Nat. Commun. | 用scTransMIL定位组织中的恶性细胞与致病基因，并在动物实验中得到验证
腾讯AILabHealthcare团队在Nature Communications发表scTransMIL，用多实例学习把样本级癌症表型与单细胞表达连接，同时输出细胞疾病分数和基因注意力线索。
推荐理由：文章梳理了scTransMIL从样本表型定位到细胞与基因线索的路径，并给出OGT靶点在动物实验中的验证链条。
#论文/预印本
DrugAI精选AI 评分6868 BioTender精选AI 评分7070 Ligo Biosciences 公布酶设计系统 Artios 的从头设计酶结果
Ligo Biosciences 公布酶设计系统 Artios，首轮荧光素酶实验筛 85 个设计有 7 个具活性，较大蛋白筛 45 个有 9 个初筛命中。
推荐理由：文章逐项拆解 Artios 的筛选口径与实验证据，说明计算通过率与实验命中率之间的差距。
LeapFun精选AI 评分7676 Baker Lab用AF3与RFdiffusion设计65-85 aa合成转录激活子
华盛顿大学IPD与Rice大学团队在bioRxiv发布预印本，用AlphaFold3绘制TAD-辅因子界面地图、RFdiffusion与ProteinMPNN生成结构化binder，经哺乳动物功能池筛获得超过300个针对Mediator、BRD4、NCOA、p300的nM级binder。
推荐理由：该预印本把转录激活拆成可设计的辅因子募集零件，并给出亲和力阈值与CRISPRa对比数据，便于理解控制层模块化路径。
力文所AI 评分4040 Pallatom2：原子级可编程设计新纪元，技术报告即将发布
力文所预告 Pallatom2 技术报告即将发布，该模型延续全原子生成思想，重构模型与框架并显著提升训练数据量、网络深度和可处理的蛋白质尺度，关注 mini-binder 设计更高的实验成功率。
Alex ZhavoronkovAI 评分3838 单细胞时钟与扰动模型发现抗纤维化靶点
一个单细胞时钟加上一个扰动模型，可揭示用于表观遗传年轻化的抗纤维化靶点。@dives86 于 #ARDD2026。照片：https://agingpharma.org/photos2026
AI-Protein Design精选AI 评分7676 RFD4-Proteina发布：对比RFD3的表征、推理与湿实验催化设计
RFD4-Proteina 发布，相较 RFD3 改用受力场能量监督的 32 维物理启发潜在空间，并引入内在循环精炼与外在搜索引导的双重潜在推理。干实验中小分子结合聚类通过率为 14.3%（RFD3 为 2.4%），77 个测试靶点全部覆盖；湿实验中 288 个双金属磷酸三酯酶设计有 89 个显示催化活性，最佳催化效率 3,600/M/s。
推荐理由：对比RFD4-Proteina与RFD3在表征、推理机制和湿实验催化设计上的分工，便于判断不同任务的模型选型。
iNatureAI 评分8282 华人一作兼通讯！诺奖团队领衔，两天连发3篇《Nature》及《Science》
华盛顿大学David Baker团队与苏黎世联邦理工学院Donald Hilvert合作，于2026年10月14日在Nature在线发表金属蛋白酶计算设计研究，用RFdiffusion 2仅指定锌基催化中心与相邻肽结合口袋位置、其余序列由模型生成，135种设计中36%能特异切割指定底物的目标肽键，最优设计水解速度比背景反应快超10⁸倍，优化活性位点预组织后可达10¹⁰倍以上。
AI药物设计实验室精选AI 评分7373 上海人工智能实验室等提出 DrugHarness：亲和力比较准确率从 62.2% 升至 81.1%
上海人工智能实验室、中国药科大学等机构发布预印本 DrugHarness，将 80 多项科学工具的执行与带条件的技能学习整合到同一智能体系统中。加入冻结领域技能后，Qwen3.7-Max 在 MolBench 的亲和力比较准确率从 62.2% 升至 81.1%，优化成功率从 79.5% 升至 87.2%，但虚拟筛选 Hit@3 从 60% 降至 48%。
推荐理由：该预印本把智能体的工具执行与条件式技能学习结合，并给出基准与细胞实验的对照结果。
BioAICraft精选AI 评分7676 斯坦福团队在bioRxiv发布ProVADA：引导蛋白适应细胞质并降低HLA-I结合肽
斯坦福大学Xiaojing J. Gao、Wing Hung Wong等团队于10月18日在bioRxiv发布预印本，提出ProVADA框架，用固定的ProteinMPNN生成多位点改造序列、外部评分器评价完整序列，再由MADA种群退火引导搜索。
推荐理由：该预印本用外部评分器引导固定生成模型做多位点改造，并给出肾素与CAR抗体片段的湿实验对照结果。
