Baker Lab 用 RFdiffusion-AA 与 LigandMPNN 从头设计选择性光酶
Baker Lab 等利用深度学习设计方法 RFdiffusion-AA 和 LigandMPNN 从头生成光酶，将作为非天然氨基酸引入的二苯甲酮光敏剂精确置于喹诺酮底物附近，催化热禁阻的 [2+2] 环加成，立体选择性达 99% e.e.、区域选择性为 9:1 r.r.。
推荐理由：研究用深度学习设计从头光酶，在无需定向进化的情况下实现高立体与区域选择性，并给出晶体结构对照。
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。
686 条精选近 30 天 482 条共收录 999 条
更新
精选归档 · 第 20 页
bioRxiv · Biochemistry精选AI 评分7676 ACS JCIM (化学信息与建模)精选AI 评分6060 SF-GA：协同引导片段遗传算法将预测的P-gp底物改造为可合成非底物
【摘要级】研究提出协同引导片段遗传算法SF-GA，将片段协同分析嵌入遗传算法突变阶段，把预测的P-gp底物改造为预测非底物。在固定函数评估预算下，SF-GA与遗传算法和强化学习基线相比优化表现相当，且所生成分子的逆合成可及性在全部测试方法中最高。
推荐理由：该框架把片段协同分析嵌入遗传算法，在固定评估预算下比较优化表现与逆合成可及性，为可解释的分子改造提供参照。
ACS JCIM (化学信息与建模)精选AI 评分5858 MBFGNK：融合序列、结构与超图特征的可解释多肽毒性预测框架
【摘要级】研究提出可解释多模态几何学习框架 MBFGNK，用于多肽毒性预测，融合预训练蛋白语言模型的序列表示、基于等变图神经网络（EGNN）的三维结构特征，以及刻画全局、局部与生物协同残基相互作用的物理化学超图表示。
推荐理由：该框架融合序列、三维结构与超图特征预测多肽毒性，并给出可解释的基序与残基证据。
bioRxiv · Biochemistry精选AI 评分7676 从头设计钒卤过氧化物酶VAN1，可催化芳香底物溴化
研究团队利用机器学习引导的流程从头设计出20 kDa蛋白VAN1，可结合VO43-并溴化L-酪氨酸等活化芳香底物。X射线晶体结构与计算模型吻合，结构引导的突变使VO43-亲和力提高15倍、溴化活性提高2.6倍，与辅因子占据率变化定量一致。VAN1在纯有机溶剂中保持折叠，在水/有机混合体系中活性明显高于水相，作者称其为从头设计催化C-X键形成酶的首个例子（预印本摘要）。
推荐理由：该预印本用机器学习引导流程设计出可结合钒酸根并催化溴化的从头酶，为卤化酶设计提供参照。
LeapFun精选AI 评分6565 UniBindMD在bioRxiv复盘BindCraft2环肽设计627条轨迹零命中
深圳UniBindMD在bioRxiv复盘用BindCraft2 v1.0.3环肽模式针对人LDHA表面K81乳酰化附近表位的两轮设计，627条轨迹无一进入接受池，609条（97.1%）停在最早的screen阶段。
推荐理由：复盘627条环肽设计轨迹全部零命中，指出默认置信度门槛与短肽模态不匹配的具体卡点。
bioRxiv · Bioinformatics精选AI 评分6363 DCAF：统一数据有效性、评测有效性与预测建模的单细胞扰动模拟框架
DCAF 是一个统一单细胞扰动模拟框架，同时处理数据有效性、评测有效性与预测建模。其 DCAF-data 用熵正则最优传输重建扰动前后状态，DCAF-criterion 以非沉默基因的 log fold change 评估模型误差，DCAF-model 结合 JEPA 与显式调控动力学建模。
推荐理由：该框架把数据重建、评测准则与预测模型统一起来，并在跨基因、跨细胞类型与跨区域设置下与深度模型及简单基线比较。
bioRxiv · Bioinformatics精选AI 评分7474 研究审计单细胞扰动模型的置信度校准基准
研究构建了单细胞扰动模型评测框架，覆盖 Norman 2019 与 Replogle 2022 两个数据集、六种数据集-划分组合、scVI、CPA 与线性 Ridge 三个模型及 MC dropout、分位数回归、分裂共形预测三种不确定性量化方法，再用此前未纳入的零基线审计该框架。
