临港实验室联合发起“长江杯”全球AI蛋白质设计挑战赛：奖金加码至140万元、湿实验扩容至7000条
“长江杯”全球AI蛋白质设计挑战赛报名队伍已突破1200支，覆盖16个国家和地区，总奖金加码至140万元人民币、免费湿实验验证扩容至7000条。序列提交与报名截止日期由11月15日延长至11月30日，靶点将于11月1日一次性公布。大赛以真实湿实验数据为唯一评价标准，每队每赛道最多提交20条从头设计序列。
#结合剂设计
临港实验室AI 评分4242
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。
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。
力文所AI 评分4040 Pallatom2：原子级可编程设计新纪元，技术报告即将发布
力文所预告 Pallatom2 技术报告即将发布，该模型延续全原子生成思想，重构模型与框架并显著提升训练数据量、网络深度和可处理的蛋白质尺度，关注 mini-binder 设计更高的实验成功率。
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。
DrugAIAI 评分7676 谷歌推进AI agents与湿实验闭环：让AI从实验中学习，找到纳摩尔级蛋白结合分子
谷歌公布实验自动化框架VERID、适配体闭环发现和蛋白质结合分子设计三项进展，目标是让AI智能体在研究人员指导下运行实验并从结果中学习。VERID在开源PyLabRobot基础上建立实验工作站的语义数字孪生，提供状态查询、快速模拟、安全执行和完整记录四项能力。
SynBioBeta News精选AI 评分6868 Latent Labs 发布抗体设计智能体 Latent-Y，称计算流程提速 56 倍
Latent Labs 发布其称为首个经实验室验证的药物设计智能体 Latent-Y，用于自动完成抗体设计中的文献调研、靶点结构分析与结合位点指定等步骤，并配套面向抗体与多肽设计的模型 Latent-X2，通过网页界面供研究者逐步控制。
推荐理由：报道介绍 Latent Labs 的抗体设计智能体如何把文献调研与表位选择交给软件，并给出其自报的提速数据。
BioTender精选AI 评分6262 一家华尔街投资机构，用 Claude 做起了药物发现
Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
智药局AI 评分7474 Anthropic 公布 Claude 自主蛋白设计研究：64 小时生成 31.8 万个设计，17 个通过结合实测
Anthropic 公布一项生物学研究，Claude 在约 64 小时、约 1 万 GPU 小时内自主调用 12 种蛋白设计工具，针对 Cn2、Ts1、AaH I、AaH II、LqhIII 五种蝎毒神经毒素生成 318484 个微型结合蛋白设计，并完成超过 55 万组蛋白—毒素结构预测。
UW Institute for Protein Design精选AI 评分7474 IPD 与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 与 UW 蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
AI-Protein DesignAI 评分6060 AI如何靶向无序序列设计蛋白质？六篇重磅论文全解读
该文汇总了David Baker团队已发表的六项靶向无序序列或无序蛋白（IDPs/IDRs）的从头蛋白质设计工作，并逐篇解读设计策略与实验结果。其中Logos法在43个靶点中39个获得结合物（90.7%），RFdiffusion扩散方法在7个IDP/IDR靶点上均获3–100 nM亲和力结合物，最新MYC结合物在多种肿瘤模型中抑癌效果优于Omomyc。
机器之心 · AI4ScienceAI 评分7676 刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证
