Science 发表 RFdiffusion3：全原子扩散实现生物聚合物原子级功能位点支架设计
研究人员在 Science 发表 RFdiffusion3（RFD3），一种基于全原子自由扩散的生成式模型，可在统一框架下设计蛋白质、RNA、DNA 及其复合物，并直接以催化原子坐标、氢键和配体埋藏等条件构建功能位点。
推荐理由：该研究把生成式设计从残基级推进到全原子级，并给出人工酶实验活性数据，可作为理解功能位点设计边界的参照。
#Baker Lab
DrugAI精选AI 评分8888 UW Institute for Protein DesignAI 评分6565 IPD 团队在 Nature 发表从头设计蛋白酶研究
UW 蛋白质设计研究所（IPD）的 Anqi Chen、Kejia Wu 和 Hojae Choi 从头设计出蛋白酶，这些“分子剪刀”能高精度切割用户指定的目标序列。该成果本周发表于 Nature，推文未披露切割效率、特异性数据或实验体系。
Rohith KrishnaAI 评分7272 RFdiffusion3 在 Science 发文：扩散方法改进淀粉样序列蛋白酶与农药降解金属水解酶设计
作者在 Science 发文更新去年提出的扩散方法 RFdiffusion3，称其在针对淀粉样序列的序列特异性蛋白酶和用于农药降解的金属水解酶设计上有显著改进。推文未披露具体指标、实验体系与对照结果。
DeepTech深科技精选AI 评分8383 AI从零设计蛋白酶，催化加速超100亿倍，David Baker团队重磅成果连发两篇Nature
华盛顿大学David Baker团队10月14日在Nature发表两篇论文，用RFdiffusion、ProteinMPNN和AlphaFold 3从头设计半胱氨酸蛋白酶与金属蛋白酶。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的实验成功率与催化加速，并给出与天然酶的差距。
木可AI探索笔记精选AI 评分7474 David Baker 团队推出 Prompteina：用自然语言指令设计蛋白并在 GM2A 靶点筛出 6 个结合剂
David Baker 团队发布蛋白生成模型 Prompteina，以英伟达 Complexa 为底子、用 5240 万条结构描述训练，可直接接受自然语言指令设计蛋白。据该文，它在 18 项任务中胜出 15 项，折叠架构控制指标提升到 51.1%，在 20 个靶点盲测中至少胜出 13 个。湿实验针对 GM2A 靶点挑选 90 个设计，筛出 6 个有效结合剂，最强亲和力为 107 nM。
推荐理由：介绍 Prompteina 用自然语言指令驱动蛋白生成，并给出湿实验筛出结合剂的结果，便于了解该方向的方法与证据边界。
木可AI探索笔记精选AI 评分8383 David Baker团队提出文本条件化全原子蛋白生成模型Prompteina，GM2A结合剂湿实验命中率6.7%
David Baker团队联合新加坡国立大学和AI2提出文本条件化全原子蛋白质结构生成模型Prompteina，以自然语言作为统一条件入口，基底为NVIDIA团队的Complexa。
推荐理由：梳理Prompteina如何用自然语言统一蛋白生成接口，并完整走通agent设计到湿实验命中的链条。
BioAICraft精选AI 评分7373 David Baker 团队预印本提出从头设计控制 N-连接糖链组成
David Baker、Neil King 等人在 bioRxiv 发布预印本，提出通过从头蛋白质设计在糖链周围构建结构遮挡、限制加工酶接近，从而控制 N-连接糖链组成。
推荐理由：解读 Baker 团队预印本如何用结构遮挡控制糖型，并给出从约1%到约47%的筛选改进路径。
AI-Protein DesignAI 评分8282 Baker团队在bioRxiv报告从头设计可编程N-糖基化蛋白
David Baker与Neil P. King团队在bioRxiv发布预印本，提出通过从头蛋白质设计编程N-糖基化位点与聚糖组成。流程整合RFdiffusionAA、LigandMPNN、RF3/AF3与ΔRASA空间包埋指标，使高甘露糖型糖蛋白设计成功率从第一代的1.0%（1/97）提升至46.5%（20/51）。
DrugAI精选AI 评分7474 Baker团队在Nature Communications发表SAPP与DMX流程，以规模化实验表征加速蛋白设计
Baker团队在Nature Communications发表方法学工作，用SAPP和DMX两套流程把蛋白设计的实验表征规模化：SAPP将从基因片段到SEC纯化与标准化表征压缩到约48小时、每天可处理数百个设计，DMX用组合条形码和Nanopore长读长测序把廉价oligo pool转为数千个序列验证后的阵列化克隆。
