力文所发布以 Agent 为核心的蛋白质设计智能应用 Lévin™ Harness，将数据、模型、插件工具、算力和工作流整合到同一工作区。该应用内置 Mol* 三维结构查看器，使分子结构进入 Agent 上下文，并以插件形式接入 AlphaFold、ProteinMPNN、Pallatom、RFantibody 等开源工具，自动完成下载、安装与调用。
推荐理由：该产品把结构查看、开源设计模型与工作流编排收进同一 Agent 工作区，可对照现有蛋白设计工具链的碎片化问题。
天鹜科技同时入选福布斯亚洲“2026年亚洲100家最值得关注的企业”榜单和甲子光年“2025-2026年度医疗健康最具投资价值企业”榜单，前者以“AI驱动创新”为主题，天鹜科技是中国大陆仅有的10家上榜企业之一。
西雅图研究联盟AI BioDesign于9月3日宣布成立，由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建，David Baker与Jay Shendure共同领导。
推荐理由：该联盟把计算设计、高通量实验与开放资源放在同一循环中，为观察蛋白质设计平台的组织方式提供参照。
MIT Jameel Clinic 研究附属成员、Boltz 联合创始人兼 CEO Gabriele Corso 入选 MIT Technology Review 2026 年“35 岁以下创新者”榜单生物技术类别。
Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。
推荐理由：作者团队报告其设计的肽在小鼠体内实现靶向降解，为序列设计结合剂的体内验证提供实例。
百奥几何与金斯瑞生物科技正式达成战略合作，以标准化高质量蛋白功能标注数据推动 Data Scaling，持续迭代 GeoFlow 蛋白质基础大模型。金斯瑞及其关联公司（含 CDMO 平台蓬勃生物）将通过自动化实验平台与真实项目产出结构、功能、结合活性、稳定性与可开发性数据，百奥几何负责下一代模型的训练、评估与调优。
推荐理由：百奥几何与金斯瑞把实验数据接入 GeoFlow 迭代，展示了蛋白生成模型与产业级湿实验体系协作的一种路径。
佰翱得方面在讨论中称，其正推进基于结构比对与相似性的蛋白“元宇宙”计划，已完成近100万结构的两两比对，拟将数十亿蛋白序列按结构聚类并叠加功能注释，建成共用数据库供检索使用。该体系被描述为可用于酶设计、蛋白骨架与PPI设计及酶工程，但讨论中多位参与者质疑“元宇宙”概念华而不实，认为结构比对与蛋白设计仍有距离。公司称目标开源，但因使用公司资源，尚不能保证开源免费。
Brian Hie 宣布 Proto 现可在 ChatGPT 中使用，并给出用 Germinal 做从头纳米抗体设计、用 Evo 2 做语义设计的两个对话示例链接。他同时指向 OpenAI 开发者博客的 Rosalind Workbench 研究预览，该工作台把科学问题连接到专用模型、工具与可审查输出，覆盖蛋白结构与序列分析到测序流程。
推荐理由：作者展示 Proto 接入 ChatGPT 后的纳米抗体从头设计与 Evo 2 语义设计入口，可观察科研工作流如何被整合。
Pranam Chatterjee 转发介绍 ActFlow，这是一种持续预训练方案，通过不确定性引导探索和验证器反馈，让流模型与扩散模型扩展到新的有效区域，作者称之为可生成集合扩展，并将其定位为面向分布外生成建模的新学习原则。
推荐理由：该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间，为分布外生成提供可迁移思路。
OpenFold 团队在构建下一代生物分子模型之际，面向科学和工程方向扩招，并公开其开源承诺与招聘理念。团队称受资助条款约束，将开源全部训练代码基础设施与训练数据，发布结果可完全复现，且不会转型为初创公司或 API 模式。招聘重点为大规模训练模型的机器学习科学家/工程师，以及能整合复杂异构数据、搭建高效数据管线的生物信息学与计算生物学人才，薪资与算力对标工业界。
看起来 claude-protein-binder-design 重新发现了我们的 Protein Hunter 协议？🤔@ChoYehlin
Twist Bioscience 表示，其选取常见与新颖靶点测试 Claude 的蛋白设计能力，在 15 个靶点中 Claude 成功为 14 个设计出结合剂，湿实验验证由 Twist 完成。Amir Shanehsazzadeh 转发该内容并表示与 Twist 团队合作愉快、期待继续合作，帖文未披露靶点清单、结合剂形式与验证指标。
推荐理由：Twist 披露 Claude 在 15 个靶点中设计出 14 个结合剂并完成湿实验验证，可作为了解通用大模型参与蛋白设计的参照。
Anthropic 测试 Claude 能否从头设计蛋白结合剂：在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个完成了设计，随后由 Adaptyv Bio 与 Twist Bioscience 独立构建并测试，作者称成功率和亲和力均较高。
