CogNet-DTA：以不确定性感知记忆检索解析分子结合平衡
【摘要级】研究提出记忆增强框架 CogNet-DTA，用于药物-靶点亲和力（DTA）预测，通过化学图记忆网络检索历史结合基序进行类比推理。
推荐理由：该框架把历史结合先验与不确定性量化结合，并在冷启动划分下评测对新药与新靶点的泛化。
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 18 页
ACS JCIM (化学信息与建模)精选AI 评分5858
Pranam Chatterjee精选AI 评分7373 SaLT&PepPr 引导肽在小鼠体内选择性降解致病 β-catenin
Pranam Chatterjee 团队在 Science Advances 发表论文，报告由蛋白语言模型（pLM）设计的肽在小鼠体内起效，SaLT&PepPr 引导肽可选择性降解致病 β-catenin。作者称这是基于序列的结合剂设计的一项进展，论文链接为 science.org/doi/10.1126/sciadv.aec8271。
推荐理由：作者团队报告其设计的肽在小鼠体内实现靶向降解，为序列设计结合剂的体内验证提供实例。
百奥几何BioGeometry精选AI 评分5858 百奥几何与金斯瑞达成战略合作，以高质量蛋白数据驱动下一代 GeoFlow 大模型
百奥几何与金斯瑞生物科技正式达成战略合作，以标准化高质量蛋白功能标注数据推动 Data Scaling，持续迭代 GeoFlow 蛋白质基础大模型。金斯瑞及其关联公司（含 CDMO 平台蓬勃生物）将通过自动化实验平台与真实项目产出结构、功能、结合活性、稳定性与可开发性数据，百奥几何负责下一代模型的训练、评估与调优。
推荐理由：百奥几何与金斯瑞把实验数据接入 GeoFlow 迭代，展示了蛋白生成模型与产业级湿实验体系协作的一种路径。
AI4Protein精选AI 评分8080 Science 论文解读：Townley 等用深度学习从头设计 RNA 假结
Townley 等人在 Science 发表的工作用深度学习设计 RNA 假结，先做对二级结构与局部拓扑，再借助 RNA 自身折叠补全三维细节。
推荐理由：文章解读了深度学习设计 RNA 假结并用 SHAPE 与补偿突变验证的路线，也点出结构正确不等于功能保留。
Brian Hie精选AI 评分5858 Brian Hie：Proto 现已可在 ChatGPT 中使用
Brian Hie 宣布 Proto 现可在 ChatGPT 中使用，并给出用 Germinal 做从头纳米抗体设计、用 Evo 2 做语义设计的两个对话示例链接。他同时指向 OpenAI 开发者博客的 Rosalind Workbench 研究预览，该工作台把科学问题连接到专用模型、工具与可审查输出，覆盖蛋白结构与序列分析到测序流程。
推荐理由：作者展示 Proto 接入 ChatGPT 后的纳米抗体从头设计与 Evo 2 语义设计入口，可观察科研工作流如何被整合。
Pranam Chatterjee精选AI 评分6363 ActFlow：用不确定性引导与验证器反馈扩展流模型与扩散模型的可生成空间
Pranam Chatterjee 转发介绍 ActFlow，这是一种持续预训练方案，通过不确定性引导探索和验证器反馈，让流模型与扩散模型扩展到新的有效区域，作者称之为可生成集合扩展，并将其定位为面向分布外生成建模的新学习原则。
推荐理由：该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间，为分布外生成提供可迁移思路。
AurekaBio 寻明生科精选AI 评分8383 寻明生科AuraIDE夺得首届AIntibody抗体设计盲测Challenge 1冠军，结果发表于Nature Biotechnology
首届国际AI抗体设计大赛AIntibody的结果发表于Nature Biotechnology，寻明生科自研抗体设计模型AuraIDE（参赛名AuraBind）在Challenge 1计算亲和力成熟任务中夺冠，其冠军抗体经KinExA测得KD为94.7pM，较亲本抗体提升约2000倍，优于第二轮组合文库湿实验筛选得到的最佳抗体（113pM）。
