跳到正文
11月8日周日
  1. 药化猩球58

    BoltzGen、RFD4、Mol-1:决定 binder 命中率的可能不是生成器而是过滤器

    作者梳理 BoltzGen、RFD4-Proteina 与 Mol-1 的公开证据后认为,把注意力从生成器转向过滤器值得检验,但尚无把同一候选池分别交给 Boltz-2 和 Protenix 过滤再前瞻性比较湿实验命中率的公开配对研究。

    推荐理由:文章把生成器与过滤器的证据分层拆开,指出结构恢复榜单与湿实验命中率之间缺少可核验的桥。

11月7日周六
  1. 途深智合18

    途深智合邀您参加 BIO-Europe 2026|11月9–11日,相约德国科隆

    途深智合将参加11月9–11日在德国科隆举办的BIO-Europe 2026。其ToursynClaw大分子药物设计科学超智能体平台融合自研蛋白大模型、科学智能体与全自动机器人实验产线,公司称可实现约1.5个月完成抗体设计及功能实验验证,并在半年内推动16条抗体药管线完成PCC阶段验证。

  2. DeepTech深科技58

    AI正在重新设计生命,David Baker要用蛋白质造计算机和分子机器

    诺奖得主 David Baker 因从头蛋白质设计的开创性贡献获伦敦皇家学会克鲁恩奖章,并在获奖演讲中回顾过去一两年的工作。他称 AI 辅助蛋白质设计已让结合靶点接近解决,团队转向设计只在特定条件下启动的开关蛋白,并提到新一代模型 RFD4 生成的结构许多从第一轮起就有活性。

11月6日周五
  1. AI-Protein Design72

    3篇 bioRxiv 深度解读:生成式 AI 如何化解蛋白药物的“排异”难题?

    斯坦福团队 ProVADA 模型作者在 bioRxiv 预印本基础上撰文,对比自家 ProVADA 与 David Baker 团队 MINT、普林斯顿团队 MESSI 三条生成式 AI 去免疫原性路线。

    推荐理由:ProVADA 作者对比三篇预印本的去免疫原性路线,梳理实验验证目标与序列改动幅度的取舍。

  2. Hannes Stärk73

    读书会讨论 RFD4-Proteina:188 个设计结合剂中 158 个结合 TrkA 低于 1 µM

    Hannes Stärk 在读书会预告中介绍 RFD4-Proteina 的结果:188 个设计结合剂中有 158 个以低于 1 µM 结合 TrkA,次优方法为 60 个中 18 个。Nate Corley 与 @DidiKieran 将在线讲解,项目页面为 https://rfd4-proteina.org/。

    推荐理由:该报告给出 RFD4-Proteina 与次优方法在 TrkA 结合剂湿实验命中率上的对照数字,便于比较设计方法的实验产出。

  3. 药化猩球38

    长江杯 GLP-1R 题目更新:靶点标签公布、序列范围扩至跨膜区、新颖性规则调整

    长江杯蛋白设计大赛主办方在官网发布补充通知,对GLP-1R等靶点题目做三处改动:公布靶点携带的标签(一般为His-tag)以避免假阳性,GLP-1R序列范围从仅ECD(Ala21–Glu139)扩展至包含跨膜区以匹配"激动剂"要求,并更新新颖性规则——与已知minibinder或VHH比对区域覆盖总长度至少80%时,全长或CDR序列一致性须≤70%。

  4. BioAIDesign48

    产品体验 | 从蛋白设计到干湿闭环,Sciland 如何构建自进化科研工作空间?

    壹索智能推出的 Sciland AI 原生科研工作空间以课题内干湿闭环和跨项目自进化闭环组织蛋白设计、实验验证与经验复用。其技术报告称,在单张 NVIDIA H800 GPU 上,20 残基多肽从头设计与双模型结构复核端到端耗时 133.6 秒,227 残基抗体人源化与三维结构建模耗时 79.9 秒。

  5. BioTender60

    David Baker 皇家学会 Croonian 演讲:AI 蛋白质设计从结合走向执行功能

    2026 年 11 月 3 日,David Baker 在伦敦皇家学会发表 Croonian 奖项演讲,以“Advances in computational protein design”为题展示团队及合作者近一两年在结合蛋白、条件响应开关、从头酶和蛋白质材料方面的进展。

    推荐理由:以一场奖项演讲为线索,串联结合蛋白、条件开关与从头酶的多项进展,呈现蛋白质设计从识别走向执行功能的路径。

  6. 途深智合26

    途深智合在香港金融科技周探讨AI制药多模态与实验验证闭环

    途深智合在11月2日至3日举行的香港金融科技周上参与AI与深科技论坛,创始人兼CEO王宇光讨论了AI如何适配小分子、肽类及生物大分子等不同药物模态。其ToursynClaw平台融合蛋白大模型、科学智能体与全自动机器人实验产线,公司称可实现约1.5个月完成抗体设计及功能实验验证,并在半年内推动16条抗体药管线完成PCC阶段验证。

