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。
内容形态
开源算法与工具 最新动态
生命科学开源算法库、分子模拟工具箱、数据集与计算生物学基础软件设施发布更新。
129 条精选近 30 天 78 条共收录 253 条
更新
精选归档 · 第 2 页
药化猩球精选AI 评分5858 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。
Corin Wagen精选AI 评分5858 Corin Wagen 用约250美元算力在 Modal 完成无人工代码的分子模拟项目
Corin Wagen 称其最终项目在 Modal 上花费约250美元，且不涉及任何人工编写的代码。他随后发布完整写作，认为分子模拟正在发生变化，可以模拟更多体系并更具雄心，并附上关于羰基-烯烃复分解建模的博客链接。
推荐理由：作者以约250美元算力成本完成无人工编写代码的分子模拟项目，为评估自动化建模的可行性提供了一手参照。
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。
ChemRxiv Preprints精选AI 评分5858 PyFMO：基于 PySCF 的碎片分子轨道计算 Python 框架发布
作者发布 PyFMO，一个以 PySCF 为电子结构后端的碎片分子轨道（FMO）计算 Python 框架，将 FMO 计算表达为共享上下文的可替换步骤流水线，结果统一收集于可序列化容器。
推荐理由：该框架把 FMO 计算拆成可替换步骤并统一结果容器，便于方法原型开发与逐阶段检查。
ChemRxiv Preprints精选AI 评分6363 ETALON：面向智能体计算机辅助药物设计的可验证执行与研究记忆框架
作者提出 ETALON，一个为通用编程智能体提供计算机辅助药物设计集成环境的框架，由 MolQuarry（化学与生物证据）、MolCascade（分子准备、筛选与对接）和 PRISM（分子生成与物理建模）三个可独立使用的系统支撑科学操作。
推荐理由：该工具把分子准备、筛选、对接与生成整合进统一执行层，并区分完成、验证与准入记录，为智能体辅助药物设计提供可复用框架。
ChemRxiv Preprints精选AI 评分5858 XinPilot：面向高通量合成与纯度分析的开源桌面工作台
XinPilot 是 Acceleration Consortium 药物化学自驱动实验室开发的开源 Windows 桌面工作台，用于打通合成、后处理与纯度分析之间的数据传递。
推荐理由：面向高通量合成与纯度分析的数据衔接问题，展示了一个把仪器工作流与分析证据整合到同一项目的桌面工具设计。
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。
LeapFun精选AI 评分5858 Claude驱动AI Agent自主完成小鼠脑内基因治疗注射实验
Exin Therapeutics联合创始人兼CEO Gabriel Ocana-Santero公开一项实验，由Claude驱动的AI Agent从19种候选基因治疗载体中选择方案，确定外侧内嗅皮层为注射靶区，并操控自建电动定位装置完成小鼠脑内注射，人类仅负责开颅缝合与审批。
推荐理由：该实验展示AI从方案选择到设备执行的连接方式，也暴露了自主实验的安全边界问题。
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。
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。
药化猩球精选AI 评分7878 Syndirella：以合成导向的片段延伸把单个母核扩展出5085个候选分子
牛津大学 OPIG、Diamond Light Source 与 IBM Research 在 Chemical Science 发表 Syndirella，以合成导向的片段延伸（Synthesis Directed Elaborations）把可采购反应物按 SMIRKS 反应规则组合成候选分子。
推荐理由：文章拆解了以可采购反应物为导向的片段延伸流程，并给出合成成功率与姿态偏差的具体数据。
ChemRxiv Preprints精选AI 评分5858 AIChemist 机器人化学家实现自主推理与实验的构建式化学发现
