Nabla Bio 转发 Twist Bioscience 关于 JAM-2 选择性抗体设计的客户成果
Nabla Bio 转发 Twist Bioscience 的客户成果介绍，称 JAM-2 通过设计高选择性抗体靶向此前被认为无法在细胞内触及的蛋白，并附报告链接。Nabla Bio 自身正文仅表达对 Twist Bioscience 的致意，未补充技术细节或数据。
#结合剂设计
Nabla Bio精选AI 评分6565
Cradle Bio Blog精选AI 评分6767 AI 如何改变抗体优化的第一轮：Cradle 七个多样化campaign的实测
Cradle 在七个抗体多样化campaign中，用基于进化序列数据训练的模型生成每个携带2-8个突变的多突变变体库，设计变体的结合保留率为56%-92%，其中四个campaign在未针对亲和力优化的情况下出现2倍至350倍亲和力提升。
推荐理由：Cradle 用七个抗体多样化campaign的实测数据，对比单点扫描与多突变首轮的取舍，给出首轮实验设计的具体参照。
Nabla Bio精选AI 评分7474 Nabla Bio 发布 JAM-2 报告：零样本设计多特异性抗体与 KRAS G12 双变异结合剂
Nabla Bio 发布 JAM-2 模型报告，将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体，T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍；并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体，在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。
推荐理由：Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节，可作为评估零样本抗体设计的参照。
Medra 官网资讯精选AI 评分5858 Medra 推出 AI Experimentalist，与 Physical AI Lab 组成闭环实验平台
Medra 发布 AI Experimentalist，作为其 Physical AI Scientist 平台的科学推理层，与湿实验室执行层 Physical AI Lab 组成设计、执行、解读、改进的闭环系统。
推荐理由：Medra 公布 AI Experimentalist 与湿实验室闭环平台，抗体筛选案例给出周期压缩的具体路径。
LabGenius Therapeutics · News精选AI 评分7171 LabGenius与LG Chem达成多年研究合作、选择权及许可协议，用EVA平台设计肿瘤靶向多特异性抗体
LabGenius Therapeutics与LG Chem签署多年研究合作、选择权及许可协议，将用其AI/ML驱动的抗体发现平台EVA设计针对一种在多种难治癌症中表达的实体瘤抗原的肿瘤选择性多特异性抗体，目标是克服现有免疫疗法的脱靶毒性等局限。
推荐理由：协议披露了首付款、早期里程碑与选择权行权后的潜在里程碑结构，可对照同类抗体发现合作的分层设计。
Cradle Bio Blog精选AI 评分6767 Cradle 展示零样本抗体多样化：七组实验与单突变扫描基线对比
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验，其中 4/7 实验、2/3 靶点出现显著亲和力提升，弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由：Cradle 汇总七组零样本抗体多样化实验，给出功能率与亲和力提升幅度，并对照文献单突变扫描基线。
MindWalk / ImmunoPrecise Antibodies精选AI 评分5858 MindWalk 公布登革热临床前数据，支持 HYFT 计算预测
MindWalk 公布登革热临床前数据，称基于 HYFT 预测靶点设计的免疫原在动物中诱导出针对全部四种登革热血清型抗原的交叉反应抗体，并在两次独立实验中重复。公司称 HYFT 在免疫前计算优先选出泛血清型靶点，打乱序列的对照未产生相应识别，CEO Jennifer Bath 称这是该疫苗平台上首次记录到从预测到结果的闭环。该结果属临床前结合层面证据，完整数据见公司新闻稿。
推荐理由：公司披露登革热免疫原在动物中诱导四血清型交叉反应抗体，并给出两次独立实验的对照结果。
Yang Zhang Lab精选AI 评分5858 新加坡国立大学团队发布配对蛋白语言模型PPLM，可预测蛋白互作与结合界面
新加坡国立大学研究人员开发配对蛋白语言模型PPLM，同时从两条相互作用蛋白中学习，用于预测蛋白互作、结合强度与相互作用界面。该模型面向蛋白互作这一细胞过程基础问题，团队称其可为疾病研究与药物发现提供新线索。