Anthropic 公布一项生物学研究，Claude 在 64 小时计算设计阶段生成 318484 种针对 5 种蝎毒神经毒素的微型结合蛋白设计，筛选出 211 个候选交由 Adaptyv Bio 和 Twist Bioscience 实验验证，最终 17 个达到预设结合标准。
AI蛋白质AI 评分7878 Baker团队发布Chaperone框架，让AI智能体高效进行蛋白质设计
华盛顿大学David Baker团队在预印本中提出Chaperone，一个将RFdiffusion3与ProteinMPNN、AlphaFold3等50多种蛋白质设计工具集成到统一DataFrame接口的轻量级智能体框架。
AI药物设计实验室精选AI 评分7474 北大团队提出 CheMoDesign，在20种氨基酸之外设计可控结合蛋白
北京大学团队提出 CheMoDesign，以修饰基团或非天然氨基酸为设计起点，基于预训练全原子结构模型 Boltz-2 生成蛋白结合界面，并在凝血酶、HER2、IL-7Rα、Trop-2、CA IX 和 PD-L1 等靶标上测试。
推荐理由：该预印本把非天然化学基团作为设计起点，并用配对替换与酶活实验检验其是否真正参与结合。
LeapFunAI 评分7878 Claude 64 小时设计蝎毒蛋白 minibinder：211 条送检，17 条双实验室达标
Anthropic 公布内部研究模型 Claude 在 Claude Science 上针对五种蝎神经毒素从头设计 minibinder 的技术报告，约 64 小时内生成 318,484 个设计，最终 211 条送 Adaptyv Bio 与 Twist Bioscience 用 SPR 湿实验验证，按双实验室硬标准 17 条达标。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室发布 SNOOPPI 蛋白互作数据库，收录靶向与非靶向 PPI 数据
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。
DrugAI精选AI 评分7878 Nat. Commun.：RASSCCoL 快速评估配体化学互补性用于蛋白质设计
研究团队在 Nat. Commun. 提出 RASSCCoL，以稳定α螺旋束骨架为基础，通过体积筛选、侧链重排、AutoDock Vina 对接与 AlphaFold2 结构复筛构建小分子结合口袋，DPH 设计流程在单 CPU 核心约 30 分钟完成。
推荐理由：研究用稳定α螺旋骨架加体积互补筛选替代大规模结构生成，为小分子结合蛋白设计提供低成本可解释路径。
Endpoints NewsAI 评分3434 安斯泰来与波士顿“微型蛋白”初创公司达成合作
安斯泰来与一家波士顿微型蛋白初创公司达成合作，该公司由Chris Bahl创办，其认为AI可帮助微型蛋白实现传统抗体等较大蛋白难以完成的功能。原文未披露合作金额、具体资产与阶段等细节。
Amir Shanehsazzadeh精选AI 评分6060 Anthropic × Adaptyv 蛋白质设计竞赛第4期以TfR1为靶点，要求设计pH敏感结合剂
Anthropic × Adaptyv 蛋白质设计竞赛第4期在 proteinbase 平台开放，靶点为 TfR1，要求设计能精确结合该受体特定位点的 pH 敏感结合剂，以帮助药物穿过血脑屏障进入脑内。作者 Amir Shanehsazzadeh 转述称，本期评测关注结合、小鼠交叉反应性与 pH 敏感性；TfR1 在血脑屏障高表达，pH 敏感结合剂可在内体中释放并从脑侧排出以递送治疗药物。
智药邦AI 评分7878 谷歌推进AI agents与湿实验闭环：让AI从实验中学习，找到纳摩尔级蛋白结合分子
谷歌于2026年10月16日公布实验自动化、适配体闭环发现和蛋白质结合分子设计三项研究进展，目标是让AI智能体在研究人员指导下运行实验并从结果中学习。VERID框架在开源PyLabRobot基础上建立实验工作站的语义数字孪生，跟踪空间位置、试剂身份、液体体积和吸头库存，提供状态查询、快速模拟、安全执行和完整记录四项能力。
LeapFun精选AI 评分6565 BindCraft2｜627条环肽零命中，BindCraft2升级版本
