BioEmu2 实测：AI 设计抗体能否靠动态模拟提前筛选
作者 Colby Ford 用微软 BioEmu2 对一条 scFv 候选 sbio-bdbvgp-355 做构象传播演示，先抽取 10 个平衡构象各向前传播 1 ns，再逐次传播 10 次、每次 1 ns 形成 10 ns 轨迹，并另做一轮带梯度引导的采样。
推荐理由：作者以单个 scFv 候选实测 BioEmu2 的构象传播与引导采样，并逐项对照官方模型卡界定证据边界。
企业与机构 · AI 平台企业
Adaptyv Bio 最新动态
Adaptyv 的蛋白设计与实验验证平台、开放评测和研发合作。
18 条精选近 30 天 5 条共收录 31 条
更新
Adaptyv Bio的精选
BioTender精选AI 评分5858
BioTender精选AI 评分6262 Anthropic 与 Adaptyv 蛋白设计挑战赛第五题要求识别 KRAS G12D 突变肽
10 月 26 日，Anthropic 与瑞士蛋白工程公司 Adaptyv 联合举办的蛋白设计挑战赛放出第五题，要求设计只结合 KRAS G12D 突变肽（VVVGADGVGK）、不结合野生型肽（VVVGAGGVGK）的蛋白，两者仅第 6 位一个氨基酸不同，靶点为 HLA-A*11:01 呈递的 pMHC。
推荐理由：赛事把特异性拆成突变识别、肽依赖与亲和力三关，为从零设计结合剂的评测提供了具体参照。
Adaptyv Bio精选AI 评分7676 Adaptyv Bio 与 Anthropic 合作测试 Claude 设计的 211 个蛋白，17 个与蝎毒素结合
Adaptyv Bio 公布与 Anthropic、citrini 的最新湿实验合作结果：Claude 设计用于中和蝎毒素的新型蛋白，团队在自动化湿实验室测试了 211 个设计，其中 17 个在实验中显示与毒素结合，全部数据已发布在 proteinbase。Adaptyv Bio 称这是其推动任何人都能在自动化湿实验室开展药物发现活动的一个示例。
推荐理由：Adaptyv Bio 公布与 Anthropic 合作的湿实验验证结果，给出设计蛋白与蝎毒素结合的具体命中比例。
Amir Shanehsazzadeh精选AI 评分6060 Anthropic × Adaptyv 蛋白质设计竞赛第4期以TfR1为靶点，要求设计pH敏感结合剂
Anthropic × Adaptyv 蛋白质设计竞赛第4期在 proteinbase 平台开放，靶点为 TfR1，要求设计能精确结合该受体特定位点的 pH 敏感结合剂，以帮助药物穿过血脑屏障进入脑内。作者 Amir Shanehsazzadeh 转述称，本期评测关注结合、小鼠交叉反应性与 pH 敏感性；TfR1 在血脑屏障高表达，pH 敏感结合剂可在内体中释放并从脑侧排出以递送治疗药物。
Adaptyv Bio精选AI 评分5858 Anthropic × Adaptyv 蛋白质设计竞赛第三题开放：设计激活 GLP1R 的蛋白
Anthropic × Adaptyv 蛋白质设计竞赛第三题开放，要求参赛者设计能激活 GLP1R 的蛋白质。GLP1R 是司美格鲁肽（Ozempic、Wegovy）和替尔泊肽在 2 型糖尿病与肥胖中作用的受体。
Molecular Systems Biology精选AI 评分7474 Bits to Binders竞赛：AI生成minibinder在CAR T细胞中的功能评测
【全文总结】Bits to Binders社区竞赛让28支团队提交AI设计的minibinder，统一装入CAR支架并在原代人T细胞中做混合增殖筛选，6811个设计达到测序回收阈值，707个在CD20阳性淋巴瘤细胞培养中显著富集。
推荐理由：该竞赛把AI设计的minibinder放入CAR T细胞做功能筛选，显示结合设计到细胞功能之间仍有明显落差。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 与 Anthropic 蛋白设计竞赛第二期：设计 pH 6.0 选择性释放的 TNF-α 结合剂
Adaptyv Bio 宣布 Anthropic x Adaptyv 蛋白设计竞赛第二期，目标是设计优于现有药物的 TNF-α 结合剂，并能在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。设计要求还包括同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计。
推荐理由：比赛把 TNF-α 结合剂设计放到 pH 6.0 选择性释放和跨人鼠结合的双重约束下，可观察设计如何兼顾亲和力与可开发性。
Martin Pacesa精选AI 评分5858 Martin Pacesa 介绍 BindCraft2 多靶点与自定义损失实现及运行入口
Martin Pacesa 表示可将 BindCraft2 的多靶点与自定义损失实现用于设计任务，并给出在 AriaX、Tamarind 或 Google Colab 上运行的方式及 GitHub 链接。BindCraft2 由 Erik Mäeots 开发，仓库为 https://github.com/PacesaLab/BindCraft2；BC1 版本的多靶点 notebook 由 Lennart Nickel 和 Paul Kittner 提供。该帖引用了 Adaptyv 的 Anthropic x Adaptyv 蛋白质设计竞赛第一项挑战，要求设计在肿瘤酸性条件下结合 EGFR、在健康细胞正常 pH 下不结合的条件性结合剂，且需同时结合人源与小鼠源 EGFR 以支持临床前测试。
推荐理由：作者给出 BindCraft2 多靶点与自定义损失实现的可运行入口，便于复用条件性结合剂设计流程。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 入选 ARIA 激活伙伴，将在伦敦开设实验室