推荐理由：首届AIntibody盲测以统一湿实验验证抗体设计，冠军序列的亲和力优于实验筛选最优克隆，为模型能力提供了独立参照。
Mohammed AlQuraishi精选AI 评分7272 AlQuraishi 团队发布 OpenBind 系列首个模型 OpenBind-0，基于 OpenFold3 偏向小分子训练
Mohammed AlQuraishi 团队发布新系列 OpenBind 的首个模型 OpenBind-0，该模型基于 OpenFold3，并优先针对小分子进行训练。作者称 OB 系列模型将定期吸收 OpenBind 联盟与 PDB 的结构，持续更新并纳入 OpenFold 的最新功能。被引用的内容提到，OpenBind 计划收集数万条蛋白-配体结构与亲和力数据，此次同时发布 OpenBind-0 和 717 个新的配体结合结构。
推荐理由：OpenBind 系列首个模型基于 OpenFold3 并偏向小分子训练，可用于了解共折叠模型与结构数据收集的衔接方式。
Amir Shanehsazzadeh精选AI 评分6767 Amir Shanehsazzadeh 发布蛋白结合剂设计数据并谈 ipSAE 指标
Amir Shanehsazzadeh 表示其数据发布中包含了用全部10个共折叠模型、每个模型5个种子重新打分所得设计的PAE，希望这些数据与湿实验数据能帮助发现更好的结合与亲和力指标。
推荐理由：作者公开蛋白结合剂设计数据时说明纳入10个共折叠模型各5个种子的PAE，为结合亲和力指标改进提供素材。
Ginkgo Datapoints · Updates精选AI 评分7070 GDPa5：基于大规模IgG数据预测VHH-Fc可开发性
Ginkgo发布GDPa5，一个含160个成员的VHH-Fc库，在PROPHET-Ab平台上用10项生物物理实验进行表征，并同步发布bioRxiv预印本。在559个IgG上训练的跨格式模型优于仅用GDPa5训练的模型，作者认为优势来自标准化IgG数据的规模而非格式本身。
推荐理由：该预印本公开VHH-Fc可开发性数据集，并比较IgG训练模型与格式内训练模型的跨格式迁移表现。
英灵殿科技Valhalla精选AI 评分7474 NACraft：用全原子结构模型反馈实现可编程核酸适配体设计
Valhalla Technology 等提出 NACraft，将 Boltz-1 全原子结构模型的可微分反馈反向传播到核苷酸序列，在推理阶段统一支持 de novo、similarity-guided 和 target-selective 三类 RNA/DNA 适配体设计，无需针对任务重新训练。
推荐理由：该工作把全原子结构模型的反向反馈用于核酸适配体设计，并给出跨靶标与选择性任务的评测结果。
Amir Shanehsazzadeh精选AI 评分5858 Twist Bioscience 称 Claude 在 15 个靶点中为 14 个设计出结合剂并完成湿实验验证
Twist Bioscience 表示，其选取常见与新颖靶点测试 Claude 的蛋白设计能力，在 15 个靶点中 Claude 成功为 14 个设计出结合剂，湿实验验证由 Twist 完成。Amir Shanehsazzadeh 转发该内容并表示与 Twist 团队合作愉快、期待继续合作，帖文未披露靶点清单、结合剂形式与验证指标。
推荐理由：Twist 披露 Claude 在 15 个靶点中设计出 14 个结合剂并完成湿实验验证，可作为了解通用大模型参与蛋白设计的参照。
Amir Shanehsazzadeh精选AI 评分7878 Claude 编排开源蛋白模型，15 个靶点中设计出 14 个从头结合剂
Anthropic 测试 Claude 能否从头设计蛋白结合剂：在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个完成了设计，随后由 Adaptyv Bio 与 Twist Bioscience 独立构建并测试，作者称成功率和亲和力均较高。
推荐理由：Anthropic 与 Adaptyv Bio、Twist 的实测显示，Claude 编排开源模型在 15 个靶点中设计出 14 个从头结合剂，可作为智能体驱动蛋白设计的参照。
