Generate:Biomedicines 与 Anthropic 合作，六名科学家用 Claude 结合自有模型、计算工具和湿实验数据，重构用于实体瘤的 CAR-T 受体。重新设计的信号组件比标准设计缩短约 70%，为新增功能留出空间，并在实验室测试中提升了对癌细胞的杀伤。相关结果以预印本形式发布，公司称该流程把数年工作压缩到数月、成本仅为原方案的一小部分。
推荐理由：Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 胞内信号域，展示大模型参与蛋白设计的可迁移流程。
Molence 发布开源生物分子智能模型 Mol-1，在 FoldBench-AB 上以 DockQ > 0.23 为判定标准取得 75.0% 中位成功率，接近 IsoDDE 已公布的 75.58%。作者称评测覆盖 32 个随机种子产生的全部 201,376 种五种子组合，其中 62.22% 达到或超过 75% 成功率。引用内容还提到单张 H20 上可处理 60k token 组装、VHH 结合命中率最高 63%、最佳 SPR KD 为 43 pM，模型已在 GitHub 与 lab.molence.com 开放。
同一新闻，精选展示《Molence 发布开源生物分子智能模型 Mol-1》
英国AI安全研究所AISI与SecureBio合作的ReproBAIT预印本让Claude Opus 5、GPT-5.6 Sol、Kimi K3和Qwen3.8-2.4T四个编程智能体在提供训练数据与A10G GPU的条件下限时复现三个生物AI工具。
推荐理由：研究用编程智能体限时复现三个生物AI工具，给出闭源与开源工具可迁移性的具体边界。
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
伦敦大学学院联合剑桥大学在Cell Reports Medicine发表研究，用符号AI基于患者基因组信息构建个性化三阴性乳腺癌肿瘤数字孪生，在PARTNER试验31名患者数据上回顾性模拟化疗及化疗联合奥拉帕利等方案，疗效预测准确率为74%。
推荐理由：研究用符号AI为三阴性乳腺癌患者构建肿瘤数字孪生，在31例回顾性数据上给出疗效预测与联合用药假设。
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
推荐理由：报道介绍Pythia-1在22个难靶点上单轮设计全长IgG，并给出GPCR激动与拮抗的功能验证结果。
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
IPD与NVIDIA于10月公开RFD4-Proteina的代码与模型权重，模型把序列与结构放进同一生成过程，并提供候选搜索与评估入口，核心许可为BSD 3-Clause。
推荐理由：结合开源入口、计算基准口径与两组湿实验，给出团队自评该蛋白设计模型是否值得采用的判断框架。
分子之心在Zenodo发布扩展版MMDesign技术报告，覆盖18个靶点、19个设计项目，涉及VHH与大环肽两类模态，报告称18个项目获得实验确认的结合分子，项目成功率94.7%。
推荐理由：报告汇总19个设计项目的湿实验命中情况，并区分项目成功率与候选命中率，为评估生成-过滤-验证流程提供具体参照。
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口，再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由：预印本把靶点裁成表位局部窗口以降低结合剂设计算力，并给出截短重折叠与完整靶点的一致性对照。
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M，构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
推荐理由：该图谱以亿级单细胞数据刻画药物扰动表型，并揭示同靶点药物的周期效应差异，为扰动预测模型提供训练资源。
分子之心发布MMDesign最新技术报告，在覆盖18个靶点、纳米抗体与大环肽两类模态的19个项目中，18个获得实验确认的结合分子，项目成功率94.7%，单项目仅测试9—50个候选。
推荐理由：技术报告以19个项目的湿实验数据展示少量候选下的跨靶点设计成功率，并给出GPCR与跨轮次优化的具体结果。
