Nabla Bio 发布 JAM-2 模型报告，将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体，T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍；并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体，在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。
推荐理由：Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节，可作为评估零样本抗体设计的参照。
Medra 发布 AI Experimentalist，作为其 Physical AI Scientist 平台的科学推理层，与湿实验室执行层 Physical AI Lab 组成设计、执行、解读、改进的闭环系统。
推荐理由：Medra 公布 AI Experimentalist 与湿实验室闭环平台，抗体筛选案例给出周期压缩的具体路径。
Ginkgo在统一的knobs-into-holes CrossMab IgG1骨架上，用PROPHET-Ab高通量平台的10项检测表征了160个双特异性抗体及其65个亲本臂，并公开数据集。
推荐理由：研究用160个双抗与65个亲本臂的配对数据，区分哪些可开发性指标可从亲本预测、哪些必须在双抗层面测。
LabGenius Therapeutics与LG Chem签署多年研究合作、选择权及许可协议，将用其AI/ML驱动的抗体发现平台EVA设计针对一种在多种难治癌症中表达的实体瘤抗原的肿瘤选择性多特异性抗体，目标是克服现有免疫疗法的脱靶毒性等局限。
推荐理由：协议披露了首付款、早期里程碑与选择权行权后的潜在里程碑结构，可对照同类抗体发现合作的分层设计。
百奥几何完成新一轮数亿元战略融资，由上海生物医药创新转化基金、国科投资、达晨财智、星连资本联合领投，高榕资本、指数人工智能产业创新基金跟投，资金将用于自研微观世界模型GeoFlow迭代、高通量自动化实验室建设和创新药物管线推进。
推荐理由：融资信息之外，文中还披露了GeoFlow各代模型在抗体与酶设计上的具体交付指标，可作为观察其技术路线的参照。
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验，其中 4/7 实验、2/3 靶点出现显著亲和力提升，弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由：Cradle 汇总七组零样本抗体多样化实验，给出功能率与亲和力提升幅度，并对照文献单突变扫描基线。
Roshan Rao 表示，ESMFold2-Fast 的公开 API 未暴露若干对扩展至关重要的参数，扩展高度依赖对 pair representation 的扰动。
Lundbeck 与 Cradle 宣布合作，将部署 Cradle 的 AI 蛋白设计平台，用于发现和优化针对脑部疾病的生物疗法，初期推进两个靶向 CNS 疾病的抗体项目。
推荐理由：Cradle 与 Lundbeck 签约，把生成式蛋白设计接入两条 CNS 抗体项目，并形成实验回流的迭代闭环。
Roshan Rao 宣布已完全开源其结合剂设计流程，该流程可生成纳摩尔亲和力的 scFv。代码忠实复现了论文中描述的管线，也正是产出其设计所用的同一套流程，入口为 https://tinyurl.com/7jnsuzv5。所引用的教程 notebook 位于 Biohub 的 esm 仓库，支持通过 @modal 扩展结合剂生成，相关 ESMFold2、ESMC、ESM Atlas 与完整结果见论文 https://biohub.ai/papers/esm_protein.pdf。
推荐理由：作者开源了论文中实际使用的结合剂设计流程，可复现生成纳摩尔亲和力 scFv 的完整管线。
与RJ和Brandon在Latent Space AI for Science播客上聊得很愉快，话题包括蛋白质语言模型、生物学中的规模化，以及新的ESMFold2。
Alex Rives 宣布推出 ESMFold2，一个面向蛋白生物学预测、设计与发现的开放科学引擎，称其在蛋白相互作用尤其是抗体上达到当前最优性能。作者称已针对癌症和免疫学相关的五个治疗靶点设计并验证了 miniprotein 结合剂和单链抗体，成功率很高，亲和力达到与治疗活性一致的水平。
推荐理由：ESMFold2 同时覆盖蛋白相互作用预测与结合剂设计，并给出多靶点湿实验验证结果，可作为评估蛋白基础模型能力的参照。
昌平国家实验室副研究员余其林将于2026年5月24日晚通过腾讯会议主讲抗体设计框架PPIFlow。据简介，该框架结合流匹配生成模型与新型体外成熟策略，无需实验优化即可直接生成皮摩尔至纳摩尔级亲和力的纳米抗体和迷你蛋白结合剂。
推荐理由：讲座介绍PPIFlow以流匹配加计算机成熟生成高亲和力纳米抗体与迷你蛋白，可了解纯计算结合剂设计思路。