11月5日周四
  1. 药化猩球78

    NVIDIA公开RFD4蛋白设计数据体系:2.13TB、19类训练数据覆盖抗体、环肽与RNA

    NVIDIA在开放RFD4-Proteína蛋白设计模型之外,公开了支撑训练的数据体系,共2.13TB、19类训练集、33,527个文件对象,覆盖蛋白结构、抗体、TCR、蛋白Binder、环肽、非天然氨基酸、蛋白-配体、RNA及糖链,相比早期约239GB、5类数据的版本明显扩展。

  2. 下一分子32

    AI制药日报|大分子/小分子/虚拟细胞多项研究进展

    研究团队用肽条形码、尺寸排阻色谱与质谱结合的混合方法,在大肠杆菌统一生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。AtomLM-9b以全原子结构分词器将生物分子几何压缩为离散结构token,在CASP14和CASP15上全原子lDDT分别为0.832和0.835。单细胞基础模型基准评测显示,五种模型在跨物种注释与扰动预测上优于简单基线,但同物种内优势有限。

  3. 智药局58

    UCB 与 Cradle 达成战略合作,将 AI 蛋白质工程平台用于数字抗体发现

    比利时药企 UCB 于 11 月 4 日宣布与 Cradle 达成战略合作,在药物发现项目中引入其 AI 蛋白质工程平台,覆盖候选分子生成、先导优化与临床前开发准备环节,具体金额、期限和项目数量未披露。

    推荐理由:UCB 引入 Cradle 平台做数字抗体发现,可对照其此前与晶泰科技的结构预测合作看药企 AI 布局差异。

  4. 智药局72

    突发,Claude攻克生物学「40年未解难题」!狂筛150亿条序列,发现者亲自验收

    Anthropic宣布其生物学研究团队与Claude合作,绘制出细菌源Vault(囊泡样蛋白颗粒)的三维结构图,项目耗时不到4个月。团队用Claude Science分析约150亿条预测蛋白质序列,挑出44个序列做实验测试,其中15种产生可溶性蛋白、7种组装成Vault样颗粒、4种经冷冻电镜确认具有Vault结构。

    推荐理由:Anthropic用Claude辅助从海量序列中筛出细菌源Vault同源蛋白并经冷冻电镜验证,同时披露模型在真实科研流程中的失误。

  5. 澪乃ゆい58

    RFD4-Proteina 推出 Mac 本地版,作者实测生成 GLP-1R 结合剂

    澪乃ゆい实测了 BIOS 推出的 RFD4-Proteina Mac 本地移植版,用面向 Apple Silicon 优化的 MLX/Metal 实现生成针对 GLP-1R 的结合剂设计,并称安装和运行都比预想简单。据其引用的 BIOS 介绍,该移植版在默认精度下生成速度比原生 PyTorch-MPS 快 2.2 倍,在 M5 Pro 上约 12 分钟完成 20 个设计的生成与结构筛选、得到 10 个排序候选,设置后可离线运行。

    推荐理由:作者实测了 RFD4-Proteina 的 Mac 本地移植版,展示了在 Apple Silicon 上生成并筛选 GLP-1R 结合剂设计的可用性。

  6. 澪乃ゆい72

    ESMC-MonoYield:约4万种蛋白单体收量实测并实现序列预测

    研究团队在 bioRxiv 发布预印本,对约4万种蛋白质在大肠杆菌中精制后的单体收量进行大规模测定,并开发出仅凭氨基酸序列预测收量的 ESMC-MonoYield。该模型捕捉稳定性无法解释的收量差异,在設計结合剂的实验验证中,用于筛选高收量候选取得有希望的结果。

  7. 英灵殿科技Valhalla20

    英灵殿科技携全模态分子世界模型AlloDesign亮相亚马逊云科技创业加速营巅峰路演,入选Top 5

    英灵殿科技在2026亚马逊云科技创业加速营巅峰路演中,凭全模态分子世界模型AlloDesign与AI科研平台AlloScience成为最终胜出的五支团队之一。AlloDesign以统一架构理解并设计蛋白质、DNA、RNA及小分子,并建模分子间相互作用,现场展示了阶段性实验验证成果。AlloScience基于AWS云服务构建,覆盖信息检索、研究规划、分子设计、数据分析与结果可视化等科研工作流环节。

11月4日周三
  1. AI蛋白质74

    北邮上交大复旦等联合发布自动研究智能体,优化MSA组织提升蛋白复合物结构预测

    北邮、上交大、复旦等团队提出自动研究智能体,将AlphaFold 3视为黑盒,针对每个目标重组多序列比对(MSA)的序列选择与跨链配对策略,仅依赖预测置信度信号迭代优化。

