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。
#AlphaFold
BioAICraft精选AI 评分7373
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》
AI-Protein Design同新闻AI 评分7272 bioRxiv 预印本：从头设计微型效应因子，体积缩小约90%并提升 CRISPRa 效率
2026年10月发表于 bioRxiv 的研究提出用 AlphaFold3 映射转录激活结构域与共激活因子的相互作用界面，再经 RFdiffusion 与 ProteinMPNN 从头设计结合蛋白，构建约4万种设计的候选文库。
DrugAI精选AI 评分7373 Science Advances：高通量筛选结合AlphaFold 3结构优选发现多目标VHH纳米抗体
研究人员在Science Advances报告了一套整合多重荧光酵母展示、深度测序与AlphaFold 3复合物预测的VHH纳米抗体发现框架，以长链三指型α-神经毒素为对象。
推荐理由：研究把酵母展示筛选与AlphaFold 3结构优选串成一条VHH发现流程，并给出精确率与召回率的实测权衡。
BioAICraft精选AI 评分7171 KAIST 团队发布 SoupFold：融合 AlphaFold3 等四模型表征提升复合物结构预测
韩国科学技术院（KAIST）的 Hyosoon Jang、Taewon Kim 和 Sungsoo Ahn 在 arXiv 预印本 Co-folding with a Soup of Representations 中提出 SoupFold。
推荐理由：该预印本把多个结构模型的成对表征融合后重新生成结构，并给出抗体抗原与分子胶基准上的对照结果。
AI蛋白质精选AI 评分8585 DeepMind发布AlphaProtein Novo：从头设计酶在哌啶合成与DEHP降解中超越自然序列挖掘
Google DeepMind团队在预印本平台发布AlphaProtein Novo（AP Novo）机器学习流水线，报告从头设计酶在哌啶合成和DEHP降解两个挑战性反应上超越自然序列或突变体筛选。
推荐理由：该预印本报告从头设计酶在哌啶合成与DEHP降解中超过天然序列筛选，并给出序列集合评分这一可迁移方法。
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。
EMBL-EBI News精选AI 评分6868 AlphaFold 数据库新增病毒蛋白复合物预测，覆盖 2800 多种病毒
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作，在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构，优先覆盖已知感染人类的病毒科。
推荐理由：AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构，为疫苗与诊断靶点研究提供开放基础数据。
Mohammed AlQuraishi精选AI 评分6565 预印本追踪训练时 MSA 深度分布对结构预测性能的影响并提出改进配方
Mohammed AlQuraishi 推荐一篇 bioRxiv 预印本，该论文系统追踪训练时 MSA 深度分布对结构预测性能的影响，并提出一个在 AF2/3 基础上取得明显改进的训练配方。原文未披露具体数据集、评测指标与改进幅度。
推荐理由：该预印本追踪训练时 MSA 深度分布对结构预测的影响，并给出相对 AF2/3 有改进的训练配方。
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。
OpenFold精选AI 评分7272 OpenFold 转发 AlQuraishi 介绍 OpenFold3 预览版 OF3p2
OpenFold 官方账号转发其研究员 Mohammed AlQuraishi 关于 OpenFold3 新预览版 OF3p2 的介绍，并引导读者阅读更多内容。据被引内容，OF3p2 在多数模态上缩小了与 AlphaFold3 的差距，并公开包括训练集与配置在内的全部内容，使其成为当前可从头训练且可复现的 AF3 类模型。上述性能与可复现性表述来自被引推文，本推文未补充细节。
推荐理由：OpenFold3 预览版开放训练集与配置，为复现和从头训练 AF3 类结构模型提供了可操作入口。
Bruno CorreiaAI 评分2222 AlphaFold2蛋白四级结构解析方法
太美了，也太重要了……真是百看不厌！ ⚛️蛋白质结构是阐明细胞过程分子细节的关键。#AlphaFold2 等工具揭示了数百万个三级结构，但这些蛋白质的四级结构在很大程度上仍是个谜。以下是如何弥合这一差距。线程👇 https://www.biorxiv.org/content/10.1101/2023.06.09.544317v1