作者记录了Anthropic × Adaptyv蛋白设计大赛Challenge 5的轨道B方案：用RFdiffusion-Ab在h-NbBCII10人源化VHH骨架上生成500条CDR骨架，经ProteinMPNN生成2000条序列，再用RF2打分筛选出20条提交，全部在单块RTX 5080上耗时约68小时。
推荐理由：记录从500条RFdiffusion骨架到20条提交的完整计算流水线，并给出运行耗时与踩坑细节，可供同类设计复用。
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
BioTender 汇总2026年9—10月收录的19个全原子建模与设计项目，覆盖结构生成、复合物预测、结构编码与设计优化，认为竞赛焦点正从生成结构延伸到控制功能。
推荐理由：梳理19个全原子建模项目的路线差异，并指出评测口径与开放程度决定成绩可比性。
https://localfold.org 已更新，新增： - bioemu2 @FrankNoeBerlin - mol1 @MolenceBio - fastplm（用于 esmfold fast 模型的置信度模块）@Logan_Hallee - af3x crosslinks @jankosinski - 更快的扩散（指数更新与几何噪声调度）@vinay_matt
天鹜科技晓鹜®平台发布minibinder从头设计教程，以PD-L1为靶点演示RFdiffusion+ProteinMPNN、BindCraft、BoltzGen三条路线，用户通过提示词即可完成靶点调研、结构裁剪、骨架与序列生成及跨工具打分筛选。
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。
🧬 昨天关于 RFD4-Proteina 的直播已添加时间戳！✨ 围绕 IPD × NVIDIA 共同开发的蛋白质设计模型，从原理到研究成果进行了解说！ 可以从感兴趣的部分开始观看，错过直播的朋友、想再复习一遍的朋友都欢迎观看！🩵🩷
“长江杯”全球AI蛋白质设计挑战赛于2026年11月1日公布七大靶点与竞赛规则，计划对每个赛道1000条、合计约7000条AI从头设计的候选蛋白序列统一做表达、纯化和亲和力检测，并按实测KD排名。
下一分子10月月报收录33项进展，蛋白质设计重点从生成候选延伸至功能验证，虚拟细胞数据规模继续扩大，产业合作聚焦递送与蛋白疗法。月报以时间线梳理Baker Lab及IPD的14项研究，涵盖模型工具、功能设计与可开发性。其他进展包括RFdiffusion3正式发表、RFD4开源，以及剂泰与礼来就LNP递送达成合作，首付款逾千万美元、里程碑最高11亿美元。
上周的 Paper Talk 里简单介绍了 RFD4-Proteina。还没看的朋友可以去看存档哦 多亏 RFD4-Proteina 的 MLX/Metal 实现也出来了，现在在 Mac 上也能轻松试用，真让人高兴
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
Ginkgo Datapoints旗下虚拟细胞药理学计划于2026年10月27日以CC BY 4.0许可开放ReFRAME化合物库的DRUG-seq转录组数据，覆盖12,949种化合物，注册免费账户即可获取。
📅 11/1 10AM (JST) 将进行论文讲解直播！ 本次主题是 RFD4-Proteina 蛋白质设计进化到了什么程度？ 将讲解利用 Latent Reasoning 的新型生物分子设计模型 周日上午，和ゆい一起学习最新研究吧！ 初次观看的朋友也欢迎！✨ 直播链接在回复🔽
作者以开源结构预测模型 Mol-1 对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽设计 VHH 纳米抗体，从 40 个候选序列中筛出 Top 20，排名第一的 VHH_039 在计算中 VHH-肽接触分数为 0.4855、对野生型仅 0.0526。
推荐理由：作者用开源结构模型 Mol-1 完成 KRAS G12D pMHC 纳米抗体计算设计，并公开全部候选序列与评分，可作为同类流程的参照。
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。
我觉得其他人也做过类似的事，但这里快速看一下各折叠模型上 ipSAE vs ipDAE vs ipTM 的对比 ipDAE（BindCraft2）表现 consistently 好，但 OpenDDE+ipTM 出乎意料地好，而且在不同阈值下都稳健 共识（Consensus）的帮助没有我预期的那么大
针对阿尔茨海默病、ALS等神经退行性疾病，现有7项AI蛋白质设计研究覆盖金属蛋白酶降解Aβ与TDP43、靶向FUS/Amylin/Aβ/Tau/TDP43的binder设计及病理修饰检测，多数由David Baker团队完成。金属蛋白酶研究仅完成体外实验，细胞与动物验证仍是挑战；靶向无序蛋白的binder设计曾尝试polyQ但失败。整体研究数量不多，尚无AI设计蛋白药物进入AD治疗。
10月30日，第十届研发客临床年会暨ChinaTrials18企业路演专场集中展示数十家创新企业项目，覆盖CNS与代谢疾病、肿瘤/mRNA及AI、新模式与热点领域，涉及新型递送、细胞与基因疗法、AI赋能平台及源头创新靶点。
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 称其长期运行的智能体可准确预测最长 6 万残基的复杂组装体，在 10 个受评组装体中 9 例优于 Anthropic 报告的结果，8 例 TM-score ≥ 0.90。该智能体将生物学知识引入建模过程，协调结构预测与组装，并随结果调整策略，在单张 NVIDIA H20 上运行；最大成功预测包含 120 条蛋白链，TM-score 达 0.997。
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。
又一届AI蛋白质设计大赛来了！
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。
天鹜科技与瑞孚迪于10月29日正式签署战略合作协议，围绕AI for Science以“算法+硬件智造”双向赋能开展深度合作。
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。
Arc Institute、斯坦福 Brian Hie 团队及合作者于 2026-10-29 在 Zenodo 公开两项预印本，显示预训练基因组模型 Evo 2 可用少量功能相近序列作为示例做上下文学习，不更新参数即可调整生成方向。
推荐理由：综述梳理 Evo 2 少样本上下文学习的两项预印本，区分计算筛选与湿实验证据，并给出跨任务适用边界。
NVIDIA 于 2026-10-28 发布 BindClaw 技术报告，把抑制剂、降解剂、稳定剂、状态选择性、受体激动五类功能要求写成冻结评分的计算 assay，让智能体在固定评分标准下迭代蛋白设计。
推荐理由：报告把功能要求固化为可执行计算对照，并用钙调蛋白湿实验检验状态选择性设计。
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。
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。
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。
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。
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。
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。
侯廷军团队推出可控生成框架PartiDesign，将结构与序列或化学身份在同一次Flow Matching生成中协同，覆盖蛋白、DNA、RNA和小分子。在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；AME原子级催化基序骨架搭建中常规与α引导配置分别约为RFD3的8.6倍和12倍。
推荐理由：介绍统一生成框架在蛋白与环肽设计上的产出效率，并给出与RFD3、BoltzGen的基准对比及计算筛选边界。