Google 推出 Antigravity 智能体工作台，用 ProtNLM 挖掘抗菌肽候选
Google 发布智能体科研工作台 Google Antigravity，并用它从 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染病原体有活性的新型抗菌肽候选，该先导物正在接受湿实验验证。
推荐理由：展示智能体工作台如何把跨库检索、功能注释与结构查看串成一次会话，为抗菌肽早期发现提供可迁移流程。
#功能验证
Google DeepMind / Isomorphic精选AI 评分6060 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。
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。
智药邦AI 评分6262 抗体可开发性联盟公布创始成员，计划共建约1万个抗体的统一测量数据集
抗体可开发性联盟于2026年9月29日公布创始成员，AbbVie、Argenx、Lundbeck和Takeda四家药企加入。该联盟由Ginkgo Bioworks旗下Ginkgo Datapoints与AI基础设施公司Apheris于2025年9月发起，计划围绕约1万个抗体按统一方法测量可开发性性质，首批数据计划于2027年初交付。
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。
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-Protein Design精选AI 评分7676 Baker团队在《Nature》发表人工金属蛋白酶设计，可定点水解TDP-43但活性仍低于天然酶
Baker团队在《Nature》报告用RFdiffusion2/3与EnhancedMPNN从头设计金属蛋白酶，显式建模锌配位催化水分子后湿实验筛选阳性率从15%升至88%。代表性设计TDPn3可定点切割全长TDP-43单体与寡聚体，SDS-PAGE和质谱确认断裂位点，阴性对照无切割条带。作者指出最强变体Zn45_v2周转率仍比顶级天然金属蛋白酶低约2个数量级，且尚无细胞或动物实验验证。
推荐理由：文章拆解了Baker团队金属蛋白酶从头设计的策略演进，并点明催化效率与体内验证的具体边界。
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。
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。
智药邦精选AI 评分6363 WhiteLab Genomics完成2600万美元B轮融资，推进AI设计基因组药物
2026年10月6日，WhiteLab Genomics宣布完成2600万美元B轮融资，由AVP领投，Yaday Health、Blast Club新加入，Omnes、Debiopharm继续参投。
推荐理由：融资事件之外，材料还给出AI设计AAV载体穿越血脑屏障的体内数据，可作为基因组药物递送方向的参照。
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。
晶泰科技精选AI 评分6868 晶泰科技 siRNA 项目 9 个月确认 PCC，IgA 肾病候选分子展现同类最佳潜力
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子（PCC）用时 9 个月，候选分子拟用于 IgA 肾病治疗。临床前研究显示，该分子体外沉默活性达亚纳摩尔级，与同靶点临床阶段参照分子相比 IC50 降低数十倍；非人灵长类动物平行对照研究中单次给药后数月内持续维持高水平靶蛋白抑制，毒理试验显示更大安全窗口。
推荐理由：晶泰首个 siRNA 项目 9 个月确认 PCC，其临床前活性与长效性数据为观察 AI 序列设计在受限靶点空间中的实际产出提供参照。
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。
ClickMab 科迈生物AI 评分3333 从筛选到按需设计｜科迈生物 CEO 王天元博士出席 2026 波士顿中国科大校友峰会
科迈生物 CEO 王天元在 2026 波士顿中国科大校友峰会上发表《从筛选抗体，到按需定制设计抗体》演讲，介绍 AI 指定表位抗体从头设计进展。公司 2023 年完成该方向概念验证，并以冷冻电镜结构解析和细胞功能实验验证；近期一项复杂双靶点合作中，设计的 100 条抗体有 1 条同时对两个靶点显示结合信号。
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。
智药邦精选AI 评分5858 丹纳赫推出AI驱动自主实验室，计划2027年初规模化运营
丹纳赫于2026年10月7日宣布计划推出旗下首个AI驱动自主实验室，用于加速定制抗体及其他分子工具的发现，预计2027年初实现规模化运营。
推荐理由：丹纳赫披露自主实验室的整合方式与产能目标，可作为抗体发现自动化的产业参照。
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）。
Google DeepMind / Isomorphic精选AI 评分5858 Google DeepMind 发布 Gemini 4 Argon，并展示其在酶设计与科研任务上的应用
Google DeepMind 发布 Gemini 4 Argon，通过 API、AI Studio、Gemini 平台及 Antigravity 等入口向开发者、企业和科研人员开放，输入定价为每百万 token 2 美元、输出为每百万 token 10 美元。
推荐理由：Gemini 4 Argon 在数小时内完成丝氨酸酯酶设计，并经实验室测试确认催化活性，为通用模型参与酶工程提供了具体案例。
药学进展精选AI 评分6262 南京中医药大学纪建建团队在Cell Reports Medicine发表AI筛选抗耐药RSV中药成分Punicalin的研究
