DESTIN：基于化合物与蛋白三维结构的基础模型实现全基因组尺度化合物-蛋白相互作用预测
【全文总结】名古屋大学团队提出 DESTIN，利用化合物三维结构与蛋白结构感知序列特征预测化合物-蛋白相互作用，在 BindingDB、BioSNAP、PDBbind 2016 的归纳式场景中多数指标优于 GraphBAN 等方法，但在 KIBA 上未取得最佳。
推荐理由：研究用化合物与蛋白的三维结构特征做全基因组尺度相互作用预测，并在膜蛋白类别上给出与基线的对比。
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 16 页
Bioinformatics (Oxford)精选AI 评分6868
DrugIntel精选AI 评分5858 Nature Methods前瞻：蛋白质结构预测从静态结构走向构象集合
Wankowicz与Bonomi在《Nature Methods》发表前瞻文章，指出AlphaFold等工具已改变静态结构预测，但仍无法捕捉完整构象集合，核心瓶颈是缺乏原子分辨率下可作金标准的真实参考数据。
推荐理由：文章系统梳理构象集合预测在数据、表示与评价上的瓶颈，为理解结构预测的下一步提供框架。
AI蛋白质精选AI 评分7272 药企联盟用2万余条私有蛋白结构数据微调OpenFold3，提升药物结合预测
由艾伯维、BMS、强生等药企组成的AISB Network利用OpenFold3，在五家公司提供的20,167个蛋白质-配体复合结构上微调，私有数据受保护且不公开。
推荐理由：药企联盟用两万余条私有结构微调开源模型，为数据共享能否提升结合预测提供了对照参照。
唯信计算精选AI 评分6363 唯信计算 WeMol 推出 AbForge 多特异性抗体全原子结构建模引擎
唯信计算在 WeMol 平台上线 AbForge，输入完整抗体 FASTA 后自动识别 Format 与结构域拓扑，按 KiH、CrossMab 等工程约束装配全原子三维模型。
推荐理由：官方展示多特异性抗体结构建模引擎与通用折叠模型在八个已上市或临床后期分子上的几何构型差异。
AI4Protein精选AI 评分5858 “长江杯”2026全球AI蛋白质设计挑战赛启动，设100万元奖金与5000条序列湿实验检测
“长江杯”2026全球AI蛋白质设计挑战赛于9月24日启动报名，聚焦AI蛋白质从头设计与真实湿实验验证，选手针对不同靶点设计纳米抗体或迷你结合蛋白。赛事奖金总额100万元人民币，计划对不低于5000条设计序列免费开展涵盖表达、纯化、检测的湿实验，报名10月31日截止。大赛由上海交通大学、上海人工智能实验室、临港实验室等共同发起主办，面向全球高校、科研院所、企业团队及个人开放。
推荐理由：赛事把纳米抗体与迷你结合蛋白设计同5000条序列的免费湿实验检测绑定，呈现AI蛋白设计的验证路径。
EMBL-EBI News精选AI 评分6868 AlphaFold 数据库新增病毒蛋白复合物预测，覆盖 2800 多种病毒
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作，在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构，优先覆盖已知感染人类的病毒科。
推荐理由：AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构，为疫苗与诊断靶点研究提供开放基础数据。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 入选 ARIA 激活伙伴，将在伦敦开设实验室
Adaptyv Bio 宣布被英国 ARIA 选为激活伙伴，并将在伦敦开设实验室，与 ARIA 资助团队合作搭建其蛋白质设计项目所需的实验能力。新增检测方法与模态将接入 Adaptyv 现有的实验室与数据基础设施，使其获得与平台其他部分相同的规模、速度和访问便利性。该实验基础设施将在英国建设和运营，公司称此举将扩展 ARIA 资助团队及英国蛋白设计生态可构建和测试的范围。