深圳UniBindMD在bioRxiv复盘用BindCraft2 v1.0.3环肽模式针对人LDHA表面K81乳酰化附近表位的两轮设计，627条轨迹无一进入接受池，609条（97.1%）停在最早的screen阶段。
推荐理由：复盘627条环肽设计轨迹全部零命中，指出默认置信度门槛与短肽模态不匹配的具体卡点。
Martin Pacesa精选AI 评分5858 BindCraft2 v1.0.4 发布，改进 VHH、scFv、ARP 与诱导契合靶向
BindCraft2 v1.0.4 已发布，作者称该版本显著改进了 VHH、scFv、ARP 和诱导契合靶向能力，同时提升了运行速度与代码稳定性。作者建议此前困难的结合剂设计任务可再次尝试，并致谢 Erik Mäeots、Leonardo Tredese 和 Elizaveta Chernova 的工作。
推荐理由：BindCraft2 新版本针对 VHH、scFv 与诱导契合靶向改进，为结合剂设计流程提供了可复用的更新参照。
AI-Protein DesignAI 评分4242 近期的蛋白质设计大赛（国内）汇总
清华大学北京生物结构前沿研究中心发起2026 NK2R AI蛋白设计挑战赛，要求设计100-150aa纳米抗体，界面iPTM>0.6并按△SASA排序，前300名进入湿实验验证，一、二、三等奖分别为5000、2000、1000美元。
BioSpace NewsAI 评分3333 多特异性药物设计新挑战：结合臂越多，分子选择越复杂
随着双特异性、三特异性等多特异性抗体格式增多，每增加一个结合臂都会扩大潜在组合数量，使候选分子选择从发现转向筛选。Twist Bioscience 与 Invenra 就后者 B-Body® 双特异性抗体平台达成共同独家供应许可协议，Adimab 则通常建议合作伙伴采用 IgG 样/全 Fab 多特异性而非 scFv 格式以利于生产。
DeepTech深科技精选AI 评分6262 Google也在推进自主湿实验室，已实现智能体与机器人闭环
Google 于 10 月 16 日发布技术博客，介绍其搭建自主湿实验室的进展：团队希望让 AI 智能体设计分子、安排实验、分析结果并据此调整下一轮方案，其中一项研究已找到能紧密结合实体瘤相关靶点的蛋白质分子，但机器人操作、分子筛选和蛋白质设计三项研究尚未全部打通。
推荐理由：Google 公布自主湿实验室进展，可与 Anthropic、OpenAI 的同类布局对照，看清 AI 进入实验台的不同路径。
LeapFun精选AI 评分6565 如何确定抗体功能表位：mimotope-MD-Folddisco 工作流与验收经验
文章介绍上海交大团队与 Jordi Marti 等 2026 年发表的 Mimotope-Guided Molecular Dynamics 方法，用噬菌体选出的 mimotope 经微秒级分子动力学精修抗体结合姿势，再用 Folddisco 映射回抗原以定位功能表位。
推荐理由：文章把几何接触面与功能热点的区别讲成可执行流程，并给出四套晶体体系的命中率与对照结果。
AI-Protein Design精选AI 评分7878 Baker团队用Logos与RFdiffusion设计MYC无序区结合蛋白，原位胰腺癌模型中肿瘤细胞被选择性耗竭
Baker团队在bioRxiv预印本中报告，用Logos框架与RFdiffusion针对MYC的4个保守表位（MBI Loop 1、MBIIIa Loop 2、MBIV Loop 3及bHLH螺旋表位）从头设计结合蛋白，初筛192个设计中15个亲和力优于500 nM，成功率约7.8%。
推荐理由：该预印本报告用Logos与RFdiffusion靶向MYC无序区设计结合蛋白，并给出亲和力优化与体内抑瘤数据，可作为无序靶点设计的参照。
BioTender精选AI 评分6767 从设计分子到操作机器人，Google 正在构建自主生物实验室
Google Research 于 2026 年 10 月 16 日公布三项研究，分别用智能体闭环设计 DNA 适配体、设计蛋白结合物，以及用 VERID 数字孪生约束实验机器人操作。
推荐理由：梳理 Google 三项研究如何让智能体接受实验反馈与物理约束检验，并划清已验证与未整合的边界。