推荐理由：Anthropic 与 Adaptyv Bio、Twist 的实测显示，Claude 编排开源模型在 15 个靶点中设计出 14 个从头结合剂，可作为智能体驱动蛋白设计的参照。
Mohammed AlQuraishi 评论称，不同蛋白质设计方法分到的靶点难度各不相同，Genie 3 拿到的是最难的靶点，并希望这算是一种恭维。该评论引用 Anthropic 关于 Claude 从零设计蛋白质结合剂的内容，其中称在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个设计出结合剂，并由 Adaptyv Bio 与 Twist Bioscience 独立构建和测试。
推荐理由：作者对比不同蛋白质设计方法分到的靶点难度，指出Genie 3拿到最难靶点，为解读各家设计结果提供难度差异视角。
Anthropic 的论文让 Claude 在约 1.6 万词操作规程下自主完成从靶点调研、表位选择到工具编排与排序的蛋白 binder 设计，15 个可解释靶点共 1320 个设计中 354 个被判为 binder，总命中率 26.8%，14 个靶点至少得到一个 binder。
推荐理由：论文用双 CRO 实测检验 Claude agent 自主完成 15 个靶点的 binder 设计流程，并给出失败靶点与评分局限。
Adaptyv Bio 在自动化湿实验室中对 Anthropic 的 Claude Mythos Preview 与 Opus 4.8 设计的从头结合剂进行匿名盲测，1320 个设计中 95% 成功表达、354 个结合靶点，总体命中率 26.8%，覆盖 15 个靶点中的 14 个。
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
研究团队将AI蛋白表面查询方法MaSIF-mimicry与高并行蛋白互补实验GluePCA结合，在全蛋白组范围绘制CRBN-泊马度胺潜在互作网络，鉴定出6个已知及43个新的CRBN-泊马度胺结合蛋白，并对部分候选做了正交验证。
看起来非常有意思！ @KevinKaichuang：训练蛋白质语言模型时，人们通常会丢弃那些没有与至少一个其他蛋白质聚类的宏基因组蛋白质（单例）。我们与 @riavinod_ @Samir_char @avapamini @lorin_crawford 一起证明，这很可能不是正确的策略。
Brian Hie 转发 Talal 的系列帖，介绍 ProteinDPO 最终版已在 Nature Methods 发表。据该帖，论文新增将该模型用于稳定流感疫苗主要成分血凝素的前融合态，并给出论文链接 https://www.nature.com/articles/s41592-026-03137-3。
推荐理由：ProteinDPO 正式发表于 Nature Methods，新增血凝素前融合态稳定化应用，可作为蛋白设计偏好优化的参照。
Brian Hie 团队用 ProteinDPO 将蛋白生成模型与实验适应度对齐的工作已发表于 Nature Methods。发表版本新增了对 H5 血凝素（流感疫苗组分）的稳定性突变结果。论文链接：https://www.nature.com/articles/s41592-026-03137-3
推荐理由：该工作把蛋白生成模型与实验适应度对齐，并给出在流感疫苗组分H5血凝素上的稳定性突变结果。
RyboDyn 在 bioRxiv 预印本中报告，其测序平台 RyboCypher 在肺癌、结直肠癌及癌旁组织和癌细胞系中解析出约660万个暗 RNA 位点，其中超过97%不见于现有非编码 RNA 数据库。
推荐理由：RyboDyn 用自建测序平台在肿瘤样本中挖掘出约8万条隐秘肽段，并给出一个可成药的表面靶点验证案例。
我们的生物信息学与平台研发负责人Stephen Nayfach本周在@CSHL参加基因组工程：CRISPR前沿活动。如果你也在现场，欢迎找他打个招呼！👋 他将发表演讲，介绍如何利用我们的AI模型设计用于碱基编辑的CRISPR-Cas9变体（"为突变特异性碱基编辑器设计编程PAM特异性"），并主持"CRISPR技术I"分会场。
聂再清在《健康报》撰文指出，智能体可完成分子生成优化与活性预测，其团队用ChatDD从头设计数十种抗体，湿实验验证21%展现较高亲和力。他强调目前尚无药物全流程由AI全自动完成，瓶颈在于大量人体作用机制未被AI解析，更准确的定位是领域专家与AI协作。技术、应用与安全层面的挑战仍待解决。
寻明生科（Aureka Biotechnologies）宣布完成总额1亿美元的B系列融资，首轮由Granite Asia独家投资，后续轮次由产业投资人领投、弘晖基金跟投，启明创投、经纬创投及纽尔利资本等现有股东持续投资，公司累计融资近2亿美元。
推荐理由：融资披露同时交代了资金用途与Lab-in-the-Loop闭环体系，可了解该公司基座模型与实验平台如何衔接。
作者将ESM-IF1逆折叠生成与保守性、蛋白-核酸共同进化约束结合，从头设计出与天然ISDra2 TnpB仅约50-60%一致性的SynTnpB小型RNA引导核酸酶。
推荐理由：研究把结构生成与进化保守性约束结合，设计出序列偏离天然但仍可编辑基因的TnpB核酸酶，并给出模块化筛选与结构依据。