    推荐理由:研究显示MSA深度与配对策略需按目标定制,为AF3复合物预测流程提供了可迁移的优化思路。

  2. BioTender72

    从蛋白质到细胞:腾讯混元 AI 智能体开始自己训练生物基础模型

    腾讯混元发布四份技术报告,覆盖蛋白质逆折叠、序列表征、原子级力场与单细胞转录组表征,并称 HyInv 与 HyPLM 由科研智能体 Hyra 2.0 从头训练。

    推荐理由:四份技术报告把混元生物模型从蛋白质序列设计延伸到原子模拟与单细胞表征,并给出与基线的速度误差对照。

  3. 生物药大时代38

    华北制药拟以不超2.195亿元分三轮增资安源医药,华药集团2.45亿元受让47.1154%股权实现控股

    华北制药拟以不超过2.195亿元分三轮参与安源医药增资,华药集团则以2.45亿元受让安源生物所持47.1154%股权,交易投前估值5.2亿元。交易完成后华药集团持股47.8572%成为控股股东,华北制药持股12.8571%为参股方。安源医药深耕长效蛋白药物设计,核心在研产品为AP017、AP025、AP026及AP061。

  4. DeepTech深科技38

    DeepMind子公司总裁断言:人类并不擅长造药,未来所有药物皆由AI设计

    Isomorphic Labs总裁Max Jaderberg称未来所有药物都将由AI设计,公司目前仍处临床前阶段,预计2026年年底启动首次临床试验。其统一药物设计引擎IsoDDE在Runs N' Poses基准上对全新蛋白质-配体系统的准确率超过AlphaFold 3两倍,并声称可在无需晶体结构下预测结合亲和力。上述基准数据主要由公司自行发布,尚需独立验证。

11月3日周二
  1. 机器之心 · AI4Science78

    斯坦福 X-lab 与 SNAP 实验室发布 ProteoCraft 蛋白设计框架

    斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft,采用梯度提案、完整结构预测验证与两阶段蒙特卡洛树搜索,支持结合蛋白从头设计和限定区域局部改造。

    推荐理由:报道介绍斯坦福团队的提案—验证搜索框架,用独立结构预测与湿实验数据展示从头与局部设计的阶段性表现。

  2. 药化猩球58

    用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录

    作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计,在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选,约 78 分钟完成。

    推荐理由:作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程,含 hotspot 取舍与评分分布,可作同类设计的操作参照。

  3. 药化猩球38

    给癌细胞查身份证:KRAS G12D pMHC 纳米抗体,还能往前走多远?

    针对 KRAS G12D 肽-HLA-A*11:01 pMHC 复合物,文章提出以 VHH 纳米抗体识别突变肽,并强调需在真实细胞上验证其能否区分仅差一个氨基酸的野生型肽及人体自身肽组。已有 TCR 研究支持该 pMHC 作为识别入口,但 VHH 路线仍属项目设想,尚无实验数据。文章建议将肽长度、可及表面与突变相关构象纳入靶点定义,并用遗传对照矩阵和靶向免疫肽组学检验内源呈递靶标。

  4. BioTender73

    腾讯混元 Hyra 2.0 科研智能体自主研发出蛋白质逆折叠模型 HyInv 与语言模型 HyPLM-Flash

    腾讯混元于 11 月 2 日发布 Hyra 2.0(Hunyuan Research Agent),将 AI 科研智能体的目标从解决单个科研问题扩展到自主研发可复用的模型、算法和工具,并完成两个 AI4Protein 成果的研发。

    推荐理由:腾讯混元披露科研智能体自主研发出两个蛋白质模型,并公开权重与推理代码,可供比较其研发流程与评测表现。

  5. 水木分子42

    [量子位] 央视严选「中国AI创业十骏」,唯一AI制药公司水木分子是清华系

    水木分子入选央视「中国AI创业十骏」,是名单中唯一AI制药公司。其以对话式药物研发平台ChatDD连接专家经验与AI,自研自身免疫领域双特异性抗体管线从立项到确认PCC仅用七个月,对比传统方法12-24个月。公司称2026年为商业放量阶段,预计今年收入为去年的3至4倍。

11月2日周一
  1. AI药物设计实验室74

    Prompteina 用自然语言设计蛋白质:89 个受测设计中 9 个结合 GM2A

    华盛顿大学等机构提出 Prompteina,以自然语言描述整体形状、局部结构和结合界面,联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data,含约 180 万个蛋白结构条目和 5240 万条文字描述,基于 Complexa 加入全局与残基级文本条件通路。

    推荐理由:预印本用自然语言条件生成蛋白结构与序列,并在 GM2A 上给出 SPR 结合数据,可看文本接口的控制边界。