CAPO：面向算力预算的自动化蛋白质模型优化多智能体系统
作者提出 CAPO 多智能体系统，在训练前先测量目标加速器上的可行性、按预算估算成本并运行 canary，可拒绝负担不起的适配并选择更便宜的替代方案。
推荐理由：该预印本把蛋白模型适配写成带算力预算的门控决策，并在三个任务上给出与专家模型和通用智能体的对照结果。
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 12 页
bioRxiv · Bioinformatics精选AI 评分7171
AI-Protein Design精选AI 评分7373 Nature与Vita两篇金属蛋白酶计算设计论文对比
文章对比了David Baker团队发表于《Nature》的金属蛋白酶计算设计与曹龙兴团队发表于《Vita》的靶向Aβ切割金属蛋白酶从头设计两项研究。两者均用RFdiffusion系列或ProteusFlow生成骨架、LigandMPNN优化序列并结合AlphaFold2/3多状态筛选，实测结构与设计模型Cα RMSD约0.8–1.88 Å。
推荐理由：对比两篇金属蛋白酶从头设计论文，梳理生成模型、筛选体系与结构验证的异同，并指出周转率差距。
BioAICraft精选AI 评分7272 清华等团队发布Cerebra-Epistasis：多突变组合预测上位性Spearman达0.55
清华大学、中南财经政法大学和华中科技大学研究者于2026年9月24日在bioRxiv发布预印本，提出Cerebra-Epistasis，先由野生型序列预测结构并生成可复用的突变评分与上位性表征，再经轻量组装网络预测多突变组合。
推荐理由：该预印本把突变组合效应与大规模组合评分放进同一框架，并给出上位性预测与基线对比。
DrugAI精选AI 评分8686 Nature：Baker团队用RFdiffusion2-MI从头设计半胱氨酸蛋白酶
Baker团队利用RFdiffusion2-MI生成模型，从头设计以Cys–His–Asp催化三联体为核心的人工半胱氨酸蛋白酶，在69个实验测试设计中有13个能准确切割预定肽键，成功率为19%。
推荐理由：Baker团队用RFdiffusion2-MI从头设计半胱氨酸蛋白酶，晶体结构验证全新折叠，并揭示活性位点预组织是效率瓶颈。
DeepTech深科技精选AI 评分6262 Google 推进自主湿实验室，智能体与机器人已实现部分闭环
Google 于 10 月 16 日发布技术博客，介绍其搭建自主湿实验室的进展：团队希望让 AI 智能体设计分子、安排实验、分析结果并据此调整下一轮方案，其中一项研究已找到能紧密结合实体瘤相关靶点的蛋白质分子，但机器人操作、分子筛选和蛋白质设计三项研究尚未全部打通。
推荐理由：Google 公布自主湿实验室进展，可与 Anthropic、OpenAI 的同类布局对照，看清 AI 进入实验台的不同路径。
LeapFun精选AI 评分6565 如何确定抗体功能表位：mimotope-MD-Folddisco 工作流与验收经验
文章介绍上海交大团队与 Jordi Marti 等 2026 年发表的 Mimotope-Guided Molecular Dynamics 方法，用噬菌体选出的 mimotope 经微秒级分子动力学精修抗体结合姿势，再用 Folddisco 映射回抗原以定位功能表位。
推荐理由：文章把几何接触面与功能热点的区别讲成可执行流程，并给出四套晶体体系的命中率与对照结果。
BioTender精选AI 评分5858 《Molecular Cell》推出AI分子生物学专题，14篇内容聚焦预测与实验验证边界
《Molecular Cell》第86卷第20期于2026年10月15日推出“Artificial intelligence in molecular biology”专题，共14篇内容，包括1篇社论、5篇Insights、6篇综述和2篇原创研究，覆盖蛋白、RNA、基因编辑和单细胞。
推荐理由：专题把蛋白设计、RNA与单细胞预测放进同一证据框架，并逐项标出计算预测与实验验证的边界。
智药邦精选AI 评分5858 罗氏提出“AI自主”：药企内部需要保留哪些研发能力
罗氏在2026年9月28日制药业务日上提出“AI自主”，主张药企用实验检验模型判断，再据实验结果改进模型与实验方法。文章以Genentech与Recursion的神经科学靶点发现合作为例，说明AI可缩小靶点与候选分子范围，而疾病认识转化为筛选标准、理解实验条件、依据验证结果决定下一步仍需药企内部人员掌握。
推荐理由：借罗氏提出的AI自主概念与Genentech同Recursion的合作，梳理药企在靶点验证和分子筛选上需自留的判断能力。
bioRxiv · Bioinformatics精选AI 评分6565 HighFold-Lasso：结合AlphaFold3的拓扑引导套索肽结构预测
研究团队开发了HighFold-Lasso，将自定义共价连接与套索骨架引导的自适应低噪声初始化结合，在AlphaFold3基础上实现由套索构象先验引导的条件结构生成。
推荐理由：研究针对套索肽的异肽键与穿环拓扑，给出在52个实验结构上的重建表现，可作为该类肽结构预测的参照。
bioRxiv · Biochemistry精选AI 评分5858 机器学习解码 bNAb 与 HIV-1 Env 的分支特异性相互作用
研究利用实验解析的 bNAb/HIV-1 Env 复合物结构与能量描述符构建机器学习模型，预测多个 HIV-1 分支的结合自由能（∆G）和解离常数（KD），其中 XGBoost 表现最佳，训练与测试 R2 分别为 0.92 和 0.658。
