Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
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 4 页
Molence精选AI 评分6060
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
DrugAI精选AI 评分5858 “长江杯”全球AI蛋白质设计挑战赛公布7大靶点与完整规则
“长江杯”全球AI蛋白质设计挑战赛于11月1日公布7个独立赛道的靶点与完整竞赛规则，报名和序列提交均于11月30日23:59:59截止。7个靶点分别为EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1和IL-7Rα，其中5个赛道设计VHH、2个赛道设计minibinder，GLP-1R赛道要求激动剂活性、EGFR赛道要求测定pH=6.0时的亲和力。
推荐理由：赛事公布七个真实靶点与湿实验验证规模，为蛋白质设计方法的实测比较提供了公开基准场景。
bioRxiv · Bioinformatics精选AI 评分7272 EpiRank：仅用单链几何与理化特征的表位预测器，并提出检索式评测框架
作者构建了不依赖结合伙伴的表位预测器 EpiRank，仅用单链几何与理化特征（170 个特征，不做序列搜索），在 HumanPPI 的 29,246 个预测人类二聚体、12,296 条目标链、418 万残基上训练，并在通过伙伴污染过滤的 3,529 条链上以检索问题评测。
推荐理由：该预印本用检索式评测揭示表位预测指标易被高估的四种具体机制，并提出替代报告口径。
BioAICraft精选AI 评分7878 EPFL 团队在 bioRxiv 发布 SPARC：AI 从头设计光控蛋白开关
EPFL Bruno Correia 团队等人在 bioRxiv 发布论文，报道计算设计的光控蛋白开关系统 SPARC，将视黄醛结合、光诱导构象变化与短肽识别整合到同一蛋白中。
推荐理由：该预印本展示如何把视黄醛异构化的几何变化转化为可设计的蛋白构象开关，并给出多状态序列设计流程。
Brian Hie精选AI 评分7474 Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
下一分子精选AI 评分7171 Google团队预印本提出表位裁剪方法降低蛋白结合剂计算成本
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口，再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由：预印本把靶点裁成表位局部窗口以降低结合剂设计算力，并给出截短重折叠与完整靶点的一致性对照。
BioAIDesign精选AI 评分5858 实测 Mol-1 本地部署与网页使用：纳米抗体能否找准 GFP 结合位点
作者实测 Molence Bio 的 Mol-1 基础版，输入 GFP 与 LaG24 纳米抗体序列预测复合物结构，五个候选的 ipTM 约 0.890、平均 pLDDT 约 89.8，对齐 GFP 后 LaG24 的 Cα RMSD 为 0.97–1.19 Å，天然界面接触恢复 90.2%–91.8%。
推荐理由：作者在本地与网页两条路径实测 Mol-1 对纳米抗体复合物的预测，并说明高分结构与界面指标各自能说明什么。
BioArt精选AI 评分7272 Nature：Shokat团队提出双位点激酶抑制剂设计原则并开发PonatiLink-2
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
药化猩球精选AI 评分5858 用开源结构模型 Mol-1 设计 KRAS G12D pMHC 纳米抗体的实战复盘
作者以开源结构预测模型 Mol-1 对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽设计 VHH 纳米抗体，从 40 个候选序列中筛出 Top 20，排名第一的 VHH_039 在计算中 VHH-肽接触分数为 0.4855、对野生型仅 0.0526。
推荐理由：作者用开源结构模型 Mol-1 完成 KRAS G12D pMHC 纳米抗体计算设计，并公开全部候选序列与评分，可作为同类流程的参照。
LeapFun精选AI 评分5858 Bruce Booth 警告 AI 药物供给过剩，Biotech 将迎来消化不良
Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。
推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。
bioRxiv · Bioinformatics精选AI 评分6262 LPT：以有界智能体循环编排实现自动化蛋白结合剂设计
作者提出 LPT（little protein tiger）框架，将 LLM 各阶段固定编排，每个阶段运行有界智能体循环并配置定制系统提示与工具权限，可从单条自然语言提示出发完成从头蛋白结合剂设计。
