Recursion如何用实验验证AI预测靶点
Recursion在平台系列第四部分中说明，其基础模型提出潜在靶点后，会进入逐步加严、针对具体疾病的验证级联，在实验台上对计算发现进行降风险。公司称最终可证明模型预测的生物学与实验室观察到的物理现实一致，并以全球药企合作伙伴内部项目的高标准测试这些靶点。
#功能验证
RecursionAI 评分2525 Amir ShanehsazzadehAI 评分6060 Anthropic 与 Adaptyv 蛋白设计竞赛第二题锁定 TNF-α 结合剂
Anthropic 与 Adaptyv 蛋白设计竞赛公布第二道挑战，目标是为 TNF-α 设计更优结合剂，并要求其在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。该设计还需同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计；Amir Shanehsazzadeh 转发称该靶点本身对结合剂设计就很难，pH 要求进一步加大难度。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 与 Anthropic 蛋白设计竞赛第二期：设计 pH 6.0 选择性释放的 TNF-α 结合剂
Adaptyv Bio 宣布 Anthropic x Adaptyv 蛋白设计竞赛第二期，目标是设计优于现有药物的 TNF-α 结合剂，并能在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。设计要求还包括同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计。
推荐理由：比赛把 TNF-α 结合剂设计放到 pH 6.0 选择性释放和跨人鼠结合的双重约束下，可观察设计如何兼顾亲和力与可开发性。
Justas Dauparas精选AI 评分7272 Xaira 发布 X-Design，针对真实治疗靶点从头设计抗体
Xaira 的 Justas Dauparas 介绍团队开发的 X-Design，称其能针对真实治疗靶点生成抗体，其中一个靶点此前难以用常规发现方法攻克。相关细节见 Xaira 官网新闻页，推文未披露具体靶点、实验数据或验证结果。
推荐理由：Xaira 员工披露 X-Design 针对真实治疗靶点生成抗体，其中一个靶点此前难以用常规方法发现。
Generate:Biomedicines精选AI 评分5858 Generate:Biomedicines 与 Roswell Park 开发 AI 设计 MUC16 CAR T 候选物 GB-5267
Generate:Biomedicines 与 Roswell Park 合作开发 GB-5267，这是一款针对卵巢癌、经 AI 设计识别肿瘤锚定 MUC16 的 CAR T 疗法。公司博客以“Engineering CAR T-Cells to Function Where Others Fail”为题说明其设计思路，并提出一期临床需要回答的问题。
推荐理由：Generate:Biomedicines 与 Roswell Park 公布 AI 设计的 MUC16 CAR T 候选物，并说明其设计思路与一期临床待解问题。
Google DeepMind / Isomorphic精选AI 评分7474 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白与结构嵌入可验证水印
Google DeepMind 推出面向合成生物学的 SynthID Bio 水印方法，可在蛋白序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，并在实验室测试中保持生物功能。
推荐理由：介绍一种嵌入蛋白序列与预测结构的可验证水印方法，并给出湿实验与检测稳健性证据。
Profluent精选AI 评分5858 Profluent 与 BioMarin 合作，用 AI 模型设计新药蛋白
Profluent 宣布与 BioMarin 达成合作，将用其 AI 基础模型设计新型药物蛋白。Profluent 称其模型基于规模达 1150 亿条且仍在增长的唯一蛋白质序列数据集 Protein Atlas，可生成具备新功能或改良功能的蛋白；BioMarin 将筛选 Profluent 生成的设计，并把其中表现最强者推进至临床前测试。合作未披露金额、靶点或具体适应证。
推荐理由：Profluent 与 BioMarin 的分工展示了 AI 蛋白设计公司如何把生成模型接入药企的筛选与临床前流程。
