Molence 基于 Mol-1 的早期检查点搭建了内部从头 VHH 设计平台，设计以 VHH-Fc 融合形式在自有湿实验中测试，覆盖全部 17 个多样化靶点并均获得结合命中。靶点层面的初始命中率在 6% 至 63% 之间，涵盖可溶性蛋白、受体胞外域和 GPCR，包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 与 CCR5。该平台将分子预测与经实验测试的抗体设计相连接。
推荐理由：Molence 披露其内部 VHH 设计平台在 17 个靶点上的湿实验命中率区间，可作为从头结合剂设计的实测参照。
Absci 宣布其 Origin 抗体设计平台已运行在 AMD Instinct GPU 上，并将 AMD 开源 Triton kernels 集成进共折叠结合过滤工具 AbsciBind，在 AMD Instinct GPU 上相较生产基线取得 3 倍加速且输出质量无损失。
推荐理由：Absci 披露 Origin 平台在 AMD GPU 上的推理加速与集群部署，可作为抗体设计算力适配的参考。
Molence报告在4-1BB靶点上用第一轮实验结果指导第二轮设计，功能命中数从第一轮2/30提升到第二轮51/60，功能命中率由7%升至85%。在0.03 nM下，51个第二轮激动剂中有48个超过Utomilumab阳性对照的平均激活水平，结果以VHH-Fc形式测得。同系列引文还称，针对BCMA的零样本设计30个中有12个结合命中，两个VHH-Fc候选的SPR KD为43 pM和1.1 nM，细胞表面BCMA结合EC50为0.19和0.16 nM，同一实验体系中belantamab生物类似药为4.1 nM。
推荐理由：材料展示了单轮实验反馈后功能命中率从7%升至85%的设计迭代结果，可作为蛋白设计干湿闭环的参照。
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence 报告其计算设计的 VHH 以 VHH-Fc 融合形式结合表达 CXCR6 的细胞，EC50 为 39 nM。在 cAMP 实验中，30 nM CXCL16 使响应降至仅含 forskolin 对照的 70.6%，加入 167 nM 该 VHH 后恢复至 92.6%，作者据此认为该结合剂拮抗 CXCL16 诱导的 CXCR6 信号。
推荐理由：该设计通过细胞结合与 cAMP 回复实验，给出计算设计 VHH 拮抗 CXCR6 信号的具体证据。
Molence报告其设计的VHH可识别两种非直系同源细胞因子，二者无空位序列一致性为54%。30个设计以VHH-Fc融合形式测试，其中5个同时结合两种抗原，同一设计集对细胞因子A和B分别得到11个和7个命中。作者称双抗原识别可作为设计流程中的明确目标。
推荐理由：作者以双抗原识别为明确设计目标，报告30个设计中5个同时结合两种细胞因子的实验结果。
Molence 对 30 个设计的 VHH-Fc 候选在 13 个靶点上做了四项生物物理筛选，23 个候选至少满足四项标准中的三项。分项通过率为 HIC 疏水性 80.0%、DSF 热稳定性 80.0%（Tm1 > 60°C）、AC-SINS 自相互作用 83.3%、BVP 非特异性结合 70.0%，13 个靶点中有 12 个至少有一个候选满足三项及以上标准。作者称这些结果可用于挑选进入后续开发的分子。
推荐理由：30 个 VHH-Fc 候选在 13 个靶点上的四项生物物理筛选通过率，为设计分子的可开发性筛选提供参照。
Molence 针对 TNFR2 和 IL-4Rα 的天然配体结合区设计 VHH，在顺序 BLI 竞争实验中，预先结合 TNFα 或 IL-4 会降低相应设计 VHH 的后续结合。作者称这些实验支持 VHH 识别预期区域，将表位定向设计目标与实验证据相连。此前该系列报告 30 个 VHH-Fc 候选跨 13 个靶点的四项生物物理筛选结果，其中 23 个至少满足四项中的三项。
推荐理由：该工作把表位定向设计目标与BLI竞争实验证据相连，展示了设计VHH结合位点可被实验检验的路径。
Molence 报告其从头设计的 BCMA 结合剂在零样本条件下取得 43 pM 的 SPR 亲和力。30 个设计中 12 个为结合命中，两个候选以 VHH-Fc 融合形式测得 SPR KD 分别为 43 pM 和 1.1 nM。两者结合细胞表面 BCMA 的 EC50 为 0.19 和 0.16 nM，同一实验体系中 belantamab 为 4.1 nM。
推荐理由：材料给出从头设计的 BCMA 结合剂从 SPR 亲和力到细胞表面结合的实测数据，并设了 belantamab 对照。
NVIDIA 在 10 月 28 日的技术报告中提出 BindClaw，一套智能体辅助的蛋白结合剂设计流程，可从生物学目标或论文出发识别靶点与结合位点、建立抑制或降解等五类机制相关计算测定，再调用 RFD4-Proteina、Proteina-Complexa 等后端生成并迭代候选物。
推荐理由：NVIDIA 技术报告把机制相关计算测定嵌入蛋白结合剂设计流程，并给出钙调蛋白状态选择性的湿实验数据。
Brian Hie 团队报告 Evo 2 在仅给四个示例、不做额外训练时可生成金属结合蛋白、从头抗体与完整噬菌体基因组，作者称其为训练时未预料到的生成式上下文学习。
