跳到正文

热点

最近 7 天，AI 制药圈讨论最多的 10 件事 · 11月9日 00:15 更新
NO.01持平

IPD与NVIDIA开源蛋白设计模型RFD4-Proteina

华盛顿大学蛋白质设计研究所（IPD）与NVIDIA于2026年10月21日发布开源生物分子生成模型RFD4-Proteina，代码与模型权重按BSD 3-Clause许可开放，并接入NVIDIA BioNeMo。模型用flow matching在同一潜空间联合生成蛋白序列与全原子结构，可按靶点、酶motif、配体等分子语境条件化；DrugAI报道称其用自编码器将标准与修饰氨基酸、糖类和核苷酸编码到共享32维潜在空间，并加入力场能量监督。 NVIDIA称，该模型在200个残基长度下生成速度比RFdiffusion3快13倍，在12项以上蛋白设计任务上达到当前最优。在蛋白结合设计基准中，DrugAI报道其在24个靶标上的聚类通过率为10.6%，高于BindCraft的5.9%，生成吞吐量为BindCraft的42倍；该报道同时指出这些数值来自酵母展示滴定曲线，不能直接等同于溶液中的平衡结合亲和力。团队还完成湿实验验证，包括设计用于抗HIV药物来那帕韦合成步骤的全新酶，但DrugAI称其仍处实验室阶段，距工业生产的催化效率、稳定性和工艺适配要求尚有距…

24 小时热度峰值 25 · 24 小时前
24 小时前现在

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

Hannes Stärk、药化猩球 等 4 个来源·4 位参与者
20
热度指数
NO.02持平

西湖大学等团队在Nature发表蛋白设计模型Pinal

西湖大学原发杰、刘建明，香港科技大学（广州）卢泓远和中国科学院深圳先进技术研究院司同等团队在 Nature 发表论文，提出约160亿参数的蛋白质生成模型 Pinal：用户用自然语言描述目标功能，模型先经 T2struct 生成结构符号序列，再由 SaProt-T 逆折叠设计氨基酸序列，无需预先指定结构或序列约束。模型基于约17亿合成蛋白-文本对训练。 在绿色荧光蛋白、PETase、醇脱氢酶和 H 蛋白四类任务中，候选蛋白经实验筛选后表现出预期功能。据 iNature 报道，一种 Pinal 设计的 H 蛋白无需迭代实验优化，用于多酶 CO₂ 固定体系后，产物滴度比天然大肠杆菌 H 蛋白提高 1.7 倍；后续报道给出该设计蛋白为 pinalH02，在42℃反应12小时后甘氨酸浓度达11.1 mM。另有报道称，20个与已知蛋白差异较大的设计中17个成功表达。 研究团队强调，Pinal 不能替代实验验证；若要指定荧光蛋白的精确发射波长，或让酶达到特定工业条件下的最优性能，仍需进一步模型发展、实验筛选和工程优化。后续报道还提到，与天然 avGFP 相…

4 个来源 · 4 位参与者
20
NO.03持平

力文所发布Pallatom2全原子蛋白结合剂设计模型

力文所发布 Pallatom2 技术报告，称该全原子生成模型可同时生成氨基酸序列、主链与侧链原子构型，并指定与靶点的结合界面；单链采样达 1600 个残基，对称组装扩展至 C10、总长 2000 个残基。 据澪乃ゆい（@mionoyui）介绍，实验对 10 个靶点的 210 个候选做 BLI 检测，112 个有结合活性（阳性率 53.3%），10 个靶点均获得活性设计，6 个靶点报告 pM 量级表观亲和力（KD）。力文所称，与 Claude 公开结果对比的 6 个共同靶点中，5 个靶点的 KD 中位数更低、4 个靶点的最低 KD 更低。 力文所表示已公开全部阳性设计序列（IL-7RA、BCMA 及抗体序列除外），并同步提供 BLI 图。

