Langevin Flow Maps：无需轨迹监督的大步长分子动力学与过渡路径采样
arXiv 预印本提出 Langevin Flow Maps（LFM），通过学习朗之万随机动力学在有限时间区间内的状态映射实现大步长模拟，训练不依赖时间有序轨迹监督。
#论文/预印本
DrugIntelAI 评分7272 BioTender精选AI 评分5858 《Molecular Cell》推出AI分子生物学专题，14篇内容聚焦预测与实验验证边界
《Molecular Cell》第86卷第20期于2026年10月15日推出“Artificial intelligence in molecular biology”专题，共14篇内容，包括1篇社论、5篇Insights、6篇综述和2篇原创研究，覆盖蛋白、RNA、基因编辑和单细胞。
推荐理由：专题把蛋白设计、RNA与单细胞预测放进同一证据框架，并逐项标出计算预测与实验验证的边界。
BioArtAI 评分4444 Cell Biomaterials综述 | AI驱动肽类药物发现
西湖大学曾坚阳团队与宾夕法尼亚大学Cesar de la Fuente-Nunez团队在Cell Biomaterials发表综述，系统梳理肽-蛋白相互作用的实验发现、AI预测与生成式设计及治疗转化挑战。
BioArt精选AI 评分5858 GenBio AI 团队在 Cell 提出虚拟细胞世界模型框架
GenBio AI 的 Eric Xing（邢波）与 Le Song（宋乐）团队在 Cell 发表观点文章，提出虚拟细胞世界模型（VCWM）的操作定义与架构，将其描述为多模态、多尺度、动态且有状态的计算系统。
推荐理由：GenBio AI 团队在 Cell 提出虚拟细胞世界模型的模块划分与评测路线，为理解细胞模拟器的架构与数据需求提供框架。
木可AI探索笔记精选AI 评分6060 Radical Numerics 技术报告解读：Tessera 按行为指纹分组数据混合，DNA 语料宏基因组占比从 14% 降至 4%
Radical Numerics 发布技术报告，介绍 Tessera 数据混合方法：先为采样文档各训一个不到 1 亿参数的微型代理模型测出行为指纹，再降维成行为轴并用回归器外推到全语料，最后在行为空间聚类成派生源、用 MixMin 配权重。
推荐理由：梳理 Tessera 按文档行为指纹分组配比训练数据的方法，及其在 DNA 语料上的分组结果与规模限制。
AI-Protein Design精选AI 评分7878 Baker团队用Logos与RFdiffusion设计MYC无序区结合蛋白，原位胰腺癌模型中肿瘤细胞被选择性耗竭
Baker团队在bioRxiv预印本中报告，用Logos框架与RFdiffusion针对MYC的4个保守表位（MBI Loop 1、MBIIIa Loop 2、MBIV Loop 3及bHLH螺旋表位）从头设计结合蛋白，初筛192个设计中15个亲和力优于500 nM，成功率约7.8%。
推荐理由：该预印本报告用Logos与RFdiffusion靶向MYC无序区设计结合蛋白，并给出亲和力优化与体内抑瘤数据，可作为无序靶点设计的参照。
LeapFunAI 评分8080 Google Research闭环湿实验三件套公布：将Agent锚定于湿实验，获癌症靶点个位数纳摩级结合物
Google Research 于 2026 年 10 月 16 日发布研究综述，围绕 VERID 语义数字孪生、适配体闭环沙箱和表位切除驱动的 de novo binder 设计三项工作，把 AI Agent 接入物理液体处理机器人跑通闭环分子设计。
Leo ZangAI 评分6565 MESSI：用离散扩散为蛋白去免疫原性的生成方法
研究者提出生成方法 MESSI，用离散扩散对蛋白进行去免疫原性设计，降低预测的 MHC-II 表位。在荧光素酶、PD-1 结合剂和尿酸酶中，实验验证其功能得以保留或提升，尿酸酶属于 FDA 已批准疗法所用酶家族。
LeapFun精选AI 评分7474 普林斯顿团队发布MESSI生成式扩散模型，将免疫原性融入蛋白生成
普林斯顿团队在bioRxiv发布结构条件生成式离散扩散模型MESSI，在生成过程中引入免疫风险反馈，输出在指定MHC-II分子上预测表位可降至零且保持结构可行性的序列，代码已开源。
