AlQuraishi 团队与 Apheris 用五家药企私有数据训练 OpenFold3p2
Mohammed AlQuraishi 表示，团队与 Apheris 合作，在五家药企内部的蛋白-配体复合物数据库上训练了 OpenFold3p2。由于 PDB 中类药化合物相对稀少，这批数据使相关结构数据量增加 3-4 倍，并带来精度显著提升。作者称训练数据未离开各药企内部环境。
推荐理由：作者披露 OpenFold3p2 在五家药企私有蛋白-配体结构上联合训练，给出数据规模与精度变化的具体参照。
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 17 页
Mohammed AlQuraishi精选AI 评分7676
Ginkgo Datapoints · Updates精选AI 评分5858 Ginkgo Datapoints 与 Lilly TuneLab 合作，为后者提供小分子 ADME 与抗体可开发性数据生成服务
Ginkgo Datapoints 宣布与 Lilly TuneLab 合作，为 TuneLab 内的生物技术公司提供小分子 ADME 和抗体可开发性数据生成服务。其机器学习就绪的结果可直接接入 TuneLab 的预测模型，目标是缩小 AI 模型与实验室数据之间的差距。
推荐理由：该合作把 ADME 与抗体可开发性数据生成接入 Lilly TuneLab，展示了实验数据与预测模型对接的一种路径。
临港实验室精选AI 评分5555 临港实验室元生·开物发布AI原生制药工作台升级版
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
分子之心MoleculeMind精选AI 评分7272 分子之心QuantaMind登《Science Advances》：以反应性分子动力学模拟酶催化
分子之心自主研发的反应性原子建模平台QuantaMind相关研究发表于《Science Advances》，论文报告其在17,792原子PET水解酶体系上完成6纳秒反应性分子动力学模拟并覆盖完整催化循环。
推荐理由：论文报告反应性机器学习力场在近1.8万原子酶体系中完成完整催化循环，并给出与DFT对照的精度数据。
天鹜科技精选AI 评分7676 天鹜科技开源全原子结构预测模型VenusFold，FoldBench多类任务领先AlphaFold3与Boltz-2
天鹜科技发布并开源通用全原子生物分子结构预测模型VenusFold的代码与权重，可预测蛋白质、蛋白质-小分子和蛋白质-蛋白质复合物结构。
推荐理由：天鹜科技开源可商用的全原子结构预测模型，在统一基准下与 AlphaFold3 等模型对比接口精度，并给出训练策略改进细节。
英灵殿科技Valhalla精选AI 评分7878 华盛顿大学David Baker团队提出RFOptimization：用全原子结构模型引导蛋白质设计优化
华盛顿大学蛋白质设计研究所David Baker团队提出RFOptimization（RFO），冻结RF3参数，从Pairformer后的distogram与置信度头提取梯度，在离散序列空间用梯度引导MCMC搜索，并与Boltz加ProteinMPNN/LigandMPNN的结构循环分支交替使用，AlphaFold3仅作独立评估。
推荐理由：该工作把全原子结构模型的内部梯度用于已有候选的序列优化，并给出跨模型一致性与算力成本的对照。
BioMap 百图生科精选AI 评分5858 百图生科联合弘星相和推出靶点评估智能体Gnosight
百图生科与弘星相和联合推出靶点评估智能体Gnosight，上线数月已完成近百个靶点的智能化评估筛选，并称已有依托其决策选择的创新靶点项目进入PCC阶段。该智能体结合百图生科xTrimo V4生命科学大模型与弘星相和的靶点及成药性评判经验，官方称单次评估约20分钟即可形成完整报告，目前对外开放使用申请。双方同时签署战略合作协议，聚焦创新药物研发上游的靶点选择与成药性评估环节。
推荐理由：百图生科与弘星相和把审评与立项经验嵌入靶点评估智能体，并披露了试用规模与后续管线进展。
