Dunbrack团队将ipSAE扩展至小分子与核酸复合物置信度评估
Fox Chase Cancer Center的Roland Dunbrack在bioRxiv发表预印本，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子、蛋白—核酸体系，以蛋白为对齐参照评估整个配体位置并调整归一化方式。
推荐理由：预印本把界面置信度评分扩展到蛋白—小分子与核酸体系，并给出留出集上的分类表现与失效案例。
#结构预测
下一分子精选AI 评分6363 Molence精选AI 评分6262 Molence 发布 Mol-1：增加推理算力可提升抗体-抗原预测
Molence 发布抗体-抗原结构预测模型 Mol-1，称在 MolBench-AB-26 上增加推理算力可持续提升预测质量。
推荐理由：官方披露 Mol-1 在抗体-抗原预测基准上随采样与循环次数增加而提升，并给出采样效率对比。
下一分子AI 评分5858 AI制药日报｜2026-11-02
下一分子11月2日AI制药日报头条介绍生物活性基础模型PSICHIC+，基于约8200万条蛋白-配体记录训练，可从蛋白序列与配体SMILES在毫秒级预测结合亲和力，在无靶点特异性训练数据的零样本虚拟筛选基准中富集效果优于回归和分类方法，并与领先的基于结构的方法表现相当。
Molence精选AI 评分6060 Molence 称 Mol-1 在 Runs N' Poses 八个相似度分箱均领先基线
Molence 称其 Mol-1 在 Runs N' Poses 配体预测评测中于全部八个相似度分箱领先所评估基线，成功标准为配体 RMSD < 2 Å 且 lDDT-PLI > 0.8。在相似度最低的 0–20 分箱，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%；通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Molence 公布 Mol-1 在 Runs N' Poses 各相似度分箱的配体预测结果，可与 AlphaFold 3 直接对照。
Molence精选AI 评分5858 Molence 发布 Mol-1 在 MolBench-Peptide-26 上的蛋白-肽预测结果
Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。
推荐理由：Mol-1 在肽复合物预测上按 DockQ 阈值分层报告成绩，并对比加入结合位点约束后的变化。
Molence精选AI 评分6060 Molence 发布 Mol-1-constraint：表位信息提升抗体-抗原复合物预测
Molence 公布 Mol-1-constraint，在提供表位信息时，四个抗体-抗原基准上 DockQ > 0.23 的成功率均高于基础模型：FoldBench-AB 从 75.0% 升至 88.3%，AF3-AB 从 62.7% 升至 84.2%，PXMeter-AB 从 58.3% 升至 77.5%，MolBench-AB-26 从 57.3% 升至 79.4%。作者称表位可作为预测输入，基础模型与 Mol-1-constraint 均可在 lab.molence.com 获取。该帖为系列第 14 条，引用内容另报告 Mol-1 在 MolBench-Peptide-26 上的肽-蛋白预测结果。
推荐理由：Molence 公布 Mol-1-constraint 在四个抗体-抗原基准上的表位条件预测结果，可与基础模型逐项对照。
Molence精选AI 评分6060 Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
下一分子精选AI 评分7474 Molence开源生物分子基础模型Mol-1，VHH单靶点结合命中率最高63%
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。
Molence精选AI 评分7474 Molence 发布开源生物分子智能模型 Mol-1
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。
下一分子精选AI 评分7474 分子之心MMDesign技术报告：19个设计项目18个获实验确认结合分子
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。
下一分子精选AI 评分7171 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
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。
Generate:BiomedicinesAI 评分2222 Generate:Biomedicines 高通量冷冻电镜平台
要让生物学可编程，我们需要看见我们所制造的分子，并从中学习。 今天，@annejecrois 将分享我们团队如何构建高通量冷冻电镜平台，以生成用于训练我们抗体设计 AI 模型的结构数据。 她的演讲《CryoEM：从技艺到设计引擎》将于美国东部时间上午 10:55 在马萨诸塞州剑桥市赛诺菲举办的“Celebrating Womenin Structural Biology & Drug Discovery”活动上开始。 查看议程 → https://www.nesba.net/
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技等提出CODesign：让蛋白质序列与结构在全原子binder设计中保持一致
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Valhalla精选AI 评分7373 英灵殿科技提出 OFAntibody：单抗与双抗联合生成的全原子抗体设计框架
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。
晶泰科技AI 评分3838 从AI预测到干湿闭环：AI for Science 正在跨越临界点
晶泰科技自2021年起自建机器人实验室，已建成超300台机器人实验工站的实验集群，整体实验效率较传统人工模式提升5至8倍。该体系由AI生成候选分子与实验方案，机器人完成合成、筛选与测试，实验数据再反哺模型迭代，形成猜想—验证—迭代闭环。其援引的《AI in Science: Early Insights》报告显示，41%受访科学家积压的待测试假设比三年前更多。
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。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出 OFoldNA：将二级结构信息融入全原子扩散模型，统一核酸折叠与蛋白–核酸共折叠
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
临港实验室精选AI 评分5555 临港实验室元生·开物发布AI原生制药工作台升级版
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
英灵殿科技Valhalla精选AI 评分7878 华盛顿大学David Baker团队提出RFOptimization：用全原子结构模型引导蛋白质设计优化