推荐理由：该预印本把免疫原性预测前移为生成约束，并在三类蛋白上给出湿实验活性与结合数据，可供评估去免疫原设计流程。
智药邦精选AI 评分6363 Nature Reviews Drug Discovery 访谈 OpenBind 负责人 Charlotte Deane：AI 药物发现的数据鸿沟如何填补
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
推荐理由：OpenBind负责人谈蛋白-小分子结合数据缺口，并给出首组数据集与盲测挑战的具体规模。
DrugAI精选AI 评分8888 Nature：Baker团队用RFdiffusion从头设计金属蛋白酶
David Baker团队在Nature发表研究，利用RFdiffusion系列生成模型从头设计含锌配位中心和多肽结合口袋的金属蛋白酶，135个实验测试设计中36%能在预期位置切割多肽底物。
推荐理由：研究把从头酶设计从酯键水解推进到稳定肽键，并指出显式建模催化水分子是成功率差异的关键。
AI-Protein DesignAI 评分4040 诺奖成序章，奋斗正当时！今年David Baker已手握9篇NS正刊
截至2026-10-16，David Baker团队今年在《Nature》和《Science》正刊发表9篇论文（含1篇综述），覆盖人工酶从头设计、靶向GPCR与Ras的结合蛋白、蛋白质纳米笼、荧光团结合蛋白及膜蛋白结构解析工具。其中Science论文报道RFdiffusion3可在生物大分子中直接构建原子级精度的功能位点支架，Nature论文则实现半胱氨酸蛋白酶与金属蛋白酶的从头设计。
DrugAI精选AI 评分7474 微软 Retrochimera 组合 Transformer 与 GNN 提升逆合成分析
微软研究院团队在 Nature 发表 Retrochimera，将逆合成 Transformer R-Smiles 2 与图神经网络 Neuralloc 组合，在约三分之二的化学家盲评比较中其建议优于参考数据集反应。
推荐理由：微软团队把 Transformer 与图神经网络组合成逆合成工具，并用化学家盲评和药企内部数据检验其表现。
AI药物设计实验室精选AI 评分7272 默沙东与得州理工在npj Drug Discovery提出PepOpt，174.4秒从约10⁵⁰种肽组合中筛出前1000条
默沙东与得克萨斯理工大学研究人员在npj Drug Discovery发表可解释机器学习框架PepOpt，用位置特异的ECFP4指纹加贝叶斯岭回归预测肽活性，并借助可加性动态规划在约10⁵⁰规模空间中174.4秒返回模型评分最高的1000条序列。
推荐理由：该框架把位置特异的化学子结构编码与可加性动态规划结合，为超大肽库的候选排序提供了可解释的搜索路径。
DrugIntelAI 评分7272 HDOCK-Multimer融合分子对接与组合组装预测大型蛋白质复合物结构
研究人员提出HDOCK-Multimer（HDM），将非对称对接、对称对接与遗传算法组合组装结合，用于大型蛋白质复合物结构预测。
奶牛猫的CADD实验室精选AI 评分7474 少考虑一颗水分子，AI 设计蛋白酶的成功率差了这么多？
David Baker 团队在 Nature 发表研究，用 AI 从头设计可切断指定肽键的金属蛋白酶：结构评估仅考虑 Zn²⁺ 时实验成功率为 14/95（约 15%），同时考虑 Zn²⁺ 和催化水后升至 35/40（约 88%）。
推荐理由：解读 Baker 团队金属蛋白酶设计研究，说明催化水如何改变计算筛选的成功率。
AI-Protein Design精选AI 评分7676 Baker团队在《Nature》发表人工金属蛋白酶设计，可定点水解TDP-43但活性仍低于天然酶
Baker团队在《Nature》报告用RFdiffusion2/3与EnhancedMPNN从头设计金属蛋白酶，显式建模锌配位催化水分子后湿实验筛选阳性率从15%升至88%。代表性设计TDPn3可定点切割全长TDP-43单体与寡聚体，SDS-PAGE和质谱确认断裂位点，阴性对照无切割条带。作者指出最强变体Zn45_v2周转率仍比顶级天然金属蛋白酶低约2个数量级，且尚无细胞或动物实验验证。
