从AI预测到干湿闭环：AI for Science 正在跨越临界点
晶泰科技自2021年起自建机器人实验室，已建成超300台机器人实验工站的实验集群，整体实验效率较传统人工模式提升5至8倍。该体系由AI生成候选分子与实验方案，机器人完成合成、筛选与测试，实验数据再反哺模型迭代，形成猜想—验证—迭代闭环。其援引的《AI in Science: Early Insights》报告显示，41%受访科学家积压的待测试假设比三年前更多。
#结构预测
晶泰科技AI 评分3838
Kevin K. YangAI 评分5858 Kevin K. Yang 提出结合化学知识、生成建模与结构预测的酶设计流程
Kevin K. Yang 提出将化学知识、生成建模与结构预测组合成一条流程，用于为新自然界化学反应设计酶。推文未披露该流程的具体方法、实验验证或性能数据。
DrugIntel精选AI 评分7474 预印本追踪 Boltz-2 的 Pose→Affinity 信息流：亲和力头实际读取第二套结构
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
Brian HieAI 评分1818 Evo-Φ36冷冻电镜结构获PDB月度分子
很高兴我们的Evo-Φ36冷冻电镜结构在PDB 55周年的“月度分子”文章中获重点介绍！ 获得这个结构是@_David_Li @samuelhking @driscoll_cl @maxewilkinson的出色工作。 https://pdb101.rcsb.org/motm/322
Amir Shanehsazzadeh精选AI 评分5858 Claude Binder Lane 技能支持用 30 多个工具设计结合剂
Amir Shanehsazzadeh 转发 @JacobMolBio 介绍的 Claude Binder Lane 技能，供 Claude Science 用户按类似 Anthropic 结合剂研究计算部分的工作流设计结合剂。用户可与 Claude Science 共同确定靶点与位点、工具组合（包括是否沿用 Anthropic 公开技术栈或替换其他工具）、各工具运行位置（API、插件、本地或 Modal 等云端算力）、预算、指标与迭代轮次，最终得到结合剂序列和预测结构。该技能可调用 30 多个工具，并纳入 Anthropic 原始结合剂报告之后的进展，如 BindCraft2 以及 Anthropic 近期加速的 ESMFold2 和 Boltz-2 套件。
推荐理由：这条转发介绍了一个可复用的结合剂设计工作流，把靶点选择、工具组合与运行环境串成可配置流程。
DrugIntel精选AI 评分5858 Nature Methods前瞻：蛋白质结构预测从静态结构走向构象集合
Wankowicz与Bonomi在《Nature Methods》发表前瞻文章，指出AlphaFold等工具已改变静态结构预测，但仍无法捕捉完整构象集合，核心瓶颈是缺乏原子分辨率下可作金标准的真实参考数据。
推荐理由：文章系统梳理构象集合预测在数据、表示与评价上的瓶颈，为理解结构预测的下一步提供框架。
AI蛋白质精选AI 评分7272 药企联盟用2万余条私有蛋白结构数据微调OpenFold3，提升药物结合预测
由艾伯维、BMS、强生等药企组成的AISB Network利用OpenFold3，在五家公司提供的20,167个蛋白质-配体复合结构上微调，私有数据受保护且不公开。
推荐理由：药企联盟用两万余条私有结构微调开源模型，为数据共享能否提升结合预测提供了对照参照。
PDBeAI 评分3333 AlphaFold DB 复合物界面置信度指标解析
pLDDT、ipTM、ipSAE、pDockQ2 和 LIS 如何相互配合？ 了解这些指标如何共同评估 AlphaFold DB 复合物界面的置信度。 🎬 观看完整教程：https://youtu.be/k4yBqddtPyQ #AlphaFold #AlphaFoldDB
唯信计算精选AI 评分6363 唯信计算 WeMol 推出 AbForge 多特异性抗体全原子结构建模引擎
唯信计算在 WeMol 平台上线 AbForge，输入完整抗体 FASTA 后自动识别 Format 与结构域拓扑，按 KiH、CrossMab 等工程约束装配全原子三维模型。
推荐理由：官方展示多特异性抗体结构建模引擎与通用折叠模型在八个已上市或临床后期分子上的几何构型差异。
EMBL-EBI News精选AI 评分6868 AlphaFold 数据库新增病毒蛋白复合物预测，覆盖 2800 多种病毒
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作，在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构，优先覆盖已知感染人类的病毒科。