推荐理由：该工作把蛋白设计的实验表征推到每天数百个设计，并展示寡聚几何等变量如何影响功能。
Rohith KrishnaAI 评分7272 KingLab 发布预印本：用全原子方法设计糖基化从头蛋白
KingLab 在 bioRxiv 发布预印本，报告多种结构编码的寡甘露糖型糖蛋白，提出糖基化可作为从头蛋白设计的可设计参数。作者 Rohith Krishna 转发该预印本并指出，多数蛋白设计只使用 20 种氨基酸，而糖基化等翻译后修饰在生物功能中必不可少。预印本链接为 https://bit.ly/4s2qK4M。
UW Institute for Protein DesignAI 评分1818 IPD入选ARIA通用制造项目资助
很高兴宣布，我们是@ARIA_research“通用制造者”（Universal Fabricators）项目中获得资助的团队之一！
王初课题组AI 评分1818 亚洲Rosetta会议（RosettaCon Asia 2026）议程：蛋白质设计的现在与未来
RosettaCon Asia 2026定于2026年10月10日至11日在北京大学化学与分子工程学院肖伦报告厅举行，主题为“蛋白质设计的现在与未来”。
DrugIntelAI 评分7676 Baker团队在Nature Communications发表SAPP与DMX流程，以规模化实验表征加速蛋白设计
Baker团队在Nature Communications发表方法学工作，提出SAPP与DMX两套互补流程，把从基因片段到SEC纯化蛋白及标准化表征压缩到约48小时、每天可处理数百个设计。
英灵殿科技ValhallaAI 评分1818 英灵殿科技创始人张昊天入选甲子光年「AI NEXT 20」榜单
英灵殿科技创始人张昊天入选甲子光年9月12日发布的「AI NEXT 20」榜单，该榜单寻找兼具科研训练与创业能力的AI Scientist-Founders。张昊天师承2024年诺贝尔化学奖得主David Baker，出身Baker Lab，提出"全模态分子设计"范式。
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。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 华盛顿大学、Allen研究所与Fred Hutch联合成立AI BioDesign联盟，五年投入近9500万美元
西雅图研究联盟AI BioDesign于9月3日宣布成立，由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建，David Baker与Jay Shendure共同领导。
推荐理由：该联盟把计算设计、高通量实验与开放资源放在同一循环中，为观察蛋白质设计平台的组织方式提供参照。
AI4Protein精选AI 评分8080 Science 论文解读：Townley 等用深度学习从头设计 RNA 假结
Townley 等人在 Science 发表的工作用深度学习设计 RNA 假结，先做对二级结构与局部拓扑，再借助 RNA 自身折叠补全三维细节。
推荐理由：文章解读了深度学习设计 RNA 假结并用 SHAPE 与补偿突变验证的路线，也点出结构正确不等于功能保留。
结构生物学探索AI 评分2525 结构生物学BBS谈话录之233（结构测定106-蛋白质设计之“元宇宙”）
佰翱得方面在讨论中称，其正推进基于结构比对与相似性的蛋白“元宇宙”计划，已完成近100万结构的两两比对，拟将数十亿蛋白序列按结构聚类并叠加功能注释，建成共用数据库供检索使用。该体系被描述为可用于酶设计、蛋白骨架与PPI设计及酶工程，但讨论中多位参与者质疑“元宇宙”概念华而不实，认为结构比对与蛋白设计仍有距离。公司称目标开源，但因使用公司资源，尚不能保证开源免费。
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。
Biohub · News精选AI 评分5858 Biohub 资助 15 个团队构建免疫细胞重编程工具包
Biohub 宣布支持 15 个研究项目，与合成生物学专家共同搭建免疫细胞工程的基础工具包，包括逻辑电路、合成受体、结合剂文库和传感平台。获资助团队包括 David Baker 团队设计可读取多种生物信号并作出响应的蛋白电路、James Collins 团队构建 RNA 分子电路、Wendell Lim 团队汇编传感器与逻辑电路模块目录。
