JMC研究解析浅灰霉素的反向分子变色龙性
JMC发表的研究以天然抗菌大环肽浅灰霉素为对象，结合PAMPA、Caco-2、EPSA测定与溶液NMR、蒙特卡洛构象搜索及NAMFIS分析，解析其在极性与非极性环境中的构象分布。
推荐理由：文章解读JMC研究如何用构象集合解释大环肽渗透性反常，为环肽可开发性评估提供构象层面的参照。
#结构预测
环肽与药物发现精选AI 评分5858
分子之心MoleculeMindAI 评分4242 分子之心MoleculeOS先锋伙伴体验计划开启：AI原生生物经济操作系统开放试用
分子之心开启MoleculeOS先锋伙伴共创体验计划，面向创新药研发、生物制造、合成生物学等领域开放浏览器接入试用。该系统以多模态蛋白质基础大模型NewOrigin（达尔文）与全原子结构预测模型MMFold为底层，可理解研发意图并自动编排结构预测、亲和力评估等任务。公司称典型抗体优化项目从序列分析到候选推荐由传统数天压缩至几分钟计算时间。
AurekaBio 寻明生科精选AI 评分7272 寻明生科开源全原子生物分子基座模型 OpenDDE
寻明生科于2026年7月7日发布并开源全原子生物分子基座模型 OpenDDE，将生物分子共折叠、结构推理与规模化法则纳入同一框架。
推荐理由：寻明生科开源全原子共折叠基座模型，抗体-抗原基准成绩与规模化趋势为评估开放结构模型提供参照。
MedraAI 评分5858 NVIDIA 发布 BioNeMo Agent Toolkit，Medra 称将接入其物理 AI 实验室
NVIDIA 发布 BioNeMo Agent Toolkit，这是一个开放的、面向智能体的工具包，为任意 AI 智能体提供蛋白质结构预测、分子对接、生成式化学和基因组分析等可调用工具。Medra 转发该消息并表示正与 NVIDIA 合作构建由智能体决定下一步运行什么、再由物理 AI 实验室执行的闭环，称期待将其投入使用。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理，256 残基蛋白预测从 5.8 秒降至 2.5 秒
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
Roshan Rao精选AI 评分6060 Roshan Rao 发布用公开 API 复现 ESMFold2 规模扩展结果的仓库
Roshan Rao 表示所有必要参数已更新，并发布仓库 esmfold2-inference-scaling，用于通过公开 API 复现 ESMFold2 的规模扩展结果。其引用的说明指出，规模扩展高度依赖对 pair representation 的扰动，论文结果设置了每轮随机 LM dropout mask、开头随机 LM 输入 mask、每轮重新随机 MSA 子采样和每轮变化的 MSA 列掩码，这些关键参数此前未在公开 API 中暴露，具体设置见补充材料。
推荐理由：作者公开可复现 ESMFold2 规模扩展结果的推理仓库，并说明此前 API 缺失的关键参数已更新。
Genesis Molecular AI精选AI 评分7474 Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型，推理提速 5 倍
Genesis Molecular AI 发布 DeCAF-Pearl，称其为首个用于全原子共折叠的流图模型，相比其 Pearl 模型推理提速 5 倍且质量几乎无损。
推荐理由：DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型，为高通量筛选场景提供了速度参照。
Genesis Therapeutics 官网资讯精选AI 评分7373 Genesis 发布 DeCAF-Pearl：面向全原子共折叠的流映射蒸馏模型
Genesis 发布 DeCAF-Pearl，这是首个用于全原子共折叠的流映射模型，由 Pearl-2026.1.dev 蒸馏而来，扩散采样阶段的模型调用减少约 20 倍，整体推理加速约 5 倍。
推荐理由：Genesis 将 Pearl 共折叠模型蒸馏为少步流映射模型，在保持成功率的同时把推理成本降低约 5 倍。
Roshan Rao精选AI 评分6262 ESMC、ESMFold2 与蛋白机制可解释性论文更新并发布预印本
Roshan Rao 等在 bioRxiv 发布关于 ESMC、ESMFold2 和蛋白质机制可解释性的论文，并对上周初版做了修订。