推荐理由：AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构，为疫苗与诊断靶点研究提供开放基础数据。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出 OFoldNA：将二级结构信息融入全原子扩散模型，统一核酸折叠与蛋白–核酸共折叠
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
DrugIntel精选AI 评分6969 Apple 与 Mila 提出 SimpleDesign：单个 Transformer 联合生成蛋白序列与三维结构
Apple 与 Mila 等机构提出 SimpleDesign，在同一个 Transformer 中联合生成蛋白序列与三维结构，不依赖结构 tokenizer，也不使用 SE(3) 等变网络。
推荐理由：论文用消融说明去掉结构 tokenizer 后联合生成仍有竞争力，同时保留与几何模型的差距。
创药网AI 评分3838 新型AI药物研发工具/平台（下篇）
寻明生科开源全原子生物分子基座模型OpenDDE，在PXMeter-AB、FoldBench-AB和2026ARK-AB三项抗体-抗原共折叠基准上成功率分别为51.0%、70.0%和66.4%，模型约655M可训练参数。
创药网AI 评分3838 新型AI药物研发工具/平台（上篇）
文章简述了近期国外代表性AI药物研发工具/平台：Isomorphic Labs的IsoDDE可预测蛋白质与药物、抗体相互作用，在Runs N' Poses最难任务上准确度达AlphaFold 3两倍以上。
Roshan Rao精选AI 评分6565 Anthropic 称 Claude 为 30 多个开源生物分子模型优化推理，平均提速 4 倍
Anthropic 在 Science Blog 中称，Claude 为 30 多个用于分子结构建模、类药分子设计和基因突变效应预测的开源模型优化推理，平均提速 4 倍，部分通过编写 GPU 定制软件实现，并将全部优化代码开源。Roshan Rao 转发该内容并称，Anthropic 的工作显示折叠与结合剂设计可大幅加速；他所在团队也将 Claude 用于此类问题，模型训练 MFU 提升一倍。
推荐理由：Anthropic 用 Claude 为 30 多个开源生物分子模型优化推理，并开源优化代码，可作为评估模型推理加速路径的参照。
德睿智药精选AI 评分6868 德睿智药发布生命科学基座模型体系Intera，首推结合构象预测模型InteraFold-Chem
德睿智药于2026年9月18日发布生命科学基座模型体系Intera，并公布首个模型InteraFold-Chem的技术报告，该模型聚焦蛋白质与小分子的结合构象预测。
推荐理由：德睿智药公布InteraFold-Chem在445个测试样本上的结合构象预测成功率，并给出与Protenix-v2、Chai-1、Boltz-2的对照结果。
Mohammed AlQuraishi精选AI 评分7676 AlQuraishi 团队与 Apheris 用五家药企私有数据训练 OpenFold3p2
Mohammed AlQuraishi 表示，团队与 Apheris 合作，在五家药企内部的蛋白-配体复合物数据库上训练了 OpenFold3p2。由于 PDB 中类药化合物相对稀少，这批数据使相关结构数据量增加 3-4 倍，并带来精度显著提升。作者称训练数据未离开各药企内部环境。
推荐理由：作者披露 OpenFold3p2 在五家药企私有蛋白-配体结构上联合训练，给出数据规模与精度变化的具体参照。
Sergey OvchinnikovAI 评分5555 ColabFold 1.6.3 发布：提速 2.5 倍并支持 pip 安装，新增 ipSAE 与 pDockQ2 评分
ColabFold 1.6.3 发布，作者称速度提升 2.5 倍，并支持通过 pip install colabfold[alphafold] 安装。该版本新增 ipSAE 与 pDockQ2 评分，作者在推文中致谢 Choonghwan Lee、Marielle Russo、Gyuri Kim、Martin Steinegger、Milot Mirdita 等贡献者。
临港实验室精选AI 评分5555 临港实验室元生·开物发布AI原生制药工作台升级版
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
天鹜科技精选AI 评分7676 天鹜科技开源全原子结构预测模型VenusFold，FoldBench多类任务领先AlphaFold3与Boltz-2
天鹜科技发布并开源通用全原子生物分子结构预测模型VenusFold的代码与权重，可预测蛋白质、蛋白质-小分子和蛋白质-蛋白质复合物结构。
推荐理由：天鹜科技开源可商用的全原子结构预测模型，在统一基准下与 AlphaFold3 等模型对比接口精度，并给出训练策略改进细节。