罗氏及旗下Prescient Design团队发布论文，推出从美国专利提取的抗体数据集POISK，含10,110件专利、89,074条抗体–抗原记录、78,174条独特抗体和2,069个独特靶点序列，并提供亲和力、表位残基与竞争关系等36类字段。
虚拟细胞药理学计划（VCPI）发布其迄今最大规模的数据集，为 ReFRAME 药物重定位化合物库提供阵列式 DRUG-seq 转录组图谱，覆盖 12,949 个化合物。数据在 THP-1 细胞中以 10 μM 剂量、每孔一个化合物进行筛选，注册用户可在 thevirtualcell.com 免费获取，并以 CC BY 4.0 开放。
推荐理由：该发布提供覆盖近1.3万临床阶段化合物的转录组扰动数据，可作为药物响应与虚拟细胞研究的公开数据资源。
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
《Nature》刊出研究De novo design of enantioselective artificial metalloenzyme photocatalysts，团队用RFdiffusion All-Atom生成结合Ru(bpy)₃²⁺类辅因子的蛋白骨架、LigandMPNN设计序列并以AlphaFold2校验，96个设计序列中63个可溶性表达。
Xinyu Yuan、Xixian Liu 等人的预印本《Plausibility Is Not Prediction》检验细胞扰动二分类差异表达预测，发现忽略扰动身份的 Gene-prior Voting 基线在 C32 黑色素瘤任务总体 AUROC 仍达 0.990，但改为同基因内比较扰动的 macro-per-gene 评测后该基线 AUROC 只有 0.500。
推荐理由：研究用分基因评测揭示总体 AUROC 高分可能绕开扰动区分，为虚拟细胞扰动预测的评测方式提供参照。
科迈生物的 EPIC 模型从抗体和抗原氨基酸序列出发，联合预测抗原表位、抗体互补位与残基接触，论文获 NeurIPS 2026 AI for Drug Discovery Workshop 接收。
推荐理由：该研究把表位、互补位与残基接触统一建模，并在公开抗体结构测试集上给出与现有方法的逐项对比。
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
Martin Pacesa 转发并评论 Xiaochun Li 团队发表于 NSMB 的论文，认为其从头设计结合剂的用法很有创意。被引内容称该研究解析了 Norrin 信号复合物的结构，并据此设计合成 Norrin 模拟物，朝恢复血视网膜屏障（BRB）的策略迈出一步。
推荐理由：作者借他人 Norrin 信号复合物论文，点评从头设计结合剂用于结构生物学研究的思路。
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
Josef M. Penninger/王经强团队将人血管类器官与干细胞来源胰岛共培养，构建出带胰岛特异性窗孔毛细血管的血管化胰岛类器官VPIOs。糖尿病小鼠移植后13只中11只在2个月内恢复正常血糖，疗效与原代人胰岛相当，而未血管化组14只中仅2只恢复。VPIOs仍含少量外分泌/导管样细胞和成纤维样细胞，Matrigel基质不适合临床，β细胞体外成熟仍不完全。
华盛顿大学David Baker团队在Nature发表两篇论文，分别从头设计半胱氨酸蛋白酶和锌离子辅助的金属蛋白酶，并在哺乳动物细胞中检测到切割活性。
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初筛成功率、动力学参数和晶体结构验证，并讨论催化水与预组织对活性的影响。
多伦多大学、Mila 等机构提出 SELECTBENCH，将目标与脱靶蛋白同时纳入评价，评测九种结构驱动小分子生成模型的选择性。
推荐理由：该基准把目标与脱靶口袋同时纳入评测，揭示生成模型在相近蛋白上的选择性短板与阈值取舍。
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
上海交通大学陈洛南团队与东京大学合原一幸团队在Nature Methods发表CauTrigger，将深度潜变量建模与基于do-calculus的干预性因果推断结合，从组学数据中识别状态转变的潜在触发因素及级联因果路径，并做虚拟扰动预测。
推荐理由：该框架把驱动因素识别、级联路径与虚拟扰动预测串成一条链，为状态转变研究提供可复用的分析思路。
