英灵殿科技等提出 CODesign：全原子蛋白质 binder 序列–结构协同设计模型
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质 binder 协同设计模型 CODesign，通过一致性蒸馏构建约 10.5 万对二聚体样本 Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
#论文/预印本
DrugAIAI 评分7474 DrugAI精选AI 评分7373 Science Advances：高通量筛选结合AlphaFold 3结构优选发现多目标VHH纳米抗体
研究人员在Science Advances报告了一套整合多重荧光酵母展示、深度测序与AlphaFold 3复合物预测的VHH纳米抗体发现框架，以长链三指型α-神经毒素为对象。
推荐理由：研究把酵母展示筛选与AlphaFold 3结构优选串成一条VHH发现流程，并给出精确率与召回率的实测权衡。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技等提出CODesign：让蛋白质序列与结构在全原子binder设计中保持一致
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign，通过一致性蒸馏构建约105,000对二聚体数据Codimer，并用多模态联合流匹配与一致性感知联合重采样（CAR）保持序列与结构一致。
推荐理由：作者团队提出以一致性为核心的蛋白binder协同设计方法，并用消融实验拆解数据与采样环节各自的贡献。
晶泰科技精选AI 评分6565 晶泰科技开源化学反应产率定量AI模型lcms2yield
晶泰科技在GitHub开源化学反应产率定量AI模型lcms2yield，同步开放模型权重、推理代码及训练与评测数据集。
推荐理由：晶泰科技开源可预测紫外校正因子的模型，为高通量实验的产率定量提供了可复现的替代路径。
药明康德AI 评分4040 治疗“癌症之王”，新型RAS抑制剂如何拓展小分子药物的边界？｜Bilingual
2026年第三季度，两款采用不同诱导接近机制的新药获美国FDA批准：百时美施贵宝的CELMoD疗法iberdomide（Zenbexus）于8月13日加速获批用于多发性骨髓瘤，Revolution Medicines的RAS三元复合体抑制剂daraxonrasib（Rasonque）于8月26日获批用于转移性胰腺腺癌。
DrugAI精选AI 评分7878 Nat. Comput. Sci.：主动学习与几何深度学习提升数据稀缺药物发现中的化学反应预测
研究人员提出主动学习、高通量实验与几何图神经网络组成的闭环流程，用于数据稀缺条件下的C–H硼化反应预测。经3轮主动学习新增50种底物、4,821次高通量实验，最终数据集含6,865条反应记录和568种底物，独特Bemis–Murcko骨架由105个增至147个。
推荐理由：研究把主动学习选样与几何图神经网络结合，在C–H硼化上展示数据稀缺条件下的实验闭环路径。
DrugAI精选AI 评分7474 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，用SAPP和DMX两套流程把蛋白设计的实验表征规模化：SAPP将从基因片段到SEC纯化与标准化表征压缩到约48小时、每天可处理数百个设计，DMX用组合条形码和Nanopore长读长测序把廉价oligo pool转为数千个序列验证后的阵列化克隆。
推荐理由：该工作把蛋白设计的实验表征推到每天数百个设计，并展示寡聚几何等变量如何影响功能。
AI药物设计实验室精选AI 评分7474 同济大学等团队在 Nature Communications 发布 MolGenBench，评估17种结构基础分子生成方法
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench，用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法，其中10种从头生成、7种先导优化。
推荐理由：该基准把分子生成评估从合规性推进到活性空间找回，并揭示先导优化与从头设计的差距。
DrugAI精选AI 评分7474 SynCraft：用LLM编辑分子改善可合成性，成果发表于Nature Machine Intelligence
北京大学来鲁华课题组在 Nature Machine Intelligence 发表 SynCraft，让大语言模型提出原子和化学键级编辑指令，由 RDKit 执行、SimpRetro 搜索逆合成路线，以改善生成分子的可合成性。
推荐理由：研究提出让大模型输出原子级编辑指令、由化学软件执行并检验逆合成的分子可合成性优化方法，为生成分子的后续改造提供可复用流程。