推荐理由：作者说明 ESMC、ESMFold2 与蛋白机制可解释性预印本的修订内容，涉及基准评测与结果口径调整。
Roshan RaoAI 评分5858 Roshan Rao 说明 ESMFold2-Fast 公开 API 缺少影响扩展的关键参数
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。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 的 Pearl 系统在 OpenBind 基准上零样本超越全部共折叠模型
Genesis 称其 Pearl 系统在 OpenBind 的 EV-A71 2A 蛋白酶基准（802 个化合物，best-of-25）上零样本取得 78% 联合标准成功率（RMSD ≤ 2 Å、PoseBusters 有效、LDDT-PLI ≥ 0.8），高于 OpenBind 评测的全部共折叠模型。
推荐理由：Genesis 在 OpenBind 公开基准上对比 Pearl 与六种共折叠模型及对接方法，给出零样本与亚埃级精度的具体参照。
Alex RivesAI 评分4040 ESMFold2与蛋白质语言模型探讨
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精选AI 评分8282 ESMFold2 发布：面向蛋白预测、设计与发现的开放科学引擎
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。
Mol.AIAI 评分3838 基于 ProteinMPNN 架构与 CyclicPepedia 数据的多肽设计探索：v6 实验版模型
个人开发者参考 ProteinMPNN 编码器-解码器框架，用 CyclicPepedia 环肽结构数据经 150 轮迭代独立训练出聚焦多肽的 v6 实验版模型。引入位置编码并增至 6 层 GCN 后，模型在内部验证集上的序列恢复率从约 23.3% 提升至 46.7%。该模型已部署为在线 Demo，可上传多肽 PDB 骨架获取序列设计建议，但仅处实验探索阶段，指标仅代表内部测试表现。
Yang Zhang Lab精选AI 评分5858 新加坡国立大学团队发布配对蛋白语言模型PPLM，可预测蛋白互作与结合界面
新加坡国立大学研究人员开发配对蛋白语言模型PPLM，同时从两条相互作用蛋白中学习，用于预测蛋白互作、结合强度与相互作用界面。该模型面向蛋白互作这一细胞过程基础问题，团队称其可为疾病研究与药物发现提供新线索。
推荐理由：该模型同时读取两条相互作用蛋白序列，为蛋白互作、结合强度与界面的统一预测提供新思路。
唯信计算AI 评分1212 唯信工坊 | AI辅助大分子药物设计课程·北京站
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。
HouMed精选AI 评分7373 LaMGen：基于大语言模型的多靶点3D分子生成框架发表于Nature Communications
浙江大学康玉、侯廷军团队联合澳门理工大学刘焕香团队在Nature Communications发表LaMGen，一个仅输入靶蛋白氨基酸序列即可生成3D活性分子的多靶点药物设计框架。
推荐理由：研究用LLM从蛋白序列直接生成多靶点3D分子，并在分布外靶点对上与DualDiff比较。
Jason Yim精选AI 评分8383 字节跳动发布 Protenix-v2 生物分子建模系统，支持结构预测与零样本抗体设计
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。
ByteDance AML AI4Science Team — Protenix精选AI 评分7272 字节 Protenix 发布 v2.0.0：464M 参数 Protenix-v2 模型上线
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。
OpenFoldAI 评分2727 OpenFold与Baker实验室设研究奖学金
我们与华盛顿大学蛋白质设计研究所（由David Baker教授领导）合作，启动一项新的研究奖学金，以推进用于蛋白质结构预测与设计的开源AI！更多内容👇
Yang Zhang LabAI 评分3838 当 AI 遇见物理：D-I-TASSER 解锁复杂蛋白质结构以加速生物医学突破
张阳团队开发的 D-I-TASSER 利用深度学习从氨基酸序列预测蛋白质三维构象，以攻克复杂蛋白质结构。该工具将 AI 与物理方法结合，相关结构模型已由计算预测给出。
