AI正在重新设计生命，David Baker要用蛋白质造计算机和分子机器
诺奖得主 David Baker 因从头蛋白质设计的开创性贡献获伦敦皇家学会克鲁恩奖章，并在获奖演讲中回顾过去一两年的工作。他称 AI 辅助蛋白质设计已让结合靶点接近解决，团队转向设计只在特定条件下启动的开关蛋白，并提到新一代模型 RFD4 生成的结构许多从第一轮起就有活性。
#深度观点
DeepTech深科技AI 评分5858
BioTender精选AI 评分6565 全原子模型密集涌现，AI 蛋白设计迎来新一轮技术竞赛
BioTender 汇总2026年9—10月收录的19个全原子建模与设计项目，覆盖结构生成、复合物预测、结构编码与设计优化，认为竞赛焦点正从生成结构延伸到控制功能。
推荐理由：梳理19个全原子建模项目的路线差异，并指出评测口径与开放程度决定成绩可比性。
药化猩球AI 评分5050 长江杯蛋白设计大赛七大靶点通关攻略：EGFR、TNF-α、GLP-1R等赛道规则与打法解析
2026赛季长江杯AI蛋白质设计大赛设EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1、IL-7Rα七条赛道，公开队先按ESMFold2预测加ipSAE打分排序入围，最终名次完全由实测KD决定。计划约7000条序列免费湿实验验证，每赛道约1000条，前50名免费加做成药性与细胞活性检测。EGFR赛道须测pH 6.0亲和力，GLP-1R仅给ECD却要求激动剂，为全场最难。
AI-Protein DesignAI 评分3434 AI蛋白质设计在神经退行性疾病领域的进展如何？
针对阿尔茨海默病、ALS等神经退行性疾病，现有7项AI蛋白质设计研究覆盖金属蛋白酶降解Aβ与TDP43、靶向FUS/Amylin/Aβ/Tau/TDP43的binder设计及病理修饰检测，多数由David Baker团队完成。金属蛋白酶研究仅完成体外实验，细胞与动物验证仍是挑战；靶向无序蛋白的binder设计曾尝试polyQ但失败。整体研究数量不多，尚无AI设计蛋白药物进入AD治疗。
科普知识综述精选AI 评分5858 约翰斯·霍普金斯大学获ARPA-H最高5210万美元资助，构建AI模型解码蛋白质错误折叠
约翰斯·霍普金斯大学牵头获ARPA-H最高5210万美元、为期4年的资助，将构建AI模型解码内在无序蛋白在帕金森病、尤文肉瘤等疾病中的错误折叠与动态构象，项目名为DETR，由Xiaobo Mao领导，21名研究人员来自美欧12家机构。
推荐理由：梳理ARPA-H资助的蛋白质动态构象项目，区分结构预测、机制确认与临床转化三层证据。
Oxford Protein Informatics Group · BlogAI 评分5050 Atom14 与 Atom37：蛋白质设计模型如何记录原子
文章解释 Atom14 与 Atom37 两种将蛋白质原子坐标压入固定张量的布局，并比较 RFdiffusion3、BoltzGen 和 La-Proteina 在序列未知的从头设计中如何处理原子槽位。RFdiffusion3 为每个残基保留 14 个点，用虚拟原子填充未用槽位并统一去噪，序列随后由 ProteinMPNN 或 LigandMPNN 设计。
Kevin K. YangAI 评分3030 可从头设计结合全反式视黄醛的光响应蛋白
你可以从头设计出能结合全反式视黄醛、并响应光照发生构象变化的蛋白质！ @befcorreia
药化猩球精选AI 评分5858 RFD4-Proteina 深度拆解：多语境蛋白设计与 HER2 纳米抗体生成
作者拆解 RFD4-Proteina，指出该模型用一套 32 维隐变量把蛋白、核酸、磷酸化等六种语境纳入设计，使偶联位点和糖基化从设计第一步就被考虑。以 HER2 纳米抗体为例，模型可直接以靶点结构为背景、指定热点生成结合骨架，并预留非天然氨基酸位点供后续偶联。作者提到官方湿实验数据显示亲和力达皮摩尔级，但强调这些数字来自开发方、尚无独立复现，且测试基于蛋白-蛋白基准，用于纳米抗体仍需重新测试。
推荐理由：作者拆解 RFD4-Proteina 的多语境隐变量设计思路，并指出其湿实验数据尚未独立复现。
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》
Kevin K. YangAI 评分2020 用深度学习设计招募辅激活因子的蛋白
转录因子利用弱相互作用招募转录辅激活因子，这使得进行合成、精确的转录调控变得困难。相反，用深度学习来设计高亲和力的辅激活因子招募蛋白！ @wchenomics @ruopu22 @kinasekid @isaacbhilton
BioTender精选AI 评分6262 一家华尔街投资机构，用 Claude 做起了药物发现
Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
智药局精选AI 评分7373 全球首个「AI设计病毒」已打进人体！Evo团队新作，有望治愈4000万人