Mohammed AlQuraishi精选AI 评分7272 AlQuraishi评蛋白质设计方法靶点难度差异：Genie 3分到最难靶点
Mohammed AlQuraishi 评论称，不同蛋白质设计方法分到的靶点难度各不相同，Genie 3 拿到的是最难的靶点，并希望这算是一种恭维。该评论引用 Anthropic 关于 Claude 从零设计蛋白质结合剂的内容，其中称在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个设计出结合剂，并由 Adaptyv Bio 与 Twist Bioscience 独立构建和测试。
推荐理由：作者对比不同蛋白质设计方法分到的靶点难度，指出Genie 3拿到最难靶点，为解读各家设计结果提供难度差异视角。
AI4Protein精选AI 评分8383 Anthropic 论文：Claude 智能体自主设计蛋白 binder，15 个靶点命中率 26.8%
Anthropic 的论文让 Claude 在约 1.6 万词操作规程下自主完成从靶点调研、表位选择到工具编排与排序的蛋白 binder 设计，15 个可解释靶点共 1320 个设计中 354 个被判为 binder，总命中率 26.8%，14 个靶点至少得到一个 binder。
推荐理由：论文用双 CRO 实测检验 Claude agent 自主完成 15 个靶点的 binder 设计流程，并给出失败靶点与评分局限。
Nature Biotechnology精选AI 评分8888 AIntibody前瞻性盲测：以实验亲和力与可开发性为锚评测计算抗体发现
【全文节选总结】AIntibody挑战以SARS-CoV-2 RBD为靶点，对25家以上机构提交的511条抗体序列统一表达为全长IgG，用高通量SPR、KinExA和五项可开发性检测做前瞻性盲测。
推荐理由：前瞻性盲测把AI设计的抗体统一表达为IgG并做SPR、KinExA与可开发性检测，给出算法与实验方法在同一条件下的对照。
ACS JCIM (化学信息与建模)精选AI 评分7474 研究提出配对表示缩放，在AlphaFold 3与Boltz-2中偏置构象采样
【全文总结】研究提出配对表示缩放：在Pairformer输入端将潜在配对表示乘以单一标量(1+β)，无需重训练或改动MSA，即可在AlphaFold 3与Boltz-2中拓宽构象采样。
推荐理由：研究提出仅缩放配对表示的推理时扰动，在86个双态靶点上与MSA扰动和BioEmu比较，给出可迁移的构象采样手段。
Claude Science / Anthropic Science精选AI 评分8282 Anthropic 报告 Claude 蛋白结合剂设计与 NMR、LC-MS 化学分析研究
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
Brian Hie精选AI 评分6767 Brian Hie 转发 ProteinDPO 在 Nature Methods 发表解读
Brian Hie 转发 Talal 的系列帖，介绍 ProteinDPO 最终版已在 Nature Methods 发表。据该帖，论文新增将该模型用于稳定流感疫苗主要成分血凝素的前融合态，并给出论文链接 https://www.nature.com/articles/s41592-026-03137-3。
推荐理由：ProteinDPO 正式发表于 Nature Methods，新增血凝素前融合态稳定化应用，可作为蛋白设计偏好优化的参照。
Brian Hie精选AI 评分7373 ProteinDPO 将蛋白生成模型对齐实验适应度，成果发表于 Nature Methods
Brian Hie 团队用 ProteinDPO 将蛋白生成模型与实验适应度对齐的工作已发表于 Nature Methods。发表版本新增了对 H5 血凝素（流感疫苗组分）的稳定性突变结果。论文链接：https://www.nature.com/articles/s41592-026-03137-3
推荐理由：该工作把蛋白生成模型与实验适应度对齐，并给出在流感疫苗组分H5血凝素上的稳定性突变结果。