Nat Commun：LAffAb用Rosetta能量函数协同优化抗体亲和力与稳定性
《Nature Communications》发表LAffAb，一种从抗体-抗原复合物晶体结构出发、用Rosetta全原子能量与结构约束做CDR突变容忍度映射并组合多点突变文库的非迭代抗体设计策略。
推荐理由：该研究用Rosetta能量打分单轮设计抗体多点突变文库，在三个抗体上同时考察亲和力与稳定性。
内容形态
顶刊与预印本 最新动态
AI 制药研究、预印本、数据与基准，包含负面结果、独立复现、更正及撤稿；不以期刊名气替代文章级相关性与证据。
685 条精选近 30 天 481 条共收录 997 条
更新
顶刊与预印本的精选
AI-Protein Design精选AI 评分7474 药化猩球精选AI 评分5858 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。
Briefings in Bioinformatics精选AI 评分5858 MulDR：保留多组学视图特异细胞系关系的药物响应预测框架
【摘要级】研究提出 MulDR 结构化多视图关系学习框架，在药物条件化细胞-药物交互之前，分别为通路活性、基因表达、突变和 DNA 甲基化构建独立的细胞系关系结构，并结合 motif 级、几何感知分子图和 Morgan 指纹三种药物表示进行融合。
推荐理由：该框架在药物响应预测中保留各多组学视图的细胞系关系结构，为多视图建模提供了可迁移的设计思路。
ACS JMC (药物化学)精选AI 评分6868 多样计算策略发现p38α−MK2分子胶
【摘要级】研究结合自由能扰动与机器学习，从多种化学来源的配体中筛选并优先排序，识别出多个结构多样、高效力且高选择性的p38α−MK2分子胶。先导化合物14和28在人全血中达到覆盖EC50的暴露水平，并在脂多糖小鼠模型中口服给药后显著降低TNFα水平。该工作为三元复合物类分子胶的计算驱动设计提供了筛选与优化路径，结果基于摘要报告。
推荐理由：该研究用自由能扰动结合机器学习，从多样化学来源中筛选出结构多样的p38α−MK2分子胶，为三元复合物设计提供可参考的计算路径。
下一分子精选AI 评分5858 下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由：清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类，便于对照选用。
智药邦精选AI 评分6363 Nature Reviews Drug Discovery 访谈 OpenBind 负责人 Charlotte Deane：AI 药物发现的数据鸿沟如何填补
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
推荐理由：OpenBind负责人谈蛋白-小分子结合数据缺口，并给出首组数据集与盲测挑战的具体规模。
ACS JCIM (化学信息与建模)精选AI 评分6060 结合对接变异性与相互作用能的化合物优先级策略识别LRH-1潜在结合剂
【摘要级】研究提出一种化合物优先级排序策略，利用靶向物理对接与生成模型盲对接采样得到的构象，在LRH-1（NR5A2）正构配体结合口袋的多构象上训练两个多层感知机（MLP）预测结合剂或激活剂。在分布外化合物集上，MLP能识别与训练集化学结构不相似的化合物，并对单一骨架修饰敏感。将该方法用于一项前瞻性药物发现初步研究，识别出四个LRH-1潜在结合剂；评分与预测指标组合可在不同库规模下富集命中化合物。
推荐理由：该方法把两种对接采样与多构象信息用于训练排序模型，为减少结构筛选假阳性提供可迁移思路。
Briefings in Bioinformatics精选AI 评分7272 HEDGEHOG：面向药物生成模型的分层严格筛选评测框架
【摘要级】研究提出 HEDGEHOG 六阶段可配置评测框架，按命中化合物识别流程依次做预处理、理化性质筛选、结构警示与图结构合理性检查、合成可行性、对接以及三维构象与相互作用检查。
推荐理由：该框架把分子生成评测拆成六道筛选关卡，并以 KRAS G12D 为例展示各模型在不同阶段的淘汰差异。
Briefings in Bioinformatics精选AI 评分5858 MultiMHC：融合序列与残基接触拓扑的多尺度肽-MHC结合预测框架
【全文总结】研究提出MultiMHC，一个将图卷积网络与双向GRU结合的深度学习框架，用于肽-MHC结合预测，在外部测试集、IEDB基准和TESLA新抗原数据集上取得与NetMHCpan 4.1、MHCflurry 2.0、TransPHLA等工具相当的性能。
推荐理由：该框架把序列上下文与残基接触拓扑结合，为pMHC结合预测提供了一种轻量结构先验的建模思路。
bioRxiv · Bioinformatics精选AI 评分5858 pLM-bVAE：蛋白语言模型增强二值表征改进量子退火蛋白质序列设计
作者提出 pLM-bVAE，将预训练蛋白语言模型的表征引入原 bVAE 模型，用于量子退火蛋白质序列设计中的二值编码与序列解码。在三个公开蛋白变体数据集的计算实验中，pLM-bVAE 的序列重建准确率和二值编码表现均高于 bVAE，并在量子退火设计框架下生成更多高分序列，且与训练和验证数据的序列差异更大。结果基于计算实验，代码已在 GitHub 公开。
推荐理由：研究把蛋白语言模型表征接入二值变分自编码器，为量子退火序列设计的编码与重建环节提供对照。
