ESMFold2 发布：面向蛋白预测、设计与发现的开放科学引擎
Alex Rives 宣布推出 ESMFold2，一个面向蛋白生物学预测、设计与发现的开放科学引擎，称其在蛋白相互作用尤其是抗体上达到当前最优性能。作者称已针对癌症和免疫学相关的五个治疗靶点设计并验证了 miniprotein 结合剂和单链抗体，成功率很高，亲和力达到与治疗活性一致的水平。
推荐理由：ESMFold2 同时覆盖蛋白相互作用预测与结合剂设计，并给出多靶点湿实验验证结果，可作为评估蛋白基础模型能力的参照。
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 21 页
Alex Rives精选AI 评分8282
AI4Protein精选AI 评分5858 昌平国家实验室余其林讲座介绍抗体设计框架PPIFlow
昌平国家实验室副研究员余其林将于2026年5月24日晚通过腾讯会议主讲抗体设计框架PPIFlow。据简介，该框架结合流匹配生成模型与新型体外成熟策略，无需实验优化即可直接生成皮摩尔至纳摩尔级亲和力的纳米抗体和迷你蛋白结合剂。
推荐理由：讲座介绍PPIFlow以流匹配加计算机成熟生成高亲和力纳米抗体与迷你蛋白，可了解纯计算结合剂设计思路。
AI4Protein精选AI 评分6767 清华与字节团队AnewOmni：跨尺度统一分子生成模型
字节AI制药团队与清华AIR团队开发统一分子生成模型AnewOmni，可设计小分子、多肽和纳米抗体，训练数据超过500万个生物分子复合物。模型支持可编程图提示，可施加化学约束、拓扑约束与几何转向，并生成非天然氨基酸、手性分子、共价结合等非标准化学结构。
推荐理由：介绍统一分子生成模型在KRAS G12D与PCSK9上的跨模态设计结果，可作为多模态药物设计的参照。
力文所精选AI 评分5858 力文所与复融生物完成首批全原子生成类药寡聚体设计交付
力文所与复融生物宣布达成首批类药寡聚体设计交付，这批分子由力文所 Pallatom2 引擎生成，并在复融生物高通量实验平台完成验证。据文中描述，候选分子在体积排阻色谱中呈单一峰型、实现预期寡聚化状态，多个核心候选亲和力达到皮摩尔级，热稳定性与表达滴度达到工业评价标准。文中称部分分子已具备推进成药性评价的基础，但未披露具体靶点、分子数量与实验数值。
推荐理由：力文所与复融生物披露首批寡聚体设计交付，展示了全原子生成模型在湿实验中的验证路径。
Jeff Ruffolo精选AI 评分7171 Profluent 与礼来达成最高 22.5 亿美元合作，用 AI 设计重组酶用于基因医学
Profluent 宣布与礼来达成战略合作，利用其 AI 模型设计重组酶编辑器，可在基因组特定位点插入长片段 DNA，用于基因医学。该合作在销售提成前价值最高 22.5 亿美元。Jeff Ruffolo 转发并表示将参与这一 AI 设计重组酶的工作。
推荐理由：Profluent 与礼来达成最高 22.5 亿美元合作，用 AI 设计重组酶编辑器，可作为 AI 蛋白设计与基因医学商业化的参照。
AurekaBio 寻明生科精选AI 评分6262 寻明生科完成3500万美元A+轮融资，推进AuraIDE抗体设计平台与管线
寻明生科宣布完成3500万美元A+轮融资，由红杉中国领投，经纬创投、博远资本跟投，老股东五源资本、启明创投、纽尔利资本等持续投资，A轮及A+轮累计近亿美元。资金将用于建设其自主研发的功能抗体设计平台AuraIDE™，加强基座模型与智能体能力及高通量高内涵实验平台。
推荐理由：融资披露同时给出抗体管线所处阶段与智能体实验闭环的建设方向，可对照其平台叙事与管线进度。
Medra 官网资讯精选AI 评分5858 Medra 发布自主实验室 Medra Lab 001，称覆盖设计-制造-测试-分析全流程
Medra 宣布建成 Medra Lab 001（ML001），称其为美国最大的自主实验室，面积 38,000 平方英尺、部署数百台机器人并 24/7 运行，在 90 天内建成。
推荐理由：Medra 公布其自主实验室的规模与在产合作范围，为观察物理 AI 科学家的落地形态提供参照。
Yang Zhang Lab精选AI 评分5858 新加坡国立大学团队发布配对蛋白语言模型PPLM，可预测蛋白互作与结合界面
新加坡国立大学研究人员开发配对蛋白语言模型PPLM，同时从两条相互作用蛋白中学习，用于预测蛋白互作、结合强度与相互作用界面。该模型面向蛋白互作这一细胞过程基础问题，团队称其可为疾病研究与药物发现提供新线索。
推荐理由：该模型同时读取两条相互作用蛋白序列，为蛋白互作、结合强度与界面的统一预测提供新思路。
HouMed精选AI 评分7373 LaMGen：基于大语言模型的多靶点3D分子生成框架发表于Nature Communications
浙江大学康玉、侯廷军团队联合澳门理工大学刘焕香团队在Nature Communications发表LaMGen，一个仅输入靶蛋白氨基酸序列即可生成3D活性分子的多靶点药物设计框架。
推荐理由：研究用LLM从蛋白序列直接生成多靶点3D分子，并在分布外靶点对上与DualDiff比较。
Jason Yim精选AI 评分8383 字节跳动发布 Protenix-v2 生物分子建模系统，支持结构预测与零样本抗体设计
字节跳动发布 Protenix-v2 生物分子建模系统，用于结构预测与零样本抗体设计。据引用介绍，其在抗体-抗原结构预测上较 Protenix-v1 在 DockQ>0.23 指标最高提升 13 点，5 个种子的表现超过此前 1000 个种子的结果；零样本 VHH 设计在受控靶点上达到 100% 靶点级成功率，BLI 确认的命中率为 2%–48%，命中物热稳定性、自相互作用和多反应性通过率分别为 100%、98% 和 93%。在暴露表位小而灵活的 GPCR 靶点上，VHH-Fc 格式命中率为 16%–88%，mAb 格式最高 50%，每个靶点仅测试 16–30 个设计。代码与论文见 github.com/bytedance/Protenix。
