UW IPD 与 NVIDIA 发布 RFD4-Proteina：在共同潜空间做蛋白质与多类分子设计
华盛顿大学蛋白质设计研究所与 NVIDIA 等机构提出 RFD4-Proteina，将标准及非标准氨基酸、糖、DNA 和 RNA 的组成单元编码为锚点坐标加 32 维向量，在同一空间中联合生成分子身份与构象。
#结构预测
AI药物设计实验室同新闻AI 评分8282 Frank Noé精选AI 评分7272 微软 BioEmu2 生物分子结构动力学基础模型已上线 Tamarind Bio
Frank Noé 表示，微软研究院 AI for Science 的生物分子结构、动力学与功能基础模型 BioEmu2 已可在 Tamarind Bio 平台使用。该模型以开放权重、MIT 许可发布，代码托管于 GitHub；引用内容展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的示例。
推荐理由：BioEmu2 开放权重并上线第三方平台，为关注生物分子结构与动力学生成模型的人提供可访问入口。
Rohith KrishnaAI 评分2525 共折叠模型中接触信息提升结构预测精度
这些共折叠模型最有趣的特点之一，就是1个接触对结构预测精度的帮助有多大——我在开发这些模型时反复看到这一结果
奶牛猫的CADD实验室AI 评分7676 David Baker 团队开源蛋白设计工作流框架 Chaperone
David Baker 团队于 10 月 20 日在 bioRxiv 发布预印本，开源蛋白设计工作流框架 Chaperone，提供超过 80 个已注册模块，覆盖蛋白骨架生成、序列设计、结构预测与评分。
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。
LeapFun精选AI 评分7878 微软开源 BioEmu2 生物分子基础模型，同时覆盖结构、平衡系综与动力学传播
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。
AI蛋白质精选AI 评分6060 德克萨斯A&M团队在PNAS提出结构感知生成式AI框架，揭示蛋白质家族功能关系
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
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。
Frank Noé精选AI 评分7474 微软研究院公开预览 BioEmu2 生物分子结构、动力学与功能基础模型
微软研究院 AI for Science 公开预览基础模型 BioEmu2，面向生物分子结构、动力学与功能，开放权重并采用 MIT 许可，代码托管于 GitHub。作者同时展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的动画。
推荐理由：微软研究院发布生物分子结构与动力学基础模型 BioEmu2，开放权重与 MIT 许可便于研究者直接复用。
奶牛猫的CADD实验室精选AI 评分5858 ChemMedChem研究：Boltz-2结合姿势准确但亲和力排序在新口袋区域失效
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
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。
STAT News · BiotechAI 评分2929 Isomorphic Labs 能否革新药物制造？STAT+ 追问 AlphaFold 商业化前景
STAT+ 发文追问 Alphabet 旗下 Isomorphic Labs 能否兑现其药物研发承诺。该公司以蛋白质建模工具 AlphaFold 为核心，该工具曾获诺贝尔化学奖，Thrive Capital 曾用 18 个月争取投资份额。报道未披露具体管线进展或临床数据。
AI蛋白质精选AI 评分7474 西湖大学与港中文（深圳）提出RiboBridge，用骨架推断的相互作用拓扑连接RNA骨架生成与序列设计
西湖大学与香港中文大学（深圳）团队提出RiboBridge，从RNA骨架几何推断概率化残基对拓扑，经第二轮结构通道回收后以软注意力偏置传给序列解码器。在550条生成骨架上，配对类型解码的联合回折有效率为0.451，匹配的无拓扑解码器为0.335。
推荐理由：该研究把骨架推断的配对拓扑作为可扰动的中间表示，并用多组干预实验定位解码器依赖的关系信息。
AI-Protein Design精选AI 评分7373 近期两篇金属蛋白酶设计文章（Nature vs Vita）比较
文章对比了David Baker团队发表于《Nature》的金属蛋白酶计算设计与曹龙兴团队发表于《Vita》的靶向Aβ切割金属蛋白酶从头设计两项研究。两者均用RFdiffusion系列或ProteusFlow生成骨架、LigandMPNN优化序列并结合AlphaFold2/3多状态筛选，实测结构与设计模型Cα RMSD约0.8–1.88 Å。
推荐理由：对比两篇金属蛋白酶从头设计论文，梳理生成模型、筛选体系与结构验证的异同，并指出周转率差距。