BioAICraft精选AI 评分7171 KAIST 团队发布 SoupFold：融合 AlphaFold3 等四模型表征提升复合物结构预测
韩国科学技术院（KAIST）的 Hyosoon Jang、Taewon Kim 和 Sungsoo Ahn 在 arXiv 预印本 Co-folding with a Soup of Representations 中提出 SoupFold。
推荐理由：该预印本把多个结构模型的成对表征融合后重新生成结构，并给出抗体抗原与分子胶基准上的对照结果。
AI药物设计实验室精选AI 评分5858 Nature Communications｜MALVINA：单细胞深度学习揭示细菌互作与药物如何重塑病原性
《Nature Communications》在线发表的这项研究提出 MALVINA 工作流，将宿主—病原体共培养、高内涵成像与深度学习分类结合，分析 1320 个微孔、约 130 万个人结肠上皮细胞，同时读出细菌入侵宽度、入侵深度、感染细胞直接基因毒性和未感染细胞群体基因毒性四项指标。
推荐理由：该研究把细菌入侵与宿主基因毒性拆成单细胞读数，为抗菌药物评价提供杀菌之外的观察维度。
AI药物设计实验室精选AI 评分6969 RouteFlow 在连续合成路径潜在空间中设计可合成分子
RouteFlow 将分子优化转化为连续合成路径潜在空间中的搜索，为解码成功的候选分子同时给出由构建块和反应模板组成的合成路线。研究用 270,423 个 Enamine 构建块、115 个反应模板和最多五步路线训练路线自编码器，并以奖励引导流匹配加循环一致性约束进行优化。
推荐理由：该预印本把合成路线编码为连续潜在空间做分子优化，为兼顾性质与可合成性提供了一种可迁移的搜索思路。
Rohith KrishnaAI 评分7272 KingLab 发布预印本：用全原子方法设计糖基化从头蛋白
KingLab 在 bioRxiv 发布预印本，报告多种结构编码的寡甘露糖型糖蛋白，提出糖基化可作为从头蛋白设计的可设计参数。作者 Rohith Krishna 转发该预印本并指出，多数蛋白设计只使用 20 种氨基酸，而糖基化等翻译后修饰在生物功能中必不可少。预印本链接为 https://bit.ly/4s2qK4M。
Fabian Theis精选AI 评分7676 LabCompass预印本：用生成式逆向设计指导细胞实验
Fabian Theis团队发布预印本LabCompass，将实验设计的生成模型与细胞响应的前向模型耦合，在连续设计空间中按目标表型生成候选实验条件，并逐轮用实验测量反馈。
推荐理由：研究把细胞响应预测模型反过来用于设计实验，并在原代造血细胞中做了实验验证，为虚拟细胞的实验指导能力提供了参照。
英灵殿科技Valhalla精选AI 评分7373 英灵殿科技提出 OFAntibody：单抗与双抗联合生成的全原子抗体设计框架
英灵殿科技团队提出 OFAntibody，一个以抗原结构、指定表位和预定义抗体框架或双抗构型为输入、生成 CDR 全原子结构的统一框架，支持纳米抗体单抗及 tandem VHH、diabody、CODV-like 等双抗构型的联合设计。
推荐理由：该研究把双抗两个结合臂与连接区放在同一全原子框架中联合生成，并给出与独立拼接的碰撞对比。
奶牛猫的CADD实验室精选AI 评分6262 Martini 3 结合自由能误差从 5.7 降至 1.2 kcal/mol，配体排序中位相关仅 0.32
一篇预印本在 15 个靶点、172 个配体上评估 Martini 3 粗粒化模型的绝对结合自由能计算，发现模型系统性低估结合强度，按口袋带电残基数做线性校正后平均绝对误差从 5.7 降至 1.2 kcal/mol。
推荐理由：解读预印本对Martini 3结合自由能误差的分解，说明整体偏移校正与配体排序能力为何是两件事。
AI药物设计实验室精选AI 评分7878 Nature Communications 2026：高通量蛋白质组学与AI折叠发现靶向VAV1的分子胶
2026年发表于《Nature Communications》的研究用高通量DIA全球蛋白质组学在Jurkat细胞中筛选出可经CRBN诱导VAV1降解的苯基-戊二酰亚胺类分子胶，关键降解元件定位在VAV1 C端SH3-2结构域的RDxS基序（796–799位点）。
推荐理由：研究把高通量蛋白质组学与AI三元复合物折叠串成分子胶发现链，并给出FEP与细胞降解效力的相关性参照。
晶泰科技精选AI 评分6262 晶泰科技与暨南大学在JMC发表RET抑制剂研究，打通专利数据到小鼠药效的研发链路
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
LeapFun精选AI 评分7474 诺和诺德等团队发布Proton-PottsMPNN，将质子化状态写入AI蛋白设计
