研究提出用快速傅里叶变换计算界面埋藏表面积的方法
研究提出一种基于快速傅里叶变换（FFT）的方法，用于高效计算两个结合伙伴在多个相对平移下的溶剂可及表面积（SASA）变化，并通过网格化 SASA 与溶剂排除网格的互相关得到埋藏表面积（BSA）。
推荐理由：该方法把界面埋藏面积计算从逐姿态直接求和改为 FFT 互相关，为大规模生物分子界面扫描提供可迁移的加速思路。
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 3 页
ChemRxiv Preprints精选AI 评分5858 机器之心 · AI4Science精选AI 评分7878 斯坦福 X-lab 与 SNAP 实验室发布 ProteoCraft 蛋白设计框架
斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft，采用梯度提案、完整结构预测验证与两阶段蒙特卡洛树搜索，支持结合蛋白从头设计和限定区域局部改造。
推荐理由：报道介绍斯坦福团队的提案—验证搜索框架，用独立结构预测与湿实验数据展示从头与局部设计的阶段性表现。
bioRxiv · Bioinformatics精选AI 评分6363 FoXSight：面向晶体学片段筛选的计算命中识别方法
FoXSight是一种用于晶体学化合物筛选命中识别的计算方法，对多参考减影图施加高斯差分（DoG）滤波，检测与结合配体相关的重复出现、靶点特异的密度特征。
推荐理由：针对晶体学片段筛选中的弱结合信号识别，介绍一种可解释的密度图检测方法及其与PanDDA的比较。
药化猩球精选AI 评分5858 用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录
作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计，在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选，约 78 分钟完成。
推荐理由：作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程，含 hotspot 取舍与评分分布，可作同类设计的操作参照。
BioTender精选AI 评分7373 腾讯混元 Hyra 2.0 科研智能体自主研发出蛋白质逆折叠模型 HyInv 与语言模型 HyPLM-Flash
腾讯混元于 11 月 2 日发布 Hyra 2.0（Hunyuan Research Agent），将 AI 科研智能体的目标从解决单个科研问题扩展到自主研发可复用的模型、算法和工具，并完成两个 AI4Protein 成果的研发。
推荐理由：腾讯混元披露科研智能体自主研发出两个蛋白质模型，并公开权重与推理代码，可供比较其研发流程与评测表现。
ACS JCIM (化学信息与建模)精选AI 评分6565 研究基准评测Boltz-2、Chai-1与AlphaFold3的病毒纳米抗体表位预测
【摘要级】研究以AF3训练截止后沉积的病毒抗原-纳米抗体复合物为数据集，基准评测Boltz-2、Chai-1和AlphaFold3三种结构预测模型的表位预测表现。AF3在单种子下界面DockQ>0.23的成功率为33%，每靶10个和100个种子时升至50%和65%，Boltz-2与Chai-1分别为18%和30%。
推荐理由：研究在AF3训练截止后沉积的病毒抗原纳米抗体复合物上比较三种结构预测模型，为表位预测的模型选择与置信度筛选提供参照。
DrugAI精选AI 评分7474 Science Advances：基于AlphaFold 3从序列通用预测T细胞受体抗原特异性
研究人员提出AF3-PTI-PAE方法，用AlphaFold 3预测MHC–抗原肽–TCR三元复合物结构，并以TCR–抗原肽界面预测排列误差判别抗原特异性，无需针对特定抗原训练。
推荐理由：研究用AF3预测三元复合物界面置信度推断TCR抗原特异性，并给出独立验证与敏感性限制。
Molence精选AI 评分6262 Molence 发布 Mol-1：增加推理算力可提升抗体-抗原预测
Molence 发布抗体-抗原结构预测模型 Mol-1，称在 MolBench-AB-26 上增加推理算力可持续提升预测质量。
推荐理由：官方披露 Mol-1 在抗体-抗原预测基准上随采样与循环次数增加而提升，并给出采样效率对比。
AI-Protein Design精选AI 评分6363 《Nature》报道GTAC双特异性抗体经TfR1诱导内吞降解7种GPCR
《Nature》2026年9月30日刊发研究，提出GPCR–TfR1靶向嵌合体GTAC，通过双特异性抗体把目标GPCR拉近组成型内化的TfR1，强制其进入内吞与溶酶体降解途径。
推荐理由：研究用双特异性抗体把GPCR拉向TfR1内吞降解，为难以占位拮抗的受体提供另一种调控路径。
BioAICraft精选AI 评分6262 SoupFold 发布整合模型 soup-opendde-pack 并公开约 18.2 GB 权重
2026 年 10 月 31 日，SoupFold 作者 Hyosoon Jang 发布整合模型 soup-opendde-pack，并公开约 18.2 GB 模型权重。
推荐理由：该整合包把四个结构预测模型收进单一 checkpoint，可对照其推理流程与依赖变化。
