Pev：跨蛋白家族的单次并行查询突变选择策略
作者提出Pev，一种从跨家族实验数据学习、在单次并行查询中决定下一步突变或停止的通用突变策略，无需针对目标家族拟合模型权重。在留出家族的十孔筛选实验中，Pev找到的有益突变数量为随机选择的3.3倍、为零样本ESM-2的1.8倍，并在留出的GB1景观闭环搜索中优于用目标测量重新拟合的岭回归替代模型。
推荐理由：该预印本提出跨蛋白家族的突变选择策略，并在留出家族与GB1闭环搜索中与随机选择、零样本ESM-2及岭回归替代模型比较。
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 862 条
更新
精选归档 · 第 2 页
arXiv · q-bio.QM (定量方法)精选AI 评分7272 智药局精选AI 评分5858 UCB 与 Cradle 达成战略合作，将 AI 蛋白质工程平台用于数字抗体发现
比利时药企 UCB 于 11 月 4 日宣布与 Cradle 达成战略合作，在药物发现项目中引入其 AI 蛋白质工程平台，覆盖候选分子生成、先导优化与临床前开发准备环节，具体金额、期限和项目数量未披露。
推荐理由：UCB 引入 Cradle 平台做数字抗体发现，可对照其此前与晶泰科技的结构预测合作看药企 AI 布局差异。
智药局精选AI 评分7272 Anthropic用Claude绘制细菌源Vault三维结构，筛选150亿条序列
Anthropic宣布其生物学研究团队与Claude合作，绘制出细菌源Vault（囊泡样蛋白颗粒）的三维结构图，项目耗时不到4个月。团队用Claude Science分析约150亿条预测蛋白质序列，挑出44个序列做实验测试，其中15种产生可溶性蛋白、7种组装成Vault样颗粒、4种经冷冻电镜确认具有Vault结构。
推荐理由：Anthropic用Claude辅助从海量序列中筛出细菌源Vault同源蛋白并经冷冻电镜验证，同时披露模型在真实科研流程中的失误。
澪乃ゆい精选AI 评分5858 RFD4-Proteina 推出 Mac 本地版，作者实测生成 GLP-1R 结合剂
澪乃ゆい实测了 BIOS 推出的 RFD4-Proteina Mac 本地移植版，用面向 Apple Silicon 优化的 MLX/Metal 实现生成针对 GLP-1R 的结合剂设计，并称安装和运行都比预想简单。据其引用的 BIOS 介绍，该移植版在默认精度下生成速度比原生 PyTorch-MPS 快 2.2 倍，在 M5 Pro 上约 12 分钟完成 20 个设计的生成与结构筛选、得到 10 个排序候选，设置后可离线运行。
推荐理由：作者实测了 RFD4-Proteina 的 Mac 本地移植版，展示了在 Apple Silicon 上生成并筛选 GLP-1R 结合剂设计的可用性。
BioAIDesign精选AI 评分5858 BioAIDesign 解析 pLDDT、ipTM 等结构预测评估指标并实操 foldmetrics
BioAIDesign 发布结构预测评估指南，逐层解释 pLDDT、PAE、pTM、ipTM、pDockQ、pDockQ2、ipSAE 与 LIS 等指标分别回答局部可信度、链间相对位置还是与参考结构的准确度，并指出 ipTM 0.9 不能换算成亲和力。
推荐理由：文章把结构预测的置信度、准确度与结合证据分层拆开，并给出可复用的汇总工具与判读顺序。
bioRxiv · Bioinformatics精选AI 评分7676 AtomLM-9b：全原子结构分词器驱动的生物分子结构预测模型
研究团队开发全原子结构分词器，将生物分子几何压缩为离散结构 token，在 CASP14 和 CASP15 上全原子 lDDT 分别为 0.832 和 0.835。
推荐理由：预印本提出全原子结构分词器并据此训练语言模型，在FoldBench蛋白-蛋白任务上给出与AlphaFold 3可比的对照结果。
bioRxiv · Biophysics精选AI 评分5858 Astex-Faro：用参考集合比对识别冷冻电镜药物筛选中的命中物