推荐理由：Protenix-v2 在抗体-抗原结构预测与零样本 VHH 设计上给出多项指标，并附 BLI 验证的命中率与可开发性数据。
ByteDance AML AI4Science Team — Protenix精选AI 评分7272 字节 Protenix 发布 v2.0.0：464M 参数 Protenix-v2 模型上线
字节跳动 AML AI4Science 团队发布 Protenix-v2，这是一个 464M 参数的增强容量结构预测模型，称在挑战性抗体-抗原复合物结构预测上精度显著提升，并更新了配体相关合理性。
推荐理由：Protenix-v2 在抗体-抗原复合物结构预测上给出与 v1 的对照结果，并公开技术报告与基准细节。
唯信计算精选AI 评分5858 唯信计算在 NVIDIA GTC 2026 发布生物医药多智能体操作系统 WeMol Copilot
唯信计算（Wecomput）在 NVIDIA GTC 2026 发布生物医药多智能体操作系统 WeMol Copilot，用户可用自然语言描述任务，由系统规划路径并调度底层 AI 模型与计算工具。
推荐理由：唯信计算在 GTC 2026 发布多智能体系统，展示从抗体生成到去免疫原性改造的自动化流程编排。
A-Alpha Bio 官网资讯精选AI 评分5858 Tamarind Bio与A-Alpha Bio合作，将AlphaSeq接入AI抗体设计平台
Tamarind Bio与A-Alpha Bio宣布合作，Tamarind Bio用户可将用RFdiffusion、ProteinMPNN等蛋白设计模型生成的抗体序列直接提交至A-Alpha Bio的AlphaSeq平台，获得抗体-靶点对的定量结合亲和力数据。
推荐理由：合作把计算设计的抗体序列接入高通量亲和力测量，为评估AI设计到实验验证的衔接提供参考。
Converge Bio 官网资讯精选AI 评分5858 Purple Biotech 与 Converge Bio 合作以生成式AI推进三特异性抗体平台
Purple Biotech 宣布与 Converge Bio 合作，利用后者的生成式AI平台设计和优化面向实体瘤的新一代三特异性抗体，以缩短发现周期并改善候选分子的可开发性。
推荐理由：合作把生成式AI用于三特异性抗体的设计与优化，可观察AI在抗体工程环节的具体分工。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio：概率化人体剂量预测如何改变候选化合物优先级
Inductive Bio 提出一套将临床前数据转化为人体剂量分布并显式传播实验与模型外推不确定性的框架，在与 Aleksia Therapeutics 的合作中用于三个后期先导化合物的排序。
推荐理由：以三个候选化合物的剂量分布对比说明概率化人体剂量预测如何改变优先级判断，并指出体外重复实验最能降低不确定性。
Proxima精选AI 评分6060 Proxima 与 NVIDIA 合作发布预印本：用 Fold-CP 多 GPU 预测大型蛋白复合物结构
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
OpenFold精选AI 评分7272 OpenFold 转发 AlQuraishi 介绍 OpenFold3 预览版 OF3p2
OpenFold 官方账号转发其研究员 Mohammed AlQuraishi 关于 OpenFold3 新预览版 OF3p2 的介绍，并引导读者阅读更多内容。据被引内容，OF3p2 在多数模态上缩小了与 AlphaFold3 的差距，并公开包括训练集与配置在内的全部内容，使其成为当前可从头训练且可复现的 AF3 类模型。上述性能与可复现性表述来自被引推文，本推文未补充细节。
推荐理由：OpenFold3 预览版开放训练集与配置，为复现和从头训练 AF3 类结构模型提供了可操作入口。
OpenFold精选AI 评分6262 OpenFold 发布 OpenFold3 更新，经 AWS 开放数据注册表公开训练数据
OpenFold 宣布 OpenFold3 更新，并通过 Amazon Web Services（AWS）的 Registry of Open Data 公开发布其训练数据。原帖未披露更新涉及的具体模型版本、性能指标或数据规模。
推荐理由：OpenFold3 更新并公开训练数据，为结构预测模型的复现与数据来源比较提供了可查入口。
HouMed精选AI 评分7474 侯廷军团队等发布全模态分子设计基座模型ODesign
侯廷军教授课题组、OTeam创始人张昊天领衔，联合临港实验室郑双佳团队、浙江大学谢昌谕团队等发布全模态分子设计基座模型ODesign，在统一框架内支持蛋白质、核酸（RNA/DNA）、小分子与离子的相互作用生成，并可在分子整体、功能基序、提示原子三种粒度下可控设计。
推荐理由：该模型把蛋白、核酸与小分子设计放进同一生成框架，并给出跨模态基准对比，便于判断多模态分子设计的当前进展。
LabGenius Therapeutics · News精选AI 评分5858 LabGenius 发表 3in1 噬菌体展示筛选法，一天完成全部筛选轮次
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。