DrugIntelAI 评分7676 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，提出SAPP与DMX两套互补流程，把从基因片段到SEC纯化蛋白及标准化表征压缩到约48小时、每天可处理数百个设计。
Martin Pacesa精选AI 评分5858 Martin Pacesa 介绍 BindCraft2 多靶点与自定义损失实现及运行入口
Martin Pacesa 表示可将 BindCraft2 的多靶点与自定义损失实现用于设计任务，并给出在 AriaX、Tamarind 或 Google Colab 上运行的方式及 GitHub 链接。BindCraft2 由 Erik Mäeots 开发，仓库为 https://github.com/PacesaLab/BindCraft2；BC1 版本的多靶点 notebook 由 Lennart Nickel 和 Paul Kittner 提供。该帖引用了 Adaptyv 的 Anthropic x Adaptyv 蛋白质设计竞赛第一项挑战，要求设计在肿瘤酸性条件下结合 EGFR、在健康细胞正常 pH 下不结合的条件性结合剂，且需同时结合人源与小鼠源 EGFR 以支持临床前测试。
推荐理由：作者给出 BindCraft2 多靶点与自定义损失实现的可运行入口，便于复用条件性结合剂设计流程。
临港实验室AI 评分4040 临港实验室联合十余家机构启动“长江杯”2026全球AI蛋白质设计挑战赛
临港实验室等十余家机构共同发起并主办的“长江杯”2026全球AI蛋白质设计挑战赛于9月24日启动，聚焦AI蛋白质从头设计与真实湿实验验证，选手针对不同靶点设计纳米抗体或迷你结合蛋白。大赛奖金总额100万元人民币，计划对不低于5000条设计序列免费开展涵盖表达、纯化、检测的湿实验检测。报名通道9月24日开启、10月31日截止，面向全球高校、科研院所、企业团队及个人开放。
AI4Protein精选AI 评分5858 “长江杯”2026全球AI蛋白质设计挑战赛启动，设100万元奖金与5000条序列湿实验检测
“长江杯”2026全球AI蛋白质设计挑战赛于9月24日启动报名，聚焦AI蛋白质从头设计与真实湿实验验证，选手针对不同靶点设计纳米抗体或迷你结合蛋白。赛事奖金总额100万元人民币，计划对不低于5000条设计序列免费开展涵盖表达、纯化、检测的湿实验，报名10月31日截止。大赛由上海交通大学、上海人工智能实验室、临港实验室等共同发起主办，面向全球高校、科研院所、企业团队及个人开放。
推荐理由：赛事把纳米抗体与迷你结合蛋白设计同5000条序列的免费湿实验检测绑定，呈现AI蛋白设计的验证路径。
AI蛋白质精选AI 评分6262 Broad研究所刘如谦团队在Nature发表AI重设计起点增强蛋白进化的研究
Broad研究所刘如谦团队在Nature发表研究，提出以AI重新设计的更稳定蛋白作为定向进化起点，可进化出活性、特异性和稳定性更优的蛋白。研究以肉毒神经毒素蛋白酶为对象，先用AI设计更稳定的版本，再通过功能进化使其切割包括神经退行性疾病相关蛋白ataxin-2在内的多种靶标，所得蛋白在稳定性和针对该功能的特异性上优于从天然蛋白酶出发的进化结果。
推荐理由：该研究把 AI 设计的稳定蛋白作为定向进化起点，与天然起点直接比较，为酶工程提供可迁移思路。
Martin Pacesa精选AI 评分5858 Martin Pacesa：Adaptyv 竞赛的靶点交叉反应适合用 BindCraft2 原生处理
Martin Pacesa 表示 Adaptyv 蛋白质设计竞赛中的靶点交叉反应问题正是 BindCraft2 的原生适用场景，并给出工具概览与 GitHub 代码入口。他同时列出 Lennart Nickel 和 Paul Kittner 基于 BindCraft1 的多靶点 notebook 变体链接。被引用的竞赛帖称将提供最高 100 万美元 Claude 额度并实验验证社区提交的 5000 个设计，赛题涵盖物种交叉反应、pH 敏感性和肽-MHC 特异性等。
推荐理由：作者以 BindCraft2 作者身份指出该工具原生支持 Adaptyv 竞赛中的靶点交叉反应设计任务，并给出代码入口。
Adaptyv Bio精选AI 评分7272 Adaptyv Bio 关注 BindCraft2 开源并用于新蛋白质设计竞赛
Adaptyv Bio 表示，BindCraft2 已在其与 Anthropic 的新蛋白质设计竞赛开始前开源，该竞赛将有超过 5000 个设计在其实验室接受实验测试。作者回顾称，BindCraft1 在 2024 年其蛋白质设计基准中表现突出，赢得首届 EGFR 竞赛，并在后续轮次中被广泛使用。所引用的发布信息显示，BindCraft2 完整代码已放出，学术和工业用途均可免费使用，论文尚未发表。
