DIME：从蒙特卡洛系综经连续时间马尔可夫链推断动力学
【摘要级】作者提出 DIME 框架，从静态玻尔兹曼加权系综构建连续时间马尔可夫链，无需大规模分子动力学模拟即可生成动力学轨迹。方法先将系综聚类为亚稳态，再依据自由能面估计的能垒构建满足细致平衡的速率矩阵，并用短 MD 参考轨迹校准绝对时间尺度。
推荐理由：该方法把静态蒙特卡洛系综转成动力学模型，并在六个体系上与MD结果对照，为热力学可采、动力学难收敛的场景提供参照。
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 998 条
更新
精选归档 · 第 30 页
ACS JCIM (化学信息与建模)精选AI 评分6363 ACS JCIM (化学信息与建模)精选AI 评分6565 CTMD：用元动力学可逆功 c(t) 估计实现早期富集命中发现
【摘要级】作者提出基于可逆功估计 c(t) 的元动力学方法 CTMD，用少量短时独立 well-tempered 元动力学轨迹对结合稳定性排序，无需收敛的结合自由能，并在多类靶点与化学型上报告稳健的早期富集。研究还称共折叠方法 Boltz-2 的富集效果与训练集相似度成正比，且在活性位点显著改动时仍复现该现象。该工作为论文摘要，未提供具体靶点、数据集与量化指标。
推荐理由：该研究提出基于可逆功估计的物理筛选方法，并对比共折叠模型在早期富集上的表现。
ACS JCIM (化学信息与建模)精选AI 评分6363 PLLML：用持续局部拉普拉斯描述符预测蛋白-配体结合亲和力
【全文总结】作者提出基于持续局部拉普拉斯（PLL）的分子描述符，与梯度提升决策树结合构建蛋白-配体结合亲和力预测模型，并与序列语言模型特征做共识集成得到PLLML。
推荐理由：研究提出局部持续拉普拉斯分子描述符，在三个PDBbind基准上与持续同调等模型对比，给出可复用的亲和力预测参照。
Briefings in Bioinformatics精选AI 评分6060 DLRNA-BERTa：基于Transformer的分子-RNA结合亲和力预测模型
【全文总结】作者提出DLRNA-BERTa，将预训练的RNA-BERTa与ChemBERTa-v2通过交叉注意力结合，仅用RNA序列和SMILES预测分子-RNA解离常数pKd。
推荐理由：研究用RNA序列与SMILES直接预测分子-RNA亲和力，并如实报告外部基准泛化有限，为RNA靶向筛选提供参照。
ACS JCIM (化学信息与建模)精选AI 评分7373 闭环多目标优化设计受体选择性穿膜肽并在HeLa细胞中验证
【全文总结】研究提出闭环多目标优化框架，用于设计对CXCR4选择性高于NRP1的穿膜肽：以EvoDiff加LoRA微调生成100万个候选序列，用DiffDock对接、100 ps分子动力学与MM/GBSA计算按残基数归一化的受体结合分数，再由深度集成代理模型和qNEHVI多目标贝叶斯优化迭代选样。
推荐理由：研究把受体选择性穿膜肽设计写成双目标优化问题，并用细胞成像检验候选肽的富集差异。
ACS JCIM (化学信息与建模)精选AI 评分5858 结构热点条件化用于扩散式分子设计
【摘要级】研究提出并系统考察结构热点条件化，将相互作用相关的化学知识注入口袋条件扩散模型，用于基于结构的分子设计。作者以 MolSnapper 为统一生成模型，在标准化 CrossDocked2020 测试集上比较三种原子级参考点定义策略：基于对接得分的原子选择、基于结构的药效团定位和数据驱动的氢键位点预测，并评估对接衍生的亲和力估计、理化质量、结构合理性与化学多样性。
推荐理由：研究把结构热点条件注入扩散生成模型，比较三种原子级参考点策略在标准测试集上的取舍。
ACS JCIM (化学信息与建模)精选AI 评分7474 研究用共折叠模型 Boltz-2 筛选 AKR1B10 抑制剂，40 个候选化合物中 70% 具抑制活性
【全文总结】研究以共折叠模型 Boltz-2 对 AKR1B10 做约束引导的虚拟筛选，从 Enamine Discovery Diversity Set 的 50,240 个化合物中筛出 867 个候选。
推荐理由：研究用约束引导的 Boltz-2 筛选 AKR1B10 抑制剂，并给出前瞻性湿实验命中率与选择性证据。
ACS JCIM (化学信息与建模)精选AI 评分5858 CogNet-DTA：以不确定性感知记忆检索解析分子结合平衡
【摘要级】研究提出记忆增强框架 CogNet-DTA，用于药物-靶点亲和力（DTA）预测，通过化学图记忆网络检索历史结合基序进行类比推理。
推荐理由：该框架把历史结合先验与不确定性量化结合，并在冷启动划分下评测对新药与新靶点的泛化。
Briefings in Bioinformatics精选AI 评分5858 ToxMamba：融合预训练嵌入与多尺度状态空间模型的毒性肽预测方法
【全文总结】作者提出 ToxMamba，用隐式结构模型（ISM）预训练嵌入结合 Mamba 多尺度特征提取与五折集成，预测肽的毒性二分类。在与 PTP-SMGCA、ToxiPep、ATSE 等基线统一数据划分的独立测试集上，ToxMamba 的 F1、MCC、AUC、AUPR 居首，ISM_Mamba 变体报告召回 83.8%、精确率 88.8%、MCC 73.4%、AUC 93.8%。
推荐理由：该研究把隐式结构嵌入与 Mamba 多尺度编码用于毒性肽预测，并在独立溶血数据上做了对照评测。
Pranam Chatterjee精选AI 评分7373 SaLT&PepPr 引导肽在小鼠体内选择性降解致病 β-catenin
Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。
推荐理由：作者团队报告其设计的肽在小鼠体内实现靶向降解，为序列设计结合剂的体内验证提供实例。
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。
