研发方向
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
Baker团队在bioRxiv预印本中报告，用Logos框架与RFdiffusion针对MYC的4个保守表位（MBI Loop 1、MBIIIa Loop 2、MBIV Loop 3及bHLH螺旋表位）从头设计结合蛋白，初筛192个设计中15个亲和力优于500 nM，成功率约7.8%。
推荐理由：该预印本报告用Logos与RFdiffusion靶向MYC无序区设计结合蛋白，并给出亲和力优化与体内抑瘤数据，可作为无序靶点设计的参照。
作者用直接偏好优化微调 ProteinMPNN，得到 DeImmu-MPNN，在六个 HLA-DRB1 等位基因上把 NetMHCIIpan 预测的 MHC II 类呈递相对基线模型降低 41.4%，降至长度匹配人蛋白水平，同一批设计上 NetMHCpan 预测的 MHC I 类呈递降低 33.0%，代价是序列回复率下降 2.1 个百分点且未检出结构损失。
推荐理由：研究用偏好优化改造 ProteinMPNN，在保持序列回复率与结构的前提下降低预测的 MHC 呈递，为治疗性蛋白设计提供可迁移思路。
Anthropic × Adaptyv 蛋白质设计竞赛第4期在 proteinbase 平台开放，靶点为 TfR1，要求设计能精确结合该受体特定位点的 pH 敏感结合剂，以帮助药物穿过血脑屏障进入脑内。作者 Amir Shanehsazzadeh 转述称，本期评测关注结合、小鼠交叉反应性与 pH 敏感性；TfR1 在血脑屏障高表达，pH 敏感结合剂可在内体中释放并从脑侧排出以递送治疗药物。
研究将AlphaFold 3（AF3）的相互作用评分与基于实验信息的BANDOCK+方法在已批准药物和人类蛋白库上做基准比较，AF3的ipTM在疾病层面排序的总体表现与BANDOCK+相近，但具体适应证之间存在差异。作者据此认为AF3相互作用置信度可作为蛋白质组尺度药物优先级排序的信息来源，该结论来自预印本摘要，仅涉及计算排序比较。
推荐理由：研究以已批准药物为基准，比较AF3相互作用置信度与实验信息方法的疾病排序表现，为结构预测分数的可用边界提供参照。
作者提出基于结构的等变图网络MIEN，用于评估糖链构象与固定蛋白口袋的匹配程度。模型在5241个实验复合物上训练，在260个蛋白不重叠的测试复合物上区分实验构象与非天然构象，并在AutoDock-GPU与GlycanDock候选池中更常选出低RMSD的top-1构象，使RMSD低于1、2、4埃的最佳构象数量增加。该结果为预印本摘要报告，仅涉及计算打分与对接候选筛选。
推荐理由：该预印本提出仅保留极性或CH-π接触原子的等变图网络，为糖链构象打分提供可迁移的界面建模思路。
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
默沙东与得克萨斯理工大学研究人员在npj Drug Discovery发表可解释机器学习框架PepOpt，用位置特异的ECFP4指纹加贝叶斯岭回归预测肽活性，并借助可加性动态规划在约10⁵⁰规模空间中174.4秒返回模型评分最高的1000条序列。
推荐理由：该框架把位置特异的化学子结构编码与可加性动态规划结合，为超大肽库的候选排序提供了可解释的搜索路径。
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。
【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。
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 复盘 2026 年 10 月中旬 AI 制药的两类信号：阿斯利康与 insitro 签下首付 4000 万美元、最高约 15 亿美元的合作，用 Virtual Human 推进 MASH 与心肌病靶点到 development candidate；Iambic 以 16 美元发行价登陆纳斯达克，毛募资约 1.5 亿美元。
推荐理由：文章把同周阿斯利康与 insitro 合作、Iambic 上市与生成式设计进展并置，拆出发现端定价与临床兑现之间的落差。
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。
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。
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。
BindCraft2 v1.0.4 已发布，作者称该版本显著改进了 VHH、scFv、ARP 和诱导契合靶向能力，同时提升了运行速度与代码稳定性。作者建议此前困难的结合剂设计任务可再次尝试，并致谢 Erik Mäeots、Leonardo Tredese 和 Elizaveta Chernova 的工作。
推荐理由：BindCraft2 新版本针对 VHH、scFv 与诱导契合靶向改进，为结合剂设计流程提供了可复用的更新参照。
中科大在智能科学家生态联盟第四届年会上发布机器科学家2.2系统，官方定位为新一代智能物质科学基础设施，由大模型提出假设、专业小模型计算筛选、科研机器人执行实验并回喂结果形成闭环。
推荐理由：报道梳理了该系统大模型假设、小模型求证与机器人实验的三层分工及闭环机制，并列出效率数据与数据、验证层面的现实约束。
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 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。
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。
镁伽科技于2026年10月18日上线Poreva Open全球AI蛋白质设计挑战赛官网，公布首批3道赛题与规则，10月19日起全球报名且不设地域限制。
推荐理由：镁伽以万级湿实验验证切入蛋白设计公共基准，可与Anthropic赛事及Ginkgo模式对照。