Brian Hie 团队报告 Evo 2 的生成式上下文学习能力
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。
#生成式化学
Brian Hie精选AI 评分7878 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）。
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。
LeapFun精选AI 评分7474 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。
推荐理由：介绍统一生成框架在蛋白与环肽设计上的产出效率，并给出与RFD3、BoltzGen的基准对比及计算筛选边界。
Leo ZangAI 评分6565 MESSI：用离散扩散为蛋白去免疫原性的生成方法
研究者提出生成方法 MESSI，用离散扩散对蛋白进行去免疫原性设计，降低预测的 MHC-II 表位。在荧光素酶、PD-1 结合剂和尿酸酶中，实验验证其功能得以保留或提升，尿酸酶属于 FDA 已批准疗法所用酶家族。
LeapFun同新闻AI 评分7070 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》
Kevin K. YangAI 评分5858 Kevin K. Yang 提出结合化学知识、生成建模与结构预测的酶设计流程
Kevin K. Yang 提出将化学知识、生成建模与结构预测组合成一条流程，用于为新自然界化学反应设计酶。推文未披露该流程的具体方法、实验验证或性能数据。
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。
Simon Kohl精选AI 评分5858 Latent Labs 将抗体设计智能体 Latent-Y 上线平台，开放全球免费每日额度
Latent Labs 宣布抗体设计智能体 Latent-Y 即将上线 Latent Labs Platform，面向全球研究者开放并提供免费每日额度，其核心是首次向研究者开放的抗体设计生成模型 Latent-X2。
推荐理由：Latent Labs 将抗体设计智能体接入平台并开放免费额度，可了解其从自然语言到实验可用序列的产品化路径。
Genesis Molecular AI精选AI 评分7474 Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型，推理提速 5 倍
Genesis Molecular AI 发布 DeCAF-Pearl，称其为首个用于全原子共折叠的流图模型，相比其 Pearl 模型推理提速 5 倍且质量几乎无损。
推荐理由：DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型，为高通量筛选场景提供了速度参照。
AI4Protein精选AI 评分5858 昌平国家实验室余其林讲座介绍抗体设计框架PPIFlow
昌平国家实验室副研究员余其林将于2026年5月24日晚通过腾讯会议主讲抗体设计框架PPIFlow。据简介，该框架结合流匹配生成模型与新型体外成熟策略，无需实验优化即可直接生成皮摩尔至纳摩尔级亲和力的纳米抗体和迷你蛋白结合剂。
推荐理由：讲座介绍PPIFlow以流匹配加计算机成熟生成高亲和力纳米抗体与迷你蛋白，可了解纯计算结合剂设计思路。
Vilya, Inc.精选AI 评分7070 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。
推荐理由：Vilya-1 以全原子模型覆盖非天然化学的大环结构预测，并给出与物理规则及深度学习方法的具体对比。