推荐理由：该预印本审计单细胞扰动模型评测框架，揭示指标名与实际测量对象不符的六类失效模式。
bioRxiv · Bioinformatics精选AI 评分7474 研究用智能体LLM构建可及人类表面蛋白组数据库并发布SurfaceBench基准
研究团队用智能体LLM流程从文献中整理可及人类表面蛋白组，并构建SurfaceBench基准，该基准包含147个五个参考数据库常存分歧的蛋白。作者称其LLM分诊智能体在表面状态分类上比现有数据库更准确，并找回1,108个未见于任一数据库的候选表面蛋白；在留出的临床与病毒入侵表面靶点上，流程找回98-100%的已知表面抗原。
推荐理由：研究用智能体LLM从文献整理可及表面蛋白组，并以147个蛋白基准与五个数据库对照，提供可追溯的建库思路。
bioRxiv · Genomics精选AI 评分6565 RegDesign-Bench：细胞类型特异性调控DNA设计方法的标准化评测框架
研究团队提出 RegDesign-Bench，一个用于评测细胞类型特异性顺式调控元件设计的标准化计算框架。在所测试的方法中，预测活性强并不总伴随细胞类型选择性可及性或显著的细胞类型相关基序信号，与参考序列分布相似也不保证目标细胞活性或特异性高。作者据此指出，单一指标上的良好表现未必能推广到其他调控属性和文库特征，各方法存在依赖应用场景的优势与局限。
推荐理由：该基准比较多种调控DNA设计方法，显示单项指标表现好并不代表细胞类型特异性也成立。
bioRxiv · Bioinformatics精选AI 评分5858 研究用ProtT5嵌入构建蛋白结合位点网络，揭示跨尺度配体识别组织
研究将121,673个非冗余实验鉴定结合位点用ProtT5对配体接触残基的嵌入表示，并构建互最近邻网络。嵌入邻近性与局部结构相似性相关，网络整体呈现配体相关组织；中观尺度上，社区在既有蛋白分类内部显示异质景观，InterPro类别从紧凑邻域到分散识别环境不等。
推荐理由：研究用蛋白语言模型嵌入构建结合位点网络，为跨蛋白类别的配体识别相似性提供多尺度参照。
Nature Chemical Biology精选AI 评分5858 Nature Chemical Biology 研究以257个单原子修饰类似物建立配体优化背景预期
Xu 等人对6个靶点的18个先导分子做甲基化、卤化、羟基化和芳环碳氮替换等单原子修饰，合成并测试了257个类似物，为配体优化建立随机背景预期。其中11.3%的小扰动使靶点活性提升10倍及以上，但效力提升常伴随微粒体稳定性、渗透性或游离血浆比例下降。预测效力和药代变化的计算方法与实验定性一致，但仍不足以替代实验；对α2A肾上腺素受体激动剂增加一个甲基使亲和力提升52倍，并在体内镇痛上优于母体分子。
推荐理由：研究以18个先导分子、6个靶点的单原子修饰建立配体优化的随机背景，量化效力提升与药代性质损失之间的权衡。
Nature Chemical Biology精选AI 评分6060 Gray等开发anti-CRISPR–CRISPR转录报告系统检测蛋白降解
Gray等开发了一个anti-CRISPR–CRISPR转录报告平台，将蛋白降解转化为转录输出：把目标蛋白（POI）连到AcrIIA4上，POI经dTAG或PROTAC降解后AcrIIA4减少，dCas9-VPR得以激活TRE响应报告基因，从而产生灵敏且被放大的信号。
推荐理由：该研究把蛋白降解事件转成转录信号，为降解剂高通量筛选提供可复用的报告体系。
arXiv · q-bio.BM (生物大分子)精选AI 评分6262 MEVO：基于3D药效团的生成式分子进化框架用于结构导向药物设计
研究提出MEVO，一个在可合成化学空间内运行的生成式分子进化框架，用反应模板对Enamine Building Blocks构建的反应路线训练反应感知生成模型，联合生成分子与合成路线草图。
推荐理由：该预印本把反应感知生成与口袋进化搜索结合，为兼顾亲和力与可合成性的分子设计提供了一条可参考路径。
bioRxiv · Bioinformatics精选AI 评分6060 Distance-AF Multimer：用用户自定义距离约束改进蛋白复合物结构建模