推荐理由：BindCraft2 在 Adaptyv 新竞赛前开源，可对照其上一代在 EGFR 基准中的表现理解方法迭代。
Martin PacesaAI 评分6060 BindCraft2 发布并开源完整代码，免费供学术与工业使用
BindCraft2 已发布，作者未等论文发表便提前放出完整代码，学术与工业用途均可免费使用。代码托管在 GitHub 的 PacesaLab/BindCraft2 仓库，作者称可立即用于设计，并可用于当前的 Adaptyv 竞赛。
途深智合AI 评分2222 途深智合亮相 Cambridge Tech Week 2026，展示 ToursynClaw 科学超智能体平台
途深智合在剑桥 Cambridge Tech Week 2026 的 Innovation Alley 展区展示 ToursynClaw 科学超智能体平台，该平台连接 AI 蛋白设计、科学智能体与自动化湿实验，形成设计—验证—数据反馈—模型迭代的研发闭环。
途深智合AI 评分3838 途深智合亮相2026闵行区生物医药生态推介会，分享AI驱动生物药研发创新实践
途深智合在2026闵行区生物医药生态推介会上分享了从AI蛋白设计走向Autonomous AI Biopharma Foundry的技术路径，核心平台ToursynClaw连接自研蛋白生成与优化模型、科学智能体及自动化实验系统，形成干湿闭环。
Adaptyv Bio精选AI 评分6060 Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，投入超百万美元实验验证
Adaptyv Bio 宣布与 Anthropic 合作发起蛋白质设计竞赛，设五个针对特定疾病或生物机制的挑战，分专家设计者、生命科学学术界与产业研究者、公众三条赛道。
推荐理由：Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，公开全部湿实验数据，可供观察 AI 设计在自动化实验中的实际命中情况。
ClickMab 科迈生物AI 评分1818 科迈生物入选 2026「科创未来之星」榜单，聚焦 AI 抗体设计与 Click.mAb. 平台
科迈生物入选长城战略咨询发布的 2026「科创未来之星」企业榜单，公司称该入选认可其在 AI 抗体设计、抗体工程优化与干湿结合研发方面的能力。公司构建功能导向的 AI 抗体设计体系，围绕生物学机制与特定/困难表位开展从头设计，称核心任务进入小时级、优选候选可达 pM 级亲和力。
Evaxion Biotech 官网资讯AI 评分4848 Evaxion将AI-Immunology™平台应用于自身免疫疾病
Evaxion已启动将AI-Immunology™平台应用于自身免疫疾病，正在对两款基于该平台的治疗概念开展实验测试：一款为耐受性疫苗概念，一款为自身抗体结合剂概念。相关实验数据将于2026年11月18日在葡萄牙里斯本举行的PEGS Europe上公布。公司称这两款概念有望以高特异性针对潜在疾病病理，可能实现比现有疗法更高的疗效和更少的副作用。
BioSymetricsAI 评分2828 BioSymetrics 合作研发 CDKL5 疗法
BioSymetrics 已启动针对 CDKL5 缺乏症（CDD）——一种罕见遗传性癫痫——的合作项目。我们正与 BrainStorm Therapeutics 及学术合作方共同发现并验证治疗候选药物。#CDKL5 #RareEpilepsy #DrugDiscovery
Brian Hie精选AI 评分7070 Germinal 设计 VHH 抗体在体内抵御眼镜蛇毒
Brian Hie 提到 Germinal 团队成功设计出对眼镜蛇毒具有体内保护作用的 VHH 抗体，相关结果以预印本形式发布在 bioRxiv。该帖未披露设计方法、抗体数量、动物模型与保护效力等具体数据，细节需见预印本原文。
推荐理由：该预印本报告计算设计的 VHH 抗体在动物体内对眼镜蛇毒提供保护，可作为蛋白设计走向功能验证的参照。
Inceptive精选AI 评分7878 Inceptive 微调模型设计 in vivo CAR-T mRNA，5 条序列中 3 条在体内优于 Capstan 基准
Inceptive 用自建 CAR-T 数据微调序列设计模型，生成编码同一抗 CD19 CAR 蛋白的 mRNA 设计，并将 5 条序列推进 NSG-PBMC 人源化小鼠，与 Capstan 的抗 CD19 序列在同一 CD8 靶向 LNP（Amplitude Therapeutics 提供）下以 0.1 mg/kg 给药、24 小时终点比较。