研究团队报告机器人化学家 AIChemist，它根据自身结果决定下一步问题，并用计算或实验作答后据此构建下一轮设计。在硅基自由基中继概念下，它开发出不对称三组分硅氰化反应，发现溶剂效应取决于氧化剂配方，将收率从 20% 提升至 67%、对映体过量 88%；针对杀虫剂 broflanilide 中间体，设计了不涉及硝基转化的光氧化还原/镍 C–N 偶联路线，估计成本低于常规路线。
推荐理由：预印本报告自主推理与实验闭环在两类反应上的结果，为化学发现自动化提供可参照的闭环设计。
ChemRxiv Preprints精选AI 评分6969 SandCat：用于前瞻性隐藏口袋发现的 OpenMM 框架
作者发布基于 OpenMM 的 SandCat 工具包，实现用于隐藏口袋发现的增强采样方法，计算速度达到 SWISH-X 的两倍并复现其既往结果。该工具还提供在未知隐藏口袋靶点上前瞻性使用的标准化流程，在多个挑战性靶点上所有已表征隐藏位点均进入前六候选位点，阴性对照未检出位点。上述结果来自预印本摘要，仅涉及计算预测。
推荐理由：该工具把增强采样方法移植到 OpenMM，速度提升并给出前瞻性发现隐藏口袋的流程，便于评估其可复用性。
药化猩球精选AI 评分5858 基于 RFD4-Proteina 的 TfR1 靶向 VHH 设计全流程
作者记录了用华盛顿大学 IPD 与 NVIDIA 的 RFD4-Proteina 流匹配模型搭建 TfR1 靶向 VHH 从头设计流水线的完整流程，保留框架区、从头设计三个 CDR，批量生成 500 条设计并按 pLDDT、界面接触数、表位距离、CDR 组氨酸数等加权筛出 Top 20。
推荐理由：完整记录了用 RFD4-Proteina 搭建 TfR1 纳米抗体设计流水线的步骤与踩坑，可作为迁移到其他靶标的操作参照。
下一分子精选AI 评分7474 Molence开源生物分子基础模型Mol-1，VHH单靶点结合命中率最高63%
前字节跳动Protenix核心成员创立的Molence Bio于10月28日发布开源生物分子基础模型Mol-1，公开39页技术报告，代码以Apache 2.0开放、基础版权重可下载，约束版权重未同样开放。
推荐理由：报道梳理了Mol-1的结构预测与VHH设计数据，并逐项标注队列不匹配与早期checkpoint等证据边界。
LeapFun精选AI 评分7474 侯廷军团队推出PartiDesign：统一生成框架用于蛋白与环肽设计
侯廷军团队推出可控生成框架PartiDesign，将结构与序列或化学身份在同一次Flow Matching生成中协同，覆盖蛋白、DNA、RNA和小分子。在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；AME原子级催化基序骨架搭建中常规与α引导配置分别约为RFD3的8.6倍和12倍。
推荐理由：介绍统一生成框架在蛋白与环肽设计上的产出效率，并给出与RFD3、BoltzGen的基准对比及计算筛选边界。
Corin Wagen精选AI 评分5858 Corin Wagen 评 Rowan 自动生成合成中间体对 FEP 的改进
Corin Wagen 表示，自动生成合成中间体是 Rowan 已加入的体验改进之一，与自动扭转角重拟合、收敛检测等功能并列。他引用的 @manntis4 内容称，在测试小分子辅因子支持 FEP 时发现，把合成中间体配体加入 RBFE 图可改善与实验结合亲和力的相关性，示例为 KRAS-G12D。Wagen 认为稳健的智能体驱动 FEP 还需要更多此类能力。
推荐理由：Rowan 团队以 KRAS-G12D 为例说明合成中间体配体如何改善 RBFE 与实验亲和力的相关性，并列出自动化改进方向。
bioRxiv · Bioinformatics精选AI 评分7474 BenchMHC：可复现的肽-MHC呈递预测框架
研究团队提出开源框架BenchMHC，仅用公开数据复现、重训和评测pMHC呈递模型，并记录复现中的每项实现决策。其NetMHCpan-4.1复现达到每等位基因Mean Top-K 0.794（官方webserver为0.790）、Median FRANK 0.0025（官方为0.0022），27秒内对28万条肽/等位基因对打分，比原二进制快约350倍。
推荐理由：该框架复现并重训pMHC呈递模型，同时揭示诱饵肽数据偏差对评测的影响，为相关基准比较提供参照。
BigHat Biosciences精选AI 评分7272 BigHat 与 Anthropic 联合演示智能体驱动的抗体工程优化
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。