推荐理由：文章拆解了Baker团队金属蛋白酶从头设计的策略演进，并点明催化效率与体内验证的具体边界。
AI药物设计实验室AI 评分8888 Nature 发表华盛顿大学团队从头设计半胱氨酸蛋白酶：69 个设计中 13 个具切割活性
华盛顿大学等团队在《Nature》报告用 RFdiffusion2 分子界面版本生成骨架、ProteinMPNN 设计序列并经 AlphaFold 3 复核，从头设计出能按序列切割多肽的半胱氨酸蛋白酶，69 个实验候选中有 13 个具切割活性。
DrugAI精选AI 评分8888 Science 发表 RFdiffusion3：全原子扩散实现生物聚合物原子级功能位点支架设计
研究人员在 Science 发表 RFdiffusion3（RFD3），一种基于全原子自由扩散的生成式模型，可在统一框架下设计蛋白质、RNA、DNA 及其复合物，并直接以催化原子坐标、氢键和配体埋藏等条件构建功能位点。
推荐理由：该研究把生成式设计从残基级推进到全原子级，并给出人工酶实验活性数据，可作为理解功能位点设计边界的参照。
智药邦精选AI 评分8080 Nature Biotechnology｜AdaptiveFlow实现数百亿分子库的自适应虚拟筛选
意大利帕维亚大学、Dana-Farber癌症研究院等团队在《Nature Biotechnology》发表开源平台AdaptiveFlow，将Enamine REAL Space约315亿原始分子预处理为约690亿可直接对接条目，通过18维分子性质分区与自适应靶标引导虚拟筛选（ATG-VS）降低超大规模对接开销。
推荐理由：研究用分子性质分区与靶标引导抽样压缩数百亿级对接空间，并在两个靶点获得实验验证的抑制剂。
UW Institute for Protein DesignAI 评分6565 IPD 团队在 Nature 发表从头设计蛋白酶研究
UW 蛋白质设计研究所（IPD）的 Anqi Chen、Kejia Wu 和 Hojae Choi 从头设计出蛋白酶，这些“分子剪刀”能高精度切割用户指定的目标序列。该成果本周发表于 Nature，推文未披露切割效率、特异性数据或实验体系。
Rohith KrishnaAI 评分7272 RFdiffusion3 在 Science 发文：扩散方法改进淀粉样序列蛋白酶与农药降解金属水解酶设计
作者在 Science 发文更新去年提出的扩散方法 RFdiffusion3，称其在针对淀粉样序列的序列特异性蛋白酶和用于农药降解的金属水解酶设计上有显著改进。推文未披露具体指标、实验体系与对照结果。
Corin Wagen精选AI 评分5858 Corin Wagen 团队复现 SandboxAQ taqo 方法：单点蛋白-配体焓值可作同系列 ∆∆G 启发式
Corin Wagen 表示其团队复现了 SandboxAQ 发布的 taqo 方法，得到与原文非常相似的结果。该方法用神经网络势（NNP）计算单点蛋白-配体焓值，作为同系列化合物内 ∆∆G 的启发式指标。
推荐理由：作者复现了 SandboxAQ 的 taqo 方法，为同系列内用单点焓值近似 ∆∆G 的可行性提供了独立参照。
Oxford Protein Informatics Group · Blog精选AI 评分6565 OPIG 发布 Therapeutic Nanobody Profiler 纳米抗体可开发性评估工具
牛津 OPIG 的 Gemma Gordon 在博士项目中开发了 Therapeutic Nanobody Profiler（TNP），用 6 项针对纳米抗体特性的指标，将候选纳米抗体的结构与理化性质对照 36 个临床阶段样本进行基准评估。
推荐理由：作者介绍其博士项目开发的纳米抗体可开发性评估工具，说明指标构成、临床参照集与配套实验数据来源。
DeepTech深科技精选AI 评分8383 AI从零设计蛋白酶，催化加速超100亿倍，David Baker团队重磅成果连发两篇Nature
华盛顿大学David Baker团队10月14日在Nature发表两篇论文，用RFdiffusion、ProteinMPNN和AlphaFold 3从头设计半胱氨酸蛋白酶与金属蛋白酶。