研究提出 Astex-Faro 统计框架，从参考集合定义期望样本状态，并通过与参考比对在目标密度图中识别显著结构偏差，同时增强弱或分辨不佳的特征。作者引入傅里叶壳层相干性（FSCoh）指标量化重构集合间的一致性，并在从高均一性样品到膜蛋白、低占据配体及片段筛选实验的多类数据集上报告其可检测细微结构特征。该工作为冷冻电镜筛选中的命中识别提供方法框架，结果来自预印本摘要。
推荐理由：针对冷冻电镜筛选中的弱密度与低占据配体识别，提出以参考集合比对定位显著结构偏差的统计框架。
bioRxiv · Biophysics精选AI 评分7878 研究建立大肠杆菌单体蛋白产量大规模并行定量与预测方法
研究团队开发结合肽条形码、尺寸排阻色谱与质谱的混合检测方法，在统一的大肠杆菌生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。
推荐理由：研究用标准化大肠杆菌表达数据量化单体产量，并检验逆折叠方法与结构置信度指标对高产设计的筛选能力。
BioAICraft精选AI 评分5858 Mol-1全流程教程与实测：四类复合物结构预测及有无MSA对比
作者在Linux加RTX 4080S环境部署Molence Bio开源的Mol-1全原子结构预测模型，对蛋白-蛋白、抗体-抗原、纳米抗体和蛋白-小分子四类体系各做有/无MSA预测，共生成24个结构。
推荐理由：作者在RTX 4080S上实测Mol-1四类复合物预测，对比有无MSA的DockQ与RMSD差异，可作为部署与参数配置参考。
AI蛋白质精选AI 评分7474 北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
推荐理由：研究显示MSA深度与配对策略需按目标定制，为AF3复合物预测流程提供了可迁移的优化思路。
ChemRxiv Preprints精选AI 评分6565 研究：数据受限下隐蔽口袋预测中结构信息贡献有限，语言模型信号占主导
该预印本在固定PocketMiner原小规模分子动力学训练集与架构的条件下，比较仅几何、仅ESM2嵌入与两者融合三种变体对隐蔽口袋预测的影响。仅几何基线测试ROC-AUC为0.498，仅ESM2为0.817，融合为0.835，后两者置信区间统计上不可区分；在CryptoBench上基线0.494、融合0.716，置信区间不重叠，分层分析中各口袋形成机制下结论一致。
推荐理由：在固定小规模训练集与架构的条件下，比较几何信息与ESM2信号对隐蔽口袋预测的贡献，为数据受限场景提供参照。
ChemRxiv Preprints精选AI 评分6363 研究发布72,199个蛋白–配体复合物的口袋与配体嵌入检索资源
该工作发布覆盖 Protein Data Bank 中 72,199 个蛋白–配体复合物的检索资源，每个复合物含 1,280 维口袋嵌入、2,048 位 RDKit Morgan 配体指纹及 HDF5 坐标。
推荐理由：该资源把口袋嵌入与配体指纹分开建索引，并给出两种检索各自适用的场景，便于复用与比较。
BioTender精选AI 评分7272 腾讯混元发布 HyInv、HyPLM-Flash、HyFF、HyCell 四份生物模型技术报告
腾讯混元发布四份技术报告，覆盖蛋白质逆折叠、序列表征、原子级力场与单细胞转录组表征，并称 HyInv 与 HyPLM 由科研智能体 Hyra 2.0 从头训练。
推荐理由：四份技术报告把混元生物模型从蛋白质序列设计延伸到原子模拟与单细胞表征，并给出与基线的速度误差对照。
下一分子精选AI 评分6363 Dunbrack团队将ipSAE扩展至小分子与核酸复合物置信度评估
Fox Chase Cancer Center的Roland Dunbrack在bioRxiv发表预印本，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子、蛋白—核酸体系，以蛋白为对齐参照评估整个配体位置并调整归一化方式。