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。
Rohith KrishnaAI 评分2525 共折叠模型中接触信息提升结构预测精度
这些共折叠模型最有趣的特点之一，就是1个接触对结构预测精度的帮助有多大——我在开发这些模型时反复看到这一结果
Kevin K. YangAI 评分2020 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！
ClickMab 科迈生物AI 评分3333 从筛选到按需设计｜科迈生物 CEO 王天元博士出席 2026 波士顿中国科大校友峰会
科迈生物 CEO 王天元在 2026 波士顿中国科大校友峰会上发表《从筛选抗体，到按需定制设计抗体》演讲，介绍 AI 指定表位抗体从头设计进展。公司 2023 年完成该方向概念验证，并以冷冻电镜结构解析和细胞功能实验验证；近期一项复杂双靶点合作中，设计的 100 条抗体有 1 条同时对两个靶点显示结合信号。
Corin WagenAI 评分4242 LLM 逆折叠能力引热议
Ishaan 在这里做了很酷的工作。这似乎是一个有趣的“临界能力”案例：零样本逆折叠（IF）并不真正奏效，但给出几个示例（以及一些迭代）后，模型就具备了不容小觑的能力。 很期待看到这一方向如何发展。把 LLM 整合进蛋白质设计流程的想法有些奇怪，但也许目前（或不久的将来）相当合理？
Marinka ZitnikAI 评分5858 Marinka Zitnik 评述 DeepMind 为 AI 生成蛋白质加水印的研究
Marinka Zitnik 评述 Google DeepMind 一项为 AI 生成蛋白质加水印的新工作，称其能在保持蛋白质功能和 AI 设计质量的同时嵌入标记。她提到曾与 Science 讨论追踪生物学中生成式 AI 输出的水印等策略，并称前学生 Zaixi Zhang 在 Nature 上讨论了该工作及团队相关方法 FoldMark。她引用的 Nature 内容指出，这类数字标记可被擦除。
Mohammed AlQuraishiAI 评分3030 OpenBind-0 发布获评述
David Pearlman 对我们近期发布的 OpenBind-0 写了一篇非常出色且冷静客观的评述 https://substack.com/home/post/p-213732284
结构生物学探索AI 评分2525 结构生物学BBS谈话录之233（结构测定106-蛋白质设计之“元宇宙”）
佰翱得方面在讨论中称，其正推进基于结构比对与相似性的蛋白“元宇宙”计划，已完成近100万结构的两两比对，拟将数十亿蛋白序列按结构聚类并叠加功能注释，建成共用数据库供检索使用。该体系被描述为可用于酶设计、蛋白骨架与PPI设计及酶工程，但讨论中多位参与者质疑“元宇宙”概念华而不实，认为结构比对与蛋白设计仍有距离。公司称目标开源，但因使用公司资源，尚不能保证开源免费。
Sergey OvchinnikovAI 评分3232 Claude 重现 Protein Hunter 协议？
看起来 claude-protein-binder-design 重新发现了我们的 Protein Hunter 协议？🤔@ChoYehlin
ProfluentAI 评分4242 Profluent AI设计碱基编辑器平台
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。
Hannes StärkAI 评分4242 Xaira 谈结合剂设计评估标准
很高兴看到 @Xaira_Thera 这篇博客文章，它基于我们近期关于评估结合剂设计模型的笔记！ 把候选分子称为结合剂的好标准 :) 让我们更多传播关于合理结合剂分类与报告的意识！ https://www.xaira.com/news/progressable-binders-the-binders-that-matter
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。
AntiverseAI 评分2222 Antiverse推出AI抗体设计平台
↓ 如何为具有挑战性的靶点发现抗体 ↓ 我们开发了一个AI驱动的抗体设计平台，用于GPCR及其他具有挑战性的靶点。通过这些简短的图文面板了解更多关于我们技术工作原理的信息。 #人工智能 #生物制品 #科技生物
Bruno CorreiaAI 评分2222 深度学习赋能蛋白质设计综述
干得漂亮，伙计们！！！！ 引用推文核心内容：我们非常激动地分享，我们的综述论文《深度学习赋能蛋白质设计的新时代》现已上线！https://doi.org/10.1016/j.cels.2023.10.006 与 @rneschneuing @igashov @CasperGoverde @mmbronstein @befcorreia 的出色团队合作