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 13 个靶点的 30 个 VHH-Fc 设计候选做了四项生物物理筛选，其中 23 个候选至少满足四项标准中的三项。分项结果为 HIC 疏水性通过率 80.0%、DSF 热稳定性中 Tm1 > 60°C 占 80.0%、AC-SINS 自相互作用通过率 83.3%、BVP 非特异性结合通过率 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，作者称这可为后续开发选分子提供依据。
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 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 基于 Mol-1 的早期检查点构建了从头 VHH 设计工作流，在 17 个多样化靶点上取得 6% 至 63% 的靶点层面初始命中率。靶点覆盖可溶性蛋白、受体胞外域和 GPCR，包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 与 CCR5，作者称这是经过实验测试的设计结果。
途深智合将参加11月2日至3日在香港会议展览中心举行的香港金融科技周×StartmeupHK 2026，设5E-AB24展位；创始人兼CEO王宇光将于11月3日16:00–16:30参与《From Small Molecules to Macromolecules: How AI Adapts Across Drug Modalities》专题讨论。
华中农业大学、湖北洪山实验室与武汉华美生物技术有限公司团队在 Nature Communications 发表 AbOptimizer，把抗体优化组织为序列编辑任务，由抗体语言模型生成候选、性质预测器反馈、强化学习调整编辑策略。
推荐理由：论文用语言模型加强化学习做抗体多位置序列编辑，并给出三种治疗性抗体的体外结合数据，可供比较计算优化与实测的差距。
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。
晓鹜®平台发布de novo工具系列教程第一篇，以PD-L1为靶点演示在智能体中完成靶点调研、结构准备、VHH设计与结果筛选全流程。平台提供RFantibody和mBER两条VHH设计路线，可自动生成并运行PyMOL脚本，并调用AF2-multimer计算ipTM、pLDDT与界面pAE。
作者 Colby Ford 用微软 BioEmu2 对一条 scFv 候选 sbio-bdbvgp-355 做构象传播演示，先抽取 10 个平衡构象各向前传播 1 ns，再逐次传播 10 次、每次 1 ns 形成 10 ns 轨迹，并另做一轮带梯度引导的采样。
推荐理由：作者以单个 scFv 候选实测 BioEmu2 的构象传播与引导采样，并逐项对照官方模型卡界定证据边界。
作者记录了用华盛顿大学 IPD 与 NVIDIA 的 RFD4-Proteina 流匹配模型搭建 TfR1 靶向 VHH 从头设计流水线的完整流程，保留框架区、从头设计三个 CDR，批量生成 500 条设计并按 pLDDT、界面接触数、表位距离、CDR 组氨酸数等加权筛出 Top 20。
推荐理由：完整记录了用 RFD4-Proteina 搭建 TfR1 纳米抗体设计流水线的步骤与踩坑，可作为迁移到其他靶标的操作参照。
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。
Anthropic 于 10 月 27 日披露 Claude 与六家生物医药机构的合作早期成果，并公布今年 7 月收购罕见遗传病药企 Mithril Medicine，后者被收购前仅有一名全职员工。
推荐理由：Anthropic 收购一人药企并披露 Claude 在抗体设计、文档审核等环节的早期合作数据，呈现大模型介入药物研发流程的具体边界。
Anthropic 官宣收购 2024 年 12 月成立、全职员工仅一人的生物科技公司 Mithril Medicine，交易实际于今年 7 月完成，金额未披露。
Anthropic 于 2026 年 10 月 27 日集中公布六家机构使用 Claude 推进药物研发的早期案例，并宣布收购罕见病公司 Mithril Medicine。
推荐理由：梳理六家机构用 Claude 做药物研发的早期案例，逐项标出体外数据、对照缺失与验证边界。
Anthropic于10月27日发布Claude用于药物研发的阶段性进展，联合百时美施贵宝（BMS）、Generate Biomedicines、BigHat Biosciences、Enveda等6家机构，覆盖抗体设计、CAR-T工程、先导优化、CMC与临床开发。
推荐理由：Anthropic联合6家机构披露Claude在抗体设计、CAR-T工程与CMC等环节的阶段性结果，并已收购药物研发项目。
Anthropic 公布 Claude 参与的六个药物研发合作与一个自有项目，并宣布收购由一人运营的 Mithril Medicine。
推荐理由：按证据强度分层梳理 Anthropic 七项药物研发动作，并指出分子设计项目缺少对照基线这一关键缺口。
Anthropic 于 10 月 27 日公布生命科学团队与 Generate Biomedicines、Divergence Labs、BigHat Biosciences、Enveda、The Column Group 等六家机构的药物研发合作进展，并披露收购 Mithril Medicine 后推进的内部项目。
推荐理由：Anthropic 披露与六家机构及收购标的的早期药物研发合作，呈现 Claude 在分子设计与文档审核中的具体用例。