BioTender精选AI 评分6262 一家华尔街投资机构，用 Claude 做起了药物发现
Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
AI蛋白质精选AI 评分8888 西湖大学等在Nature发表Pinal：用自然语言编程设计功能蛋白质
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
iNatureAI 评分3434 南京医科大学赵杨/陆茵团队发现MEKK3驱动脑海绵状血管畸形进展，AI辅助设计抑制剂DPDH
南京医科大学赵杨、陆茵团队在Advanced Science发表研究，证实内皮细胞MEKK3启动脑海绵状血管畸形（CCMs）病灶形成，小胶质细胞MEKK3则通过MEKK3–NF-κB通路加剧病灶晚期进展。借助AI辅助药物设计与结构优化，团队获得强效MEKK3抑制剂DPDH，可恢复血管屏障完整性并抑制小胶质细胞活化及对受损内皮的吞噬。研究据此提出DPDH作为CCMs候选药物的潜力。
智药局AI 评分7474 Anthropic 公布 Claude 自主蛋白设计研究：64 小时生成 31.8 万个设计，17 个通过结合实测
Anthropic 公布一项生物学研究，Claude 在约 64 小时、约 1 万 GPU 小时内自主调用 12 种蛋白设计工具，针对 Cn2、Ts1、AaH I、AaH II、LqhIII 五种蝎毒神经毒素生成 318484 个微型结合蛋白设计，并完成超过 55 万组蛋白—毒素结构预测。
智药局精选AI 评分7373 全球首个「AI设计病毒」已打进人体！Evo团队新作，有望治愈4000万人
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
Valence Labs精选AI 评分5858 Valence Labs 提出 trajectory replay 持续学习技术，用于 flow matching 与扩散模型
Valence Labs 提出 trajectory replay，一种面向 flow matching 和扩散模型等连续时间生成模型的持续学习技术，通过用前一模型生成路径的速度场重训模型来提醒其已学内容，全程不生成完整样本。
推荐理由：该方法用前一模型生成路径的速度场重训，避免生成完整样本，为连续时间生成模型的持续学习提供更省成本的替代方案。
BioAICraft同新闻AI 评分8888 David Baker 团队与 NVIDIA 开源 RFD4-Proteina 蛋白设计模型
华盛顿大学蛋白质设计研究所与 NVIDIA 等机构在预印本中提出 RFD4-Proteina，将分子身份与三维构象放进同一生成框架，并开源代码。模型用自编码器把氨基酸、修饰氨基酸、糖和核酸表示为锚点坐标加 32 维潜在向量，再由流匹配模型联合生成，并加入单条轨迹内的循环精炼和基于外部指标的分阶段搜索。
Oxford Protein Informatics Group · Blog精选AI 评分5858 解读预印本：从分子结构识别1,815位药物化学家并警示活性预测混淆
牛津蛋白信息学小组博客解读Leash Bio两位联合创始人的预印本，作者用Bemis-Murcko骨架划分训练模型，仅凭分子结构识别1,815位药物化学家中的作者，top 5准确率60%、top 1准确率27%。
推荐理由：文章解读一项预印本发现，化学家风格信号可能混淆公开基准上的活性预测，并指出作者预测任务的评估局限。
AI-Protein DesignAI 评分6060 AI如何靶向无序序列设计蛋白质？六篇重磅论文全解读
该文汇总了David Baker团队已发表的六项靶向无序序列或无序蛋白（IDPs/IDRs）的从头蛋白质设计工作，并逐篇解读设计策略与实验结果。其中Logos法在43个靶点中39个获得结合物（90.7%），RFdiffusion扩散方法在7个IDP/IDR靶点上均获3–100 nM亲和力结合物，最新MYC结合物在多种肿瘤模型中抑癌效果优于Omomyc。
机器之心 · AI4ScienceAI 评分7676 刚刚，Claude 64小时设计31万种蛋白，17种通过实验验证
Anthropic 公布一项生物学研究，Claude 在 64 小时计算设计阶段生成 318484 种针对 5 种蝎毒神经毒素的微型结合蛋白设计，筛选出 211 个候选交由 Adaptyv Bio 和 Twist Bioscience 实验验证，最终 17 个达到预设结合标准。
AI蛋白质AI 评分7878 Baker团队发布Chaperone框架，让AI智能体高效进行蛋白质设计
华盛顿大学David Baker团队在预印本中提出Chaperone，一个将RFdiffusion3与ProteinMPNN、AlphaFold3等50多种蛋白质设计工具集成到统一DataFrame接口的轻量级智能体框架。