作者提出 Distance-AF Multimer，用用户提供的残基对距离信息引导并修正 AlphaFold-Multimer 的对接预测，以两步流程从多个初始构象迭代优化以满足距离约束。在涵盖不同链数和对接误差的蛋白复合物基准上，该方法表现与其他深度学习结构预测方法相当或更优，并展示了在含 5 条以上链的大型多链组装体上的潜力。该工作为预印本摘要，结果基于文中基准评测。
推荐理由：该方法把用户提供的残基对距离约束接入 AlphaFold-Multimer，为实验距离数据与预测结构不一致的复合物建模提供可复用思路。
bioRxiv · Bioinformatics精选AI 评分6060 研究揭示化学蛋白质组学中半胱氨酸覆盖度的决定因素
bioRxiv 预印本研究结合半胱氨酸特征化、可解释机器学习与统计过滤，分析碘乙酰胺-脱硫生物素（IA-DTB）化学蛋白质组学中半胱氨酸可检出性的决定因素。Shapley 分析显示蛋白丰度和影响 LC-MS 行为的肽段内在性质是主导因素，半胱氨酸结构描述符贡献较小，提示检出受限发生在探针反应性下游。
推荐理由：研究用可解释机器学习拆解半胱氨酸化学蛋白质组学的检出限制，为工作流优化提供数据驱动依据。
bioRxiv · Bioinformatics精选AI 评分5858 RA-GHN：关系感知图-超图网络用于抗体序列-结构协同设计
研究提出关系感知图-超图网络RA-GHN，将基于图的成对建模与生物物理超图结合，用于抗体CDR的序列-结构协同设计。其异质超图使用表位-互补位相互作用斑块、空间结构簇和高连接度枢纽结构，双通路架构在保持SE(3)等变性的同时整合关系感知等变图网络与等变超图编码器。作者还提出结构-序列解耦指数以平衡结构可靠性与序列新颖性，摘要称其在标准基准和亲和力优化任务上优于现有基线。
推荐理由：该预印本用图与超图联合建模抗体界面多体相互作用，为CDR序列-结构协同设计提供可迁移的建模思路。
BioArt精选AI 评分7878 Arc Institute团队在Cell发表scBaseCount：AI智能体构建5.02亿细胞单细胞转录组数据库
Arc Institute的Yusuf H. Roohani和Hani Goodarzi团队在Cell发表scBaseCount，用AI智能体SRAgent从SRA挖掘并标准化重分析10× Genomics单细胞数据，汇集超过5.02亿个细胞、覆盖27个物种和75种组织。
推荐理由：该研究用AI智能体从SRA挖掘并统一重分析单细胞数据，为细胞基础模型训练提供了可比较的数据规模与扰动识别增益。
bioRxiv · Bioinformatics精选AI 评分7171 CAPO：面向算力预算的自动化蛋白质模型优化多智能体系统
作者提出 CAPO 多智能体系统，在训练前先测量目标加速器上的可行性、按预算估算成本并运行 canary，可拒绝负担不起的适配并选择更便宜的替代方案。
推荐理由：该预印本把蛋白模型适配写成带算力预算的门控决策，并在三个任务上给出与专家模型和通用智能体的对照结果。
AI-Protein Design精选AI 评分7373 Nature与Vita两篇金属蛋白酶计算设计论文对比
文章对比了David Baker团队发表于《Nature》的金属蛋白酶计算设计与曹龙兴团队发表于《Vita》的靶向Aβ切割金属蛋白酶从头设计两项研究。两者均用RFdiffusion系列或ProteusFlow生成骨架、LigandMPNN优化序列并结合AlphaFold2/3多状态筛选，实测结构与设计模型Cα RMSD约0.8–1.88 Å。
推荐理由：对比两篇金属蛋白酶从头设计论文，梳理生成模型、筛选体系与结构验证的异同，并指出周转率差距。
BioAICraft精选AI 评分7272 清华等团队发布Cerebra-Epistasis：多突变组合预测上位性Spearman达0.55
清华大学、中南财经政法大学和华中科技大学研究者于2026年9月24日在bioRxiv发布预印本，提出Cerebra-Epistasis，先由野生型序列预测结构并生成可复用的突变评分与上位性表征，再经轻量组装网络预测多突变组合。
推荐理由：该预印本把突变组合效应与大规模组合评分放进同一框架，并给出上位性预测与基线对比。