研发方向
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
作者逐行核对 Mol-1 发布宣传中的四项数字，发现 FoldBench-AB 75.0%、VHH 命中率 63%、SPR 亲和力 KD 43 pM 及单张 H20 跑 60k token 在公开仓库 molence/Mol-1 中均无对应数据，IsoDDE 75.58% 的对比出处标注为 Coming soon。
推荐理由：作者逐条核对 Mol-1 宣传数字与开源仓库，指出基准对比和湿实验数据均无法在代码中复现。
Divergence Labs 与 Anthropic 合作，借助 Claude 构思出一种双臂抗体机制，用于把 IgE 从肥大细胞表面的 FcεRI 上主动拉离，以应对影响全球超过 2 亿人的食物过敏。团队称在一个月内设计、合成了这两个臂，并实验验证了它们的生物物理功能，目前正将其组装成完整的治疗格式。该工作尚处早期，文中未披露具体靶点数据、亲和力数值或体内结果。
推荐理由：Divergence Labs 借 Claude 构思出双表位抗体机制，并在一个月内完成两个臂的合成与生物物理功能验证，为抗体早期发现提供了人机协作的实例。
GLOM-TGITO 将全局-局部荧光预测器与多视图景观引导优化结合，在 31,434 条实测 ppluGFP2 序列上取得随机/深度留出 RMSE 0.170/0.247，对照 SaProt-650M 为 0.247/0.324。
推荐理由：在3万余条实测荧光序列上比较全局-局部预测器与多视图搜索，为离线蛋白设计的候选筛选提供参照。
Generate:Biomedicines 与 Anthropic 合作，六名科学家用 Claude 结合自有模型、计算工具和湿实验数据，重构用于实体瘤的 CAR-T 受体。重新设计的信号组件比标准设计缩短约 70%，为新增功能留出空间，并在实验室测试中提升了对癌细胞的杀伤。相关结果以预印本形式发布，公司称该流程把数年工作压缩到数月、成本仅为原方案的一小部分。
推荐理由：Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 胞内信号域，展示大模型参与蛋白设计的可迁移流程。
BigHat Biosciences 与 Anthropic 发布联合演示，展示用前沿 AI 驱动可被智能体接入的快速反馈湿实验，加速抗体工程难题。BigHat 构建了 Agentic Lab Control Harness，将计算与实验工作流纳入同一控制平面，并称被 Anthropic 选为首个抗体治疗合作伙伴。
推荐理由：BigHat 与 Anthropic 联合演示智能体接入湿实验闭环优化抗体，提供人机团队协作的实验流程参照。
Molence 发布开源生物分子智能模型 Mol-1，在 FoldBench-AB 上取得 75.0%，接近其引用的 IsoDDE 报告的 75.58%。该模型可在单张 H20 上完成 6 万 token 的组装，公司称其在 10 项对比中 8 项优于 Anthropic；VHH 结合命中率最高 63%，最佳 SPR KD 为 43 pM。代码已在 GitHub 开放，并提供在线试用入口。
推荐理由：Molence 发布开源生物分子模型 Mol-1，并给出结构基准、长序列组装与 VHH 结合筛选的对比数据。
10 月 26 日，Anthropic 与瑞士蛋白工程公司 Adaptyv 联合举办的蛋白设计挑战赛放出第五题，要求设计只结合 KRAS G12D 突变肽（VVVGADGVGK）、不结合野生型肽（VVVGAGGVGK）的蛋白，两者仅第 6 位一个氨基酸不同，靶点为 HLA-A*11:01 呈递的 pMHC。
推荐理由：赛事把特异性拆成突变识别、肽依赖与亲和力三关，为从零设计结合剂的评测提供了具体参照。
英国AI安全研究所AISI与SecureBio合作的ReproBAIT预印本让Claude Opus 5、GPT-5.6 Sol、Kimi K3和Qwen3.8-2.4T四个编程智能体在提供训练数据与A10G GPU的条件下限时复现三个生物AI工具。
推荐理由：研究用编程智能体限时复现三个生物AI工具，给出闭源与开源工具可迁移性的具体边界。
