David Baker团队发布MINT方法：在保留蛋白功能的同时降低CD8⁺ T细胞免疫原性
David Baker、Nir Hacohen等人在bioRxiv发布预印本，提出MINT方法，在保留蛋白质功能的前提下降低CD8⁺ T细胞免疫原性。
推荐理由：该预印本把免疫原性纳入蛋白设计目标，并用小鼠实验比较高低表位设计的T细胞反应，为去表位设计提供了可参照的验证路径。
#结构预测
BioAICraft精选AI 评分7373 天鹜科技AI 评分4242 晓鹜®平台de novo工具教程（一）：以PD-L1为例演示VHH设计全流程
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。
BioTender精选AI 评分5858 BioEmu2 实测：AI 设计抗体能否靠动态模拟提前筛选
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。
科普知识综述精选AI 评分5858 约翰斯·霍普金斯大学获ARPA-H最高5210万美元资助，构建AI模型解码蛋白质错误折叠
约翰斯·霍普金斯大学牵头获ARPA-H最高5210万美元、为期4年的资助，将构建AI模型解码内在无序蛋白在帕金森病、尤文肉瘤等疾病中的错误折叠与动态构象，项目名为DETR，由Xiaobo Mao领导，21名研究人员来自美欧12家机构。
推荐理由：梳理ARPA-H资助的蛋白质动态构象项目，区分结构预测、机制确认与临床转化三层证据。
药化猩球精选AI 评分5858 基于 RFD4-Proteina 的 TfR1 靶向 VHH 设计全流程
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。
王初课题组精选AI 评分5858 Nat. Chem. Biol. | Tryptoline立体探针结构拓展发现GRPEL1–HSPA9复合物抑制剂
Scripps研究所的Bruno Melillo与Benjamin F. Cravatt团队在Nat. Chem. Biol.发表研究，通过改造Tryptoline丙烯酰胺探针的C6/C7远端结构，在Ramos细胞中定量超过24,000个半胱氨酸位点，筛出95个可被立体选择性标记的位点。
推荐理由：研究用立体探针扩展半胱氨酸配体图谱，并借GRPEL1案例展示结构预测在非正构位点的识别局限。
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。
Oxford Protein Informatics Group · BlogAI 评分5050 Atom14 与 Atom37：蛋白质设计模型如何记录原子
文章解释 Atom14 与 Atom37 两种将蛋白质原子坐标压入固定张量的布局，并比较 RFdiffusion3、BoltzGen 和 La-Proteina 在序列未知的从头设计中如何处理原子槽位。RFdiffusion3 为每个残基保留 14 个点，用虚拟原子填充未用槽位并统一去噪，序列随后由 ProteinMPNN 或 LigandMPNN 设计。
澪乃ゆいAI 评分6262 PartiDesign：面向实用全类型生物分子设计的结构-序列协同设计范式
澪乃ゆい在 X 上分享了一篇 bioRxiv 预印本，题为 PartiDesign: A structure-sequence co-design paradigm for practical all-to-all biomolecules design，链接为 https://www.biorxiv.org/content/10.64898/2026.11.03.763860v1。该帖仅给出标题与链接，未披露具体方法、实验设置或结果数据。
BioAICraft精选AI 评分7373 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。
BioAICraft精选AI 评分7878 EPFL 团队在 bioRxiv 发布 SPARC：AI 从头设计光控蛋白开关
EPFL Bruno Correia 团队等人在 bioRxiv 发布论文，报道计算设计的光控蛋白开关系统 SPARC，将视黄醛结合、光诱导构象变化与短肽识别整合到同一蛋白中。
推荐理由：该预印本展示如何把视黄醛异构化的几何变化转化为可设计的蛋白构象开关，并给出多状态序列设计流程。
药化猩球AI 评分2525 分子之心许锦波：从RaptorX到AlphaFold，二十年蛋白质预测探索与MoleculeOS、MMDesign创业路
分子之心创始人许锦波开发的RaptorX-Contact在2016年CASP12蛋白质结构预测比赛中夺得第一，首次将深度残差卷积神经网络用于预测氨基酸残基间相互作用。他于2022年创立分子之心，推出AI大分子优化与设计平台MoleculeOS，并于2026年6月发布AI生物药从头设计平台MMDesign。公司称已完成逾亿美元A轮系列融资。
智药邦精选AI 评分7171 港中文团队提出DuetRNA，以碱基与核糖双坐标系联合设计RNA序列与三维结构