3 个来源 · 3 位参与者
18

继续看 No.04–10

  1. 04

    DeepMind 发布 Antigravity 化学信息学技能

    Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，现已上线。该技能以开源工具 RDKit 为基础，接入 ChEMBL 与 PubChem 的数据连接器，由语言模型负责流程编排，确定性化学工具执行分子计算。DeepMind 称，药物发现科学家可借此更快生成更有依据的设计假设；但计算设计只是可检验的假设，并非成品药物，每个方案仍须经合成与实验验证。 DeepMind 于 11 月 3 日发布官方案例，用克唑替尼、洛拉替尼及相关化合物演示文献检索、数据分析与新分子设计的多步骤流程，官方称这轮计算约一小时完成。BioTender 指出，这是一场围绕已知药物系列的演示，不能写成 AI 已发现新药；其视频中留出测试集的对数活性预测 R² 为 0.44、RMSE 为 1.01，且约 04:05 画面里 ALKM-01 在结构图与汇总表中的预测数值并不一致。DeepMind 承认，数据稀疏、实验室间检测噪声和动态范围窄会限制即使最强模型的预测精度。 配套推广方面，DeepMind 称…

    4 个来源16持平
  2. 05

    斯坦福等机构发布蛋白设计框架 ProteoCraft

    斯坦福大学 X-lab、SNAP 实验室与香港科技大学（广州）等机构在 arXiv 预印本中提出蛋白设计框架 ProteoCraft，把设计拆成近似梯度提议与 ESMFold2 完整结构预测复核，再用蒙特卡洛树搜索分配预测预算，支持结合蛋白从头设计和限定区域局部改造。 在计算基准中，该框架在独立 AF2-IG 评估下的严格通过率为 86.2%，但同一评估的平均 iPTM 仅 0.282，虽高于对照，绝对值仍不高。在 PD-L1 微型蛋白湿实验中，团队从计算流程筛出 35 个候选，全部达到表达与检测上样要求，其中 29 个测得结合；6 个候选的报告所选拟合 Kd 低于 10 nM，最佳单次 SPR 拟合 Kd 为 0.879 nM，原文注明该值来自单次测量，并非多轮独立重复确认。 团队称下一步将通过细胞层面功能实验，检验候选能否按预期影响免疫信号和细胞反应，并将结果反馈到后续设计。

    2 个来源12持平
  3. 06

    FoldAbS将蛋白折叠模型复用为抗体筛选编码器

    Wu等作者在bioRxiv预印本中提出FoldAbS抗体筛选框架，把蛋白质折叠模型当作冻结的基础编码器，用轻量任务头在同一架构内评估抗体的特异性、亲和力和可开发性。以开源Protenix模型实例化的FoldAbS-Px相比基线，在特异性、亲和力和可开发性上分别最高提升13.1%、9.2%和6.2%；该提升幅度来自预印本摘要报告，代码已在GitHub公开。 后续转述称，FoldAbS复用Protenix的内部表示，作者报告其在多项基准测试中性能超过现有的结构置信度评分和预测模型，但该转述未披露基准名称、数据集与具体数值。

    2 个来源11持平
  4. 07

    侯廷军团队发布PartiDesign统一生成框架

    浙江大学侯廷军团队发布PartiDesign，将结构与序列或化学身份放在同一次Flow Matching生成中协同设计，覆盖蛋白、DNA、RNA、小分子及环肽，并称其扩展了La-Proteina的部分隐变量框架。团队称，在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；在AME原子级催化基序骨架搭建中，常规与α引导配置分别约为RFD3的8.6倍和12倍。 上述“合格”仅指通过指定计算筛选，尚不代表实验结合或催化活性；GPU日产出为4090-48G上的标准化模型计时估算，未含预处理、精修等完整流程开销。固定六序列评估中，BoltzGen的三类肽骨架通过率均更高，复杂交联实例仍需更大规模验证；抗体设计已纳入支持范围，但论文尚缺专门的抗体benchmark。 论文称，模型在多数基准上取得所评估方法中最高的估算成功设计产出；代码已开源，并提供无需编程即可使用的在线服务器。