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实验成功率与催化加速，并给出与天然酶的差距。
Alex Zhavoronkov精选AI 评分5858 PandaOmics分析77个人脑数据集，线虫与人神经元验证阿尔茨海默病候选靶点
Insilico Medicine的Alex Zhavoronkov介绍，团队用PandaOmics读取77个人脑数据集寻找阿尔茨海默病新靶点，并用线虫和人神经元检验这些答案。该工作以AI与湿实验闭环的方式推进靶点发现，已发表于Alzheimer's & Dementia，DOI为10.1002/alz.71680。
推荐理由：作者团队用PandaOmics分析人脑数据集，并在线虫与人神经元中验证候选靶点，呈现AI与湿实验闭环的靶点发现路径。
奶牛猫的CADD实验室精选AI 评分7171 GluePlex 提出无三元结构下的分子胶计算优化路线
发表在 Nature Communications 的 GluePlex 研究针对 VAV1 分子胶，在缺少三元复合物实验结构时用 PeSTo 预测接触区域、HADDOCK 对接生成 6 个构象簇模板，再由 Boltz-2 共折叠生成 120 个候选三元结构并按 chainpair_ipTM 筛选。
推荐理由：该研究把蛋白对接、共折叠与自由能计算串成分子胶优化流程，为缺少三元结构的项目提供可迁移做法。
智药邦AI 评分7474 Nature Biotechnology研究提出指标校准框架，重新评估AI虚拟细胞扰动预测模型
英国Shift Bioscience与多伦多大学等团队在《Nature Biotechnology》发表研究，分析14个基因扰动数据集和18种评估指标，指出MSE和基于对照细胞的表达变化Pearson相关系数等常用指标校准不足，可能低估深度学习模型的扰动预测能力。
木可AI探索笔记精选AI 评分7474 David Baker 团队推出 Prompteina：用自然语言指令设计蛋白并在 GM2A 靶点筛出 6 个结合剂
David Baker 团队发布蛋白生成模型 Prompteina，以英伟达 Complexa 为底子、用 5240 万条结构描述训练，可直接接受自然语言指令设计蛋白。据该文，它在 18 项任务中胜出 15 项，折叠架构控制指标提升到 51.1%，在 20 个靶点盲测中至少胜出 13 个。湿实验针对 GM2A 靶点挑选 90 个设计，筛出 6 个有效结合剂，最强亲和力为 107 nM。
推荐理由：介绍 Prompteina 用自然语言指令驱动蛋白生成，并给出湿实验筛出结合剂的结果，便于了解该方向的方法与证据边界。
木可AI探索笔记精选AI 评分8383 David Baker团队提出文本条件化全原子蛋白生成模型Prompteina，GM2A结合剂湿实验命中率6.7%
David Baker团队联合新加坡国立大学和AI2提出文本条件化全原子蛋白质结构生成模型Prompteina，以自然语言作为统一条件入口，基底为NVIDIA团队的Complexa。
推荐理由：梳理Prompteina如何用自然语言统一蛋白生成接口，并完整走通agent设计到湿实验命中的链条。
Pranam Chatterjee精选AI 评分6767 LFD 框架用 LLM 自适应课程微调肽和小分子流模型
研究提出 LLM-to-Flow Distillation（LFD）方法，从“设计具有抗癌活性的肽”或“设计结合 D2 多巴胺受体的小分子”等自然语言目标出发，通过迭代 DPO 将 LLM 生成子目标的知识蒸馏进科学生成器。
推荐理由：该方法把自然语言目标蒸馏进肽与小分子流模型，并在留出计算评测中与奖励引导方法比较。
Corin Wagen精选AI 评分5858 Anton Ni 与 Joonho Lee 提出基于 UMA 嵌入的隐式溶剂模型
Corin Wagen 推荐 Anton Ni 与 Joonho Lee（哈佛大学化学与化学生物学系）的新工作：作者在 SMD 数据上基于 UMA 嵌入训练了一个兼容神经势（NNP）的隐式溶剂模型，并展示该模型可用于分子动力学、logP 预测、异构体 ΔG 预测和 SNAr 机理研究。推文未披露模型性能数字与对照结果。
