cofoldarena.ai 上线开源共折叠结构预测模型排行榜
Hannes Stärk 转发推荐 bjing2016 制作的 cofoldarena.ai，这是一个与 PDB 同步、每周更新的开源共折叠结构预测模型排行榜，所有预测结果均可查看和下载。bjing2016 表示，推出该榜单是为了帮助大家跟上不断涌现的开源共折叠模型。
推荐理由：该榜单按周同步 PDB 并公开预测结果，为比较开源共折叠结构预测模型提供了可下载的参照。
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。
800 条精选近 30 天 563 条共收录 1,179 条
更新
精选归档 · 第 38 页
Hannes Stärk精选AI 评分5858
Nature Biotechnology精选AI 评分7474 ProteinGuide：无需额外训练即可按属性引导蛋白序列生成模型
【摘要级】研究提出 ProteinGuide，一种无需额外训练生成模型即可对蛋白序列生成模型进行即时条件化的方法，适用于 ESM3 等掩码语言模型、ProteinMPNN 等任意顺序自回归模型以及 MultiFlow 等离散状态空间上的扩散与流匹配模型。
推荐理由：提出无需重训生成模型的序列条件化框架，并用湿实验数据提升碱基编辑器的体内编辑活性。
环肽与药物发现精选AI 评分5858 JMC研究解析浅灰霉素的反向分子变色龙性
JMC发表的研究以天然抗菌大环肽浅灰霉素为对象，结合PAMPA、Caco-2、EPSA测定与溶液NMR、蒙特卡洛构象搜索及NAMFIS分析，解析其在极性与非极性环境中的构象分布。
推荐理由：文章解读JMC研究如何用构象集合解释大环肽渗透性反常，为环肽可开发性评估提供构象层面的参照。
Bioinformatics (Oxford)精选AI 评分6262 SimBinder-IF：基于高效偏好学习的结构感知抗体亲和力优化
【全文总结】SimBinder-IF 在 ESM-IF 基础上冻结结构编码器、仅用 SimPO 微调序列解码器，以提升抗体序列对数似然与结合亲和力的一致性。
推荐理由：研究用偏好优化微调ESM-IF的序列解码器，在留出抗原上比较亲和力排序与基线表现。
ACS JCIM (化学信息与建模)精选AI 评分6363 CYPMol：整合功能残基与分子嵌入的单模型框架预测 CYP 底物、抑制剂和代谢位点
【摘要级】清华大学团队提出 CYPMol，将功能残基与蛋白质语言特征同预训练小分子嵌入整合进单一架构，用于预测 CYP 底物、抑制剂和代谢位点。摘要报告其在九种人类 CYP 的底物预测 MCC 为 0.819、抑制剂预测 MCC 为 0.725，并称优于现有最优模型；该框架还可预测 537 种动物、植物或微生物 CYP 在催化中发生变化的具体代谢位点。代码与数据集已在 GitHub 和网页服务器公开。
推荐理由：该框架把功能残基信息纳入 CYP 底物、抑制剂与代谢位点预测，并给出与现有模型的对比结果。
分子之心MoleculeMind精选AI 评分6565 分子之心MMDesign环肽从头设计获湿实验验证，p53-MDM2首轮21条中16条命中
分子之心在WAIC 2026公布MMDesign环肽从头设计结果：针对p53-MDM2靶点首轮设计并测试的21条候选环肽中16条实验命中，命中率超过70%，最优候选KD为13.7微摩尔，优于同期实验阳性对照；PD-L1靶点首轮19条候选中有6条经SPR确认结合，最佳KD接近40微摩尔。
推荐理由：分子之心公布MMDesign在p53-MDM2与PD-L1两个PPI靶点的环肽首轮湿实验命中数据，可与纳米抗体结果对照看平台跨模态能力。
Inductive Bio 官网资讯精选AI 评分6060 Inductive Bio 在 OpenADMET PXR 盲测挑战中夺冠，为连续第三次获第一
Inductive Bio 在 OpenADMET 的 PXR Blind Challenge 中排名第一，击败来自大型药企、生物技术公司、学术机构和 AI 组织的 350 多名研究者。
推荐理由：Inductive Bio 在 PXR 盲测挑战中夺冠，可与该公司连续三次盲测成绩及 ADMET 建模的真实条件评测对照阅读。
NewLimit · Progress Blog精选AI 评分6868 NewLimit 2026年5-6月进展：先导资产放大120倍、AI系统实现跨细胞类型泛化
NewLimit 在2026年5-6月进展更新中称，其先导重编程药物已完成生产放大超过120倍，足以支持关键非临床研究，并计划明年进入临床。其AI系统Ambrosia首次实现跨细胞类型泛化，在预测内皮细胞重编程效果时用少于三分之一的实验数据达到与谱系专用模型相当的性能。公司还发现5个可恢复衰老内皮细胞年轻基因表达与再生潜力的重编程载荷，并完成C轮融资。
推荐理由：NewLimit 披露先导资产放大生产与跨细胞类型泛化的进展，呈现重编程药物从发现走向临床前的具体路径。
Nabla Bio精选AI 评分6565 Nabla Bio 转发 Twist Bioscience 关于 JAM-2 选择性抗体设计的客户成果
Nabla Bio 转发 Twist Bioscience 的客户成果介绍，称 JAM-2 通过设计高选择性抗体靶向此前被认为无法在细胞内触及的蛋白，并附报告链接。Nabla Bio 自身正文仅表达对 Twist Bioscience 的致意，未补充技术细节或数据。
MIT Jameel Clinic · News精选AI 评分7373 机器学习筛选出抗耐药淋球菌的新型抗生素候选分子
MIT 的 Melis Anahtar 团队用含 38,650 个分子及其抑制淋球菌生长数据训练神经网络，再筛选 610 万分子，找到预测可靶向该菌的候选。实验室测试显示其中一个分子对多重耐药淋球菌有效且对人细胞毒性较低；用另外 152 个分子重训模型后又发现一个候选，该分子在体外杀死多重耐药菌株并在小鼠体内降低药物敏感菌株水平，进一步实验显示其抑制细菌细胞壁合成所需的一种酶。