OpenFold精选AI 评分5858 NVIDIA BioNeMo 推理运行时公测，OpenFold3 在 H100 上提速超 2 倍
NVIDIA BioNeMo Inference Runtime 进入公开测试，这是一个基于 PyTorch 的开源库，用于在 NVIDIA GPU 上加速生物分子推理。OpenFold 转发称，由 MoAlQuraishi 与 OpenFold Consortium 开发的 OpenFold3 借助专用优化在 H100 等 GPU 上运行速度提升超过 2 倍；该运行时支持 Boltz-2、OpenFold2、Protenix v2 等模型的优化，并可通过 Ray 扩展 GPU 副本。
推荐理由：OpenFold3 在 BioNeMo 推理运行时上的加速数据，为结构预测模型的部署效率提供了具体参照。
Proxima精选AI 评分5858 Proxima 将 NVIDIA BioNeMo 推理运行时接入 Neo，H100 上吞吐提升 1.6 至 1.9 倍
Proxima 已将 NVIDIA 今日发布的 BioNeMo Inference Runtime 用于其蒸馏与重折叠管线的生产环境，使 Neo 在 H100 上获得 1.6 至 1.9 倍吞吐提升，短输入场景最高 3 倍。公司称集成仅耗时数小时，一个使用 BioNeMo agent skill 的编码智能体一次性完成接入，尽管 Neo 架构与参考模型差异很大，此后已持续运行。
推荐理由：Proxima 披露 Neo 接入 NVIDIA BioNeMo 推理运行时后的吞吐提升与集成耗时，可作为评估推理栈落地成本的参照。
Terray Therapeutics精选AI 评分5858 Terray 在 H100 上实测 NVIDIA BioNeMo 推理内核，TerraBind 三角注意力最高提速 7.1 倍
Terray Therapeutics 在 H100 GPU 上以自有生产架构 TerraBind 为基准，测试 NVIDIA 新发布的 BioNeMo Inference Runtime 内核（CuTeDSL），结果显示其比标准 PyTorch 注意力最高快 7.1 倍，比其现有优化内核栈 cuEquivariance 最高快 1.8 倍。
推荐理由：Terray 在自有生产架构上实测 NVIDIA 新推理内核，给出相对 PyTorch 与现有内核的加速幅度及适用规模。
北京科学智能研究院AISI精选AI 评分8282 北京科学智能研究院等团队在Nature发表蛋白质组虚拟细胞模型ProteinTalks
北京科学智能研究院与西湖大学、北京大学、深势科技、哈尔滨医科大学等单位合作，在Nature发表基于NeuralODE框架的蛋白质组虚拟细胞模型ProteinTalks，用于预测药物响应与发现耐药线索。
推荐理由：研究用时间分辨扰动蛋白质组训练动力学虚拟细胞，并给出药效预测与实验验证的完整链路。
力文所精选AI 评分5858 力文所发布 Lévin™ Harness 蛋白质设计 Agent 应用
力文所发布以 Agent 为核心的蛋白质设计智能应用 Lévin™ Harness，将数据、模型、插件工具、算力和工作流整合到同一工作区。该应用内置 Mol* 三维结构查看器，使分子结构进入 Agent 上下文，并以插件形式接入 AlphaFold、ProteinMPNN、Pallatom、RFantibody 等开源工具，自动完成下载、安装与调用。
推荐理由：该产品把结构查看、开源设计模型与工作流编排收进同一 Agent 工作区，可对照现有蛋白设计工具链的碎片化问题。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 华盛顿大学、Allen研究所与Fred Hutch联合成立AI BioDesign联盟，五年投入近9500万美元
西雅图研究联盟AI BioDesign于9月3日宣布成立，由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建，David Baker与Jay Shendure共同领导。