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。
Terray Therapeutics精选AI 评分5858 Terray 在 H100 上实测 NVIDIA BioNeMo 推理内核，TerraBind 三角注意力最高提速 7.1 倍
Terray Therapeutics 在 H100 GPU 上以自有生产架构 TerraBind 为基准，测试 NVIDIA 新发布的 BioNeMo Inference Runtime 内核（CuTeDSL），结果显示其比标准 PyTorch 注意力最高快 7.1 倍，比其现有优化内核栈 cuEquivariance 最高快 1.8 倍。
推荐理由：Terray 在自有生产架构上实测 NVIDIA 新推理内核，给出相对 PyTorch 与现有内核的加速幅度及适用规模。
MIT Jameel Clinic · NewsAI 评分1818 MIT Jameel Clinic 研究附属成员 Gabriele Corso 入选 MIT Technology Review 2026 年 35 岁以下创新者榜单
MIT Jameel Clinic 研究附属成员、Boltz 联合创始人兼 CEO Gabriele Corso 入选 MIT Technology Review 2026 年“35 岁以下创新者”榜单生物技术类别。
英灵殿科技Valhalla精选AI 评分7474 NACraft：用全原子结构模型反馈实现可编程核酸适配体设计
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。
ProfluentAI 评分2020 Profluent团队将参加RosettaCon
Profluent团队下周将前往Summer RosettaCon！找到@jeffruffolo、@richardwshuai、@ShiakiMinami和Alex Hoffnagle，打个招呼👋 你可以在周四下午1:30听Richard谈论E1，我们的编码器模型（“E1：用于适应度和结构预测的检索增强蛋白质编码器”），Alex将在周一晚上7:30分享他在我们AI设计的碱基编辑器上的工作（“使用蛋白质语言模型设计可编程碱基编辑器”）。
Vilya, Inc.精选AI 评分6565 Vilya 发布全原子基础模型 Vilya-2，可建模化学多样性分子界面
Vilya 发布全原子基础模型 Vilya-2，称其无需模板或共进化输入，通过扩散和单一统一原子表示解析多肽与靶点复合物。公司称该模型对非经典多肽达到亚埃级精度，并准确预测 Zolucatetide、Daraxonrasib、Icotrokinra 和 Enlicitide 与各自治疗性蛋白靶点的相互作用。
推荐理由：Vilya-2 以统一原子表示建模多肽与靶点复合物，为现有工具难以处理的非经典化学体系提供参照。
MedraAI 评分5858 NVIDIA 发布 BioNeMo Agent Toolkit，Medra 称将接入其物理 AI 实验室
NVIDIA 发布 BioNeMo Agent Toolkit，这是一个开放的、面向智能体的工具包，为任意 AI 智能体提供蛋白质结构预测、分子对接、生成式化学和基因组分析等可调用工具。Medra 转发该消息并表示正与 NVIDIA 合作构建由智能体决定下一步运行什么、再由物理 AI 实验室执行的闭环，称期待将其投入使用。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理，256 残基蛋白预测从 5.8 秒降至 2.5 秒
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
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。
Genesis Therapeutics 官网资讯精选AI 评分7373 Genesis 发布 DeCAF-Pearl：面向全原子共折叠的流映射蒸馏模型
Genesis 发布 DeCAF-Pearl，这是首个用于全原子共折叠的流映射模型，由 Pearl-2026.1.dev 蒸馏而来，扩散采样阶段的模型调用减少约 20 倍，整体推理加速约 5 倍。
推荐理由：Genesis 将 Pearl 共折叠模型蒸馏为少步流映射模型，在保持成功率的同时把推理成本降低约 5 倍。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 的 Pearl 系统在 OpenBind 基准上零样本超越全部共折叠模型
Genesis 称其 Pearl 系统在 OpenBind 的 EV-A71 2A 蛋白酶基准（802 个化合物，best-of-25）上零样本取得 78% 联合标准成功率（RMSD ≤ 2 Å、PoseBusters 有效、LDDT-PLI ≥ 0.8），高于 OpenBind 评测的全部共折叠模型。
推荐理由：Genesis 在 OpenBind 公开基准上对比 Pearl 与六种共折叠模型及对接方法，给出零样本与亚埃级精度的具体参照。
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。
ByteDance AML AI4Science Team — Protenix精选AI 评分7272 字节 Protenix 发布 v2.0.0：464M 参数 Protenix-v2 模型上线
字节跳动 AML AI4Science 团队发布 Protenix-v2，这是一个 464M 参数的增强容量结构预测模型，称在挑战性抗体-抗原复合物结构预测上精度显著提升，并更新了配体相关合理性。
推荐理由：Protenix-v2 在抗体-抗原复合物结构预测上给出与 v1 的对照结果，并公开技术报告与基准细节。
Yang Zhang LabAI 评分3838 当 AI 遇见物理：D-I-TASSER 解锁复杂蛋白质结构以加速生物医学突破
张阳团队开发的 D-I-TASSER 利用深度学习从氨基酸序列预测蛋白质三维构象，以攻克复杂蛋白质结构。该工具将 AI 与物理方法结合，相关结构模型已由计算预测给出。
Proxima精选AI 评分6060 Proxima 与 NVIDIA 合作发布预印本：用 Fold-CP 多 GPU 预测大型蛋白复合物结构
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
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。
Nimbus Therapeutics精选AI 评分6565 Nimbus Therapeutics 与礼来达成口服肥胖药物研发合作及许可协议
Nimbus Therapeutics 与礼来签署多年期研究合作及全球独家许可协议，针对肥胖及其他代谢疾病开发新型口服小分子药物，项目处于早期发现阶段。Nimbus 将获得合计 5500 万美元的首付款与近期里程碑付款，并有资格获得总额最高约 13 亿美元的开发、商业和销售里程碑付款及全球净销售额分级销售提成。
推荐理由：这是 Nimbus 与 Lilly 在肥胖口服小分子上的第二次合作，交易结构与前期里程碑金额可作为同类 AI 制药合作的参照。