Anthropic于10月27日披露已收购由Cody Tranbarger一人运营的Mithril Medicine，交易实际于2026年7月完成，金额未披露。
推荐理由：文章拆解了Anthropic收购一人药企的交易细节与小鼠数据统计边界，区分模式验证与效率验证。
前字节跳动Protenix核心成员创立的Molence Bio于10月28日发布开源生物分子基础模型Mol-1，公开39页技术报告，代码以Apache 2.0开放、基础版权重可下载，约束版权重未同样开放。
推荐理由：报道梳理了Mol-1的结构预测与VHH设计数据，并逐项标注队列不匹配与早期checkpoint等证据边界。
BigHat Biosciences 与 Anthropic 发布联合演示，展示用前沿 AI 驱动可被智能体接入的快速反馈湿实验，加速抗体工程难题。BigHat 构建了 Agentic Lab Control Harness，将计算与实验工作流纳入同一控制平面，并称被 Anthropic 选为首个抗体治疗合作伙伴。
推荐理由：BigHat 与 Anthropic 联合演示智能体接入湿实验闭环优化抗体，提供人机团队协作的实验流程参照。
Molence 发布开源生物分子智能模型 Mol-1，在 FoldBench-AB 上取得 75.0%，接近其引用的 IsoDDE 报告的 75.58%。该模型可在单张 H20 上完成 6 万 token 的组装，公司称其在 10 项对比中 8 项优于 Anthropic；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。
推荐理由：Molence 发布开源生物分子模型 Mol-1，并给出结构基准、长序列组装与 VHH 结合筛选的对比数据。
Adaptyv Bio与Anthropic合办的蛋白设计竞赛第五题开题，要求设计只结合突变KRAS片段、不结合野生型KRAS的结合剂，以助免疫系统识别癌细胞。官方公告仅称"突变KRAS片段"，X用户提及KRAS G12D但未获官方确认，规则、评价指标与序列细节均未披露。提交截止日期为11月8日，之后主办方筛选并测试，结果公布时间未说明。
分子之心在Zenodo发布扩展版MMDesign技术报告，覆盖18个靶点、19个设计项目，涉及VHH与大环肽两类模态，报告称18个项目获得实验确认的结合分子，项目成功率94.7%。
推荐理由：报告汇总19个设计项目的湿实验命中情况，并区分项目成功率与候选命中率，为评估生成-过滤-验证流程提供具体参照。
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口，再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由：预印本把靶点裁成表位局部窗口以降低结合剂设计算力，并给出截短重折叠与完整靶点的一致性对照。
锋寻生物（DeliNova Therapeutics）完成亿元人民币Pre-A轮融资，新引入比邻星投资、约印医疗基金、疆亘资本，老股东君联资本、宏沣投资、菡源资产追加投资。
“长江杯”全球AI蛋白质设计挑战赛报名队伍已突破1200支，覆盖16个国家和地区，总奖金加码至140万元人民币、免费湿实验验证扩容至7000条。序列提交与报名截止日期由11月15日延长至11月30日，靶点将于11月1日一次性公布。大赛以真实湿实验数据为唯一评价标准，每队每赛道最多提交20条从头设计序列。
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
Google Research 报告三项研究：VERID 用语义数字孪生约束机器人实验；AI 智能体根据三轮湿实验反馈改进 DNA 适配体；人机协作进行 FAP 蛋白结合物设计并获得纳摩尔级结合验证。三条研究线的整合仍是下一步，尚非统一、全流程自主的生物实验室。
推荐理由：Google Research 用三个项目说明智能体如何接入湿实验室，其中适配体闭环的失败模式复盘对做自动化实验的人有参照。
10月14日，Vir Biotechnology宣布与吉利德达成合作和许可协议，共同发现和开发3款针对实体瘤相关抗原的双掩蔽T细胞衔接器（TCE）。Vir将用其dAIsY平台和PRO-XTEN掩蔽技术负责发现、设计和优化候选物，吉利德拥有独家许可并负责后续开发、制造和商业化。
推荐理由：协议把前期对价、临床前里程碑与后续开发里程碑分开列出，可看清TCE平台合作的付款结构。
Absci的ABS-201项目在1/2a期临床试验中开设了专门的女性队列，用于治疗模式性脱发。ABS-201是AI设计的抗PRLR抗体，Absci称其有望成为近三十年来雄激素性脱发首个新作用机制。公司近期公布了HEADLINE试验的1期积极中期数据。
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign，通过一致性蒸馏构建约105,000对二聚体数据Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
推荐理由：作者团队提出以一致性为核心的蛋白binder协同设计方法，并用消融实验拆解数据与采样环节各自的贡献。