推荐理由：该模型同时读取两条相互作用蛋白序列，为蛋白互作、结合强度与界面的统一预测提供新思路。
A-Alpha Bio 官网资讯精选AI 评分5858 Tamarind Bio与A-Alpha Bio合作，将AlphaSeq接入AI抗体设计平台
Tamarind Bio与A-Alpha Bio宣布合作，Tamarind Bio用户可将用RFdiffusion、ProteinMPNN等蛋白设计模型生成的抗体序列直接提交至A-Alpha Bio的AlphaSeq平台，获得抗体-靶点对的定量结合亲和力数据。
推荐理由：合作把计算设计的抗体序列接入高通量亲和力测量，为评估AI设计到实验验证的衔接提供参考。
Converge Bio 官网资讯精选AI 评分5858 Purple Biotech 与 Converge Bio 合作以生成式AI推进三特异性抗体平台
Purple Biotech 宣布与 Converge Bio 合作，利用后者的生成式AI平台设计和优化面向实体瘤的新一代三特异性抗体，以缩短发现周期并改善候选分子的可开发性。
推荐理由：合作把生成式AI用于三特异性抗体的设计与优化，可观察AI在抗体工程环节的具体分工。
LabGenius Therapeutics · NewsAI 评分5050 LabGenius Therapeutics 将在 AACR 2026 展示 LGTX-101 临床前数据
LabGenius Therapeutics 宣布将在 AACR 2026 展示其选择性增强的 Nectin-4 x CD3 T 细胞衔接器 LGTX-101 的临床前数据。
LabGenius Therapeutics · News精选AI 评分5858 LabGenius 发表 3in1 噬菌体展示筛选法，一天完成全部筛选轮次
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。
Nabla Bio精选AI 评分5858 Nabla Bio 称其为武田设计的分子获武田总裁在 JPM 公开评价
Nabla Bio 表示，其为武田设计的一个原本面临终止、无推进路径的项目交付了多个候选分子并奏效，武田总裁 Andy Plump 在 JPM 上以“浴火凤凰”形容该分子。Plump 称传统方法无法自行得到这一分子，但双方未披露适应证、分子数量细节与实验数据。Nabla Bio 还称其 JAM-2 平台与整合湿实验室已在业界数十个项目中运行，武田正将 AI 整合进其发现流程。
推荐理由：Nabla Bio 披露其为武田设计的分子被武田高管在 JPM 上公开评价，可作为 AI 设计分子进入大药企管线的合作案例参照。
LabGenius Therapeutics · News精选AI 评分8282 LabGenius 发表 EVA 平台闭环优化 HER2×CD3 多特异性抗体研究
【全文总结】LabGenius 在论文中报告其 EVA 平台通过机器学习与高通量实验闭环，在 44,160 个 HER2×CD3 T 细胞衔接器设计空间中经 5 轮设计-构建-测试-学习循环筛选 980 个候选，命中率较 Sobol 准随机基线提升 14 倍。
推荐理由：该研究把多特异性抗体的价数、拓扑与亲和力纳入贝叶斯优化闭环，并以临床基准分子作对照，展示了亲合力门控选择性的可设计路径。
Nabla Bio精选AI 评分6565 Nabla Bio 发布 JAM-2 抗体设计模型，称可从计算机直接生成成药级抗体
Nabla Bio 发布 JAM-2，称其为首个能从计算机直接生成成药级抗体的 AI 模型。公司称在 26 个靶点中有一半在每靶点测试少于 45 个设计的情况下获得皮摩尔至个位数纳摩尔级结合剂，直接针对细胞表面 GPCR 的结合剂成功率最高达 11%，超过 50% 的设计在零优化下通过核心行业可开发性标准，并称已与多家大型药企合作部署 JAM-2。上述结果来自公司自述与白皮书，尚未见独立验证。
推荐理由：Nabla Bio 公布 JAM-2 在 26 个靶点上的抗体设计成功率与可开发性数据，可供对照评估从头抗体设计的能力边界。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 与劳伦斯利弗莫尔国家实验室合作推进 AI 抗体设计
A-Alpha Bio 宣布参与 DeNOVO Initiative，与劳伦斯利弗莫尔国家实验室等机构开展为期 3 年的合作，用高性能计算和人工智能方法设计可中和未来生物威胁的抗体。
推荐理由：介绍 A-Alpha Bio 参与的多机构抗体设计项目，说明其高通量蛋白互作数据在训练结合预测模型中的角色。
A-Alpha Bio 官网资讯AI 评分2626 A-Alpha Bio 在 PEGS 2025 展示海报：通过平台整合快速工程化双特异性抗体
A-Alpha Bio 在 2025 年 Protein & Antibody Engineering Summit（PEGS）展示海报，主题为通过平台整合快速工程化双特异性抗体。原文仅提供海报展示信息与打开链接，未披露具体方法、实验数据或结果。