字节AI制药团队与清华AIR团队开发统一分子生成模型AnewOmni，可设计小分子、多肽和纳米抗体，训练数据超过500万个生物分子复合物。模型支持可编程图提示，可施加化学约束、拓扑约束与几何转向，并生成非天然氨基酸、手性分子、共价结合等非标准化学结构。
推荐理由：介绍统一分子生成模型在KRAS G12D与PCSK9上的跨模态设计结果，可作为多模态药物设计的参照。
Anthropic 正招聘生物学家、开设湿实验室，并于上月收购成立八个月的初创公司 Coefficient Bio，以引入靶点选择、模态选择和管线规划等生物技术项目运营经验。
寻明生科宣布完成3500万美元A+轮融资，由红杉中国领投，经纬创投、博远资本跟投，老股东五源资本、启明创投、纽尔利资本等持续投资，A轮及A+轮累计近亿美元。资金将用于建设其自主研发的功能抗体设计平台AuraIDE™，加强基座模型与智能体能力及高通量高内涵实验平台。
推荐理由：融资披露同时给出抗体管线所处阶段与智能体实验闭环的建设方向，可对照其平台叙事与管线进度。
Medra 宣布建成 Medra Lab 001（ML001），称其为美国最大的自主实验室，面积 38,000 平方英尺、部署数百台机器人并 24/7 运行，在 90 天内建成。
推荐理由：Medra 公布其自主实验室的规模与在产合作范围，为观察物理 AI 科学家的落地形态提供参照。
唯信工坊将于2026年4月27日在北京中关村开设AI辅助大分子药物设计课程，基于WeMol平台讲解结构预测、生成式蛋白质设计、虚拟亲和力成熟、免疫原性预测与抗体人源化等内容。课程由唯信计算应用科学团队主讲，培训费1200元/人，2人8折、3人及以上7折。
字节跳动发布 Protenix-v2 生物分子建模系统，用于结构预测与零样本抗体设计。据引用介绍，其在抗体-抗原结构预测上较 Protenix-v1 在 DockQ>0.23 指标最高提升 13 点，5 个种子的表现超过此前 1000 个种子的结果；零样本 VHH 设计在受控靶点上达到 100% 靶点级成功率，BLI 确认的命中率为 2%–48%，命中物热稳定性、自相互作用和多反应性通过率分别为 100%、98% 和 93%。在暴露表位小而灵活的 GPCR 靶点上，VHH-Fc 格式命中率为 16%–88%，mAb 格式最高 50%，每个靶点仅测试 16–30 个设计。代码与论文见 github.com/bytedance/Protenix。
推荐理由：Protenix-v2 在抗体-抗原结构预测与零样本 VHH 设计上给出多项指标，并附 BLI 验证的命中率与可开发性数据。
字节跳动 AML AI4Science 团队发布 Protenix-v2，这是一个 464M 参数的增强容量结构预测模型，称在挑战性抗体-抗原复合物结构预测上精度显著提升，并更新了配体相关合理性。
推荐理由：Protenix-v2 在抗体-抗原复合物结构预测上给出与 v1 的对照结果，并公开技术报告与基准细节。
唯信计算（Wecomput）在 NVIDIA GTC 2026 发布生物医药多智能体操作系统 WeMol Copilot，用户可用自然语言描述任务，由系统规划路径并调度底层 AI 模型与计算工具。
推荐理由：唯信计算在 GTC 2026 发布多智能体系统，展示从抗体生成到去免疫原性改造的自动化流程编排。
Tamarind Bio与A-Alpha Bio宣布合作，Tamarind Bio用户可将用RFdiffusion、ProteinMPNN等蛋白设计模型生成的抗体序列直接提交至A-Alpha Bio的AlphaSeq平台，获得抗体-靶点对的定量结合亲和力数据。
推荐理由：合作把计算设计的抗体序列接入高通量亲和力测量，为评估AI设计到实验验证的衔接提供参考。
Purple Biotech 宣布与 Converge Bio 合作，利用后者的生成式AI平台设计和优化面向实体瘤的新一代三特异性抗体，以缩短发现周期并改善候选分子的可开发性。
推荐理由：合作把生成式AI用于三特异性抗体的设计与优化，可观察AI在抗体工程环节的具体分工。
LabGenius Therapeutics 宣布将在 AACR 2026 展示其选择性增强的 Nectin-4 x CD3 T 细胞衔接器 LGTX-101 的临床前数据。
诺贝尔化学奖得主Michael Levitt与马剑鹏在复旦大学共建复杂体系多尺度研究院并联合创立奥泊生科OpusBio，以干湿结合闭环推进AI蛋白质设计与药物研发。
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。
很高兴看到@GenScript团队的这项工作。 在验证Latent-X2时，我们需要快速推进抗体、纳米抗体和大环化合物的相关工作。我们的内部湿实验室能承担很多工作，但GenScript帮助我们扩大了规模，并更快地打通了计算与生物学之间的闭环。 结果是：AI设计的抗体具有类药可开发性，并在人源panel中显示低免疫原性，且已在实验室中得到验证。 感谢那些以尖端AI速度推进的合作伙伴。
百奥几何称其用GeoFlow蛋白质设计大模型为欧洲某知名药企完成VHH纳米抗体多目标优化项目，在未经靶点数据微调的零样本场景下仅一轮设计与验证，就从数十个候选分子中筛出多个同时满足功能活性、稳定性、非特异性和人源性要求的分子。
