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。
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。
800 条精选近 30 天 563 条共收录 1,179 条
更新
精选归档 · 第 36 页
AI4Protein精选AI 评分8080
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。
ACS JCIM (化学信息与建模)精选AI 评分5858 AbAgMut-GNN 用侧链特异性蛋白语言模型与配对几何图学习预测抗体-抗原突变 ΔΔG
【摘要级】作者提出 AbAgMut-GNN，一个围绕野生型与突变型抗体-抗原复合物显式比较的配对图框架，用 AntiBERTy 和 ESM2 分别提供抗体链与抗原链的冻结残基级嵌入。
推荐理由：该研究用配对图框架比较野生型与突变型复合物，为抗体突变效应的趋势排序提供了可参照的评测设置。
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。
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。
AI4Protein精选AI 评分8383 Anthropic 论文：Claude 智能体自主设计蛋白 binder，15 个靶点命中率 26.8%
Anthropic 的论文让 Claude 在约 1.6 万词操作规程下自主完成从靶点调研、表位选择到工具编排与排序的蛋白 binder 设计，15 个可解释靶点共 1320 个设计中 354 个被判为 binder，总命中率 26.8%，14 个靶点至少得到一个 binder。
推荐理由：论文用双 CRO 实测检验 Claude agent 自主完成 15 个靶点的 binder 设计流程，并给出失败靶点与评分局限。
Nature Biotechnology精选AI 评分8888 AIntibody前瞻性盲测：以实验亲和力与可开发性为锚评测计算抗体发现
【全文节选总结】AIntibody挑战以SARS-CoV-2 RBD为靶点，对25家以上机构提交的511条抗体序列统一表达为全长IgG，用高通量SPR、KinExA和五项可开发性检测做前瞻性盲测。
推荐理由：前瞻性盲测把AI设计的抗体统一表达为IgG并做SPR、KinExA与可开发性检测，给出算法与实验方法在同一条件下的对照。
ACS JCIM (化学信息与建模)精选AI 评分7474 研究提出配对表示缩放，在AlphaFold 3与Boltz-2中偏置构象采样
【全文总结】研究提出配对表示缩放：在Pairformer输入端将潜在配对表示乘以单一标量(1+β)，无需重训练或改动MSA，即可在AlphaFold 3与Boltz-2中拓宽构象采样。
推荐理由：研究提出仅缩放配对表示的推理时扰动，在86个双态靶点上与MSA扰动和BioEmu比较，给出可迁移的构象采样手段。
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。
Brian Hie精选AI 评分6767 Brian Hie 转发 ProteinDPO 在 Nature Methods 发表解读
Brian Hie 转发 Talal 的系列帖，介绍 ProteinDPO 最终版已在 Nature Methods 发表。据该帖，论文新增将该模型用于稳定流感疫苗主要成分血凝素的前融合态，并给出论文链接 https://www.nature.com/articles/s41592-026-03137-3。
推荐理由：ProteinDPO 正式发表于 Nature Methods，新增血凝素前融合态稳定化应用，可作为蛋白设计偏好优化的参照。
Brian Hie精选AI 评分7373 ProteinDPO 将蛋白生成模型对齐实验适应度，成果发表于 Nature Methods
Brian Hie 团队用 ProteinDPO 将蛋白生成模型与实验适应度对齐的工作已发表于 Nature Methods。发表版本新增了对 H5 血凝素（流感疫苗组分）的稳定性突变结果。论文链接：https://www.nature.com/articles/s41592-026-03137-3
推荐理由：该工作把蛋白生成模型与实验适应度对齐，并给出在流感疫苗组分H5血凝素上的稳定性突变结果。
ACS JCIM (化学信息与建模)精选AI 评分6868 研究用NeuralPlexer生成复合物与NRI动态分析重定位BCL-2抑制剂并获体外验证
【全文节选总结】研究提出一条面向BCL-2的多模态药物重定位流程，用扩散生成模型NeuralPlexer为3094个FDA已批准药物生成配体特异性复合物构象，保留1294个结构可接受构象，经Glide SP精修与RMSD<2 Å过滤后得463个化合物。
推荐理由：研究把扩散生成复合物、MD轨迹图推断与湿实验串成一条重定位流程，为多指标筛选提供可迁移参照。