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。
OpenFold精选AI 评分5858 NVIDIA BioNeMo 推理运行时公测，OpenFold3 在 H100 上提速超 2 倍
NVIDIA BioNeMo Inference Runtime 进入公开测试，这是一个基于 PyTorch 的开源库，用于在 NVIDIA GPU 上加速生物分子推理。OpenFold 转发称，由 MoAlQuraishi 与 OpenFold Consortium 开发的 OpenFold3 借助专用优化在 H100 等 GPU 上运行速度提升超过 2 倍；该运行时支持 Boltz-2、OpenFold2、Protenix v2 等模型的优化，并可通过 Ray 扩展 GPU 副本。
推荐理由：OpenFold3 在 BioNeMo 推理运行时上的加速数据，为结构预测模型的部署效率提供了具体参照。
Terray Therapeutics精选AI 评分5858 Terray 在 H100 上实测 NVIDIA BioNeMo 推理内核，TerraBind 三角注意力最高提速 7.1 倍
Terray Therapeutics 在 H100 GPU 上以自有生产架构 TerraBind 为基准，测试 NVIDIA 新发布的 BioNeMo Inference Runtime 内核（CuTeDSL），结果显示其比标准 PyTorch 注意力最高快 7.1 倍，比其现有优化内核栈 cuEquivariance 最高快 1.8 倍。
推荐理由：Terray 在自有生产架构上实测 NVIDIA 新推理内核，给出相对 PyTorch 与现有内核的加速幅度及适用规模。
PDBeAI 评分4040 AlphaFold 复合物置信度指标差异解析
同一个预测复合物，不同的置信度分数： ipTM：0.38 ipSAE：0.75 为什么这些指标会有差异？完整解析 👇 https://youtu.be/k4yBqddtPyQ #AlphaFold #AFDB
MIT Jameel Clinic · NewsAI 评分1818 MIT Jameel Clinic 研究附属成员 Gabriele Corso 入选 MIT Technology Review 2026 年 35 岁以下创新者榜单
MIT Jameel Clinic 研究附属成员、Boltz 联合创始人兼 CEO Gabriele Corso 入选 MIT Technology Review 2026 年“35 岁以下创新者”榜单生物技术类别。
Mohammed AlQuraishi精选AI 评分6565 预印本追踪训练时 MSA 深度分布对结构预测性能的影响并提出改进配方
Mohammed AlQuraishi 推荐一篇 bioRxiv 预印本，该论文系统追踪训练时 MSA 深度分布对结构预测性能的影响，并提出一个在 AF2/3 基础上取得明显改进的训练配方。原文未披露具体数据集、评测指标与改进幅度。
推荐理由：该预印本追踪训练时 MSA 深度分布对结构预测的影响，并给出相对 AF2/3 有改进的训练配方。
唯信计算精选AI 评分6363 唯信计算实测57个抗体结构：11种预测模型谁更准、谁更快
唯信计算（Wecomput）基于2026年1月1日至8月19日发布的57个PDB抗体结构、105条抗体链，在统一指标下评测11种抗体结构预测模型与模式。
推荐理由：唯信计算用统一数据与指标横向比较11种抗体结构预测模型，并给出逐结构互补性与速度取舍的参照。
Rowan ScientificAI 评分2020 Rowan用户评价：强大易用的计算化学平台
Rowan是什么？我们的用户分享了他们的看法：
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。
Brian Hie精选AI 评分5858 Brian Hie：Proto 现已可在 ChatGPT 中使用
Brian Hie 宣布 Proto 现可在 ChatGPT 中使用，并给出用 Germinal 做从头纳米抗体设计、用 Evo 2 做语义设计的两个对话示例链接。他同时指向 OpenAI 开发者博客的 Rosalind Workbench 研究预览，该工作台把科学问题连接到专用模型、工具与可审查输出，覆盖蛋白结构与序列分析到测序流程。
推荐理由：作者展示 Proto 接入 ChatGPT 后的纳米抗体从头设计与 Evo 2 语义设计入口，可观察科研工作流如何被整合。
Mohammed AlQuraishi精选AI 评分7272 AlQuraishi 团队发布 OpenBind 系列首个模型 OpenBind-0，基于 OpenFold3 偏向小分子训练