推荐理由：预印本把界面置信度评分扩展到蛋白—小分子与核酸体系，并给出留出集上的分类表现与失效案例。
智药邦精选AI 评分5858 映恩生物与腾讯云达成战略合作，共建AI驱动ADC研发闭环
映恩生物于2026年11月3日宣布与腾讯云计算（北京）有限责任公司达成战略合作，结合其自研AI模型平台、专有实验数据与药物研发体系，以及腾讯的AI工程、算力和智能体平台能力，推动AI贯穿从药物发现到全球临床的研发全链条。
推荐理由：映恩生物与腾讯云围绕ADC研发达成战略合作，披露了自研AI平台与湿实验闭环的具体分工。
ACS JCIM (化学信息与建模)精选AI 评分5858 研究用生成式AI按定制二级结构基序与缩减氨基酸字母表设计多肽
【摘要级】研究开发并评估了一个生成式AI蛋白质设计模型，用RCSB PDB中数十万个蛋白质训练，针对缩减氨基酸字母表（RAA）设计具有定制二级结构基序的新蛋白质。摘要报告在多种氨基酸字母表和设计复杂度下总体成功，且对相当一部分设计，仅用物理化学序列空间与二级结构信息训练的模型，ESMFold预测的折叠接近目标结构。该工作为生物技术、天体生物学与早期地球演化生物学等多领域提供设计基础。
推荐理由：研究用缩减氨基酸字母表训练生成模型设计指定二级结构，为多肽设计的序列空间约束提供参照。
Google DeepMind / Isomorphic精选AI 评分6363 Google DeepMind 为 Antigravity 推出化学信息学技能，智能体一小时完成大环设计与合成路线
Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，让语言模型负责流程编排、确定性化学工具执行分子计算。
推荐理由：官方演示了智能体在真实肺癌药物数据上完成检索、配对分析与大环设计，可观察化学工作流的自动化边界。
AI药物设计实验室精选AI 评分7171 Nature Communications｜IDPForge用扩散模型生成无序蛋白构象集合
IDPForge以ESMFold序列与残基配对模块结合去噪扩散，从氨基酸序列生成全原子无序蛋白构象集合，在32条单链IDP测试序列上综合NMR拟合的归一化X-EISD分数为0.890，高于IDPConformerGenerator的0.576、IDPFold的0.582和CALVADOS的0.584。
推荐理由：介绍IDPForge用扩散模型生成无序蛋白构象集合，并对照NMR与SAXS数据说明其优势与尺寸偏差。
ACS JMC (药物化学)精选AI 评分5858 从AI输出到药物化学决策：激酶抑制剂发现中的证据边界、耐药导向设计与DMTA学习
【摘要级】这篇观点文章提出，激酶抑制剂项目中 AI 辅助药物发现（AIDD）的价值不应只看预测性能，而应看计算输出能否改善可实施、可实验检验的药物化学决策。作者把 AI 输出视为可检验假设，以 EGFR、ALK/ROS1/TRK、BCR-ABL1 和 BTK 的耐药相关案例说明，明确的证据边界、验证关卡和证伪实验如何指导类似物选择、试验优先级、耐药谱设计以及 DMTA 循环中的信息增益。
推荐理由：文章提出以能否改善药物化学决策来评估激酶抑制剂项目中的 AI 输出，并给出耐药场景下的验证思路。
bioRxiv · Biophysics精选AI 评分6969 研究用深度突变扫描数据评测蛋白语言模型与深度学习模型的抑制剂相互作用预测
研究以覆盖MET激酶域11种抑制剂条件的深度突变扫描数据，系统评测突变效应预测与药物-靶点亲和力预测模型。结果显示，尽管实验揭示的抑制剂依赖性适应度景观明显不同，当前AI模型在两类任务上大多给出配体不变的预测；LigandMPNN和LASErMPNN等配体感知几何模型部分找回实验验证的耐药相关热点，而深度学习亲和力模型低估突变引起的结合亲和力变化。
推荐理由：研究用MET激酶域11种抑制剂条件的深度突变扫描数据，系统评测突变效应与亲和力模型，指出配体不变预测的共性局限。