少考虑一颗水分子，AI 设计蛋白酶的成功率差了这么多？
David Baker 团队在 Nature 发表研究，用 AI 从头设计可切断指定肽键的金属蛋白酶：结构评估仅考虑 Zn²⁺ 时实验成功率为 14/95（约 15%），同时考虑 Zn²⁺ 和催化水后升至 35/40（约 88%）。
推荐理由：解读 Baker 团队金属蛋白酶设计研究，说明催化水如何改变计算筛选的成功率。
企业与机构 · Labs
Baker Lab / IPD 最新动态
华盛顿大学蛋白质设计研究所（IPD）与 David Baker 实验室：RoseTTAFold、RFdiffusion、从头抗体与结合剂设计。
35 条精选近 30 天 28 条共收录 81 条
更新
精选归档 · 第 2 页
奶牛猫的CADD实验室精选AI 评分7474 AI-Protein Design精选AI 评分7676 Baker团队在《Nature》发表人工金属蛋白酶设计，可定点水解TDP-43但活性仍低于天然酶
Baker团队在《Nature》报告用RFdiffusion2/3与EnhancedMPNN从头设计金属蛋白酶，显式建模锌配位催化水分子后湿实验筛选阳性率从15%升至88%。代表性设计TDPn3可定点切割全长TDP-43单体与寡聚体，SDS-PAGE和质谱确认断裂位点，阴性对照无切割条带。作者指出最强变体Zn45_v2周转率仍比顶级天然金属蛋白酶低约2个数量级，且尚无细胞或动物实验验证。
推荐理由：文章拆解了Baker团队金属蛋白酶从头设计的策略演进，并点明催化效率与体内验证的具体边界。
DeepTech深科技精选AI 评分8383 David Baker团队在Nature连发两篇论文，AI从头设计蛋白酶最高催化加速超100亿倍
华盛顿大学David Baker团队10月14日在Nature发表两篇论文，用RFdiffusion、ProteinMPNN和AlphaFold 3从头设计半胱氨酸蛋白酶与金属蛋白酶。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的实验成功率与催化加速，并给出与天然酶的差距。
木可AI探索笔记精选AI 评分7474 David Baker 团队推出 Prompteina：用自然语言指令设计蛋白并在 GM2A 靶点筛出 6 个结合剂
David Baker 团队发布蛋白生成模型 Prompteina，以英伟达 Complexa 为底子、用 5240 万条结构描述训练，可直接接受自然语言指令设计蛋白。据该文，它在 18 项任务中胜出 15 项，折叠架构控制指标提升到 51.1%，在 20 个靶点盲测中至少胜出 13 个。湿实验针对 GM2A 靶点挑选 90 个设计，筛出 6 个有效结合剂，最强亲和力为 107 nM。
推荐理由：介绍 Prompteina 用自然语言指令驱动蛋白生成，并给出湿实验筛出结合剂的结果，便于了解该方向的方法与证据边界。
木可AI探索笔记精选AI 评分8383 David Baker团队提出文本条件化全原子蛋白生成模型Prompteina，GM2A结合剂湿实验命中率6.7%
David Baker团队联合新加坡国立大学和AI2提出文本条件化全原子蛋白质结构生成模型Prompteina，以自然语言作为统一条件入口，基底为NVIDIA团队的Complexa。
推荐理由：梳理Prompteina如何用自然语言统一蛋白生成接口，并完整走通agent设计到湿实验命中的链条。
BioAICraft精选AI 评分7373 David Baker 团队预印本提出从头设计控制 N-连接糖链组成
David Baker、Neil King 等人在 bioRxiv 发布预印本，提出通过从头蛋白质设计在糖链周围构建结构遮挡、限制加工酶接近，从而控制 N-连接糖链组成。
推荐理由：解读 Baker 团队预印本如何用结构遮挡控制糖型，并给出从约1%到约47%的筛选改进路径。
AI蛋白质精选AI 评分7878 Baker与Neil King团队从头设计糖蛋白，用氨基酸序列编码N-糖基化位置与组成
华盛顿大学David Baker与Neil King团队开发全原子计算流程，从头设计糖蛋白，使氨基酸序列同时编码N-连接糖链的位置与组成，通过设计三维结构中的空间位阻调控糖链加工。
推荐理由：该预印本把糖链组成纳入从头设计变量，并用细菌黏附与凝集素结合实验检验设计糖蛋白的功能。
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。
英灵殿科技Valhalla精选AI 评分7878 华盛顿大学David Baker团队提出RFOptimization：用全原子结构模型引导蛋白质设计优化
华盛顿大学蛋白质设计研究所David Baker团队提出RFOptimization（RFO），冻结RF3参数，从Pairformer后的distogram与置信度头提取梯度，在离散序列空间用梯度引导MCMC搜索，并与Boltz加ProteinMPNN/LigandMPNN的结构循环分支交替使用，AlphaFold3仅作独立评估。
推荐理由：该工作把全原子结构模型的内部梯度用于已有候选的序列优化，并给出跨模型一致性与算力成本的对照。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 华盛顿大学、Allen研究所与Fred Hutch联合成立AI BioDesign联盟，五年投入近9500万美元
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。
AI4Protein精选AI 评分8080 Science 论文解读：Townley 等用深度学习从头设计 RNA 假结
Townley 等人在 Science 发表的工作用深度学习设计 RNA 假结，先做对二级结构与局部拓扑，再借助 RNA 自身折叠补全三维细节。
推荐理由：文章解读了深度学习设计 RNA 假结并用 SHAPE 与补偿突变验证的路线，也点出结构正确不等于功能保留。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理，256 残基蛋白预测从 5.8 秒降至 2.5 秒
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8282 Baker Lab 开源发布 RFdiffusion3 全原子生物分子设计模型
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8888 Baker Lab 发布 RFdiffusion2：以提示直接生成高效酶
Baker Lab 报告开发 RFdiffusion2，可直接以活性位点原子排布为输入生成酶，无需实验室优化即具备催化活性。在 Nature Methods 研究的计算基准中，该模型解决 41 项酶设计挑战中的 41 项，此前最佳工具为 16 项。
推荐理由：RFdiffusion2 以活性位点结构为输入直接生成酶，并在计算基准中解决全部 41 项设计挑战，为酶设计提供了新的可复用工具。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8686 Baker Lab在Nature发表RFantibody：用RFdiffusion从头设计全长抗体
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。