Mohammed AlQuraishi 团队发布新系列 OpenBind 的首个模型 OpenBind-0，该模型基于 OpenFold3，并优先针对小分子进行训练。作者称 OB 系列模型将定期吸收 OpenBind 联盟与 PDB 的结构，持续更新并纳入 OpenFold 的最新功能。被引用的内容提到，OpenBind 计划收集数万条蛋白-配体结构与亲和力数据，此次同时发布 OpenBind-0 和 717 个新的配体结合结构。
推荐理由：OpenBind 系列首个模型基于 OpenFold3 并偏向小分子训练，可用于了解共折叠模型与结构数据收集的衔接方式。
Amir Shanehsazzadeh精选AI 评分6767 Amir Shanehsazzadeh 发布蛋白结合剂设计数据并谈 ipSAE 指标
Amir Shanehsazzadeh 表示其数据发布中包含了用全部10个共折叠模型、每个模型5个种子重新打分所得设计的PAE，希望这些数据与湿实验数据能帮助发现更好的结合与亲和力指标。
推荐理由：作者公开蛋白结合剂设计数据时说明纳入10个共折叠模型各5个种子的PAE，为结合亲和力指标改进提供素材。
英灵殿科技Valhalla精选AI 评分7474 NACraft：用全原子结构模型反馈实现可编程核酸适配体设计
Valhalla Technology 等提出 NACraft，将 Boltz-1 全原子结构模型的可微分反馈反向传播到核苷酸序列，在推理阶段统一支持 de novo、similarity-guided 和 target-selective 三类 RNA/DNA 适配体设计，无需针对任务重新训练。
推荐理由：该工作把全原子结构模型的反向反馈用于核酸适配体设计，并给出跨靶标与选择性任务的评测结果。
Sergey OvchinnikovAI 评分3232 Claude 重现 Protein Hunter 协议？
看起来 claude-protein-binder-design 重新发现了我们的 Protein Hunter 协议？🤔@ChoYehlin
AI4Protein精选AI 评分8383 Anthropic 论文：Claude 智能体自主设计蛋白 binder，15 个靶点命中率 26.8%
Anthropic 的论文让 Claude 在约 1.6 万词操作规程下自主完成从靶点调研、表位选择到工具编排与排序的蛋白 binder 设计，15 个可解释靶点共 1320 个设计中 354 个被判为 binder，总命中率 26.8%，14 个靶点至少得到一个 binder。
推荐理由：论文用双 CRO 实测检验 Claude agent 自主完成 15 个靶点的 binder 设计流程，并给出失败靶点与评分局限。
AI4Protein精选AI 评分8080 Science：结合结构与共同进化信息从头设计SynTnpB核酸酶
作者将ESM-IF1逆折叠生成与保守性、蛋白-核酸共同进化约束结合，从头设计出与天然ISDra2 TnpB仅约50-60%一致性的SynTnpB小型RNA引导核酸酶。
推荐理由：研究把结构生成与进化保守性约束结合，设计出序列偏离天然但仍可编辑基因的TnpB核酸酶，并给出模块化筛选与结构依据。
ProfluentAI 评分2020 Profluent团队将参加RosettaCon
Profluent团队下周将前往Summer RosettaCon！找到@jeffruffolo、@richardwshuai、@ShiakiMinami和Alex Hoffnagle，打个招呼👋 你可以在周四下午1:30听Richard谈论E1，我们的编码器模型（“E1：用于适应度和结构预测的检索增强蛋白质编码器”），Alex将在周一晚上7:30分享他在我们AI设计的碱基编辑器上的工作（“使用蛋白质语言模型设计可编程碱基编辑器”）。
Hannes Stärk精选AI 评分5858 cofoldarena.ai 上线开源共折叠结构预测模型排行榜
Hannes Stärk 转发推荐 bjing2016 制作的 cofoldarena.ai，这是一个与 PDB 同步、每周更新的开源共折叠结构预测模型排行榜，所有预测结果均可查看和下载。bjing2016 表示，推出该榜单是为了帮助大家跟上不断涌现的开源共折叠模型。
推荐理由：该榜单按周同步 PDB 并公开预测结果，为比较开源共折叠结构预测模型提供了可下载的参照。
Vilya, Inc.精选AI 评分6565 Vilya 发布全原子基础模型 Vilya-2，可建模化学多样性分子界面
Vilya 发布全原子基础模型 Vilya-2，称其无需模板或共进化输入，通过扩散和单一统一原子表示解析多肽与靶点复合物。公司称该模型对非经典多肽达到亚埃级精度，并准确预测 Zolucatetide、Daraxonrasib、Icotrokinra 和 Enlicitide 与各自治疗性蛋白靶点的相互作用。
推荐理由：Vilya-2 以统一原子表示建模多肽与靶点复合物，为现有工具难以处理的非经典化学体系提供参照。