推荐理由：Adaptyv Bio 成为 ARIA 激活伙伴并在伦敦设实验室，为英国蛋白设计团队提供实验能力与平台接入。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出 OFoldNA：将二级结构信息融入全原子扩散模型，统一核酸折叠与蛋白–核酸共折叠
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
AI蛋白质精选AI 评分6262 Broad研究所刘如谦团队在Nature发表AI重设计起点增强蛋白进化的研究
Broad研究所刘如谦团队在Nature发表研究，提出以AI重新设计的更稳定蛋白作为定向进化起点，可进化出活性、特异性和稳定性更优的蛋白。研究以肉毒神经毒素蛋白酶为对象，先用AI设计更稳定的版本，再通过功能进化使其切割包括神经退行性疾病相关蛋白ataxin-2在内的多种靶标，所得蛋白在稳定性和针对该功能的特异性上优于从天然蛋白酶出发的进化结果。
推荐理由：该研究把 AI 设计的稳定蛋白作为定向进化起点，与天然起点直接比较，为酶工程提供可迁移思路。
DrugIntel精选AI 评分6969 Apple 与 Mila 提出 SimpleDesign：单个 Transformer 联合生成蛋白序列与三维结构
Apple 与 Mila 等机构提出 SimpleDesign，在同一个 Transformer 中联合生成蛋白序列与三维结构，不依赖结构 tokenizer，也不使用 SE(3) 等变网络。
推荐理由：论文用消融说明去掉结构 tokenizer 后联合生成仍有竞争力，同时保留与几何模型的差距。
分子之心MoleculeMind精选AI 评分6262 分子之心与引加生物达成战略合作，共建蛋白研发“周级”闭环
分子之心与引加生物宣布达成深度战略合作，将分子之心的AI蛋白质生成式设计与引加生物的微量高通量无细胞蛋白表达、全自动化筛选及工艺放大能力结合，构建从AI设计到产业化交付的“周级”闭环。
推荐理由：分子之心与引加生物把AI设计与无细胞表达、自动化筛选对接，展示了蛋白研发缩短验证周期的合作路径。
Amir Shanehsazzadeh精选AI 评分7373 BindCraft2 提前开源，扩大分子设计搜索空间并接入 Adaptyv 竞赛
BindCraft2 已发布，代码当天开源，学术与工业使用均免费，作者团队未等论文发表即提前放出。该版本通过支持更多模态与靶点扩大了分子设计搜索空间，速度也更快，并可用于 Adaptyv 竞赛；Amir Shanehsazzadeh 表示 Claude 在复杂搜索空间中表现最好，相关竞赛由 Anthropic 与 Adaptyv Bio 共同赞助。
推荐理由：BindCraft2 提前开源并扩大分子设计搜索空间，为结合剂设计竞赛提供了可直接上手的工具。
Martin Pacesa精选AI 评分5858 Martin Pacesa：Adaptyv 竞赛的靶点交叉反应适合用 BindCraft2 原生处理
Martin Pacesa 表示 Adaptyv 蛋白质设计竞赛中的靶点交叉反应问题正是 BindCraft2 的原生适用场景，并给出工具概览与 GitHub 代码入口。他同时列出 Lennart Nickel 和 Paul Kittner 基于 BindCraft1 的多靶点 notebook 变体链接。被引用的竞赛帖称将提供最高 100 万美元 Claude 额度并实验验证社区提交的 5000 个设计，赛题涵盖物种交叉反应、pH 敏感性和肽-MHC 特异性等。
推荐理由：作者以 BindCraft2 作者身份指出该工具原生支持 Adaptyv 竞赛中的靶点交叉反应设计任务，并给出代码入口。
Adaptyv Bio精选AI 评分7272 Adaptyv Bio 关注 BindCraft2 开源并用于新蛋白质设计竞赛
Adaptyv Bio 表示，BindCraft2 已在其与 Anthropic 的新蛋白质设计竞赛开始前开源，该竞赛将有超过 5000 个设计在其实验室接受实验测试。作者回顾称，BindCraft1 在 2024 年其蛋白质设计基准中表现突出，赢得首届 EGFR 竞赛，并在后续轮次中被广泛使用。所引用的发布信息显示，BindCraft2 完整代码已放出，学术和工业用途均可免费使用，论文尚未发表。
