Helix Design Studio：面向膜环境的抗菌肽候选设计开源工具
Helix Design Studio 是开源网页应用，可在指定α螺旋骨架上分析和设计抗菌肽序列，用已发表的环境评分框架结合内在螺旋倾向、残基对相互作用、静电与疏水暴露评估理想溶剂和界面环境中的螺旋状态。
推荐理由：该工具把膜环境假设纳入抗菌肽序列评分与候选生成，便于比较不同环境下的设计取舍。
研发方向
蛋白质设计 最新动态
蛋白、结合剂与治疗相关大分子设计及模型；结构预测、实际表达、结合、功能与可开发性分别判断，不将预测直接当作实验成功。
442 条精选近 30 天 272 条共收录 863 条
更新
精选归档 · 第 10 页
bioRxiv · Bioinformatics精选AI 评分5858 BioAICraft精选AI 评分7676 斯坦福团队在bioRxiv发布ProVADA：引导蛋白适应细胞质并降低HLA-I结合肽
斯坦福大学Xiaojing J. Gao、Wing Hung Wong等团队于10月18日在bioRxiv发布预印本，提出ProVADA框架，用固定的ProteinMPNN生成多位点改造序列、外部评分器评价完整序列，再由MADA种群退火引导搜索。
推荐理由：该预印本用外部评分器引导固定生成模型做多位点改造，并给出肾素与CAR抗体片段的湿实验对照结果。
SynBioBeta News精选AI 评分6868 Latent Labs 发布抗体设计智能体 Latent-Y，称计算流程提速 56 倍
Latent Labs 发布其称为首个经实验室验证的药物设计智能体 Latent-Y，用于自动完成抗体设计中的文献调研、靶点结构分析与结合位点指定等步骤，并配套面向抗体与多肽设计的模型 Latent-X2，通过网页界面供研究者逐步控制。
推荐理由：报道介绍 Latent Labs 的抗体设计智能体如何把文献调研与表位选择交给软件，并给出其自报的提速数据。
bioRxiv · Bioinformatics精选AI 评分7474 DEEP：从蛋白质结构预测器中提取潜在能量景观
作者提出 DEEP（Distogram Encoded Energetic Potential）框架，直接从预测的残基对距离分布中提取有效统计势，以模型自身的末端距离状态作为内部参照，无需用实验稳定性数据训练。
推荐理由：该框架从结构预测器的距离分布中提取能量信息，并在大规模稳定性与构象基准上给出可比较的评测结果。
UW Institute for Protein Design精选AI 评分7474 IPD 与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
BioTender精选AI 评分6262 Citrini Research复盘用Claude设计蝎毒结合蛋白：20万美元预算与17个达标设计
Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
机器之心 · AI4Science精选AI 评分5858 OpenAI 收购 AI 生物制药公司 Orchestra Bio，团队与技术并入 Rosalind
OpenAI 宣布收购成立于 2022 年的 AI 生物制药公司 Orchestra Bio，并将其团队与技术融入面向生命科学的 Rosalind 模型与工具，CTO Andy Xu 毕业于北京大学。
推荐理由：OpenAI 收购 Orchestra Bio 并并入 Rosalind，与 Anthropic 同期生物学进展形成对照，呈现两家 AI 公司向生命科学延伸的不同路径。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 与 UW 蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
Frank Noé精选AI 评分7272 微软 BioEmu2 生物分子结构动力学基础模型已上线 Tamarind Bio
Frank Noé 表示，微软研究院 AI for Science 的生物分子结构、动力学与功能基础模型 BioEmu2 已可在 Tamarind Bio 平台使用。该模型以开放权重、MIT 许可发布，代码托管于 GitHub；引用内容展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的示例。
推荐理由：BioEmu2 开放权重并上线第三方平台，为关注生物分子结构与动力学生成模型的人提供可访问入口。
bioRxiv · Biochemistry精选AI 评分7878 Baker 团队发布 Chaperone 智能体蛋白设计框架，整合 RFdiffusion3 与 50 余种工具
Baker 团队等提出 Chaperone，一个轻量可定制框架，将 RFdiffusion3（RFD3）与 ProteinMPNN、AlphaFold3 及 50 多种蛋白设计工具串联，并提供面向智能体的可编程接口和高性能计算并行执行。