英灵殿科技团队提出 OFAntibody，一个以抗原结构、指定表位和预定义抗体框架或双抗构型为输入、生成 CDR 全原子结构的统一框架，支持纳米抗体单抗及 tandem VHH、diabody、CODV-like 等双抗构型的联合设计。
推荐理由：该研究把双抗两个结合臂与连接区放在同一全原子框架中联合生成，并给出与独立拼接的碰撞对比。
CHARM Therapeutics 宣布其 menin 抑制剂 CHM-029 在复发或难治性急性髓系白血病（AML）患者的 I/II 期试验（NCT07751991）中完成首例患者给药，并完成首队列入组，初步数据预计 2027 年公布。
推荐理由：CHARM 的 CHM-029 进入临床，是蛋白-配体共折叠模型设计分子首次推进到人体试验的案例。
A-Alpha Bio 于 7 月公开启动 Atlas Data Consortium，创始成员包括 GSK、Boltz、Cradle 和 Dyno Therapeutics，成员每季度各设计一个含 100 万条蛋白-蛋白亲和力测量的 Data Block，由 A-Alpha 在 AlphaSeq 平台上统一生成后按非独占许可共享给全体成员。
Google DeepMind 推出面向合成生物学的 SynthID Bio 水印方法，可在蛋白序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，并在实验室测试中保持生物功能。
推荐理由：介绍一种嵌入蛋白序列与预测结构的可验证水印方法，并给出湿实验与检测稳健性证据。
临港实验室等十余家机构共同发起并主办的“长江杯”2026全球AI蛋白质设计挑战赛于9月24日启动，聚焦AI蛋白质从头设计与真实湿实验验证，选手针对不同靶点设计纳米抗体或迷你结合蛋白。大赛奖金总额100万元人民币，计划对不低于5000条设计序列免费开展涵盖表达、纯化、检测的湿实验检测。报名通道9月24日开启、10月31日截止，面向全球高校、科研院所、企业团队及个人开放。
Isomorphic Labs 推出药物设计引擎 IsoDDE，称其可覆盖从小分子到复杂生物药的多模态药物空间。推文以保守估计的小分子化学搜索空间约 10^60 作对比，称可观测宇宙恒星数量仅约 10^22 至 10^24。公司称该引擎使其具备在这一空间中导航的能力，但未披露具体方法、验证结果或实验数据。
Evaxion已启动将AI-Immunology™平台应用于自身免疫疾病，正在对两款基于该平台的治疗概念开展实验测试：一款为耐受性疫苗概念，一款为自身抗体结合剂概念。相关实验数据将于2026年11月18日在葡萄牙里斯本举行的PEGS Europe上公布。公司称这两款概念有望以高特异性针对潜在疾病病理，可能实现比现有疗法更高的疗效和更少的副作用。
华盛顿大学蛋白质设计研究所David Baker团队提出RFOptimization（RFO），冻结RF3参数，从Pairformer后的distogram与置信度头提取梯度，在离散序列空间用梯度引导MCMC搜索，并与Boltz加ProteinMPNN/LigandMPNN的结构循环分支交替使用，AlphaFold3仅作独立评估。
推荐理由：该工作把全原子结构模型的内部梯度用于已有候选的序列优化，并给出跨模型一致性与算力成本的对照。
Absci称其AI设计的抗PRLR抗体ABS-201近日获彭博社在脱发治疗创新专题中报道，该在研抗体正被评估为模式性脱发的潜在同类最佳疗法。ABS-201旨在阻断催乳素受体信号、推动毛发生长周期转向活跃生长期，机制区别于任何FDA已批准的模式性脱发疗法。正在进行的1期临床试验中期数据显示其迄今安全性和耐受性良好，公司预计今年晚些时候发布中期概念验证数据。
我们的CTO @edunov 做客 @AI_in_the_AM，与 @labenz 和 @8teAPi 一起讨论了分子基础模型、基于物理的模拟、湿实验数据、智能体工作流以及制药合作，以及它们如何共同服务于AI药物发现这一复杂任务。 他们还谈到了Anthropic的蛋白质结合剂设计报告、为什么亚埃级精度很重要，以及为什么生物学是AI研究中最令人兴奋的前沿领域。 观看链接：https://www.youtube.com/watch?v=JHglTBoaGTk
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。
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
英灵殿科技团队提出EpiBench，一个面向抗体药物发现的表位推理基准，包含1,609个样本和五项相互关联任务，标签来自抗体–抗原复合物结构、功能性B细胞实验与深度突变扫描数据。
推荐理由：该基准把表位理解拆成五项抗体发现决策任务，并给出通用大模型在长序列定位与抗体特异性对应上的具体缺口。
Latent Labs 宣布药物设计智能体 Latent-Y 向全球研究者开放，获批研究者每天可免费获得 250 个设计。公司同时公布早期访问研究者的首批实验室结果，包括阻断离子通道的分子、在体内杀伤肿瘤细胞的 CAR-T 细胞，以及疟原虫难以通过突变逃逸的结合剂。
推荐理由：Latent Labs 开放其药物设计智能体 Latent-Y，并给出早期用户离子通道抑制剂与 CAR-T 的实验室结果。