推荐理由：BindCraft2 在 Adaptyv 新竞赛前开源，可对照其上一代在 EGFR 基准中的表现理解方法迭代。
奥泊生科精选AI 评分5858 清华博士徐罡与诺奖团队用跨模态迁移做RNA设计，奥泊生科讲述干湿闭环路线
奥泊生科技术顾问徐罡与复旦大学马剑鹏团队以ESM-2为起点做跨模态迁移，先后开发ProtRNA和ProtmRNA，用于RNA结构预测与mRNA密码子优化。ProtRNA于2025年发表于Cell Systems，在bpRNA测试集上结构预测F1为0.646，对比RiNALMo的0.594，且RNA训练阶段只调整约八分之一参数、使用六分之一RNA数据。
推荐理由：奥泊生科团队讲述如何把蛋白质语言模型迁移到RNA与mRNA设计，并解释干湿闭环为何依赖实验经验回传。
ACS JCIM (化学信息与建模)精选AI 评分7373 REAPS：面向线性与环肽结合剂从头设计的全原子受体感知几何深度学习框架
【摘要级】作者提出几何图神经网络REAPS，把受体作为全原子上下文用于多肽结合剂序列设计。摘要称其在线性与环肽的序列恢复、结构保真度和界面生物物理指标上优于ProteinMPNN。研究还将REAPS与结构幻觉结合成闭环从头发现流程，得到在神经激肽-3受体（NK3R）上经实验验证具有功能活性的多肽候选；代码与权重已公开。
推荐理由：该框架把受体全原子环境纳入多肽序列设计，并在NK3R上给出实验验证的候选，可作为受体感知设计的参照。
Roshan Rao精选AI 评分6565 Anthropic 称 Claude 为 30 多个开源生物分子模型优化推理，平均提速 4 倍
Anthropic 在 Science Blog 中称，Claude 为 30 多个用于分子结构建模、类药分子设计和基因突变效应预测的开源模型优化推理，平均提速 4 倍，部分通过编写 GPU 定制软件实现，并将全部优化代码开源。Roshan Rao 转发该内容并称，Anthropic 的工作显示折叠与结合剂设计可大幅加速；他所在团队也将 Claude 用于此类问题，模型训练 MFU 提升一倍。
推荐理由：Anthropic 用 Claude 为 30 多个开源生物分子模型优化推理，并开源优化代码，可作为评估模型推理加速路径的参照。
Amir Shanehsazzadeh精选AI 评分6767 Anthropic 团队开源 30 多个生物分子模型的推理优化，并联合 Adaptyv 发起设计竞赛
Amir Shanehsazzadeh 报告，Claude 在不到 4 周内优化 30 多个开源生物分子模型，涉及自定义 GPU kernel、超过 10,000 token 的结构建模及低于 200 美元的结合物设计，并开放代码。帖子同时宣布与 Adaptyv 合办五项挑战，计划实验验证 5,000 多个设计。模型推理优化是相较竞赛总公告的新增内容。
推荐理由：Anthropic 公布用 Claude 优化 30 余个生物分子开源模型推理并开源代码，同时联合 Adaptyv 举办蛋白设计竞赛。
德睿智药精选AI 评分6868 德睿智药发布生命科学基座模型体系Intera，首推结合构象预测模型InteraFold-Chem
德睿智药于2026年9月18日发布生命科学基座模型体系Intera，并公布首个模型InteraFold-Chem的技术报告，该模型聚焦蛋白质与小分子的结合构象预测。
推荐理由：德睿智药公布InteraFold-Chem在445个测试样本上的结合构象预测成功率，并给出与Protenix-v2、Chai-1、Boltz-2的对照结果。
Adaptyv Bio精选AI 评分6060 Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，投入超百万美元实验验证
Adaptyv Bio 宣布与 Anthropic 合作发起蛋白质设计竞赛，设五个针对特定疾病或生物机制的挑战，分专家设计者、生命科学学术界与产业研究者、公众三条赛道。
推荐理由：Adaptyv Bio 与 Anthropic 合办蛋白质设计竞赛，公开全部湿实验数据，可供观察 AI 设计在自动化实验中的实际命中情况。