蛋白设计任务。
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）。
PartiDesign 被开发为同时设计结构与序列的生物分子设计模型，可在同一框架中处理蛋白质、RNA、DNA 和低分子。该模型支持指定结合部位、二级结构和化学键等条件，并同时生成三维结构以及序列与化学组成。作者称来源见回复，未在正文给出评测结果。
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。
MolenceBio 发布开源生物分子复合物结构预测模型 Mol-1，可处理蛋白、DNA、RNA 与低分子参与的复合体，并针对抗体–抗原、多肽和 molecular glue 等相互作用。引用信息称其在 FoldBench-AB 上取得 75.0%，接近 IsoDDE 报告的 75.58%；单张 H20 可处理 60k token 组装，VHH 结合命中率最高 63%，最佳 SPR KD 为 43 pM。代码已在 GitHub 开放，并提供在线试用入口。
南京大学、香港中文大学与新加坡国立大学合作提出RiboBridge，输入靶蛋白结构和期望RNA长度，先预测候选界面、生成RNA形状，再预测跨链距离并刚体组装出候选RNA结构及结合姿态。
推荐理由：预印本把RNA形状生成与结合姿态拆开建模，并用消融定位误差来源，为RNA结合剂设计提供了可诊断的评测参照。
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。
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
NVIDIA与David Baker团队发布分子设计模型RFD4-Proteina，通过统一潜空间与迭代优化同时处理蛋白质、非天然氨基酸、糖分子和核酸。在蛋白结合设计基准中，计算通过率达到10.6%，生成吞吐量为BindCraft的42倍。团队还完成多项湿实验验证，包括设计用于抗HIV药物来那帕韦合成步骤的全新酶，代码与模型权重已开放。
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。
研究人员在 Science 发表 RFdiffusion3（RFD3），一种基于全原子自由扩散的生成式模型，可在统一框架下设计蛋白质、RNA、DNA 及其复合物，并直接以催化原子坐标、氢键和配体埋藏等条件构建功能位点。
推荐理由：该研究把生成式设计从残基级推进到全原子级，并给出人工酶实验活性数据，可作为理解功能位点设计边界的参照。
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。
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。
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。
Valhalla Technology 等提出 NACraft，将 Boltz-1 全原子结构模型的可微分反馈反向传播到核苷酸序列，在推理阶段统一支持 de novo、similarity-guided 和 target-selective 三类 RNA/DNA 适配体设计，无需针对任务重新训练。
推荐理由：该工作把全原子结构模型的反向反馈用于核酸适配体设计，并给出跨靶标与选择性任务的评测结果。
我们的生物信息学与平台研发负责人Stephen Nayfach本周在@CSHL参加基因组工程：CRISPR前沿活动。如果你也在现场，欢迎找他打个招呼！👋 他将发表演讲，介绍如何利用我们的AI模型设计用于碱基编辑的CRISPR-Cas9变体（"为突变特异性碱基编辑器设计编程PAM特异性"），并主持"CRISPR技术I"分会场。
作者将ESM-IF1逆折叠生成与保守性、蛋白-核酸共同进化约束结合，从头设计出与天然ISDra2 TnpB仅约50-60%一致性的SynTnpB小型RNA引导核酸酶。
推荐理由：研究把结构生成与进化保守性约束结合，设计出序列偏离天然但仍可编辑基因的TnpB核酸酶，并给出模块化筛选与结构依据。
一套AI设计的碱基编辑器，全部源自同一骨架。每位患者唯一不同的部分只是向导RNA。 这就是AI带来的转变：罕见病从"一次一个药物"走向平台化，旨在降低成本、惠及更多患者。 下方是我们与GEMMABio合作、现获@ARPA_H的THRIVE项目支持的更多内容。
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。
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。