    2 个来源11持平
  5. 08

    Dunbrack将ipSAE扩展至配体与核酸打分

    Fox Chase Cancer Center的Roland Dunbrack在bioRxiv预印本中，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子配体、蛋白—核酸及原子离子参与的复合物。对蛋白—配体，方法以蛋白残基为对齐参照、对配体全部重原子打分且不设PAE截断，d0固定为2 Å。 作者从FoldBench选取102个蛋白—配体复合物，20个用于确定参数和阈值，82个作留出测试集，以配体RMSD≤5 Å为“大致正确”标准。在留出集上，AlphaFold 3采用阈值0.5、Boltz-2采用0.8，平衡准确率分别为93.8%和86.2%。这些数字来自作者自述的基准评测，尚未见独立验证。 蛋白—DNA基准支持同一方向性打分方案；蛋白—RNA基准规模较小，作者称仍需更大、更多样的基准。

    3 个来源10持平
  6. 09

    长江杯AI蛋白质设计赛奖金加码至140万元并更新GLP-1R赛题

    上海交通大学自然科学研究院主办的“长江杯”全球AI蛋白质设计挑战赛将总奖金从100万元加码至140万元人民币（税前），免费湿实验验证规模从不少于5000条扩容至7000条，报名与序列提交截止日期均延至11月30日。赛事上线四周报名队伍突破1200支，覆盖16个国家和地区。 11月1日主办方公布7个赛道靶点：EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1和IL-7Rα，其中5个赛道设计VHH、2个赛道设计minibinder；每队每赛道最多提交20条从头设计序列，不得提交已知同靶点实验阳性序列或以其为起点做亲和力优化，名次以真实湿实验数据为唯一标准。 11月6日主办方在官网发布补充通知：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；新颖性规则改为与已知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%。

    2 个来源9↓ 22%
  7. 10

    Flagship合并三公司成立Etcelera

    Flagship Pioneering于2026年10月29日宣布，将旗下Cellarity、Empress Therapeutics和Etiome三家公司的平台业务合并，成立新药发现公司Etcelera，由GSK老将Adrian Rawcliffe任CEO，莫德纳联合创始人Noubar Afeyan为联合创始人。新公司整合Cellarity用多组学和人工智能绘制细胞疾病状态的平台，以及Empress和成立约一年半的Etiome的平台。 Cellarity的镰状细胞病项目CLY-124不并入新公司，而由另一实体继续推进，该候选药物目前处于中期临床试验；三家公司其余候选药物均处于临床前阶段。Etcelera将继承Cellarity与诺和诺德在MASH领域的现有合作，专注血液学、代谢和免疫学三大领域。 据智药局报道，Etcelera平台汇集20多年数据积累，包括基于1.5亿个细胞数据训练的基础模型和30多个专有AI预测模型；该报道同时称，能否降低药物研发失败率仍需临床数据回答。

    2 个来源8持平
热度是怎么算的？了解榜单

热度来自参与同一事件的独立账号与机构，每个主体在窗口内取最新一次，按 72 小时半衰期衰减。不同机构对同一研究的转载和解读计入讨论，同一机构的多个渠道合并计数。它衡量讨论活跃程度，不是报道质量评分。

榜单统计最近 7 天，让跨几天传播的AI 制药进展有时间发酵。涨跌比较同一批信源现在与6小时前的实际观测，不要求信源运行满7天；历史补采仍按原始时间计入热度，不算新增讨论。它反映我们的监测范围，不代表全网人数。

灰色圆点表示“趋势数据不足”：尚无可与6小时前对照的实际观测记录，或相关信源采集落后，无法可靠比较涨跌。它只影响趋势展示，不影响当前热度指数和排名。

信源名单只展示可公开阅读的报道来源；讨论参与者还包括只计入热度的账号与机构。同一机构的多个渠道可能合并计数，因此参与者不一定多于信源数。点击事件可查看各方报道与观点。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加