Proxima精选AI 评分6060 Proxima 与 NVIDIA 合作发布预印本：用 Fold-CP 多 GPU 预测大型蛋白复合物结构
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
OpenFold精选AI 评分7272 OpenFold 转发 AlQuraishi 介绍 OpenFold3 预览版 OF3p2
OpenFold 官方账号转发其研究员 Mohammed AlQuraishi 关于 OpenFold3 新预览版 OF3p2 的介绍，并引导读者阅读更多内容。据被引内容，OF3p2 在多数模态上缩小了与 AlphaFold3 的差距，并公开包括训练集与配置在内的全部内容，使其成为当前可从头训练且可复现的 AF3 类模型。上述性能与可复现性表述来自被引推文，本推文未补充细节。
推荐理由：OpenFold3 预览版开放训练集与配置，为复现和从头训练 AF3 类结构模型提供了可操作入口。
OpenFold精选AI 评分6262 OpenFold 发布 OpenFold3 更新，经 AWS 开放数据注册表公开训练数据
OpenFold 宣布 OpenFold3 更新，并通过 Amazon Web Services（AWS）的 Registry of Open Data 公开发布其训练数据。原帖未披露更新涉及的具体模型版本、性能指标或数据规模。
推荐理由：OpenFold3 更新并公开训练数据，为结构预测模型的复现与数据来源比较提供了可查入口。
奥泊生科AI 评分2525 AI如何“读懂”生命？诺奖得主携复旦团队探寻答案
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。
Vilya, Inc.精选AI 评分7070 Vilya 发布全原子基础模型 Vilya-1，用于大环结构预测与设计
Vilya 发布全原子基础模型 Vilya-1，专门建模含非天然氨基酸等多样化学的大环结构。公司称在公开与内部大环晶体结构合并基准上，Vilya-1 恢复晶体构象的表现超过次优方法一倍以上，物理与规则方法恢复的构象不到其一半，深度学习方法更落后。Vilya-1 还可微调用于富集可渗透化合物，并生成构象集合以评估能量景观、筛选结合剂；公司表示已在多个内部项目中应用该模型。
推荐理由：Vilya-1 以全原子模型覆盖非天然化学的大环结构预测，并给出与物理规则及深度学习方法的具体对比。
Nimbus Therapeutics精选AI 评分6565 Nimbus Therapeutics 与礼来达成口服肥胖药物研发合作及许可协议
Nimbus Therapeutics 与礼来签署多年期研究合作及全球独家许可协议，针对肥胖及其他代谢疾病开发新型口服小分子药物，项目处于早期发现阶段。Nimbus 将获得合计 5500 万美元的首付款与近期里程碑付款，并有资格获得总额最高约 13 亿美元的开发、商业和销售里程碑付款及全球净销售额分级销售提成。
推荐理由：这是 Nimbus 与 Lilly 在肥胖口服小分子上的第二次合作，交易结构与前期里程碑金额可作为同类 AI 制药合作的参照。
OpenFold精选AI 评分5858 NVIDIA 发布 OpenFold3 技术博客，介绍 OpenFold3 NIM 复合物结构预测模型
OpenFold3 团队转发 NVIDIA 关于 OpenFold3 的技术博客，并指向 NVIDIA 推出的 OpenFold3 NIM。据 NVIDIA 介绍，该模型可用于预测蛋白质、核酸与配体的复合物结构，定位为生产可用模型，博客链接为 https://nvda.ws/3JxauqA。
推荐理由：OpenFold3 以 NIM 形式提供蛋白、核酸与配体复合物预测，可了解其生产化部署形态。
奥泊生科AI 评分2828 诺奖得主领衔，奥泊生科聚焦蛋白质设计与生物制造
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。
Bruno CorreiaAI 评分2222 AlphaFold2蛋白四级结构解析方法
太美了，也太重要了……真是百看不厌！ ⚛️蛋白质结构是阐明细胞过程分子细节的关键。#AlphaFold2 等工具揭示了数百万个三级结构，但这些蛋白质的四级结构在很大程度上仍是个谜。以下是如何弥合这一差距。线程👇 https://www.biorxiv.org/content/10.1101/2023.06.09.544317v1