推荐理由：百奥几何披露其GeoFlow在零样本VHH多目标优化中一轮交付达标分子，可作为抗体AI设计交付方式的案例参照。
Converge Bio 完成 2500 万美元 A 轮融资，由 Bessemer Venture Partners 领投，公司总融资额达 3000 万美元。其平台将多个专有模型整合为端到端系统，用于靶点发现、抗体设计与蛋白生产优化，过去一年与药企和生物技术公司完成 40 多个项目，合作方获得结合亲和力达个位数纳摩尔的抗体，蛋白生产产量提升 4 至 7 倍。
STAT News对AI设计抗体的现状做了平衡报道，既呈现实际进展也保留质疑。Nabla Bio CEO Surge Biswas表示，公司开发AI以压缩药物发现周期，针对难成药靶点、新功能和更优药物特性设计更好的药物，并与领先药企团队紧密合作。
百奥几何凭借原子级蛋白质基础大模型GeoFlow V3入选《2025 AIGC 行业创新榜 TOP100》。该模型首次将多步推理引入蛋白设计，在TSLP、IL-33等七个靶点的十项从头设计任务中平均命中率达18.7%，较上一代AI方法提升超百倍，最高亲和力36nM，先导分子发现周期缩短至三周以内。在亲和层析填料蛋白设计中，单轮计算测试100条序列即获得多条pM级亲和力候选分子。
Latent Labs 在 Latent-X1 发布 5 个月后推出 Latent-X2，称其 AI 生成抗体在人体样本中表现出类药可开发性和低免疫原性，且为零样本生成。该模型目前面向部分合作伙伴开放使用，公司未披露具体实验数据与评测细节。
推荐理由：Latent Labs 公布从 Latent-X1 到 Latent-X2 的迭代，并给出 AI 生成抗体在可开发性与免疫原性上的自述结果。
【全文总结】LabGenius 在论文中报告其 EVA 平台通过机器学习与高通量实验闭环，在 44,160 个 HER2×CD3 T 细胞衔接器设计空间中经 5 轮设计-构建-测试-学习循环筛选 980 个候选，命中率较 Sobol 准随机基线提升 14 倍。
推荐理由：该研究把多特异性抗体的价数、拓扑与亲和力纳入贝叶斯优化闭环，并以临床基准分子作对照，展示了亲合力门控选择性的可设计路径。
复宏汉霖与唯信计算联合打造的“药研加速器”已于2025年11月28日在复宏汉霖数据中心完成私有化部署并正式上线运行。平台采用唯信计算的AI工作流框架，在抗体可开发性评估环节将分子动力学模拟与AI预测耦合，实现从抗体序列输入到可开发性评估报告输出的一键自动化。
Nabla Bio 发布 JAM-2，称其为首个能从计算机直接生成成药级抗体的 AI 模型。公司称在 26 个靶点中有一半在每靶点测试少于 45 个设计的情况下获得皮摩尔至个位数纳摩尔级结合剂，直接针对细胞表面 GPCR 的结合剂成功率最高达 11%，超过 50% 的设计在零优化下通过核心行业可开发性标准，并称已与多家大型药企合作部署 JAM-2。上述结果来自公司自述与白皮书，尚未见独立验证。
推荐理由：Nabla Bio 公布 JAM-2 在 26 个靶点上的抗体设计成功率与可开发性数据，可供对照评估从头抗体设计的能力边界。
首届药物研发智能技术论坛暨WeMol用户大会11月8日在上海张江举办，由唯信计算主办，汇聚数十家生物医药企业研发领袖与200余位WeMol用户。唯信计算称WeMol平台已整合200余个计算模块、2025年新增50余个AI功能模块，服务超70家药企及数百家科研机构，云端累计完成超30万项计算任务。
寻明生科（Aureka Biotechnologies）宣布完成数千万美元A轮融资，由五源资本与启明创投联合领投，老股东纽尔利资本持续投资，Agentic Ventures等跟投。
推荐理由：融资披露同时给出抗体设计智能体平台的技术路线与管线阶段，可对照其干湿闭环思路与商业化进展。
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。
奥泊生科与鼎康生物在BIO Europe 2025期间宣布战略合作，联合打造Chime AI Platform，将AI算法设计能力与生物药CDMO商业化生产体系对接。双方计划基于OPUS Bio平台在靶点筛选、抗体从头设计及成药性优化等环节开展协同，并推进AI辅助候选分子验证。合作尚处签约阶段，未披露具体项目、金额或验证结果。
奥泊生科与量准在 2025 年 2 月签署战略合作后，正式面向全球客户推出“AI 分子设计优化 + 高通量 SPR 分子互作筛选”全流程研发加速服务，覆盖蛋白质从头设计、亲和力/活性/稳定性优化与 MetaSPR 亲和力及动力学检测，并将实验数据反馈至 AI 模型迭代。
推荐理由：两家公司把 AI 蛋白设计与高通量 SPR 筛选打包成对外服务，并给出抗体亲和力成熟与酶改造的实验数据。
奥泊生科2025年在武汉创立，由诺贝尔化学奖得主迈克·莱维特与马剑鹏等联合领衔，并在武汉产业创新发展研究院支持下成立AI蛋白质设计研究所、于光谷建设AI蛋白质设计改造产研中心。公司称其干湿结合蛋白质设计及结构解析技术可服务药物靶点发现、抗体改造、工业酶设计与创新药物研发，借助AI可在几周内计算筛选大量样本，而传统实验筛选耗时长达数年。