AI药物设计实验室精选AI 评分7474 北大团队提出 CheMoDesign，在20种氨基酸之外设计可控结合蛋白
北京大学团队提出 CheMoDesign，以修饰基团或非天然氨基酸为设计起点，基于预训练全原子结构模型 Boltz-2 生成蛋白结合界面，并在凝血酶、HER2、IL-7Rα、Trop-2、CA IX 和 PD-L1 等靶标上测试。
推荐理由：该预印本把非天然化学基团作为设计起点，并用配对替换与酶活实验检验其是否真正参与结合。
C&EN (化学与工程新闻)AI 评分7373 华盛顿大学 IPD 用 AI 设计出金属蛋白酶与半胱氨酸蛋白酶
华盛顿大学 David Baker 领导的蛋白质设计研究所（IPD）在 Nature 发表两篇论文，用 AI 程序生成新型蛋白酶，分别设计出金属蛋白酶（DOI: 10.1038/s41586-026-11167-2）和半胱氨酸蛋白酶（DOI: 10.1038/s41586-026-11143-w）。
LeapFunAI 评分7878 Claude 64 小时设计蝎毒蛋白 minibinder：211 条送检，17 条双实验室达标
Anthropic 公布内部研究模型 Claude 在 Claude Science 上针对五种蝎神经毒素从头设计 minibinder 的技术报告，约 64 小时内生成 318,484 个设计，最终 211 条送 Adaptyv Bio 与 Twist Bioscience 用 SPR 湿实验验证，按双实验室硬标准 17 条达标。
AI4Protein同新闻AI 评分7676 微软 BioEmu2 发布：融合结构预测、平衡态采样与动力学推演的生物分子基础模型
微软研究院 AI for Science 团队（Frank Noé 领衔）推出第二代生物分子基础模型 BioEmu2，将静态结构预测、热力学平衡态采样、跨时间尺度动力学推演和万级残基复合物装配整合为统一工作流。
AI蛋白质精选AI 评分6060 德克萨斯A&M团队在PNAS提出结构感知生成式AI框架，揭示蛋白质家族功能关系
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室发布 SNOOPPI 蛋白互作数据库，收录靶向与非靶向 PPI 数据
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。
DrugAI精选AI 评分7878 Nat. Commun.：RASSCCoL 快速评估配体化学互补性用于蛋白质设计
研究团队在 Nat. Commun. 提出 RASSCCoL，以稳定α螺旋束骨架为基础，通过体积筛选、侧链重排、AutoDock Vina 对接与 AlphaFold2 结构复筛构建小分子结合口袋，DPH 设计流程在单 CPU 核心约 30 分钟完成。
推荐理由：研究用稳定α螺旋骨架加体积互补筛选替代大规模结构生成，为小分子结合蛋白设计提供低成本可解释路径。
BioArt精选AI 评分7676 Nature：机器学习算法PreGame在多发性骨髓瘤中鉴定广谱抗肿瘤γδ T细胞
加拿大玛格丽特公主癌症中心Tak W. Mak和Suzanne Trudel团队在Nature发表研究，开发机器学习算法PreGame，从单细胞CITE测序数据中识别携带肿瘤反应性TCR的γδ T细胞（TR γδ T细胞）。
推荐理由：研究用单细胞CITE测序训练随机森林识别肿瘤反应性γδ T细胞，并追踪其在BPd治疗中的扩增信号。
奶牛猫的CADD实验室精选AI 评分5858 ChemMedChem研究：Boltz-2结合姿势准确但亲和力排序在新口袋区域失效
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
智药邦精选AI 评分6060 联川生物与KAUST发布跨物种单细胞基础模型Speciesformer
联川生物联合阿卜杜拉国王科技大学（KAUST）等单位在bioRxiv发布跨物种生成式单细胞基础模型Speciesformer，用于虚拟细胞构建与跨物种单细胞解析。
推荐理由：该跨物种单细胞基础模型把注释、生成与扰动预测整合到一套架构，并给出与主流模型的基准比较。
iNatureAI 评分3434 Cancer Res | 天津医科大学张真发等发现线粒体隔离cGAS削弱肺腺癌免疫
天津医科大学张真发等通过单细胞与空间转录组学分析CheckMate 816试验标本，发现新辅助化疗免疫治疗无应答肺腺癌中CHCHD3上调，其将cGAS螯合于线粒体、削弱STING信号。敲除CHCHD3可恢复CXCL5/CXCL1产生、减少M2样巨噬细胞并促进CD8+T细胞浸润；虚拟与功能药物筛选鉴定出小分子TN4510，在临床前模型中与化疗免疫治疗协同抑制肿瘤生长。