香港中文大学团队提出RNA联合生成模型DuetRNA，为每个核苷酸建立碱基与核糖两个耦合局部坐标系，在同一流匹配过程中同时输出序列与三维重原子坐标，相关预印本与代码已公开。
推荐理由：该预印本用碱基与核糖双坐标系做RNA序列与结构联合生成，并给出与RNA-FrameFlow同协议的计算对比。
天鹜科技AI 评分3838 “长江杯”AI蛋白质设计挑战赛参赛指南：晓鹜®平台提供VHH与Minibinder全套设计工具并赠送10万积分
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。
药化猩球精选AI 评分5858 逐行核对 Mol-1 宣传成绩单：75.0%、63% 与 43 pM 在开源仓库中均无出处
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。
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。
DrugAI精选AI 评分7373 MetaPLI：结合三维结构与少量实验数据预测分子活性
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
BioTenderAI 评分7474 Pythia Labs发布Pythia-1预印本：单轮设计全长IgG抗体并验证受体激动与拮抗功能
Pythia Labs于2026年10月26日发布预印本，用Pythia-1针对22个靶点（15个可溶性及胞外结构域靶点、7个GPCR）单轮计算设计全长人IgG1抗体，每个靶点最多48条进入实验筛选。
奶牛猫的CADD实验室精选AI 评分7272 微软提出增强扩散采样方法 Enhanced Diffusion Sampling，更高效捕捉蛋白质稀有构象
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
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。
分子之心MoleculeMind精选AI 评分7474 分子之心MMDesign技术报告：19个项目成功率94.7%，六个GPCR靶点全部命中
分子之心发布MMDesign最新技术报告，在覆盖18个靶点、纳米抗体与大环肽两类模态的19个项目中，18个获得实验确认的结合分子，项目成功率94.7%，单项目仅测试9—50个候选。
推荐理由：技术报告以19个项目的湿实验数据展示少量候选下的跨靶点设计成功率，并给出GPCR与跨轮次优化的具体结果。
LeapFunAI 评分7676 罗氏发布近9万条抗体专利数据集POISK并评测六大结构预测模型
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。
DrugAI精选AI 评分7373 Nature Communications 发表 StriMap：连接抗原呈递与TCR识别的结构信息深度学习框架
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
AI-Protein DesignAI 评分7878 《Nature》发表AI从头设计对映选择性人工金属光酶
《Nature》刊出研究De novo design of enantioselective artificial metalloenzyme photocatalysts，团队用RFdiffusion All-Atom生成结合Ru(bpy)₃²⁺类辅因子的蛋白骨架、LigandMPNN设计序列并以AlphaFold2校验，96个设计序列中63个可溶性表达。
ClickMab 科迈生物精选AI 评分5858 科迈生物 EPIC 论文获 NeurIPS 2026 AI4DD Workshop 接收，联合预测表位、互补位与残基接触
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。
木可AI探索笔记AI 评分3838 不是通用大模型吃掉蛋白模型，是蛋白基础模型吃掉蛋白任务模型
蛋白领域真正在发生的是蛋白基础模型吸收单任务模型，而非通用大模型吞并蛋白模型。Anthropic将Basecamp Research的280亿参数EDEN接入Claude Science，Xaira的X-Scientist以通用大模型作调度、X-Cell与X-Design等蛋白模型作执行引擎。
BioAICraft精选AI 评分7171 PNAS论文提出ThermoMPNN单突变稳定性打分器
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
BioAIDesignAI 评分5555 RFD4-Proteina 全流程实操：在 A40 上设计单体、PD-L1 结合物与 FAD 口袋蛋白
BioAIDesign 在单张 NVIDIA A40 上用官方公开权重跑通 RFD4-Proteina 三类设计任务，单体、PD-L1 结合链和 FAD 口袋蛋白各生成 4 个候选，经 OpenFold3 重折叠后每类各有 2 个通过计算门槛。