南京中医药大学纪建建团队利用自主构建并开源的抗病毒药物AI模型，从中药化合物库中筛选出活性成分Punicalin，成果发表于Cell Reports Medicine。
推荐理由：研究用开源抗病毒AI模型从中药化合物库筛出靶向RSV G/F蛋白的天然产物，并给出动物实验与专利信息。
智药邦精选AI 评分7171 Chai Discovery与GSK达成合作，零样本设计在湿实验验证中筛出结合分子
Chai Discovery于2026年10月9日宣布与GSK达成合作，GSK获得其蛋白质折叠与分子设计模型平台的使用权限，用于全管线研发。验证阶段Chai模型以零样本模式针对GSK靶点生成设计方案，GSK内部湿实验室测试显示所有受试靶点均筛选出结合分子，GSK称设计方案展现出很强的结合亲和力，并称其与基于自有湿实验数据持续重训练的内部模型互补。
推荐理由：GSK用内部湿实验验证Chai零样本设计在多个靶点筛出结合分子，为评估AI设计平台提供实证案例。
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%。
Adaptyv Bio精选AI 评分5858 Anthropic × Adaptyv 蛋白质设计竞赛第三题开放：设计激活 GLP1R 的蛋白
Anthropic × Adaptyv 蛋白质设计竞赛第三题开放，要求参赛者设计能激活 GLP1R 的蛋白质。GLP1R 是司美格鲁肽（Ozempic、Wegovy）和替尔泊肽在 2 型糖尿病与肥胖中作用的受体。
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。
智药局AI 评分5858 丹纳赫推出首个AI驱动自主实验室，目标将亲和试剂验证速度提升最多8倍
丹纳赫10月7日宣布将推出公司首个AI驱动自主实验室，设在旗下抗体与试剂公司Abcam，用于加速定制抗体及其他分子工具研发，预计2027年初规模化运营。实验室以设计—制造—测试—学习（DMTL）闭环运转，AI设计候选亲和试剂后由系统自动构建与测试，结果实时回流模型；丹纳赫称目标是把亲和试剂从构想到完成验证的速度提升最多8倍，年试剂产出从数十个提升至数百个。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 在 Proteinbase 公开 Google DeepMind SynthID Bio 蛋白水印实验结果
Adaptyv Bio 宣布，Google DeepMind 的 SynthID Bio 模型相关全部实验结果已在 Proteinbase 上线。据其引用的说明，SynthID Bio 是把水印写入 AI 设计蛋白质氨基酸序列的方法，Adaptyv Bio 在其实验室对这些蛋白质做了验证，实验数据现可在 Proteinbase 查看。
推荐理由：Google DeepMind 的 SynthID Bio 蛋白水印序列已由 Adaptyv Bio 完成实验验证，结果公开在 Proteinbase。
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。
木可AI探索笔记AI 评分4848 关于 Chai Discovery 的几个数字：chai-3 发布后 4 个月拿下 6 家 MNC
Chai Discovery 的 chai-3 于 2026 年 6 月发布，按此计算其拿下 6 家 MNC 实际用时 4 个月而非 9 个月。chai-2 报告强调 24 孔板，湿实验整体 hit 率为 16%，据此推测 chai-3 的 hit 率在 32%-40%。其最新一轮投后估值为 38 亿美元，与晶泰、英矽、剂泰的市值处于同一量级。
智药邦AI 评分6565 Ginkgo与Apheris牵头成立抗体可开发性联盟，AbbVie、argenx、Lundbeck、Takeda为创始成员
Ginkgo Bioworks旗下Ginkgo Datapoints与Apheris宣布启动抗体可开发性联盟，创始成员包括AbbVie、argenx、Lundbeck和Takeda，联盟仍开放更多企业加入。
Marinka Zitnik精选AI 评分6363 ToolUniverse 新增 GPU 环境自动配置，支持智能体调用蛋白设计模型
ToolUniverse 推出 GPU 环境自动配置功能，使智能体可在复杂生物数据集上调用机器学习模型并把输出用于发现流程。
推荐理由：ToolUniverse 新增 GPU 环境自动配置，让智能体直接调用蛋白设计与结构预测模型，并附可复用的 EGFR 设计流程。
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。
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。
途深智合精选AI 评分6363 途深智合ToursynClaw完成CLDN18.2第二轮DBTL迭代，Hit Rate从3.4%升至16.0%
途深智合公布ToursynClaw在CLDN18.2抗体项目中完成第二轮DBTL迭代，25个候选抗体中形成4个优选Hit，Hit Rate由第一轮的3.4%（1/29）提升至16.0%（4/25），相对提升约364%。
推荐理由：两轮DBTL迭代的命中率与亲和力数据，为评估实验数据回流能否改善抗体设计提供具体参照。
Pranam Chatterjee精选AI 评分7171 PepRePs：用pLM生成肽引导重定向磷酸酶实现可编程去磷酸化
Pranam Chatterjee团队提出PepRePs（peptide-retargeted phosphatases），即用肽引导重定向磷酸酶，目标是实现对任意靶点的可编程去磷酸化。该工作延续其用蛋白语言模型生成肽引导E3（uAbs）和DUB（duAbs）的思路，相关预印本已发布于bioRxiv。
推荐理由：作者团队把肽引导策略从E3、DUB扩展到磷酸酶，为可编程去磷酸化提供了一条新的设计思路。