bioRxiv · Bioinformatics精选AI 评分7070 生成模型能否预测全新酶促反应？研究在EnzymeMap_x基准上评测
研究提出一种结构条件生成模型，可从酶直接输出包含反应物和产物的完整反应，并在反应不相交基准EnzymeMap_x上按严格立体评分评测。在400个采样候选内，对测试酶-反应对中反应为训练中已见代谢物新组合的子集，模型完整正确生成反应的比例为25.0%；对由训练中未见代谢物组成的反应，正确生成比例为1.6%。
推荐理由：研究在反应不相交基准上考察结构条件生成模型能否从酶生成训练中未见的完整反应，并给出与既有方法的比较。
AI-Protein Design精选AI 评分7272 ProVADA 作者解读三篇 bioRxiv 预印本：生成式 AI 如何降低蛋白药物免疫原性
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。
奶牛猫的CADD实验室精选AI 评分7373 机器学习力场SO3LR Tauri发布：训练覆盖85种元素，可模拟蛋白质与DNA体系
研究人员发布机器学习力场SO3LR Tauri，用约1.48亿个量子化学结构训练，覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å，在顺铂与DNA交联体系中无需额外约束即维持铂四配位，但水分子扩散速度约为实验值一半，单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。
推荐理由：该工作用同一机器学习力场覆盖85种元素并测试多种生物体系，同时给出水扩散偏慢与模拟速度的具体边界。
bioRxiv · Bioinformatics精选AI 评分6060 CausalODE：从单细胞扰动数据推断基因调控网络的因果可达优化框架
作者提出 CausalODE，一个从单细胞扰动数据学习因果图的可微框架，用于推断基因调控网络。方法基于三点：被扰动基因的下游差异表达基因应位于该基因下游，作者用“因果可达”指标量化；因果作用涉及转录、剪接和降解中的瞬时细胞响应；调控由未被 scRNA-seq 直接测量的蛋白介导。
推荐理由：该预印本提出以因果可达性衡量调控图质量，为单细胞扰动数据的因果网络评测提供新参照。
LeapFun精选AI 评分5858 阿斯利康同日两篇研究：抗体亲和力优化中被低估的突变位点
阿斯利康团队分析同一克隆家族的211个抗ST2抗体，按实测亲和力分组后找出高亲和力抗体中更常见的突变，将M33I与L100I引入亲本ST2_146后KD由10.5 nM降至3.17 nM，再加K37R降至1.03 nM。
推荐理由：两篇抗体亲和力优化研究分别从克隆家族统计与结构能量筛选入手，并给出各自失效边界。
Hannes Stärk精选AI 评分7373 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。
ChemRxiv Preprints精选AI 评分6262 ChemRxiv预印本：本地开源大模型在分子生成中对参考数据的遵循程度因模型而异
研究在无约束和以69个参考激酶抑制剂为条件的两个分子生成任务中，评测了Gemma-4-31B、GPT-OSS-120B、Mistral-Small-4-119B和Qwen-3.6-35B-A3B在BF16、Q8、Q6、Q4量化级别下的表现。
推荐理由：研究比较四款开源大模型在四种量化精度下的分子生成表现，为本地部署的模型选择提供参照。
bioRxiv · Bioinformatics精选AI 评分6969 UnDetect：通过上下文建模与多视图迁移预测未见化合物的转录响应
研究提出 UnDetect 框架，将细胞与实验背景变异同化合物效应分离，以预测未做过转录谱分析的化合物的转录响应。作者报告，在药物盲法 L1000 基准上，从七个已发表模型中移除药物输入后，准确率变化最多为 0.012 Pearson 相关；UnDetect 是唯一在每一折都超过忽略化合物输入的网络的模型，在板内评分上达到 0.117，而最强已发表模型为 0.092。
推荐理由：研究指出既有模型几乎不利用化合物信息，并提出分离背景与化合物效应的框架，为扰动图谱的评测提供参照。
bioRxiv · Bioinformatics精选AI 评分6363 对比学习提升M2OR嗅觉结合数据集上的泛化表现
研究在M2OR与iOBPdb数据集上评估VOC-OR结合预测的数据划分方法与模型表现，发现将特定化学或蛋白基序从训练集留出会使两层神经网络性能下降。作者采用由共享分子组分定义的对比学习目标与随机采样器后，模型在所有数据划分上达到0.88 AUCROC。研究指出成对生物相互作用数据集的性能可能因成分重叠导致的身份泄漏而被抬高，并强调需要更稳健的评测协议。
推荐理由：研究显示成对相互作用数据集的划分方式会因成分重叠抬高模型表现，并给出对比学习缓解该问题的做法。
bioRxiv · Bioinformatics精选AI 评分6969 研究揭示单细胞扰动筛选中的孔板设计混杂供体差异与模型评测
该预印本基于90种细胞因子筛选、两项化合物筛选、四个队列与模拟，指出孔板孔位效应解释了丰度较高细胞类型中大部分重复对照变异，对照孔携带共同偏移，相同对照孔在标准阈值下差异表达基因可达数百个，数量约与两种受体阴性蛋白相当。
推荐理由：研究用多队列单细胞筛选与模拟说明孔板布局会混淆供体差异，并给出设计感知的模型评测参照。