推荐理由：Biohub 公布 15 个免疫细胞重编程资助项目，展示合成生物学工具包的模块化分工与团队布局。
Mol.AIAI 评分3838 基于 ProteinMPNN 架构与 CyclicPepedia 数据的多肽设计探索：v6 实验版模型
个人开发者参考 ProteinMPNN 编码器-解码器框架，用 CyclicPepedia 环肽结构数据经 150 轮迭代独立训练出聚焦多肽的 v6 实验版模型。引入位置编码并增至 6 层 GCN 后，模型在内部验证集上的序列恢复率从约 23.3% 提升至 46.7%。该模型已部署为在线 Demo，可上传多肽 PDB 骨架获取序列设计建议，但仅处实验探索阶段，指标仅代表内部测试表现。
OpenFoldAI 评分2727 OpenFold与Baker实验室设研究奖学金
我们与华盛顿大学蛋白质设计研究所（由David Baker教授领导）合作，启动一项新的研究奖学金，以推进用于蛋白质结构预测与设计的开源AI！更多内容👇
HouMed精选AI 评分7474 侯廷军团队等发布全模态分子设计基座模型ODesign
侯廷军教授课题组、OTeam创始人张昊天领衔，联合临港实验室郑双佳团队、浙江大学谢昌谕团队等发布全模态分子设计基座模型ODesign，在统一框架内支持蛋白质、核酸（RNA/DNA）、小分子与离子的相互作用生成，并可在分子整体、功能基序、提示原子三种粒度下可控设计。
推荐理由：该模型把蛋白、核酸与小分子设计放进同一生成框架，并给出跨模态基准对比，便于判断多模态分子设计的当前进展。
Baker Lab · IPD (蛋白质设计研究所)AI 评分3838 靶向SARS病毒家族的GBP511疫苗进入人体试验
由UW Medicine团队研发、SK bioscience推进的GBP511疫苗已在澳大利亚启动临床，用于预防COVID-19及多种尚未跨种传播的沙贝病毒。该疫苗以计算机设计的纳米颗粒为核，表面展示4个来自不同冠状病毒的受体结合域，临床前研究中可保护动物抵御未直接免疫的相关病毒。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8282 Baker Lab 开源发布 RFdiffusion3 全原子生物分子设计模型
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8888 Baker Lab 发布 RFdiffusion2：以提示直接生成高效酶
Baker Lab 报告开发 RFdiffusion2，可直接以活性位点原子排布为输入生成酶，无需实验室优化即具备催化活性。在 Nature Methods 研究的计算基准中，该模型解决 41 项酶设计挑战中的 41 项，此前最佳工具为 16 项。
推荐理由：RFdiffusion2 以活性位点结构为输入直接生成酶，并在计算基准中解决全部 41 项设计挑战，为酶设计提供了新的可复用工具。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8686 Baker Lab在Nature发表RFantibody：用RFdiffusion从头设计全长抗体
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 与劳伦斯利弗莫尔国家实验室合作推进 AI 抗体设计
A-Alpha Bio 宣布参与 DeNOVO Initiative，与劳伦斯利弗莫尔国家实验室等机构开展为期 3 年的合作，用高性能计算和人工智能方法设计可中和未来生物威胁的抗体。
推荐理由：介绍 A-Alpha Bio 参与的多机构抗体设计项目，说明其高通量蛋白互作数据在训练结合预测模型中的角色。
Bruno CorreiaAI 评分4242 蛋白质设计愈发奇特且更具功能
蛋白质设计越来越奇特……也越来越有功能了！这些设计非常奇特！ https://www.biorxiv.org/content/10.1101/2024.05.07.592871v1 与 @karla_mcastro @_JosephWatson @jueseph @UWproteindesign 的有趣合作
A-Alpha Bio 官网资讯AI 评分4242 A-Alpha Bio 完成 280 万美元种子轮融资，推出 AlphaSeq 用于药物发现
A-Alpha Bio 完成 280 万美元种子轮融资，由 OS Fund 领投，AME Cloud Ventures、Madrona Venture Group 等参投，用于验证 AlphaSeq 并启动与药企的药物发现合作。