POISK 基准：折叠模型能否区分抗体结合剂与诱饵
研究团队构建 POISK 数据集，从 10110 项美国专利中经 LLM 流程提取 89074 条抗体-抗原记录，并整理出 22494 个复合物的平衡基准集，其中 11247 个为专利验证但无已知解析结构的结合剂，另配序列相似的人抗体库来源推定非结合剂。
推荐理由：研究用专利来源抗体数据构建基准，比较六种结构预测模型区分真实结合剂与诱饵的能力，为评估零样本筛选提供参照。
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 8 页
bioRxiv · Bioinformatics精选AI 评分7474 bioRxiv · Biochemistry精选AI 评分7474 Calico 用 CAMOLE-1 平台发现并优化强效选择性 MMP12 多肽抑制剂
Calico 的机器学习平台 CAMOLE-1 以全原子扩散模型结合物理计算过滤与生化测试，从天然氨基酸设计出发发现 MMP12 多肽抑制剂并进一步优化效力，约一年内合成 270 条肽得到强效选择性抑制剂。预印本摘要称，天然与非天然肽抑制剂的预测结构与其实验解析的肽结合晶体结构高度一致。作者称这是首次用机器学习把多肽抑制剂设计从初始命中推进到具改善药代性质的选择性强效先导肽。
推荐理由：Calico 用全原子扩散模型迭代设计 MMP12 多肽抑制剂，并给出晶体结构与预测结构的对照。
DrugAI精选AI 评分7373 Nature Communications 发表 StriMap：连接抗原呈递与TCR识别的结构信息深度学习框架
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
DrugAI精选AI 评分7474 Nature：从头蛋白质设计与定向进化构建高对映选择性人工金属酶光催化剂
研究人员用RFdiffusion All-Atom和LigandMPNN从头设计结合金属多吡啶光催化剂的蛋白骨架DE3，再经多轮定向进化获得变体4FFG，催化分子内[2+2]光环加成产物对映体比例达3:97。
推荐理由：研究把从头设计骨架与定向进化串成一条路径，为人工金属酶的光催化立体控制提供了可参照的设计与优化流程。
Briefings in Bioinformatics精选AI 评分6262 EquiDesign：基于Equiformer的蛋白质序列从头设计框架
【全文总结】南京农业大学团队提出EquiDesign，用Equiformer替换传统消息传递层，在CATH 4.4上训练后实现蛋白质序列逆折叠设计，序列恢复率达56.59%，比ProteinMPNN高9.06%。
推荐理由：该框架以等变网络替代消息传递层做序列逆折叠，并在多个基准上给出与强基线的对照结果。
ClickMab 科迈生物精选AI 评分5858 科迈生物 EPIC 论文获 NeurIPS 2026 AI4DD Workshop 接收，联合预测表位、互补位与残基接触
科迈生物的 EPIC 模型从抗体和抗原氨基酸序列出发，联合预测抗原表位、抗体互补位与残基接触，论文获 NeurIPS 2026 AI for Drug Discovery Workshop 接收。
推荐理由：该研究把表位、互补位与残基接触统一建模，并在公开抗体结构测试集上给出与现有方法的逐项对比。
Martin Pacesa精选AI 评分5858 Martin Pacesa 评从头设计结合剂在结构生物学中的应用
Martin Pacesa 转发并评论 Xiaochun Li 团队发表于 NSMB 的论文，认为其从头设计结合剂的用法很有创意。被引内容称该研究解析了 Norrin 信号复合物的结构，并据此设计合成 Norrin 模拟物，朝恢复血视网膜屏障（BRB）的策略迈出一步。
推荐理由：作者借他人 Norrin 信号复合物论文，点评从头设计结合剂用于结构生物学研究的思路。
ChemRxiv Preprints精选AI 评分5858 研究分析FoldX界面ΔΔG对起始结构的依赖：以戊二酰辅酶A脱氢酶为例
研究以戊二酰辅酶A脱氢酶（同源四聚体）的258个ClinVar错义变异为对象，对其中124个致病性变异计算ΔΔG，并在同一复合物的三个分子动力学快照上重算18个变异。
推荐理由：分析显示FoldX界面ΔΔG对起始结构敏感且随位置变化，为变异解读中的结构选择提供参照。
清华大学智能产业研究院精选AI 评分7474 清华AIR联合上海AI Lab发布PFArena，用202项真实实验评测大模型蛋白质改造能力
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
BioArt精选AI 评分8282 David Baker团队在Nature发表两项研究：从头设计半胱氨酸蛋白酶与金属蛋白酶
华盛顿大学David Baker团队在Nature发表两篇论文，分别从头设计半胱氨酸蛋白酶和锌离子辅助的金属蛋白酶，并在哺乳动物细胞中检测到切割活性。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的初筛成功率、动力学参数和晶体结构验证，并讨论催化水与预组织对活性的影响。
arXiv · q-bio.BM (生物大分子)精选AI 评分7272 PROBE：面向结构药物设计的LLM智能体探测引导分子优化框架