Adaptyv Bio 宣布被英国 ARIA 选为激活伙伴，并将在伦敦开设实验室，与 ARIA 资助团队合作搭建其蛋白质设计项目所需的实验能力。新增检测方法与模态将接入 Adaptyv 现有的实验室与数据基础设施，使其获得与平台其他部分相同的规模、速度和访问便利性。该实验基础设施将在英国建设和运营，公司称此举将扩展 ARIA 资助团队及英国蛋白设计生态可构建和测试的范围。
推荐理由：Adaptyv Bio 成为 ARIA 激活伙伴并在伦敦设实验室，为英国蛋白设计团队提供实验能力与平台接入。
Amir Shanehsazzadeh精选AI 评分7373 BindCraft2 提前开源，扩大分子设计搜索空间并接入 Adaptyv 竞赛
BindCraft2 已发布，代码当天开源，学术与工业使用均免费，作者团队未等论文发表即提前放出。该版本通过支持更多模态与靶点扩大了分子设计搜索空间，速度也更快，并可用于 Adaptyv 竞赛；Amir Shanehsazzadeh 表示 Claude 在复杂搜索空间中表现最好，相关竞赛由 Anthropic 与 Adaptyv Bio 共同赞助。
推荐理由：BindCraft2 提前开源并扩大分子设计搜索空间，为结合剂设计竞赛提供了可直接上手的工具。
Martin Pacesa精选AI 评分5858 Martin Pacesa：Adaptyv 竞赛的靶点交叉反应适合用 BindCraft2 原生处理
Martin Pacesa 表示 Adaptyv 蛋白质设计竞赛中的靶点交叉反应问题正是 BindCraft2 的原生适用场景，并给出工具概览与 GitHub 代码入口。他同时列出 Lennart Nickel 和 Paul Kittner 基于 BindCraft1 的多靶点 notebook 变体链接。被引用的竞赛帖称将提供最高 100 万美元 Claude 额度并实验验证社区提交的 5000 个设计，赛题涵盖物种交叉反应、pH 敏感性和肽-MHC 特异性等。
推荐理由：作者以 BindCraft2 作者身份指出该工具原生支持 Adaptyv 竞赛中的靶点交叉反应设计任务，并给出代码入口。
Adaptyv Bio精选AI 评分7272 Adaptyv Bio 关注 BindCraft2 开源并用于新蛋白质设计竞赛
Adaptyv Bio 表示，BindCraft2 已在其与 Anthropic 的新蛋白质设计竞赛开始前开源，该竞赛将有超过 5000 个设计在其实验室接受实验测试。作者回顾称，BindCraft1 在 2024 年其蛋白质设计基准中表现突出，赢得首届 EGFR 竞赛，并在后续轮次中被广泛使用。所引用的发布信息显示，BindCraft2 完整代码已放出，学术和工业用途均可免费使用，论文尚未发表。
推荐理由：BindCraft2 在 Adaptyv 新竞赛前开源，可对照其上一代在 EGFR 基准中的表现理解方法迭代。
Amir Shanehsazzadeh精选AI 评分6767 Anthropic 团队开源 30 多个生物分子模型的推理优化，并联合 Adaptyv 发起设计竞赛
Amir Shanehsazzadeh 报告，Claude 在不到 4 周内优化 30 多个开源生物分子模型，涉及自定义 GPU kernel、超过 10,000 token 的结构建模及低于 200 美元的结合物设计，并开放代码。帖子同时宣布与 Adaptyv 合办五项挑战，计划实验验证 5,000 多个设计。模型推理优化是相较竞赛总公告的新增内容。
推荐理由：Anthropic 公布用 Claude 优化 30 余个生物分子开源模型推理并开源代码，同时联合 Adaptyv 举办蛋白设计竞赛。
Adaptyv Bio精选AI 评分6060 Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，投入超百万美元实验验证
Adaptyv Bio 宣布与 Anthropic 合作发起蛋白质设计竞赛，设五个针对特定疾病或生物机制的挑战，分专家设计者、生命科学学术界与产业研究者、公众三条赛道。
推荐理由：Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，公开全部湿实验数据，可供观察 AI 设计在自动化实验中的实际命中情况。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 通过 API 为 OpenAI Rosalind Workbench 接入湿实验验证
Adaptyv Bio 宣布通过 Adaptyv API 将实验验证接入 OpenAI 的 Rosalind Workbench。Rosalind Workbench 用于跨模型和专用科学工具编排复杂生命科学研究工作流，接入后这些工作流可在 Adaptyv 湿实验室运行完整的设计—构建—测试—学习循环，并将真实实验数据直接反馈到下一轮设计。
推荐理由：Adaptyv 把湿实验验证接入 OpenAI 的科研工作流平台，展示了设计—构建—测试—学习循环的一种外部集成方式。
Amir Shanehsazzadeh精选AI 评分7878 Claude 编排开源蛋白模型，15 个靶点中设计出 14 个从头结合剂
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精选AI 评分7272 AlQuraishi评蛋白质设计方法靶点难度差异：Genie 3分到最难靶点
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。
Claude Science / Anthropic Science精选AI 评分8282 Anthropic 报告 Claude 蛋白结合剂设计与 NMR、LC-MS 化学分析研究
【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。