推荐理由：Inceptive 用自建 CAR-T 数据微调序列设计模型，并在人源化小鼠中与 Capstan 基准序列做头对头比较，展示了模型排序到体内功能读数的转化路径。
Pranam Chatterjee精选AI 评分7373 SaLT&PepPr 引导肽在小鼠体内选择性降解致病 β-catenin
Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。
推荐理由：作者团队报告其设计的肽在小鼠体内实现靶向降解，为序列设计结合剂的体内验证提供实例。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 通过 API 为 OpenAI Rosalind Workbench 接入湿实验验证
Adaptyv Bio 宣布通过 Adaptyv API 将实验验证接入 OpenAI 的 Rosalind Workbench。Rosalind Workbench 用于跨模型和专用科学工具编排复杂生命科学研究工作流，接入后这些工作流可在 Adaptyv 湿实验室运行完整的设计—构建—测试—学习循环，并将真实实验数据直接反馈到下一轮设计。
推荐理由：Adaptyv 把湿实验验证接入 OpenAI 的科研工作流平台，展示了设计—构建—测试—学习循环的一种外部集成方式。
Pranam Chatterjee精选AI 评分6262 Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选
Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。
推荐理由：作者团队用语言模型设计肽引导构建哺乳动物筛选，为蛋白功能敲低提供可迁移的实验框架。
Amir Shanehsazzadeh精选AI 评分5858 Twist Bioscience 称 Claude 在 15 个靶点中为 14 个设计出结合剂并完成湿实验验证
Twist Bioscience 表示，其选取常见与新颖靶点测试 Claude 的蛋白设计能力，在 15 个靶点中 Claude 成功为 14 个设计出结合剂，湿实验验证由 Twist 完成。Amir Shanehsazzadeh 转发该内容并表示与 Twist 团队合作愉快、期待继续合作，帖文未披露靶点清单、结合剂形式与验证指标。
推荐理由：Twist 披露 Claude 在 15 个靶点中设计出 14 个结合剂并完成湿实验验证，可作为了解通用大模型参与蛋白设计的参照。
Amir Shanehsazzadeh精选AI 评分7878 Claude 编排开源蛋白模型，15 个靶点中设计出 14 个从头结合剂
Anthropic 测试 Claude 能否从头设计蛋白结合剂：在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个完成了设计，随后由 Adaptyv Bio 与 Twist Bioscience 独立构建并测试，作者称成功率和亲和力均较高。
推荐理由：Anthropic 与 Adaptyv Bio、Twist 的实测显示，Claude 编排开源模型在 15 个靶点中设计出 14 个从头结合剂，可作为智能体驱动蛋白设计的参照。
Mohammed AlQuraishi精选AI 评分7272 AlQuraishi评蛋白质设计方法靶点难度差异：Genie 3分到最难靶点
Mohammed AlQuraishi 评论称，不同蛋白质设计方法分到的靶点难度各不相同，Genie 3 拿到的是最难的靶点，并希望这算是一种恭维。该评论引用 Anthropic 关于 Claude 从零设计蛋白质结合剂的内容，其中称在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个设计出结合剂，并由 Adaptyv Bio 与 Twist Bioscience 独立构建和测试。
推荐理由：作者对比不同蛋白质设计方法分到的靶点难度，指出Genie 3拿到最难靶点，为解读各家设计结果提供难度差异视角。
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。
Adaptyv BioAI 评分7878 Adaptyv Bio 湿实验评测 Claude 蛋白设计：1320 个设计中 26.8% 结合靶点