推荐理由：研究用实验解析的 bNAb-Env 复合物结构特征训练模型，预测不同 HIV-1 分支的结合自由能差异，为免疫原设计提供定量参照。
Google DeepMind / Isomorphic精选AI 评分6060 Google 推出 Antigravity 智能体工作台，用 ProtNLM 挖掘抗菌肽候选
Google 发布智能体科研工作台 Google Antigravity，并用它从 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染病原体有活性的新型抗菌肽候选，该先导物正在接受湿实验验证。
推荐理由：展示智能体工作台如何把跨库检索、功能注释与结构查看串成一次会话，为抗菌肽早期发现提供可迁移流程。
DeepTech深科技精选AI 评分7272 拆解Anthropic的生命科学布局：AI公司为何下场做实验
Anthropic已在旧金山湾区建立自有生物实验室，其生命科学负责人Eric Kauderer-Abrams证实此举是为让Claude提出的假设更快进入真实实验，同时继续与外部实验室合作。
推荐理由：梳理Anthropic从科研工具到自建实验室的布局，并给出蛋白质设计与新酶发现的具体实验数据作为参照。
BioTender精选AI 评分6767 Google Research 三项研究：从适配体设计到实验机器人，自主实验室闭环仍待整合
Google Research 于 2026 年 10 月 16 日公布三项研究，分别用智能体闭环设计 DNA 适配体、设计蛋白结合物，以及用 VERID 数字孪生约束实验机器人操作。
推荐理由：梳理 Google 三项研究如何让智能体接受实验反馈与物理约束检验，并划清已验证与未整合的边界。
LeapFun精选AI 评分7474 普林斯顿团队发布MESSI生成式扩散模型，将免疫原性融入蛋白生成
普林斯顿团队在bioRxiv发布结构条件生成式离散扩散模型MESSI，在生成过程中引入免疫风险反馈，输出在指定MHC-II分子上预测表位可降至零且保持结构可行性的序列，代码已开源。
推荐理由：该预印本把免疫原性预测前移为生成约束，并在三类蛋白上给出湿实验活性与结合数据，可供评估去免疫原设计流程。
DrugAI精选AI 评分8888 Nature：Baker团队用RFdiffusion从头设计金属蛋白酶
David Baker团队在Nature发表研究，利用RFdiffusion系列生成模型从头设计含锌配位中心和多肽结合口袋的金属蛋白酶，135个实验测试设计中36%能在预期位置切割多肽底物。
推荐理由：研究把从头酶设计从酯键水解推进到稳定肽键，并指出显式建模催化水分子是成功率差异的关键。
DrugAI精选AI 评分8888 Science 发表 RFdiffusion3：全原子扩散实现生物聚合物原子级功能位点支架设计
研究人员在 Science 发表 RFdiffusion3（RFD3），一种基于全原子自由扩散的生成式模型，可在统一框架下设计蛋白质、RNA、DNA 及其复合物，并直接以催化原子坐标、氢键和配体埋藏等条件构建功能位点。
推荐理由：该研究把生成式设计从残基级推进到全原子级，并给出人工酶实验活性数据，可作为理解功能位点设计边界的参照。
Google Research精选AI 评分7676 Google Research 展示智能体湿实验、适配体与 FAP 蛋白结合物设计三项研究
Google Research 报告三项研究：VERID 用语义数字孪生约束机器人实验；AI 智能体根据三轮湿实验反馈改进 DNA 适配体；人机协作进行 FAP 蛋白结合物设计并获得纳摩尔级结合验证。三条研究线的整合仍是下一步，尚非统一、全流程自主的生物实验室。
推荐理由：Google Research 用三个项目说明智能体如何接入湿实验室，其中适配体闭环的失败模式复盘对做自动化实验的人有参照。
DrugAI精选AI 评分7272 Nat. Mach. Intell. 报道HDOCK-Multimer：融合分子对接与组合组装预测大型蛋白质复合物结构
研究人员提出HDOCK-Multimer（HDM），将非对称对接、对称对接与基于遗传算法的组合组装结合，用于大型蛋白质复合物结构预测。
推荐理由：该研究把分子对接与组合组装结合，在多个大型复合物基准上对比AlphaFold-Multimer与AlphaFold 3，提供了规模受限场景下的替代思路。
奶牛猫的CADD实验室精选AI 评分7474 少考虑一颗水分子，AI 设计蛋白酶的成功率差了这么多？
David Baker 团队在 Nature 发表研究，用 AI 从头设计可切断指定肽键的金属蛋白酶：结构评估仅考虑 Zn²⁺ 时实验成功率为 14/95（约 15%），同时考虑 Zn²⁺ 和催化水后升至 35/40（约 88%）。
推荐理由：解读 Baker 团队金属蛋白酶设计研究，说明催化水如何改变计算筛选的成功率。
AI-Protein Design精选AI 评分7676 Baker团队在《Nature》发表人工金属蛋白酶设计，可定点水解TDP-43但活性仍低于天然酶
Baker团队在《Nature》报告用RFdiffusion2/3与EnhancedMPNN从头设计金属蛋白酶，显式建模锌配位催化水分子后湿实验筛选阳性率从15%升至88%。代表性设计TDPn3可定点切割全长TDP-43单体与寡聚体，SDS-PAGE和质谱确认断裂位点，阴性对照无切割条带。作者指出最强变体Zn45_v2周转率仍比顶级天然金属蛋白酶低约2个数量级，且尚无细胞或动物实验验证。
推荐理由：文章拆解了Baker团队金属蛋白酶从头设计的策略演进，并点明催化效率与体内验证的具体边界。