AI蛋白质精选AI 评分7474 牛津大学推出SAbDab2结构抗体数据库，含2.2万抗体实例与ML级训练测试拆分
牛津大学团队在NAR发布SAbDab2，为机器学习时代重新设计的结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
推荐理由：介绍牛津团队为机器学习重设计的抗体结构数据库，含标准化训练测试拆分与统一标识符，便于复用与比较。
AI药物设计实验室精选AI 评分7474 Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
推荐理由：预印本用自然语言条件生成蛋白结构与序列，并在 GM2A 上给出 SPR 结合数据，可看文本接口的控制边界。
药化猩球精选AI 评分5858 用RFdiffusion从零设计靶向KRAS G12D pMHC的纳米抗体：Challenge 5实战流水线记录
作者记录了Anthropic × Adaptyv蛋白设计大赛Challenge 5的轨道B方案：用RFdiffusion-Ab在h-NbBCII10人源化VHH骨架上生成500条CDR骨架，经ProteinMPNN生成2000条序列，再用RF2打分筛选出20条提交，全部在单块RTX 5080上耗时约68小时。
推荐理由：记录从500条RFdiffusion骨架到20条提交的完整计算流水线，并给出运行耗时与踩坑细节，可供同类设计复用。
BioTender精选AI 评分7878 MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
BioTender精选AI 评分6565 BioTender盘点19个全原子蛋白设计项目：竞赛焦点从生成结构转向控制功能
BioTender 汇总2026年9—10月收录的19个全原子建模与设计项目，覆盖结构生成、复合物预测、结构编码与设计优化，认为竞赛焦点正从生成结构延伸到控制功能。
推荐理由：梳理19个全原子建模项目的路线差异，并指出评测口径与开放程度决定成绩可比性。
arXiv · q-bio.QM (定量方法)精选AI 评分6262 研究提出按需回收循环：从 AlphaFold 3 类模型主干早期预测置信度指标
该预印本发现 AlphaFold 3 类模型（如 Boltz、Protenix）的 ipSAE、ipTM 置信度指标及结构一致性指标可在早期回收循环时直接从主干预测。作者据此构建廉价、可微且每个循环都可用的预测器，将其用作筛选时分配回收预算的决策信号，以及幻觉式结合剂设计的目标函数，报告两类应用均在显著降低计算成本的同时提升表现。
推荐理由：研究提出可从 AlphaFold 3 类模型主干早期预测置信度指标，为结合剂筛选与幻觉设计节省循环计算预算提供参照。
智药邦精选AI 评分7474 Anthropic公布Claude加速药物开发早期进展：六家机构合作与自主罕见病项目
Anthropic于2026年10月27日发布文章，介绍Claude加速药物开发的早期进展，过去数月与BigHat Biosciences、BMS、Divergence Labs、Enveda、Generate Biomedicines与The Column Group六家机构达成深度研究合作，并启动自主药物发现项目。
推荐理由：Anthropic披露与六家药研机构及BMS的合作细节，展示Claude在抗体设计、文档审核等环节的具体产出。
王初课题组精选AI 评分6363 Nat. Chem. Biol. | 基于蛋白质组发现并缓解雄激素受体降解剂的肝毒性
阿斯利康团队在Nature Chemical Biology发表研究，用DIA蛋白质组流程筛查204个雄激素受体异双功能降解剂（AR-HBD），将肝毒性定位至线粒体复合体Ⅰ，并据此改造出低毒性化合物3号。
推荐理由：研究用DIA蛋白质组与机器学习把AR降解剂肝毒性定位到线粒体复合体Ⅰ，并据此改造出低毒性候选化合物。
bioRxiv · Bioinformatics精选AI 评分7070 可微自旋中心扩散模型实现DEER引导的加权蛋白质构象集合生成
作者提出可微的自旋中心（SC）扩散模型，可调节自旋标记的旋转异构体宽度，并与冻结的Boltz-2结构生成器耦合，使完整实验P(r)在推理阶段引导构象集合生成。在已知组成的合成P(r)上，该流程恢复了集合布居数，包括双峰分布的两个组分；在PfMATE、LmrP、MhsT和P-糖蛋白上，依据不同生化条件下测得的实验P(r)建模集合，并据此推导条件依赖的自由能差。
推荐理由：该预印本把可微自旋标记模型接入结构生成，使DEER距离分布可直接约束构象集合生成。
bioRxiv · Bioinformatics精选AI 评分6868 研究称免疫原性标签限制抗体设计进展
该预印本将常用的217条抗体免疫原性数据集扩展并校正为231条治疗性抗体，并手工重建其中110条的原始临床证据。结果显示，在231条数据上按抗体格式查表优于所有基于序列的学习预测器，表观准确率随评测划分的格式构成变化；标注为≤6 ADA%的分子在不同试验间可跨至86%。作者按试验级测量重算标签后，格式方法的优势消失，建议以试验级报告ADA%并将该目标视为分布而非点值。
推荐理由：研究重建抗体免疫原性标签后发现格式基线优于序列模型，为设计目标的标签质量提供参照。