Latent-Y 药物设计智能体于7月向全球研究者开放研究版，每日提供设计配额，已产出有效离子通道抑制剂、可杀伤肿瘤细胞的CAR-T细胞及疟原虫无法逃逸的结合剂。8月20日将在旧金山举办发布活动，含现场演示并宣布面向研究者的新计划。
分子之心在7月31日深圳“AI+新药研发研讨会”上披露，其AI从头设计的纳米抗体和环肽在TNFα、PD-L1、MDM2等十几个靶点上获得阶段性湿实验命中：TNFα的14个纳米抗体中7个显示结合活性，最优亲和力51皮摩尔；PD-L1的30个候选纳米抗体中26个命中；MDM2的21个候选环肽中16个显示可检测结合，最佳KD为13.7微摩尔。
推荐理由：分子之心披露纳米抗体与环肽的湿实验命中数据及表达量结果，呈现AI从头设计从结合走向可开发性的阶段进展。
Profluent团队下周将前往Summer RosettaCon！找到@jeffruffolo、@richardwshuai、@ShiakiMinami和Alex Hoffnagle，打个招呼👋 你可以在周四下午1:30听Richard谈论E1，我们的编码器模型（“E1：用于适应度和结构预测的检索增强蛋白质编码器”），Alex将在周一晚上7:30分享他在我们AI设计的碱基编辑器上的工作（“使用蛋白质语言模型设计可编程碱基编辑器”）。
唯信计算与君跻基因签署战略合作协议，将唯信WeMol平台的AI蛋白分子设计、优化与模拟能力，与君跻基因端到端自动化基因到蛋白质湿实验验证能力结合，打造从靶点候选分子智能设计到湿实验快速验证的干湿闭环服务体系。君跻基因依托GentSynExp 3.0全自动化平台实现24小时无人化生产，覆盖基因设计、蛋白表达到亲和力表征。双方计划围绕抗体、蛋白质工程、核酸优化等场景打通设计、构建、验证与数据反馈流程。
政府正在支持我们开展一项设计*个性化治愈性*药物的登月计划。很高兴能与GemmaBio合作，并与世界顶尖医疗中心为伍。 每个词都有分量。 个性化 = 为每位患者量身定制[这正是AI可编程生物学能直接发挥作用的地方] 治愈性 = 持久解决方案，不仅控制疾病，更能治愈疾病。这正是我们Profluent的使命所在——真正治愈疾病。 让我们开始建设吧！
Biohub 发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白质折叠、相互作用与功能并设计新蛋白，科学家已用其设计抗体候选物，在针对癌症和免疫相关靶点的早期实验室测试中显示积极结果。该机构还与 UC Berkeley 团队合作推出全球首个电子显微镜激光相位板，并联合多家研究机构发起 Virtual Biology Initiative，以构建人类细胞的预测性虚拟模型。
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。
Latent Labs 宣布抗体设计智能体 Latent-Y 即将上线 Latent Labs Platform，面向全球研究者开放并提供免费每日额度，其核心是首次向研究者开放的抗体设计生成模型 Latent-X2。
推荐理由：Latent Labs 将抗体设计智能体接入平台并开放免费额度，可了解其从自然语言到实验可用序列的产品化路径。
A-Alpha Bio 推出名为 Atlas 的网页平台，提供可授权的机器学习就绪蛋白相互作用数据，并支持按需生成新的结合数据。平台由高通量平台 AlphaSeq 产生数据，采用统一实验条件与标准化对照，使不同实验的数据集可合并用于模型训练与基准评测。
推荐理由：该平台把标准化实验产生的结合数据组织成可授权数据集，为抗体设计模型的训练与基准评测提供数据来源。
@nebiusai Discovery Awards 2026 圆满成功。🏆 我们很高兴地分享，Gero 凭借我们的 ProtoBind 平台获得了荣誉提名，该平台是一个可直接从蛋白质序列进行小分子设计的生成式 AI 模型，在我们所在类别中跻身前 10 个项目。
百奥几何创始人唐建博士及合作者的论文《LINE: Large-scale Information Network Embedding》获 The Web Conference 2026 的 Seoul Test of Time Award。
我们仍处在AI×生物学的GPT 1.5时代 早期模型已经奏效（信号：我们与礼来22.5亿美元的合作），但我们离天花板还很远 我们正尽可能快地奔向GPT 5 @thisismadani 与 @nathanbenaich @airstreet
生物学的复杂度不亚于文本，而且（在我们有偏见的看法中）影响力要大得多。然而，世界上只有一小部分AI人才和算力投向这一领域。 这个领域远远未被充分开发。 观看 @thisismadani 与 @nathanbenaich @airstreetcapital 的对谈，聊聊这一机遇。
OpenCRISPR是首个证明AI能够从头设计基因组编辑器的演示。我们利用AI模型构建了一种自然界不存在的、针对特定功能的蛋白质，并且它奏效了。 观看@thisismadani与@nathanbenaich @airstreetcapital的对谈，了解我们从那时起走到了哪里（以及我们将走向何方）