浙江大学药学院侯廷军等在npj Drug Discovery发表观点文章，梳理智能体在药物发现中的应用并提出L0至L5六级自主性框架。作者从科学决策、系统自主性和人工参与程度三个维度划分能力，将能提出原创假设并组织端到端探索的L5“虚拟科学家”定位为长期愿景。
推荐理由：文章梳理智能体在药物发现中的能力分层，并给出区分工具调用与研究闭环的评估尺度。
Marinka Zitnik 团队提出生成模型 CONCERT，用于预测基因敲除等扰动效应如何从被扰动细胞扩散到邻近组织区域。作者指出同一敲除在肿瘤核心与组织边界可产生不同响应，相关预印本已发布于 bioRxiv（10.1101/2025.11.08.686890v3）。
推荐理由：该预印本提出跨组织传播扰动效应的生成模型，为空间语境下的扰动响应预测提供参照。
华盛顿大学蛋白质设计研究所 Kejia Wu、David Baker 等与麻省总医院等团队在 bioRxiv 发布预印本，通过从头设计获得识别 Tau 和 Aβ 特定化学修饰的蛋白探针。
推荐理由：该预印本展示了按邻近磷酸化状态定制 Tau 探针的设计思路，并给出从合成肽到细胞与脑组织的验证链条。
西湖大学与浙江大学团队提出PACE，以细胞状态空间的局部几何为约束，交替更新跨时间配对与连续路径，从离散单细胞快照推断群体演化，相关研究被NeurIPS 2026接收。
推荐理由：西湖大学团队用局部几何约束跨时间配对与路径学习，为单细胞快照间的轨迹推断提供了可检验的方法参照。
南京大学、香港中文大学与新加坡国立大学合作提出RiboBridge，输入靶蛋白结构和期望RNA长度，先预测候选界面、生成RNA形状，再预测跨链距离并刚体组装出候选RNA结构及结合姿态。
推荐理由：预印本把RNA形状生成与结合姿态拆开建模，并用消融定位误差来源，为RNA结合剂设计提供了可诊断的评测参照。
10月23日发布的bioRxiv预印本提出UnibindMD流程，将BindCraft设计、亲和力预测、成药相关性质评估与分子动力学串接，用于复核蛋白设计候选。
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。
多伦多大学Joseph Brown团队正在开发开放获取数据库与配套AI模型OpenPep，用于预测多肽与靶点蛋白的结合能力，项目获Google.org“AI促进科学影响力挑战赛”230万美元资助。
瑞士苏黎世联邦理工学院Gisbert Schneider团队与罗氏合作，在《Nature Computational Science》发表研究，将主动学习、高通量实验与几何图神经网络整合为闭环，用于数据稀缺条件下的C–H硼化反应成败与区域选择性预测。
北京生物科学研究所、北京协和医学院与清华大学团队提出闭环设计框架 Astrolabe，交替进行全原子结构预测与序列设计，以可编程目标函数、跨上下文序列同步和触发式结构救援组合完成设计任务。
RCSI与英国癌症研究院领衔的国际团队整合约2000例结直肠癌肿瘤的多组学、单细胞与临床数据，开发AI工具iPhenMap构建肿瘤生物学图谱，识别出MSS结直肠癌此前未被发现的弱点。在实验室模型中，靶向药trametinib与其他药物联用可显著抑制肿瘤生长并延长生存，研究结果发表于Cancer Cell，仍属临床前阶段。团队称该结果可为现有药物重定位和新药开发提供路线图，并可能推广至其他瘤种。
推荐理由：研究整合约2000例结直肠癌肿瘤的多组学与单细胞数据，为MSS CRC的联合用药与老药新用提供临床前线索。
俄亥俄州立大学Xia Ning团队提出MADDIE多智能体药物发现系统，由中央Orchestrator调度HitIdentifier、LeadOptimizer、Evaluator和Synthesizer四个专职智能体，在50个蛋白靶点上均交付100个满足对接评分、类药性、合成难度、毒性预测等计算阈值的候选分子。
推荐理由：论文用50个靶点的对照与消融，说明中央调度主要减少达到同一计算目标所需的搜索量。
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。
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究，构建首个面向衰老生物学的开放基准LongevityBench，含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域，共25457个评测提示。
推荐理由：该研究用17项任务评测18个前沿模型解读衰老组学数据的能力，并比较领域微调小模型与通用大模型的表现差异。