BioAICraft精选AI 评分7272 清华等团队发布Cerebra-Epistasis：多突变组合预测上位性Spearman达0.55
清华大学、中南财经政法大学和华中科技大学研究者于2026年9月24日在bioRxiv发布预印本，提出Cerebra-Epistasis，先由野生型序列预测结构并生成可复用的突变评分与上位性表征，再经轻量组装网络预测多突变组合。
推荐理由：该预印本把突变组合效应与大规模组合评分放进同一框架，并给出上位性预测与基线对比。
AI蛋白质AI 评分8888 Nature：Baker团队用RFdiffusion2从头设计半胱氨酸蛋白酶
华盛顿大学David Baker团队在Nature发表研究，用RFdiffusion2-MI从头设计以活化半胱氨酸亲核体为核心的蛋白酶，69个设计中13个具切割活性，成功率19%，相对背景反应速率提升最高3×10⁷倍。
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。
BioTender精选AI 评分5858 《Molecular Cell》推出AI分子生物学专题，14篇内容聚焦预测与实验验证边界
《Molecular Cell》第86卷第20期于2026年10月15日推出“Artificial intelligence in molecular biology”专题，共14篇内容，包括1篇社论、5篇Insights、6篇综述和2篇原创研究，覆盖蛋白、RNA、基因编辑和单细胞。
推荐理由：专题把蛋白设计、RNA与单细胞预测放进同一证据框架，并逐项标出计算预测与实验验证的边界。
智药邦精选AI 评分6363 Nature Reviews Drug Discovery 访谈 OpenBind 负责人 Charlotte Deane：AI 药物发现的数据鸿沟如何填补
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
推荐理由：OpenBind负责人谈蛋白-小分子结合数据缺口，并给出首组数据集与盲测挑战的具体规模。
DrugAI精选AI 评分8888 Nature：Baker团队用RFdiffusion从头设计金属蛋白酶
David Baker团队在Nature发表研究，利用RFdiffusion系列生成模型从头设计含锌配位中心和多肽结合口袋的金属蛋白酶，135个实验测试设计中36%能在预期位置切割多肽底物。
推荐理由：研究把从头酶设计从酯键水解推进到稳定肽键，并指出显式建模催化水分子是成功率差异的关键。
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。
DrugIntelAI 评分7272 HDOCK-Multimer融合分子对接与组合组装预测大型蛋白质复合物结构
研究人员提出HDOCK-Multimer（HDM），将非对称对接、对称对接与遗传算法组合组装结合，用于大型蛋白质复合物结构预测。
奶牛猫的CADD实验室精选AI 评分7474 少考虑一颗水分子，AI 设计蛋白酶的成功率差了这么多？
David Baker 团队在 Nature 发表研究，用 AI 从头设计可切断指定肽键的金属蛋白酶：结构评估仅考虑 Zn²⁺ 时实验成功率为 14/95（约 15%），同时考虑 Zn²⁺ 和催化水后升至 35/40（约 88%）。
推荐理由：解读 Baker 团队金属蛋白酶设计研究，说明催化水如何改变计算筛选的成功率。
AI药物设计实验室AI 评分8888 Nature 发表华盛顿大学团队从头设计半胱氨酸蛋白酶：69 个设计中 13 个具切割活性
华盛顿大学等团队在《Nature》报告用 RFdiffusion2 分子界面版本生成骨架、ProteinMPNN 设计序列并经 AlphaFold 3 复核，从头设计出能按序列切割多肽的半胱氨酸蛋白酶，69 个实验候选中有 13 个具切割活性。
DrugAI精选AI 评分8888 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。
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。
ClickMab 科迈生物AI 评分3838 Click.mAb. 能力系列：一条抗体序列能完成哪些分析
Click.mAb. 支持在单一对话中由 AI 自动调用工具，对一条抗体序列完成多维度分析。分析覆盖抗体编号、CDR 标注、风险位点识别、三维结构预测、抗原互作分析与可开发性评估，用户只需提供一条序列和一句指令。
BioTenderAI 评分6262 Iambic登陆纳斯达克：发行937.5万股募资1.5亿美元，推进HER2抑制剂IAM1363
Iambic于2026年10月15日在纳斯达克上市，股票代码IAM，以每股16.00美元发行937.5万股，预计募资1.50亿美元、净额约1.35亿美元。招股书拟投入约7500万美元推进口服HER2小分子抑制剂IAM1363，另各投1500万美元推进IAM217与IAM-C1，约2000万美元用于平台模型与实验自动化。
奶牛猫的CADD实验室精选AI 评分7171 GluePlex 提出无三元结构下的分子胶计算优化路线