文章比较了 RFD4-Proteina、BoltzGen、PPIFlow、OpenDDE-Harness 与备选的 PartiDesign 五套抗体设计工具，指出它们并非简单性能排名，而是生成机制与后处理路径各不相同。
Anthropic确认收购仅有一名全职员工的生物技术初创公司Mithril Medicine，交易实际于2026年7月完成，金额未披露。
推荐理由：一人运营、AI协调外部实验室的研发模式被AI公司收购，提供了一个观察AI原生药研组织形态的早期案例。
AI生物制药公司百奥几何（BioGeometry）宣布完成A+轮融资，A轮系列累计融资超1亿美元，由国寿资本领投，上海生物医药基金、达晨财智等老股东加码。
天鹜科技为“长江杯”全球AI蛋白质设计挑战赛参赛者提供MatwingsVenus®（晓鹜®）平台10万积分及晓鹜®Token平台100元Token券，覆盖VHH纳米抗体与Minibinder设计任务。
作者拆解 RFD4-Proteina，指出该模型用一套 32 维隐变量把蛋白、核酸、磷酸化等六种语境纳入设计，使偶联位点和糖基化从设计第一步就被考虑。以 HER2 纳米抗体为例，模型可直接以靶点结构为背景、指定热点生成结合骨架，并预留非天然氨基酸位点供后续偶联。作者提到官方湿实验数据显示亲和力达皮摩尔级，但强调这些数字来自开发方、尚无独立复现，且测试基于蛋白-蛋白基准，用于纳米抗体仍需重新测试。
推荐理由：作者拆解 RFD4-Proteina 的多语境隐变量设计思路，并指出其湿实验数据尚未独立复现。
作者逐行核对 Mol-1 发布宣传中的四项数字，发现 FoldBench-AB 75.0%、VHH 命中率 63%、SPR 亲和力 KD 43 pM 及单张 H20 跑 60k token 在公开仓库 molence/Mol-1 中均无对应数据，IsoDDE 75.58% 的对比出处标注为 Coming soon。
推荐理由：作者逐条核对 Mol-1 宣传数字与开源仓库，指出基准对比和湿实验数据均无法在代码中复现。
Divergence Labs 与 Anthropic 合作，借助 Claude 构思出一种双臂抗体机制，用于把 IgE 从肥大细胞表面的 FcεRI 上主动拉离，以应对影响全球超过 2 亿人的食物过敏。团队称在一个月内设计、合成了这两个臂，并实验验证了它们的生物物理功能，目前正将其组装成完整的治疗格式。该工作尚处早期，文中未披露具体靶点数据、亲和力数值或体内结果。
推荐理由：Divergence Labs 借 Claude 构思出双表位抗体机制，并在一个月内完成两个臂的合成与生物物理功能验证，为抗体早期发现提供了人机协作的实例。
Anthropic 于 2026 年 10 月 27 日披露收购 Cody Tranbarger 创办的一人公司 Mithril Medicine，技术报告注明交易实际发生在 7 月。
推荐理由：报道拆解了这次收购背后的顾问与CRO网络，并逐项列出小鼠肌力数据的统计与时间混杂缺口。
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。
途深智合将在上海交通大学举办2027届秋季校园招聘会。该公司专注AI创新药研发，自研ToursynClaw大分子药物设计科学超智能体平台，融合蛋白大模型、科学智能体与全自动机器人实验产线，称可实现约1.5个月完成抗体设计及功能实验验证，半年内推动16条抗体药管线完成PCC阶段验证。
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
推荐理由：报道介绍Pythia-1在22个难靶点上单轮设计全长IgG，并给出GPCR激动与拮抗的功能验证结果。
NewMarketPitch 梳理认为，Generate:Biomedicines、Absci、BigHat Biosciences 和 iBio 是已有可识别 AI 设计药物进入人体试验的 AI 蛋白设计公司，四家合计至少 8 个候选药物进入过人体评估，但仅 Generate 的哮喘抗体 GB-0895 进入 3 期。
推荐理由：梳理四家 AI 蛋白设计公司已进入人体试验的候选药物，并区分临床阶段与疗效证据的强弱。
AI蛋白质设计融资追踪显示，2024年1月至2026年9月67家公司完成84笔融资，披露总额至少27.5亿美元，但中位数仅1500万美元，远低于3673万美元的平均值。
罗氏及旗下Prescient Design团队发布论文，推出从美国专利提取的抗体数据集POISK，含10,110件专利、89,074条抗体–抗原记录、78,174条独特抗体和2,069个独特靶点序列，并提供亲和力、表位残基与竞争关系等36类字段。
科迈生物的 EPIC 模型从抗体和抗原氨基酸序列出发，联合预测抗原表位、抗体互补位与残基接触，论文获 NeurIPS 2026 AI for Drug Discovery Workshop 接收。
推荐理由：该研究把表位、互补位与残基接触统一建模，并在公开抗体结构测试集上给出与现有方法的逐项对比。
途深智合首席AI科学家林伟宁将于10月31日在第17届上海计算机辅助药物设计研讨会发表《Autonomous AI Biopharma Foundry》演讲，分享AI模型、智能体与实验验证协同的自主式研发模式。公司称其ToursynClaw平台可实现约1.5个月完成抗体设计及功能实验验证，半年内推动16条抗体药管线完成PCC阶段验证。
途深智合将参加10月28–30日在首尔举行的BioPlus-Interphex Korea 2026。其ToursynClaw大分子药物设计科学超智能体平台融合蛋白大模型、科学智能体与全自动机器人实验产线，公司称可实现约1.5个月完成抗体设计及功能实验验证，并在半年内推动16条抗体药管线完成PCC阶段验证。