推荐理由：该框架把 LLM 各阶段限制在有限工具调用内，并接入文献库，为从自然语言提示到结合剂设计的自动化流程提供了一种可参照的组织方式。
bioRxiv · Bioinformatics精选AI 评分7373 研究将AlphaFold结合口袋置于apo-holo连续谱上分析
研究把来自12,255个蛋白的237,922个AlphaFold口袋放到其实验结构所张成的apo-holo轴上定位，发现多数口袋偏holo样（62%，apo与holo结构等量采样时为56%），与实验证据中apo/holo的分布比例一致。
推荐理由：研究把AlphaFold口袋放到apo-holo轴上比较，说明口袋状态如何影响结合位点识别与对接结果。
ACS JCIM (化学信息与建模)精选AI 评分5858 DeepMolVir：用蛋白语言模型学习虚拟病毒表示预测病毒-抑制剂活性
【摘要级】研究构建了覆盖178种病毒、50,711对化合物-病毒活性数据的数据集，提出DeepMolVir模型，用ESMC-600M生成的病毒序列嵌入替代传统分类标签，与分子特征结合预测化合物-病毒相互作用。
推荐理由：研究用蛋白语言模型编码病毒序列替代分类标签，为病毒-化合物活性预测提供可复用的表示方法。
Molence精选AI 评分7373 Molence 用 Mol-1 早期检查点构建 VHH 设计平台，17 个靶点湿实验命中率 6%–63%
Molence 基于 Mol-1 的早期检查点搭建了内部从头 VHH 设计平台，设计以 VHH-Fc 融合形式在自有湿实验中测试，覆盖全部 17 个多样化靶点并均获得结合命中。靶点层面的初始命中率在 6% 至 63% 之间，涵盖可溶性蛋白、受体胞外域和 GPCR，包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 与 CCR5。该平台将分子预测与经实验测试的抗体设计相连接。
推荐理由：Molence 披露其内部 VHH 设计平台在 17 个靶点上的湿实验命中率区间，可作为从头结合剂设计的实测参照。
Molence精选AI 评分7676 Molence 报告从头设计 BCMA 结合剂：SPR 亲和力达 43 pM
Molence 报告其从头设计的 BCMA 结合剂在零样本条件下取得 43 pM 的 SPR 亲和力。30 个设计中 12 个为结合命中，两个候选以 VHH-Fc 融合形式测得 SPR KD 分别为 43 pM 和 1.1 nM。两者结合细胞表面 BCMA 的 EC50 为 0.19 和 0.16 nM，同一实验体系中 belantamab 为 4.1 nM。
推荐理由：材料给出从头设计的 BCMA 结合剂从 SPR 亲和力到细胞表面结合的实测数据，并设了 belantamab 对照。
Absci精选AI 评分5858 Absci 的 Origin 抗体设计平台迁移至 AMD Instinct GPU，共折叠打分提速 3 倍
Absci 宣布其 Origin 抗体设计平台已运行在 AMD Instinct GPU 上，并将 AMD 开源 Triton kernels 集成进共折叠结合过滤工具 AbsciBind，在 AMD Instinct GPU 上相较生产基线取得 3 倍加速且输出质量无损失。
推荐理由：Absci 披露 Origin 平台在 AMD GPU 上的推理加速与集群部署，可作为抗体设计算力适配的参考。
Molence精选AI 评分7474 Molence：一轮实验反馈将4-1BB设计功能命中率从7%提升至85%
Molence报告在4-1BB靶点上用第一轮实验结果指导第二轮设计，功能命中数从第一轮2/30提升到第二轮51/60，功能命中率由7%升至85%。在0.03 nM下，51个第二轮激动剂中有48个超过Utomilumab阳性对照的平均激活水平，结果以VHH-Fc形式测得。同系列引文还称，针对BCMA的零样本设计30个中有12个结合命中，两个VHH-Fc候选的SPR KD为43 pM和1.1 nM，细胞表面BCMA结合EC50为0.19和0.16 nM，同一实验体系中belantamab生物类似药为4.1 nM。
推荐理由：材料展示了单轮实验反馈后功能命中率从7%升至85%的设计迭代结果，可作为蛋白设计干湿闭环的参照。
Molence精选AI 评分7474 Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence精选AI 评分7373 Molence 计算设计的 VHH 可拮抗 GPCR CXCR6 信号
Molence 报告其计算设计的 VHH 以 VHH-Fc 融合形式结合表达 CXCR6 的细胞，EC50 为 39 nM。在 cAMP 实验中，30 nM CXCL16 使响应降至仅含 forskolin 对照的 70.6%，加入 167 nM 该 VHH 后恢复至 92.6%，作者据此认为该结合剂拮抗 CXCL16 诱导的 CXCR6 信号。
推荐理由：该设计通过细胞结合与 cAMP 回复实验，给出计算设计 VHH 拮抗 CXCR6 信号的具体证据。