A-Alpha Bio 官网资讯AI 评分7878 A-Alpha Bio 发布 AlphaBind 抗体优化模型并公开预训练权重
A-Alpha Bio 发布 AlphaBind 抗体优化模型，基于约 750 万条抗体-抗原结合数据预训练，在四个抗体-抗原体系中仅用一轮实验室数据生成数千个高亲和力变体。BLI 验证的 10 个候选（最多 11 个突变）全部表达且结合力优于亲本抗体；模型以 MIT 许可开源，代码与微调数据已公开。公司称该模型已用于管线与合作的抗体发现，并计划推出 AlphaBind2。
Antiverse精选AI 评分5656 Antiverse 与 Nxera Pharma 达成多靶点合作，设计 GPCR 抗体
Antiverse 宣布与 Nxera Pharma 建立多靶点合作与许可协议，为其设计针对 GPCR 的抗体。Nxera Pharma 在引用内容中确认了这一合作与许可安排，并附上 IR 材料链接；Antiverse 另附 Substack 文章链接，未披露具体靶点、金额或阶段。
推荐理由：Antiverse 与 Nxera 就 GPCR 抗体设计达成多靶点合作与许可协议，可了解双方分工与授权安排。
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
A-Alpha Bio 官网资讯AI 评分3838 A-Alpha Bio 完成 2240 万美元 A2 轮融资，扩展蛋白-蛋白相互作用数据平台并加速内部管线开发
A-Alpha Bio 完成 2240 万美元 A2 轮超额认购融资，由现有投资方 Perceptive Advisors Xontogeny Ventures 领投，Madrona 等现有投资方跟投，Breakout Ventures 新加入。资金将用于推进其蛋白-蛋白相互作用数据平台并加速内部管线开发，公司称平台已在生物制剂和分子胶内部项目中取得早期进展。
A-Alpha Bio 官网资讯精选AI 评分6565 A-Alpha Bio 与 Gilead 合作开发下一代 HIV 长效生物药
A-Alpha Bio 宣布与 Gilead Sciences 合作，利用其合成生物学与机器学习专长发现治疗 HIV 的长效生物药。合作将先用 AlphaSeq 平台表征候选药物与 HIV 抗原变体之间的结合亲和力并产生大量数据，再输入机器学习平台 AlphaBind 预测具有更强结合广谱性和抗病毒逃逸能力的蛋白。双方目标是开发高交叉反应性的生物药，以中和多种突变形式的 HIV。
推荐理由：A-Alpha Bio 与 Gilead 合作开发长效 HIV 生物药，展示了 AlphaSeq 与 AlphaBind 双平台在结合广谱性优化上的应用路径。
A-Alpha Bio 官网资讯精选AI 评分6060 A-Alpha Bio 与 LLNL 扩大合作，获 DoD 追加 240 万美元资助
A-Alpha Bio 与劳伦斯利弗莫尔国家实验室（LLNL）扩大合作，获美国国防部（DoD）追加 240 万美元资助，将合作范围从新冠扩展到 DoD 认定的其他潜在生物威胁。A-Alpha Bio 将用 AlphaSeq 测量抗体与病原体变异体之间数百万个蛋白质-蛋白质相互作用，用于训练机器学习模型，预测交叉反应性和毒株特异性结合剂，以加速未来药物发现。
推荐理由：合作从新冠扩展到其他潜在生物威胁，展示用高通量相互作用数据训练抗体结合预测模型的路径。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio获盖茨基金会80万美元资助，用AlphaSeq平台开发传染病药物
A-Alpha Bio宣布获得比尔及梅琳达·盖茨基金会80万美元资助，将与Lumen Bioscience合作，用AlphaSeq平台产生的数据训练机器学习模型，开发针对肠道和呼吸道病原体的高效、交叉反应疗法。
推荐理由：该资助把AlphaSeq的高通量抗体结合数据与机器学习预测相连，展示了抗体跨菌株反应性开发的合作路径。
A-Alpha Bio 官网资讯AI 评分4242 A-Alpha Bio 完成 280 万美元种子轮融资，推出 AlphaSeq 用于药物发现
A-Alpha Bio 完成 280 万美元种子轮融资，由 OS Fund 领投，AME Cloud Ventures、Madrona Venture Group 等参投，用于验证 AlphaSeq 并启动与药企的药物发现合作。
A-Alpha Bio 官网资讯AI 评分4242 A-Alpha Bio 获盖茨基金会资助，开发针对肠道病原体的传染病药物
A-Alpha Bio 获比尔及梅琳达·盖茨基金会资助，开展一项可行性研究，用其专有“多靶点”药物发现平台 AlphaSeq 同时针对多种肠道病原体菌株测试候选药物。