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
镁伽科技牵头，腾讯云、Twist、思朗科技、诺唯赞等参与，发起全球AI蛋白质设计竞赛Poreva Open，不限国家、模型与技术路线，计划对超过10000条设计序列做湿实验验证。评价体系除靶点结合外新增热稳定性和低非特异性指标，首批3项挑战靶点已公布，赛后拟择优引入类器官等模型进一步验证。奖金包括最高100万元现金、百万元级免费湿实验验证额度和千万元级投资激励。
推荐理由：镁伽联合腾讯云、Twist等发起不限模型的蛋白质设计赛，以万条湿实验验证切入AI4S数据入口。
伦敦大学学院与Fold9的研究人员发布预印本，提出用投影梯度下降（PGD）在概率单纯形上直接优化氨基酸概率，替代传统 Softmax 参数化，以缓解低概率氨基酸梯度衰减的问题。
推荐理由：研究用投影梯度下降替换 Softmax 优化序列，为梯度驱动的结合剂设计提供了可复现的优化器对照。
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
推荐理由：报道介绍Pythia-1在22个难靶点上单轮设计全长IgG，并给出GPCR激动与拮抗的功能验证结果。
【全文总结】研究以SARS-CoV-2 RBD为靶点，用Rosetta生成两轮从头设计结合剂：第一轮三螺旋束界面小、单体性好但结合弱，第二轮四螺旋束界面更大更强却因表面疏水性过高而寡聚化，22个设计均未检出结合。
推荐理由：研究用两轮设计对照拆解结合剂失败的两类失衡，并据此改造出低微摩尔级单体结合剂。
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
NewMarketPitch 梳理认为，Generate:Biomedicines、Absci、BigHat Biosciences 和 iBio 是已有可识别 AI 设计药物进入人体试验的 AI 蛋白设计公司，四家合计至少 8 个候选药物进入过人体评估，但仅 Generate 的哮喘抗体 GB-0895 进入 3 期。
推荐理由：梳理四家 AI 蛋白设计公司已进入人体试验的候选药物，并区分临床阶段与疗效证据的强弱。
IPD与NVIDIA于10月公开RFD4-Proteina的代码与模型权重，模型把序列与结构放进同一生成过程，并提供候选搜索与评估入口，核心许可为BSD 3-Clause。
推荐理由：结合开源入口、计算基准口径与两组湿实验，给出团队自评该蛋白设计模型是否值得采用的判断框架。
分子之心在Zenodo发布扩展版MMDesign技术报告，覆盖18个靶点、19个设计项目，涉及VHH与大环肽两类模态，报告称18个项目获得实验确认的结合分子，项目成功率94.7%。
推荐理由：报告汇总19个设计项目的湿实验命中情况，并区分项目成功率与候选命中率，为评估生成-过滤-验证流程提供具体参照。
【全文总结】研究提出 PharmaDiff，一个以原子级三维药效团假设为条件、基于 MiDi 架构的 SE(3) 等变 Transformer 扩散模型，可在不需要靶点蛋白三维结构的情况下生成完整三维分子。
推荐理由：该研究以原子级药效团图条件化扩散生成，并用三维欧氏距离评测药效团匹配，为配体导向设计提供了可比较的基线参照。
研究提出 Genotypic Trigger 后门攻击，可让生成式抗菌肽模型对携带特定 HLA 等位基因的人群输出预测免疫原性风险更高的肽。在多个常用肽生成模型上，目标等位基因携带者的预测免疫原性风险评分相对现有数据库天然肽平均升高 743%，非携带者则接近天然基线；这些模型仍保持或提升了高抗菌效力、低一般毒性等主要目标性质，因而能通过常规安全筛查。
推荐理由：研究展示生成式抗菌肽模型可被植入针对特定HLA等位基因携带者的后门，为肽生成模型的安全评测提供参照。
分子之心发布MMDesign最新技术报告，在覆盖18个靶点、纳米抗体与大环肽两类模态的19个项目中，18个获得实验确认的结合分子，项目成功率94.7%，单项目仅测试9—50个候选。
推荐理由：技术报告以19个项目的湿实验数据展示少量候选下的跨靶点设计成功率，并给出GPCR与跨轮次优化的具体结果。