LeapFunAI 评分8080 Google Research闭环湿实验三件套公布：将Agent锚定于湿实验，获癌症靶点个位数纳摩级结合物
Google Research 于 2026 年 10 月 16 日发布研究综述，围绕 VERID 语义数字孪生、适配体闭环沙箱和表位切除驱动的 de novo binder 设计三项工作，把 AI Agent 接入物理液体处理机器人跑通闭环分子设计。
Leo ZangAI 评分6565 MESSI：用离散扩散为蛋白去免疫原性的生成方法
研究者提出生成方法 MESSI，用离散扩散对蛋白进行去免疫原性设计，降低预测的 MHC-II 表位。在荧光素酶、PD-1 结合剂和尿酸酶中，实验验证其功能得以保留或提升，尿酸酶属于 FDA 已批准疗法所用酶家族。
LeapFun精选AI 评分7474 普林斯顿团队发布MESSI生成式扩散模型，将免疫原性融入蛋白生成
普林斯顿团队在bioRxiv发布结构条件生成式离散扩散模型MESSI，在生成过程中引入免疫风险反馈，输出在指定MHC-II分子上预测表位可降至零且保持结构可行性的序列，代码已开源。
推荐理由：该预印本把免疫原性预测前移为生成约束，并在三类蛋白上给出湿实验活性与结合数据，可供评估去免疫原设计流程。
Google Research精选AI 评分7676 Google Research 展示智能体湿实验、适配体与 FAP 蛋白结合物设计三项研究
Google Research 报告三项研究：VERID 用语义数字孪生约束机器人实验；AI 智能体根据三轮湿实验反馈改进 DNA 适配体；人机协作进行 FAP 蛋白结合物设计并获得纳摩尔级结合验证。三条研究线的整合仍是下一步，尚非统一、全流程自主的生物实验室。
推荐理由：Google Research 用三个项目说明智能体如何接入湿实验室，其中适配体闭环的失败模式复盘对做自动化实验的人有参照。
AI-Protein DesignAI 评分4040 诺奖成序章，奋斗正当时！今年David Baker已手握9篇NS正刊
截至2026-10-16，David Baker团队今年在《Nature》和《Science》正刊发表9篇论文（含1篇综述），覆盖人工酶从头设计、靶向GPCR与Ras的结合蛋白、蛋白质纳米笼、荧光团结合蛋白及膜蛋白结构解析工具。其中Science论文报道RFdiffusion3可在生物大分子中直接构建原子级精度的功能位点支架，Nature论文则实现半胱氨酸蛋白酶与金属蛋白酶的从头设计。
动脉网精选AI 评分7171 一家 “AI大模型”2年冲到254亿估值！9个月签下6家巨头药企
动脉网分析指出，Chai Discovery成立两年、无自研管线，靠蛋白与抗体设计模型在9个月内与礼来、辉瑞、诺华、argenx、百时美施贵宝、GSK签下7笔合作，2026年7月完成4亿美元融资、估值约38亿美元。
推荐理由：以Chai与六家药企的合作为切口，梳理药企从买管线转向买模型使用权，以及失败数据成为AI制药新筹码的变化。
AI-Protein DesignAI 评分3838 每天学点设计：介绍在线版多肽设计工具AfDesign
MIT的Sergey Ovchinnikov开发的在线多肽设计工具AfDesign，可用于短肽设计，2025年一篇Cell研究曾用其设计短肽调控离子通道功能。以MDM2-P53为例，设定binder长度12、运行168次迭代优化后，损失函数逐渐下降，plddt、iptm等打分升高，并可用AF3进一步确认多肽与靶蛋白结合情况。
生物药大时代精选AI 评分6666 Vir Biotechnology与吉利德达成18.75亿美元实体瘤双掩蔽TCE合作
10月14日，Vir Biotechnology宣布与吉利德达成合作和许可协议，共同发现和开发3款针对实体瘤相关抗原的双掩蔽T细胞衔接器（TCE）。Vir将用其dAIsY平台和PRO-XTEN掩蔽技术负责发现、设计和优化候选物，吉利德拥有独家许可并负责后续开发、制造和商业化。
推荐理由：协议把前期对价、临床前里程碑与后续开发里程碑分开列出，可看清TCE平台合作的付款结构。
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。