丹麦技术大学、MIT与诺和诺德团队在bioRxiv发表预印本，提出Proton-PottsMPNN，通过显式设计氨基酸质子化状态生成酸性条件下结合PD-L1的候选蛋白。
推荐理由：该预印本把可滴定残基的质子化状态纳入序列设计目标，为条件响应型结合剂设计提供了可复用的建模思路。
AI蛋白质精选AI 评分8585 DeepMind发布AlphaProtein Novo：从头设计酶在哌啶合成与DEHP降解中超越自然序列挖掘
Google DeepMind团队在预印本平台发布AlphaProtein Novo（AP Novo）机器学习流水线，报告从头设计酶在哌啶合成和DEHP降解两个挑战性反应上超越自然序列或突变体筛选。
推荐理由：该预印本报告从头设计酶在哌啶合成与DEHP降解中超过天然序列筛选，并给出序列集合评分这一可迁移方法。
晶泰科技精选AI 评分5858 晶泰科技在《JACS》报道锑基手性催化剂设计，以计算先行实现92% ee
晶泰科技在《JACS》发表研究，针对环氧化物与苯胺的不对称开环反应，设计五价锑催化剂并锁定CAC-10，在5 mol%用量、甲苯室温条件下以99%收率和92% ee得到手性β-氨基醇，底物覆盖33种环氧化物与苯胺组合。
推荐理由：借诺奖手性放大机理切入，介绍晶泰科技用DFT与非线性效应实验设计锑基手性催化剂的工作。
Corin WagenAI 评分4242 LLM 逆折叠能力引热议
Ishaan 在这里做了很酷的工作。这似乎是一个有趣的“临界能力”案例：零样本逆折叠（IF）并不真正奏效，但给出几个示例（以及一些迭代）后，模型就具备了不容小觑的能力。 很期待看到这一方向如何发展。把 LLM 整合进蛋白质设计流程的想法有些奇怪，但也许目前（或不久的将来）相当合理？
Rohith KrishnaAI 评分7878 AlphaProtein Novo 发布从头酶设计流程，结合原子扩散与序列扩散
Google DeepMind 与 Frances Arnold 团队合作推出从头酶设计流程 AlphaProtein Novo（AP Novo），将原子扩散与离散序列扩散结合用于生成酶。引用内容称，该流程在两个基准反应上取得新骨架（novel-scaffold）活性方面的 SoTA，并设计出用于合成药物基元哌啶和降解环境毒素 DEHP 的酶。相关预印本与代码已发布在 bioRxiv 和 GitHub；转发者评价酶设计仍处早期。
Pranam Chatterjee精选AI 评分7171 PepRePs：用pLM生成肽引导重定向磷酸酶实现可编程去磷酸化
Pranam Chatterjee团队提出PepRePs（peptide-retargeted phosphatases），即用肽引导重定向磷酸酶，目标是实现对任意靶点的可编程去磷酸化。该工作延续其用蛋白语言模型生成肽引导E3（uAbs）和DUB（duAbs）的思路，相关预印本已发布于bioRxiv。
推荐理由：作者团队把肽引导策略从E3、DUB扩展到磷酸酶，为可编程去磷酸化提供了一条新的设计思路。
Kevin K. YangAI 评分5858 Kevin K. Yang 提出结合化学知识、生成建模与结构预测的酶设计流程
Kevin K. Yang 提出将化学知识、生成建模与结构预测组合成一条流程，用于为新自然界化学反应设计酶。推文未披露该流程的具体方法、实验验证或性能数据。
DrugIntel精选AI 评分6262 Rowan 测试不同 Pose Ranking 方法对 RBFE 计算的影响
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
TurbineAI 评分4242 Turbine在World ADC大会展示vLab® ADC发现数据
Turbine科学项目负责人Jerzy Woźnicki在圣地亚哥World ADC大会报告vLab®如何指导ADC发现，覆盖体外载荷选择到ADC体内转化。海报涵盖约1400个细胞系模型的ADC敏感性图谱、预测克服耐药性的协同组合，以及靶点表达之外的生物标志物识别，用于临床前患者模型选择；公司称预测与已有临床和实验证据一致。
Marinka Zitnik精选AI 评分6262 生物推理模型是否真正使用生物输入
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室 NeurIPS 论文提出 pCoMole，将生物分子缩小同时保留功能
Pranam Chatterjee 团队在已被 NeurIPS 接收的论文中提出 pCoMole，目标是在保留或提升分子功能的前提下缩小生物分子尺寸，以降低合成、制造与递送难度。论文编号为 arXiv:2610.01663，模型已在 Hugging Face 的 ChatterjeeLab/pCoMole 页面公开。推文未披露具体分子模态、评测指标与实验结果。