推荐理由：该工作把 UMA 嵌入用于训练兼容神经势的隐式溶剂模型，并展示其在多类化学任务上的适用面。
AI药物设计实验室精选AI 评分7272 ICLR 2026 论文 MolecularIQ 评测 38 个大模型化学结构推理，最高准确率 47.5%
约翰内斯·开普勒大学等机构在 ICLR 2026 发表基准 MolecularIQ，用 RDKit 符号程序核验 38 个开源大模型对分子结构的计数、原子索引定位和约束生成能力，最高总体准确率为 GPT-OSS 120B（High）的 47.5%。
推荐理由：该基准用 RDKit 符号核验拆解分子结构推理，并揭示 SMILES 写法变化带来的性能落差。
BioAICraft精选AI 评分7373 David Baker 团队预印本提出从头设计控制 N-连接糖链组成
David Baker、Neil King 等人在 bioRxiv 发布预印本，提出通过从头蛋白质设计在糖链周围构建结构遮挡、限制加工酶接近，从而控制 N-连接糖链组成。
推荐理由：解读 Baker 团队预印本如何用结构遮挡控制糖型，并给出从约1%到约47%的筛选改进路径。
AI-Protein DesignAI 评分8282 Baker团队在bioRxiv报告从头设计可编程N-糖基化蛋白
David Baker与Neil P. King团队在bioRxiv发布预印本，提出通过从头蛋白质设计编程N-糖基化位点与聚糖组成。流程整合RFdiffusionAA、LigandMPNN、RF3/AF3与ΔRASA空间包埋指标，使高甘露糖型糖蛋白设计成功率从第一代的1.0%（1/97）提升至46.5%（20/51）。
Yang Zhang LabAI 评分4040 从代码验证到癌症免疫：新加坡国立大学计算学院拓展AI for Science版图
新加坡国立大学计算学院四位教授获新加坡国家研究基金会资助，将AI分别用于程序验证、诊疗一体化抑制剂发现、材料设计与T细胞识别建模。其中Yang Zhang获S$9m资助，构建AI模型解析TCR-pMHC相互作用，以支持治疗性T细胞受体设计与个性化癌症免疫疗法。
LeapFun精选AI 评分6363 12篇论文解码Orbis：AI环肽平台与诺和诺德14亿美元合作
作者梳理12篇论文，拆解Orbis如何用非天然构件大环、ⁿCycle-Forge计算搜索与自动化合成构成环肽发现体系。ⁿCycle-Forge以Boltz共折叠评分为代理目标，对两个靶点做约12万次共折叠评价并合成1472个设计，凝血酶初筛命中35/736，约为历史库的24倍，MDM2命中率约4.6%与历史定向库相近。
推荐理由：文章逐层拆解Orbis大环肽平台的计算与实验证据，并区分技术源流与公司独占资产。
药学进展精选AI 评分6262 南京中医药大学纪建建团队在Cell Reports Medicine发表AI筛选抗耐药RSV中药成分Punicalin的研究
南京中医药大学纪建建团队利用自主构建并开源的抗病毒药物AI模型，从中药化合物库中筛选出活性成分Punicalin，成果发表于Cell Reports Medicine。
推荐理由：研究用开源抗病毒AI模型从中药化合物库筛出靶向RSV G/F蛋白的天然产物，并给出动物实验与专利信息。
智药邦精选AI 评分6767 上海人工智能实验室等发布AblateCell智能体，实现虚拟细胞模型自主复现与消融
上海人工智能实验室、复旦大学、香港科技大学（广州）等团队在arXiv发布AblateCell，一个面向AI虚拟细胞代码仓库的“先复现、后消融”多智能体系统，在CPA、GEARS、BioLORD三个单细胞扰动预测模型上取得88.9%的端到端任务成功率和93.3%的关键组件识别准确率（Acc@5）。
推荐理由：研究把模型复现与消融实验串成自主流程，并在三个单细胞扰动预测模型上给出与人工组对比的成功率数据。
AI蛋白质AI 评分1010 Prompteina：用自然语言从头设计蛋白质结构与序列的预印本模型
华盛顿大学等团队提出Prompteina，以自然语言为统一接口联合生成蛋白质全原子结构与序列，在18项结构控制任务中15项领先，CATH折叠类别准确率96.0%。