AI-Protein DesignAI 评分7676 Baker团队用RFD3/RFD4设计蛋白读取器，识别阿尔茨海默病Tau与Aβ病理修饰
华盛顿大学David Baker团队联合哈佛医学院等机构在bioRxiv报告，用Logos生成未修饰肽段结合界面、再以RFD3与RFD4生成磷酸丝氨酸、磷酸苏氨酸和焦谷氨酸化学口袋，经ProteinMPNN与AlphaFold 3筛选，从头设计出识别Tau pT217、pT231、pS202/pT205/pS208及N3pG-Aβ的基因编码蛋白读取器。
BioAIDesign精选AI 评分6060 南京大学等提出RiboBridge：给定靶蛋白从头设计RNA结合剂结构
南京大学、香港中文大学与新加坡国立大学合作提出RiboBridge，输入靶蛋白结构和期望RNA长度，先预测候选界面、生成RNA形状，再预测跨链距离并刚体组装出候选RNA结构及结合姿态。
推荐理由：预印本把RNA形状生成与结合姿态拆开建模，并用消融定位误差来源，为RNA结合剂设计提供了可诊断的评测参照。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
AI蛋白质同新闻AI 评分7474 Astrolabe：通过跨上下文协同与结构干预实现可编程全原子生物分子设计
北京生物科学研究所、北京协和医学院与清华大学团队提出闭环设计框架 Astrolabe，交替进行全原子结构预测与序列设计，以可编程目标函数、跨上下文序列同步和触发式结构救援组合完成设计任务。
LeapFun精选AI 评分5858 RFD4-Proteina 文档实操解读：从 Binder 生成到 Agent 自动设计蛋白质
作者以使用者视角梳理 Baker Lab 与 NVIDIA 的 RFD4-Proteina 官方文档，按 Quickstart、Cookbook、输入条件、Reward-Guided Search、Metrics 与 Agent Skills 的顺序给出上手路线。
推荐理由：文章按官方文档梳理 RFD4-Proteina 从输入约束、生成搜索到 Agent 编排的实操路径，便于团队复现工作流。
LeapFun精选AI 评分7070 UCL与Fold9提出用投影梯度下降替代Softmax优化蛋白质Binder设计
伦敦大学学院与Fold9的研究人员发布预印本，提出用投影梯度下降（PGD）在概率单纯形上直接优化氨基酸概率，替代传统 Softmax 参数化，以缓解低概率氨基酸梯度衰减的问题。
推荐理由：研究用投影梯度下降替换 Softmax 优化序列，为梯度驱动的结合剂设计提供了可复现的优化器对照。
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/
BioTender精选AI 评分7070 Ligo Biosciences 公布酶设计系统 Artios 的从头设计酶结果
Ligo Biosciences 公布酶设计系统 Artios，首轮荧光素酶实验筛 85 个设计有 7 个具活性，较大蛋白筛 45 个有 9 个初筛命中。
推荐理由：文章逐项拆解 Artios 的筛选口径与实验证据，说明计算通过率与实验命中率之间的差距。
LeapFun精选AI 评分7676 Baker Lab用AF3与RFdiffusion设计65-85 aa合成转录激活子
华盛顿大学IPD与Rice大学团队在bioRxiv发布预印本，用AlphaFold3绘制TAD-辅因子界面地图、RFdiffusion与ProteinMPNN生成结构化binder，经哺乳动物功能池筛获得超过300个针对Mediator、BRD4、NCOA、p300的nM级binder。
推荐理由：该预印本把转录激活拆成可设计的辅因子募集零件，并给出亲和力阈值与CRISPRa对比数据，便于理解控制层模块化路径。
AI-Protein Design精选AI 评分7676 RFD4-Proteina发布：对比RFD3的表征、推理与湿实验催化设计
RFD4-Proteina 发布，相较 RFD3 改用受力场能量监督的 32 维物理启发潜在空间，并引入内在循环精炼与外在搜索引导的双重潜在推理。干实验中小分子结合聚类通过率为 14.3%（RFD3 为 2.4%），77 个测试靶点全部覆盖；湿实验中 288 个双金属磷酸三酯酶设计有 89 个显示催化活性，最佳催化效率 3,600/M/s。
推荐理由：对比RFD4-Proteina与RFD3在表征、推理机制和湿实验催化设计上的分工，便于判断不同任务的模型选型。
DrugAI同新闻AI 评分8383 Nature：西湖大学等开发160亿参数模型Pinal，用自然语言设计功能蛋白质
西湖大学原发杰、刘建明，香港科技大学（广州）卢泓远和中国科学院深圳先进技术研究院司同等人在 Nature 发表约160亿参数的蛋白质生成模型 Pinal，以自然语言功能描述为输入，经 T2struct 生成结构符号序列、SaProt-T 逆折叠设计氨基酸序列。
同一新闻，精选展示《西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质》