推荐理由：作者团队提出面向生物分子的缩小化生成方法，为在保持功能前提下压缩分子尺寸提供了可复用的建模思路。
DrugIntel精选AI 评分7474 预印本追踪 Boltz-2 的 Pose→Affinity 信息流：亲和力头实际读取第二套结构
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
Evaxion Biotech 官网资讯AI 评分4040 Evaxion将在SITC 2026年会公布个性化癌症疫苗EVX-01的新免疫数据
Evaxion将于11月4-8日在SITC 2026年会以口头和壁报形式公布AI设计的个性化癌症疫苗EVX-01的新免疫数据，展示其联合pembrolizumab在晚期黑色素瘤患者中疫苗特异性T细胞应答之外的全身免疫调节效应。
Brian HieAI 评分1818 Evo-Φ36冷冻电镜结构获PDB月度分子
很高兴我们的Evo-Φ36冷冻电镜结构在PDB 55周年的“月度分子”文章中获重点介绍！ 获得这个结构是@_David_Li @samuelhking @driscoll_cl @maxewilkinson的出色工作。 https://pdb101.rcsb.org/motm/322
Frank NoéAI 评分5555 社区驱动的原子尺度机器学习生态战略路线图发布
Frank Noé 在 X 上分享了一份社区驱动的原子尺度机器学习生态战略路线图，并特别致谢 Michele Ceriotti 在汇总工作中的大量投入。路线图全文见 arXiv 预印本 2609.39090，推文未披露具体内容与结论。
Marinka ZitnikAI 评分5858 Marinka Zitnik 评述 DeepMind 为 AI 生成蛋白质加水印的研究
Marinka Zitnik 评述 Google DeepMind 一项为 AI 生成蛋白质加水印的新工作，称其能在保持蛋白质功能和 AI 设计质量的同时嵌入标记。她提到曾与 Science 讨论追踪生物学中生成式 AI 输出的水印等策略，并称前学生 Zaixi Zhang 在 Nature 上讨论了该工作及团队相关方法 FoldMark。她引用的 Nature 内容指出，这类数字标记可被擦除。
奶牛猫的CADD实验室精选AI 评分7676 无约束生成全军覆没的靶点，这套方法拿到 20%+ 实验命中率｜AI 制药日报 0930
Prescient Design 提出 MIMOSA，在推断阶段把靶点已知结合物的界面几何与残基性质作为约束喂给扩散过程，不重训练模型，可直接套用于 RFAntibody 和 BoltzGen。
推荐理由：汇总多条预印本与工具更新，其中抗体推断时约束方法附湿实验命中率，便于比较难靶点设计思路。
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。
DrugIntel精选AI 评分5858 Nature Methods前瞻：蛋白质结构预测从静态结构走向构象集合
Wankowicz与Bonomi在《Nature Methods》发表前瞻文章，指出AlphaFold等工具已改变静态结构预测，但仍无法捕捉完整构象集合，核心瓶颈是缺乏原子分辨率下可作金标准的真实参考数据。
推荐理由：文章系统梳理构象集合预测在数据、表示与评价上的瓶颈，为理解结构预测的下一步提供框架。
AI蛋白质精选AI 评分7272 药企联盟用2万余条私有蛋白结构数据微调OpenFold3，提升药物结合预测
由艾伯维、BMS、强生等药企组成的AISB Network利用OpenFold3，在五家公司提供的20,167个蛋白质-配体复合结构上微调，私有数据受保护且不公开。
推荐理由：药企联盟用两万余条私有结构微调开源模型，为数据共享能否提升结合预测提供了对照参照。
Pranam ChatterjeeAI 评分1212 六篇论文被NeurIPS接收
我为我的学生们感到无比骄傲：6篇论文被NeurIPS接收！！😭 这些工作（经过多轮修改/重投打磨🧑🏻💻，还有湿实验工作！🧑🏻🔬）是新颖算法如何带来转化成果的绝佳范例。下一站：悉尼🇦🇺 + 亚特兰大🇺🇸！✈️
Collaborations Pharmaceuticals 官网资讯AI 评分4949 Collaborations Pharmaceuticals 用机器学习模型发现广谱抗病毒分子 CPI-1058，对埃博拉 Bundibugyo 病毒有亚微摩尔抑制活性
Collaborations Pharmaceuticals 利用其已发表的埃博拉抑制机器学习模型识别出小分子 CPI-1058，并经学术机构和 NIAID 资助实验室的体外合作测试，显示其对 Sudan 与 Bundibugyo 病毒均为亚微摩尔抑制剂。