ACS JCIM (化学信息与建模)精选AI 评分6262 面向不平衡分子性质回归的基准研究与区间感知专家混合模型 IA-MoE
【全文总结】研究在 TDC 的 Caco2_Wang、Lipophilicity_AstraZeneca、PPBR_AZ、LD50_Zhu 和 Solubility_AqSolDB 五个分子性质回归基准上，评测了 SPECTRA、LDS、DenseWeight、FDS、QuanRel 等数据级、损失级和特征级不平衡学习方法，并提出可插拔的区间感知专家混合框架 IA-MoE。
推荐理由：研究系统比较了数据、损失与特征三类不平衡回归方法在分子性质预测上的迁移表现，并给出区间感知专家混合的替代思路。
AurekaBio 寻明生科精选AI 评分8383 寻明生科AuraIDE夺得首届AIntibody抗体设计盲测Challenge 1冠军，结果发表于Nature Biotechnology
首届国际AI抗体设计大赛AIntibody的结果发表于Nature Biotechnology，寻明生科自研抗体设计模型AuraIDE（参赛名AuraBind）在Challenge 1计算亲和力成熟任务中夺冠，其冠军抗体经KinExA测得KD为94.7pM，较亲本抗体提升约2000倍，优于第二轮组合文库湿实验筛选得到的最佳抗体（113pM）。
推荐理由：首届AIntibody盲测以统一湿实验验证抗体设计，冠军序列的亲和力优于实验筛选最优克隆，为模型能力提供了独立参照。
Pranam Chatterjee精选AI 评分6262 Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选
Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。
推荐理由：作者团队用语言模型设计肽引导构建哺乳动物筛选，为蛋白功能敲低提供可迁移的实验框架。
Valence Labs 官网资讯精选AI 评分6262 Valence Labs 作者运行 Boltz-2 一亿次，检验共折叠能否模拟细胞生物学
Valence Labs 的 Dominique Beaini 用可抢占 GPU 对 9,000 个靶点与 50 万配体运行 AlphaFold-Multimer 和 Boltz-2 共折叠及亲和力预测，累计 1 亿次，构建名为 affinity-prints 的数据集，并借助 Recursion 的表型组学图谱检验预测相互作用与细胞实验数据的对应关系。
推荐理由：作者用上亿次共折叠预测搭建亲和力指纹，并检验其与细胞表型数据的对应关系，为共折叠与虚拟细胞的衔接提供了一套可迁移的评测思路。
Biohub · News精选AI 评分7474 Biohub 用 AI 建模肿瘤细胞状态，在 DMG 小鼠中验证双药组合延长生存
Biohub 与哥伦比亚大学等机构的研究者开发 AI 系统，用 ARACNe 与 VIPER/metaVIPER 从单细胞 RNA 测序数据中识别控制肿瘤细胞状态的 Master Regulators，发现同一瘤种的患者共享近乎相同的恶性细胞状态集合，相关结果发表于两篇 Nature Genetics 论文。
推荐理由：两篇 Nature Genetics 论文用单细胞数据刻画肿瘤细胞状态，并在 DMG 模型中验证组合用药的协同生存获益。
Amir Shanehsazzadeh精选AI 评分6767 Amir Shanehsazzadeh 发布蛋白结合剂设计数据并谈 ipSAE 指标
Amir Shanehsazzadeh 表示其数据发布中包含了用全部10个共折叠模型、每个模型5个种子重新打分所得设计的PAE，希望这些数据与湿实验数据能帮助发现更好的结合与亲和力指标。
推荐理由：作者公开蛋白结合剂设计数据时说明纳入10个共折叠模型各5个种子的PAE，为结合亲和力指标改进提供素材。
Ginkgo Datapoints · Updates精选AI 评分7070 GDPa5：基于大规模IgG数据预测VHH-Fc可开发性
Ginkgo发布GDPa5，一个含160个成员的VHH-Fc库，在PROPHET-Ab平台上用10项生物物理实验进行表征，并同步发布bioRxiv预印本。在559个IgG上训练的跨格式模型优于仅用GDPa5训练的模型，作者认为优势来自标准化IgG数据的规模而非格式本身。
推荐理由：该预印本公开VHH-Fc可开发性数据集，并比较IgG训练模型与格式内训练模型的跨格式迁移表现。
英灵殿科技Valhalla精选AI 评分7474 NACraft：用全原子结构模型反馈实现可编程核酸适配体设计
Valhalla Technology 等提出 NACraft，将 Boltz-1 全原子结构模型的可微分反馈反向传播到核苷酸序列，在推理阶段统一支持 de novo、similarity-guided 和 target-selective 三类 RNA/DNA 适配体设计，无需针对任务重新训练。
推荐理由：该工作把全原子结构模型的反向反馈用于核酸适配体设计，并给出跨靶标与选择性任务的评测结果。
Amir Shanehsazzadeh精选AI 评分5858 Twist Bioscience 称 Claude 在 15 个靶点中为 14 个设计出结合剂并完成湿实验验证
Twist Bioscience 表示，其选取常见与新颖靶点测试 Claude 的蛋白设计能力，在 15 个靶点中 Claude 成功为 14 个设计出结合剂，湿实验验证由 Twist 完成。Amir Shanehsazzadeh 转发该内容并表示与 Twist 团队合作愉快、期待继续合作，帖文未披露靶点清单、结合剂形式与验证指标。
推荐理由：Twist 披露 Claude 在 15 个靶点中设计出 14 个结合剂并完成湿实验验证，可作为了解通用大模型参与蛋白设计的参照。