发表在 Nature Communications 的 GluePlex 研究针对 VAV1 分子胶，在缺少三元复合物实验结构时用 PeSTo 预测接触区域、HADDOCK 对接生成 6 个构象簇模板，再由 Boltz-2 共折叠生成 120 个候选三元结构并按 chainpair_ipTM 筛选。
推荐理由：该研究把蛋白对接、共折叠与自由能计算串成分子胶优化流程，为缺少三元结构的项目提供可迁移做法。
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。
LeapFun精选AI 评分6363 12篇论文解码Orbis：AI环肽平台与诺和诺德14亿美元合作
作者梳理12篇论文，拆解Orbis如何用非天然构件大环、ⁿCycle-Forge计算搜索与自动化合成构成环肽发现体系。ⁿCycle-Forge以Boltz共折叠评分为代理目标，对两个靶点做约12万次共折叠评价并合成1472个设计，凝血酶初筛命中35/736，约为历史库的24倍，MDM2命中率约4.6%与历史定向库相近。
推荐理由：文章逐层拆解Orbis大环肽平台的计算与实验证据，并区分技术源流与公司独占资产。
AI蛋白质AI 评分1010 Prompteina：用自然语言从头设计蛋白质结构与序列的预印本模型
华盛顿大学等团队提出Prompteina，以自然语言为统一接口联合生成蛋白质全原子结构与序列，在18项结构控制任务中15项领先，CATH折叠类别准确率96.0%。
DrugAI精选AI 评分7373 Science Advances：高通量筛选结合AlphaFold 3结构优选发现多目标VHH纳米抗体
研究人员在Science Advances报告了一套整合多重荧光酵母展示、深度测序与AlphaFold 3复合物预测的VHH纳米抗体发现框架，以长链三指型α-神经毒素为对象。
推荐理由：研究把酵母展示筛选与AlphaFold 3结构优选串成一条VHH发现流程，并给出精确率与召回率的实测权衡。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技等提出CODesign：让蛋白质序列与结构在全原子binder设计中保持一致
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign，通过一致性蒸馏构建约105,000对二聚体数据Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
推荐理由：作者团队提出以一致性为核心的蛋白binder协同设计方法，并用消融实验拆解数据与采样环节各自的贡献。
BioAICraft精选AI 评分7171 KAIST 团队发布 SoupFold：融合 AlphaFold3 等四模型表征提升复合物结构预测
韩国科学技术院（KAIST）的 Hyosoon Jang、Taewon Kim 和 Sungsoo Ahn 在 arXiv 预印本 Co-folding with a Soup of Representations 中提出 SoupFold。
推荐理由：该预印本把多个结构模型的成对表征融合后重新生成结构，并给出抗体抗原与分子胶基准上的对照结果。
英灵殿科技Valhalla精选AI 评分7373 英灵殿科技提出 OFAntibody：单抗与双抗联合生成的全原子抗体设计框架
英灵殿科技团队提出 OFAntibody，一个以抗原结构、指定表位和预定义抗体框架或双抗构型为输入、生成 CDR 全原子结构的统一框架，支持纳米抗体单抗及 tandem VHH、diabody、CODV-like 等双抗构型的联合设计。
推荐理由：该研究把双抗两个结合臂与连接区放在同一全原子框架中联合生成，并给出与独立拼接的碰撞对比。
LeapFun精选AI 评分7474 诺和诺德等团队发布Proton-PottsMPNN，将质子化状态写入AI蛋白设计
丹麦技术大学、MIT与诺和诺德团队在bioRxiv发表预印本，提出Proton-PottsMPNN，通过显式设计氨基酸质子化状态生成酸性条件下结合PD-L1的候选蛋白。
推荐理由：该预印本把可滴定残基的质子化状态纳入序列设计目标，为条件响应型结合剂设计提供了可复用的建模思路。
AI蛋白质精选AI 评分8585 DeepMind发布AlphaProtein Novo：从头设计酶在哌啶合成与DEHP降解中超越自然序列挖掘
Google DeepMind团队在预印本平台发布AlphaProtein Novo（AP Novo）机器学习流水线，报告从头设计酶在哌啶合成和DEHP降解两个挑战性反应上超越自然序列或突变体筛选。
推荐理由：该预印本报告从头设计酶在哌啶合成与DEHP降解中超过天然序列筛选，并给出序列集合评分这一可迁移方法。
Oxford Protein Informatics Group · Blog精选AI 评分7070 OpenBind启动首届盲测挑战：预测寨卡NS2B-NS3蛋白酶与400个化合物的结合构象
OpenBind联合OpenADMET与ASAP Discovery Consortium于2026年10月14日启动首届OpenBind盲测挑战，要求参赛者预测400个化合物与寨卡病毒NS2B-NS3蛋白酶形成的蛋白-配体复合物，化合物从小片段到类先导分子不等。
推荐理由：首届OpenBind盲测挑战以寨卡NS2B-NS3蛋白酶为靶点，用更严格的构象与物理有效性标准比较对接与共折叠方法。