推荐理由：该框架把 RFdiffusion3 与序列设计、结构预测等工具串联，为长流程蛋白设计智能体提供可复用接口与效率参照。
AI药物设计实验室精选AI 评分7474 北大团队提出 CheMoDesign，在20种氨基酸之外设计可控结合蛋白
北京大学团队提出 CheMoDesign，以修饰基团或非天然氨基酸为设计起点，基于预训练全原子结构模型 Boltz-2 生成蛋白结合界面，并在凝血酶、HER2、IL-7Rα、Trop-2、CA IX 和 PD-L1 等靶标上测试。
推荐理由：该预印本把非天然化学基团作为设计起点，并用配对替换与酶活实验检验其是否真正参与结合。
ACS JCIM (化学信息与建模)精选AI 评分7272 研究基准测试四款蛋白-配体共折叠模型：配体放置正确与蛋白构象准确相互脱钩
【摘要级】研究基准测试 AlphaFold3、RoseTTAFold3、Boltz-2 和 Chai-1 四款共折叠模型，发现配体放置正确与周围蛋白构象预测准确系统性脱钩。
推荐理由：研究比较四款共折叠模型在激酶与GPCR上的配体放置与构象预测，揭示局部准确与整体构象脱钩。
Adaptyv Bio精选AI 评分7676 Adaptyv Bio 与 Anthropic 合作测试 Claude 设计的 211 个蛋白，17 个与蝎毒素结合
Adaptyv Bio 公布与 Anthropic、citrini 的最新湿实验合作结果：Claude 设计用于中和蝎毒素的新型蛋白，团队在自动化湿实验室测试了 211 个设计，其中 17 个在实验中显示与毒素结合，全部数据已发布在 proteinbase。Adaptyv Bio 称这是其推动任何人都能在自动化湿实验室开展药物发现活动的一个示例。
推荐理由：Adaptyv Bio 公布与 Anthropic 合作的湿实验验证结果，给出设计蛋白与蝎毒素结合的具体命中比例。
LeapFun精选AI 评分7878 微软开源 BioEmu2 生物分子基础模型，同时覆盖结构、平衡系综与动力学传播
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。
AI蛋白质精选AI 评分6060 德克萨斯A&M团队在PNAS提出结构感知生成式AI框架，揭示蛋白质家族功能关系
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室发布 SNOOPPI 蛋白互作数据库，收录靶向与非靶向 PPI 数据
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。
DrugAI精选AI 评分7878 Nat. Commun.：RASSCCoL 快速评估配体化学互补性用于蛋白质设计
研究团队在 Nat. Commun. 提出 RASSCCoL，以稳定α螺旋束骨架为基础，通过体积筛选、侧链重排、AutoDock Vina 对接与 AlphaFold2 结构复筛构建小分子结合口袋，DPH 设计流程在单 CPU 核心约 30 分钟完成。
推荐理由：研究用稳定α螺旋骨架加体积互补筛选替代大规模结构生成，为小分子结合蛋白设计提供低成本可解释路径。
Nature Biotechnology精选AI 评分7474 研究将人类AGO2改造为靶向C-to-U RNA碱基编辑器ALTER
【全文节选总结】研究团队将人类AGO2与APOBEC3A融合，通过设计中央区错配的向导RNA诱导靶位点形成单链环，构建出C-to-U RNA碱基编辑器ALTER，并在EGFP Y66H报告细胞中验证编辑活性。
推荐理由：研究把人类AGO2改造为可编程RNA碱基编辑器，并在内源转录本上给出与Cas13编辑器的并行比较。
Frank Noé精选AI 评分7474 微软研究院公开预览 BioEmu2 生物分子结构、动力学与功能基础模型
微软研究院 AI for Science 公开预览基础模型 BioEmu2，面向生物分子结构、动力学与功能，开放权重并采用 MIT 许可，代码托管于 GitHub。作者同时展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的动画。
推荐理由：微软研究院发布生物分子结构与动力学基础模型 BioEmu2，开放权重与 MIT 许可便于研究者直接复用。
ChemRxiv Preprints精选AI 评分5858 研究首次解析无定形固体分散体的原子级三维结构
研究结合固态核磁晶体学与机器学习加速的量子化学计算，解析了药物 AZD5462 在共聚维酮基质中的无定形固体分散体结构。结果显示聚合物改变了氢键网络，以 API 与聚合物的相互作用取代自缔合，并提高重排的动力学能垒；该结构解释了制剂物理稳定超过两年、而纯无定形药物数小时内重结晶的差异。该工作为无序多组分材料提供了结构框架，结果来自预印本摘要。
推荐理由：研究用固态核磁晶体学结合机器学习加速的量子化学计算，解析无定形固体分散体的原子级结构，为制剂稳定性提供结构解释。