推荐理由：该联盟把计算设计、高通量实验与开放资源放在同一循环中，为观察蛋白质设计平台的组织方式提供参照。
Mohammed AlQuraishi精选AI 评分6565 预印本追踪训练时 MSA 深度分布对结构预测性能的影响并提出改进配方
Mohammed AlQuraishi 推荐一篇 bioRxiv 预印本，该论文系统追踪训练时 MSA 深度分布对结构预测性能的影响，并提出一个在 AF2/3 基础上取得明显改进的训练配方。原文未披露具体数据集、评测指标与改进幅度。
推荐理由：该预印本追踪训练时 MSA 深度分布对结构预测的影响，并给出相对 AF2/3 有改进的训练配方。
Brian Hie精选AI 评分7070 Germinal 设计 VHH 抗体在体内抵御眼镜蛇毒
Brian Hie 提到 Germinal 团队成功设计出对眼镜蛇毒具有体内保护作用的 VHH 抗体，相关结果以预印本形式发布在 bioRxiv。该帖未披露设计方法、抗体数量、动物模型与保护效力等具体数据，细节需见预印本原文。
推荐理由：该预印本报告计算设计的 VHH 抗体在动物体内对眼镜蛇毒提供保护，可作为蛋白设计走向功能验证的参照。
唯信计算精选AI 评分6363 唯信计算实测57个抗体结构：11种预测模型谁更准、谁更快
唯信计算（Wecomput）基于2026年1月1日至8月19日发布的57个PDB抗体结构、105条抗体链，在统一指标下评测11种抗体结构预测模型与模式。
推荐理由：唯信计算用统一数据与指标横向比较11种抗体结构预测模型，并给出逐结构互补性与速度取舍的参照。
Cell Systems精选AI 评分6565 研究提出蛋白质语言模型功能蛋白设计采样框架并验证于从头结合剂设计
【摘要级】该研究构建计算框架，系统比较蛋白质语言模型的采样方法，并提出多种面向蛋白质设计的采样策略。结果显示，同时采样多个突变明显优于单突变采样，能更好捕捉对功能关键的上位效应；作者在真核、原核和病毒来源的三个蛋白家族上评估这些策略并考察关键超参数，还在针对一个重要治疗靶点的从头结合剂设计任务上验证了发现。材料仅为论文摘要，未提供具体实验数据与结果数值。
推荐理由：研究系统比较蛋白质语言模型的采样策略，指出同时采样多突变比单突变更能捕捉上位效应，为设计流程提供方法参照。
Briefings in Bioinformatics精选AI 评分7272 HighFold4扩展AlphaFold3以自定义化学连接预测环肽构象
【全文总结】研究提出HighFold4，在AlphaFold3框架中显式定义参与成环的原子对，无需重训练即可预测用户指定连接方式的环肽构象。在规范与非规范环肽数据集上，其成环成功率为100%，AlphaFold3在规范单体上为67.64%、规范复合物上未能正确成环。
推荐理由：在AlphaFold3框架内显式定义成环原子对，为侧链环化等多类环肽结构预测提供了可复用的特征工程方案。
ACS JCIM (化学信息与建模)精选AI 评分7070 LinkLlama：基于微调 Llama 3 的化学合理连接子设计模型
【摘要级】研究提出 LinkLlama，一个在 ChEMBL 类药分子语料上监督微调的 Meta Llama 3 模型，可接受指定距离、角度及 Lipinski 规则、可旋转键上限等约束的自然语言提示，为输入片段生成连接子。
推荐理由：在片段连接任务中，该模型以文本提示约束几何与理化指标，化学合理设计比例较基线提升约两倍。
Briefings in Bioinformatics精选AI 评分7272 Surf2Spot：无需已知结合伙伴的表面几何热点预测模型，用于结合剂与纳米抗体设计
【全文节选总结】研究团队开发了 Surf2Spot，一个基于动态图卷积网络（DGCNN）的框架，仅用单体序列和 ESMFold 预测结构即可预测 PPI 与纳米抗体-抗原相互作用（NAI）热点，无需预先指定结合伙伴。
推荐理由：研究提出仅凭单体序列与预测结构预测结合热点的方法，并在结合剂与纳米抗体设计流程中检验其加速作用。