推荐理由：研究用3.8万分子训练神经网络筛选610万分子，找到对多重耐药淋球菌有效且机制新颖的候选。
Cradle Bio Blog精选AI 评分6767 AI 如何改变抗体优化的第一轮：Cradle 七个多样化campaign的实测
Cradle 在七个抗体多样化campaign中，用基于进化序列数据训练的模型生成每个携带2-8个突变的多突变变体库，设计变体的结合保留率为56%-92%，其中四个campaign在未针对亲和力优化的情况下出现2倍至350倍亲和力提升。
推荐理由：Cradle 用七个抗体多样化campaign的实测数据，对比单点扫描与多突变首轮的取舍，给出首轮实验设计的具体参照。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 提出 f-Trajectory Balance 损失族，用于分子生成与 LLM 的探索调优
Valence Labs 的 Jason Hartford 介绍其 ICML 论文 f-Trajectory Balance，提出一族损失函数用于微调 GFlowNets、生成模型和 LLM，并支持离策略与在策略数据。
推荐理由：作者从损失函数角度解释生成模型探索与利用的权衡，为分子生成和 LLM 微调提供可迁移的方法视角。
Ginkgo Datapoints · Updates精选AI 评分7171 Ginkgo发布160个双特异性抗体可开发性数据集与设计规则
Ginkgo在统一的knobs-into-holes CrossMab IgG1骨架上，用PROPHET-Ab高通量平台的10项检测表征了160个双特异性抗体及其65个亲本臂，并公开数据集。
推荐理由：研究用160个双抗与65个亲本臂的配对数据，区分哪些可开发性指标可从亲本预测、哪些必须在双抗层面测。
HouMed精选AI 评分7474 浙大团队在Nature Communications发表机器学习增强采样工作流，解析AR-NTD配体识别并发现新型拮抗剂K53
浙江大学李丹、侯廷军团队在Nature Communications发表机器学习增强采样工作流，用于解析本征无序蛋白AR-NTD的构象景观与配体识别机制，并发现新型AR-NTD拮抗剂K53。
推荐理由：该工作把增强采样、机器学习集合变量与虚拟筛选串成流程，用于本征无序蛋白的构象与配体识别研究。
Genesis Molecular AI精选AI 评分7474 Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型，推理提速 5 倍
Genesis Molecular AI 发布 DeCAF-Pearl，称其为首个用于全原子共折叠的流图模型，相比其 Pearl 模型推理提速 5 倍且质量几乎无损。
推荐理由：DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型，为高通量筛选场景提供了速度参照。
Genesis Therapeutics 官网资讯精选AI 评分7373 Genesis 发布 DeCAF-Pearl：面向全原子共折叠的流映射蒸馏模型
Genesis 发布 DeCAF-Pearl，这是首个用于全原子共折叠的流映射模型，由 Pearl-2026.1.dev 蒸馏而来，扩散采样阶段的模型调用减少约 20 倍，整体推理加速约 5 倍。
推荐理由：Genesis 将 Pearl 共折叠模型蒸馏为少步流映射模型，在保持成功率的同时把推理成本降低约 5 倍。
Cradle Bio Blog精选AI 评分6767 Cradle 展示零样本抗体多样化：七组实验与单突变扫描基线对比
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验，其中 4/7 实验、2/3 靶点出现显著亲和力提升，弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由：Cradle 汇总七组零样本抗体多样化实验，给出功能率与亲和力提升幅度，并对照文献单突变扫描基线。
Roshan Rao精选AI 评分6262 ESMC、ESMFold2 与蛋白机制可解释性论文更新并发布预印本
Roshan Rao 等在 bioRxiv 发布关于 ESMC、ESMFold2 和蛋白质机制可解释性的论文，并对上周初版做了修订。
推荐理由：作者说明 ESMC、ESMFold2 与蛋白机制可解释性预印本的修订内容，涉及基准评测与结果口径调整。
Valence Labs 官网资讯精选AI 评分6060 显微图像深度学习究竟学到了什么：Valence Labs 作者谈基准与可解释性
Valence Labs @ Recursion 的 Ihab 在文章中讨论显微图像深度学习模型究竟学到了什么，指出在部分细胞培养显微任务中，多个已训练模型的表现与未训练网络和像素统计等简单基线相近，说明基准分数中有一部分信号并不需要高层生物学表征。
推荐理由：作者结合自身基准测试经验，讨论显微图像模型何时学到真实生物学信号、何时依赖技术捷径，并提出可解释基线的设计思路。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 的 Pearl 系统在 OpenBind 基准上零样本超越全部共折叠模型
Genesis 称其 Pearl 系统在 OpenBind 的 EV-A71 2A 蛋白酶基准（802 个化合物，best-of-25）上零样本取得 78% 联合标准成功率（RMSD ≤ 2 Å、PoseBusters 有效、LDDT-PLI ≥ 0.8），高于 OpenBind 评测的全部共折叠模型。
推荐理由：Genesis 在 OpenBind 公开基准上对比 Pearl 与六种共折叠模型及对接方法，给出零样本与亚埃级精度的具体参照。