作者提出PROBE框架，先对配体做可控的类似物编辑探测，把口袋-配体复合物对局部修改的响应蒸馏成EditManual，再结合位点图指导多智能体迭代优化。作者还引入两项诊断指标，分别衡量单次编辑同时改善结合亲和力与可开发性的频率，以及一个目标提升伴随另一个目标下降的频率，并据此指出当前LLM智能体管线常在不知复合物响应的情况下编辑分子。
推荐理由：该研究提出编辑-响应探测框架，用于诊断并缓解LLM智能体在亲和力与可开发性联合优化中的失败模式。
arXiv · q-bio.BM (生物大分子)精选AI 评分6565 研究计算设计靶向IL-23 p19的小蛋白候选中和剂
研究针对IL-23 p19的IL-23R结合面（PDB 3DUH）计算设计小蛋白结合剂，并用长度稳健的界面指标ipSAE评分。常规RFdiffusion/ProteinMPNN/ColabFold流程在972个设计中未得到可靠预测界面（最佳ipSAE 0.30），而BindCraft生成的50个设计中有42个ipSAE超过0.60（最佳0.804）。
推荐理由：研究用长度稳健的界面指标重评IL-23 p19小蛋白结合剂设计，并对比两种生成流程的预测表现。
动脉网精选AI 评分5858 锋寻生物完成亿元Pre-A轮融资，推进AI体内CAR-T管线
锋寻生物（DeliNova Therapeutics）宣布完成亿元人民币Pre-A轮融资，比邻星投资、约印医疗基金、疆亘资本新进，君联资本、宏沣投资、菡源资产追加。
推荐理由：融资信息之外，材料披露了生成式AI在体内CAR-T囊膜蛋白与纳米抗体设计中的具体嵌入环节。
LeapFun精选AI 评分7474 Baker团队开源RFD4后，38亿美元估值的Chai还值不值？
David Baker团队联合NVIDIA发布并开源RFD4-Proteina，代码与权重开放、核心许可为BSD 3-Clause，由此引发业内对Chai Discovery等闭源蛋白设计平台是否仍值得支付溢价的争论。
推荐理由：围绕RFD4开源后闭源蛋白设计平台是否仍值得付费，梳理业内分歧并给出护城河转移的判断。
BioAICraft精选AI 评分7171 PNAS论文提出ThermoMPNN单突变稳定性打分器
北卡罗来纳大学教堂山分校Brian Kuhlman团队在PNAS发表论文，提出将ProteinMPNN结构特征迁移到稳定性预测任务的ThermoMPNN模型。该模型在Megascale测试集上预测值与实验值的相关系数约0.75，在Fireprot无同源子集上约0.65，均高于直接使用ProteinMPNN的约0.43和0.41。
推荐理由：该文梳理ThermoMPNN如何借ProteinMPNN结构特征与大规模突变数据提升稳定性预测，并给出跨数据集表现与增稳命中率。
bioRxiv · Bioinformatics精选AI 评分5858 研究揭示比对保守性评分的两类相反失效模式并给出可计算诊断
Karagöl 等人在预印本中刻画了基于序列比对的保守性评分的两类相反失效模式，并指出二者都能在评分使用前从比对中计算出来。第一类是空位导致虚高：在 55,816 个位点上，报告值随空位比例上升（rho=+0.553），改为仅在非空位残基上重算后降至 +0.066，且无空位重算与 AlphaMissense 的相关性为 rho=0.551，高于报告值的 0.416。
推荐理由：研究拆解保守性评分的两类相反失效模式，并给出使用前可计算的逐位点诊断面板。
bioRxiv · Bioinformatics精选AI 评分7070 LangAAI：仅用序列抗原上下文改进抗体高变区建模
作者提出掩码语言模型 LangAAI，仅以抗体与抗原的一级序列为条件，无需三维结构、对接构象或表位注释。将同源抗原替换为非结合诱饵后，LangAAI 的序列恢复率明显下降且集中于 CDR3 环，而抗原无关模型基本不受影响。在各自评测协议下，其氨基酸恢复率优于现有抗体语言模型，与基于结构的方法相当，并按亲和力对实验测定的变体排序，效果接近使用骨架坐标的逆折叠模型。
推荐理由：该预印本用非结合诱饵抗原检验模型是否真正利用抗原序列，为无结构条件下的抗体设计提供参照。
BioAICraft精选AI 评分7676 Baker 团队设计无序区蛋白探针识别 Tau 与 Aβ 修饰并区分邻近磷酸化组合
华盛顿大学蛋白质设计研究所 Kejia Wu、David Baker 等与麻省总医院等团队在 bioRxiv 发布预印本，通过从头设计获得识别 Tau 和 Aβ 特定化学修饰的蛋白探针。
推荐理由：该预印本展示了按邻近磷酸化状态定制 Tau 探针的设计思路，并给出从合成肽到细胞与脑组织的验证链条。
BioAIDesign精选AI 评分6060 南京大学等提出RiboBridge：给定靶蛋白从头设计RNA结合剂结构
南京大学、香港中文大学与新加坡国立大学合作提出RiboBridge，输入靶蛋白结构和期望RNA长度，先预测候选界面、生成RNA形状，再预测跨链距离并刚体组装出候选RNA结构及结合姿态。
推荐理由：预印本把RNA形状生成与结合姿态拆开建模，并用消融定位误差来源，为RNA结合剂设计提供了可诊断的评测参照。
BioAIDesign精选AI 评分6262 清华等推出Trion-1：用扩散语言模型统一蛋白序列、结构与功能描述
清华大学GenSI、AIR与上海人工智能实验室等团队在arXiv发布约40亿参数的Trion-1，扩展Qwen3-4B词表，将文字、氨基酸序列和经DPLM2分词的结构标记放进同一Transformer，覆盖折叠、逆折叠、蛋白理解与条件设计六类任务。
推荐理由：清华等团队用统一扩散语言模型打通蛋白序列、结构与文字，其单次采样折叠与专用模型的差距值得对照。