LeapFun精选AI 评分7373 OpenAI与PerturbAI、Scripps用约1946个智能体并行解读小鼠全脑CRISPR扰动图谱
OpenAI、PerturbAI与Scripps Research以约1946个GPT-Rosalind智能体在约32分钟内并行解读小鼠全脑体内CRISPR扰动图谱，并合成可检索的推理图谱、给出可检验假设。
推荐理由：该预印本用近两千个智能体并行解读小鼠全脑CRISPR扰动图谱，并给出与专家分析对齐的量化结果。
LeapFun精选AI 评分6565 BindCraft2｜627条环肽零命中，BindCraft2升级版本
深圳UniBindMD在bioRxiv复盘用BindCraft2 v1.0.3环肽模式针对人LDHA表面K81乳酰化附近表位的两轮设计，627条轨迹无一进入接受池，609条（97.1%）停在最早的screen阶段。
推荐理由：复盘627条环肽设计轨迹全部零命中，指出默认置信度门槛与短肽模态不匹配的具体卡点。
AI蛋白质精选AI 评分7474 西湖大学与港中文（深圳）提出RiboBridge，用骨架推断的相互作用拓扑连接RNA骨架生成与序列设计
西湖大学与香港中文大学（深圳）团队提出RiboBridge，从RNA骨架几何推断概率化残基对拓扑，经第二轮结构通道回收后以软注意力偏置传给序列解码器。在550条生成骨架上，配对类型解码的联合回折有效率为0.451，匹配的无拓扑解码器为0.335。
推荐理由：该研究把骨架推断的配对拓扑作为可扰动的中间表示，并用多组干预实验定位解码器依赖的关系信息。
BioArt精选AI 评分7878 Arc Institute团队在Cell发表scBaseCount：AI智能体构建5.02亿细胞单细胞转录组数据库
Arc Institute的Yusuf H. Roohani和Hani Goodarzi团队在Cell发表scBaseCount，用AI智能体SRAgent从SRA挖掘并标准化重分析10× Genomics单细胞数据，汇集超过5.02亿个细胞、覆盖27个物种和75种组织。
推荐理由：该研究用AI智能体从SRA挖掘并统一重分析单细胞数据，为细胞基础模型训练提供了可比较的数据规模与扰动识别增益。
AI-Protein Design精选AI 评分7373 近期两篇金属蛋白酶设计文章（Nature vs Vita）比较
文章对比了David Baker团队发表于《Nature》的金属蛋白酶计算设计与曹龙兴团队发表于《Vita》的靶向Aβ切割金属蛋白酶从头设计两项研究。两者均用RFdiffusion系列或ProteusFlow生成骨架、LigandMPNN优化序列并结合AlphaFold2/3多状态筛选，实测结构与设计模型Cα RMSD约0.8–1.88 Å。
推荐理由：对比两篇金属蛋白酶从头设计论文，梳理生成模型、筛选体系与结构验证的异同，并指出周转率差距。
BioAICraft精选AI 评分7272 清华等团队发布Cerebra-Epistasis：多突变组合预测上位性Spearman达0.55
清华大学、中南财经政法大学和华中科技大学研究者于2026年9月24日在bioRxiv发布预印本，提出Cerebra-Epistasis，先由野生型序列预测结构并生成可复用的突变评分与上位性表征，再经轻量组装网络预测多突变组合。
推荐理由：该预印本把突变组合效应与大规模组合评分放进同一框架，并给出上位性预测与基线对比。
AI蛋白质AI 评分8888 Nature：Baker团队用RFdiffusion2从头设计半胱氨酸蛋白酶
华盛顿大学David Baker团队在Nature发表研究，用RFdiffusion2-MI从头设计以活化半胱氨酸亲核体为核心的蛋白酶，69个设计中13个具切割活性，成功率19%，相对背景反应速率提升最高3×10⁷倍。
LeapFun精选AI 评分6565 如何确定抗体功能表位：mimotope-MD-Folddisco 工作流与验收经验
文章介绍上海交大团队与 Jordi Marti 等 2026 年发表的 Mimotope-Guided Molecular Dynamics 方法，用噬菌体选出的 mimotope 经微秒级分子动力学精修抗体结合姿势，再用 Folddisco 映射回抗原以定位功能表位。
推荐理由：文章把几何接触面与功能热点的区别讲成可执行流程，并给出四套晶体体系的命中率与对照结果。
BioTender精选AI 评分7272 Leash Biosciences 发布 Minos 工作稿：用真实湿实验构建分子搜索环境评测 AI
Leash Biosciences 的 Minos 工作稿把预先完成的 DNA 编码化合物库实测结果封装成可反复查询的分子搜索环境，模型每局最多测试 100 个分子、每批最多 5 个。
推荐理由：工作稿把已完成的湿实验封装成可反复查询的分子搜索环境，并给出结构打乱与靶标遮蔽对照，便于理解评测边界。