Adaptyv Bio 在自动化湿实验室中对 Anthropic 的 Claude Mythos Preview 与 Opus 4.8 设计的从头结合剂进行匿名盲测，1320 个设计中 95% 成功表达、354 个结合靶点，总体命中率 26.8%，覆盖 15 个靶点中的 14 个。
Claude Science / Anthropic Science精选AI 评分8282 Anthropic 报告 Claude 蛋白结合剂设计与 NMR、LC-MS 化学分析研究
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
AI4ProteinAI 评分7373 MaSIF-mimicry结合GluePCA绘制CRBN-分子胶互作网络
研究团队将AI蛋白表面查询方法MaSIF-mimicry与高并行蛋白互补实验GluePCA结合，在全蛋白组范围绘制CRBN-泊马度胺潜在互作网络，鉴定出6个已知及43个新的CRBN-泊马度胺结合蛋白，并对部分候选做了正交验证。
Brian Hie精选AI 评分6767 Brian Hie 转发 ProteinDPO 在 Nature Methods 发表解读
Brian Hie 转发 Talal 的系列帖，介绍 ProteinDPO 最终版已在 Nature Methods 发表。据该帖，论文新增将该模型用于稳定流感疫苗主要成分血凝素的前融合态，并给出论文链接 https://www.nature.com/articles/s41592-026-03137-3。
推荐理由：ProteinDPO 正式发表于 Nature Methods，新增血凝素前融合态稳定化应用，可作为蛋白设计偏好优化的参照。
Brian Hie精选AI 评分7373 ProteinDPO 将蛋白生成模型对齐实验适应度，成果发表于 Nature Methods
Brian Hie 团队用 ProteinDPO 将蛋白生成模型与实验适应度对齐的工作已发表于 Nature Methods。发表版本新增了对 H5 血凝素（流感疫苗组分）的稳定性突变结果。论文链接：https://www.nature.com/articles/s41592-026-03137-3
推荐理由：该工作把蛋白生成模型与实验适应度对齐，并给出在流感疫苗组分H5血凝素上的稳定性突变结果。
ProfluentAI 评分2222 Profluent团队亮相CSHL基因工程会议
我们的生物信息学与平台研发负责人Stephen Nayfach本周在@CSHL参加基因组工程：CRISPR前沿活动。如果你也在现场，欢迎找他打个招呼！👋 他将发表演讲，介绍如何利用我们的AI模型设计用于碱基编辑的CRISPR-Cas9变体（"为突变特异性碱基编辑器设计编程PAM特异性"），并主持"CRISPR技术I"分会场。
水木分子AI 评分4242 清华AIR首席研究员、水木分子首席科学家聂再清：智能体赋能药物研发——不止于靶点筛选
聂再清在《健康报》撰文指出，智能体可完成分子生成优化与活性预测，其团队用ChatDD从头设计数十种抗体，湿实验验证21%展现较高亲和力。他强调目前尚无药物全流程由AI全自动完成，瓶颈在于大量人体作用机制未被AI解析，更准确的定位是领域专家与AI协作。技术、应用与安全层面的挑战仍待解决。
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。
分子之心MoleculeMind精选AI 评分6565 分子之心披露纳米抗体与环肽设计实验结果，并推出MoleculeOS平台
分子之心在7月31日深圳“AI+新药研发研讨会”上披露，其AI从头设计的纳米抗体和环肽在TNFα、PD-L1、MDM2等十几个靶点上获得阶段性湿实验命中：TNFα的14个纳米抗体中7个显示结合活性，最优亲和力51皮摩尔；PD-L1的30个候选纳米抗体中26个命中；MDM2的21个候选环肽中16个显示可检测结合，最佳KD为13.7微摩尔。
推荐理由：分子之心披露纳米抗体与环肽的湿实验命中数据及表达量结果，呈现AI从头设计从结合走向可开发性的阶段进展。
分子之心MoleculeMind精选AI 评分6565 分子之心MMDesign环肽从头设计获湿实验验证，p53-MDM2首轮21条中16条命中
分子之心在WAIC 2026公布MMDesign环肽从头设计结果：针对p53-MDM2靶点首轮设计并测试的21条候选环肽中16条实验命中，命中率超过70%，最优候选KD为13.7微摩尔，优于同期实验阳性对照；PD-L1靶点首轮19条候选中有6条经SPR确认结合，最佳KD接近40微摩尔。
推荐理由：分子之心公布MMDesign在p53-MDM2与PD-L1两个PPI靶点的环肽首轮湿实验命中数据，可与纳米抗体结果对照看平台跨模态能力。