内容形态
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
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。
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。
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。
作者提出 MechGate，一个面向大肠杆菌的机制分辨筛选工具，输入 SMILES 后并列报告 5 项指标，其中 2 项为孔蛋白渗透、1 项为磷脂膜渗透、1 项为外排、1 项为抗菌活性，每项独立读取以定位分子受阻环节。
推荐理由：该工具把渗透、外排与活性拆成可分别读取的指标，便于定位候选分子受阻的具体环节。
【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。
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。
gmx_MMPBSA 团队扩展了这款基于 GROMACS 的端态结合自由能计算工具，新增 GBNSR6 与非线性 PB 模型、二阶累积量（C2）熵估计、显式结构水以及多位点丙氨酸/甘氨酸突变功能。
推荐理由：介绍 gmx_MMPBSA 新增的端态结合自由能计算选项与 AMBER 入口，便于评估方法选择对结果的影响。
作者以使用者视角梳理 Baker Lab 与 NVIDIA 的 RFD4-Proteina 官方文档，按 Quickstart、Cookbook、输入条件、Reward-Guided Search、Metrics 与 Agent Skills 的顺序给出上手路线。
推荐理由：文章按官方文档梳理 RFD4-Proteina 从输入约束、生成搜索到 Agent 编排的实操路径，便于团队复现工作流。
研究者在 KingFisher Apex 颗粒处理仪上，用二乙氨基乙基功能化弱阴离子交换（WAX）磁性树脂自动化构建 DNA 编码库（DEL）。
推荐理由：该预印本把 DEL 合成从手工分池改为磁珠自动化，并给出两轮 9,216 成员库的合成与对照筛选结果。
作者提出 CHASE，一个集中训练、分散执行的多智能体调度器，用于决定下一步在哪种仪器上运行哪个实验，以应对 NMR 时间和共享液体处理机器人稀缺、噪声大且只能部分观测的问题。
推荐理由：该预印本把反应优化预算从实验次数改为仪器小时，并给出多智能体调度在 HTE 数据集上的对照结果。
作者提出多智能体研究系统 GVIM 2.0，将语言模型任务规划与领域 Skills、计算工具、沙箱执行和产物生成结合。在覆盖 ChemBench、MaScQA 和 ChemLLMBench 的 400 题公开基准上，完整流程答对 325/400 题，准确率 81.25%，同基座仅 API 基线为 285/400 题、71.25%。
推荐理由：该预印本给出多智能体化学研究系统在公开基准上的准确率，并列出可检查的流程输出，便于对照同类工具。
作者发布 Pose，一个仅依赖 NumPy 的 Python 库，可从序列构建多肽（含六种非天然氨基酸）和核酸双链，并以字母大小写设定残基手性。
推荐理由：该库以纯 NumPy 重实现力场与打分函数，并给出与 OpenMM、PyRosetta、Vina 的逐项对照，便于评估其可复用性。
Helix Design Studio 是开源网页应用，可在指定α螺旋骨架上分析和设计抗菌肽序列，用已发表的环境评分框架结合内在螺旋倾向、残基对相互作用、静电与疏水暴露评估理想溶剂和界面环境中的螺旋状态。
推荐理由：该工具把膜环境假设纳入抗菌肽序列评分与候选生成，便于比较不同环境下的设计取舍。
上海人工智能实验室、中国药科大学等机构发布预印本 DrugHarness，将 80 多项科学工具的执行与带条件的技能学习整合到同一智能体系统中。加入冻结领域技能后，Qwen3.7-Max 在 MolBench 的亲和力比较准确率从 62.2% 升至 81.1%，优化成功率从 79.5% 升至 87.2%，但虚拟筛选 Hit@3 从 60% 降至 48%。
推荐理由：该预印本把智能体的工具执行与条件式技能学习结合，并给出基准与细胞实验的对照结果。
Valence Labs 提出 trajectory replay，一种面向 flow matching 和扩散模型等连续时间生成模型的持续学习技术，通过用前一模型生成路径的速度场重训模型来提醒其已学内容，全程不生成完整样本。
推荐理由：该方法用前一模型生成路径的速度场重训，避免生成完整样本，为连续时间生成模型的持续学习提供更省成本的替代方案。
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
Frank Noé 表示，微软研究院 AI for Science 的生物分子结构、动力学与功能基础模型 BioEmu2 已可在 Tamarind Bio 平台使用。该模型以开放权重、MIT 许可发布，代码托管于 GitHub；引用内容展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的示例。
推荐理由：BioEmu2 开放权重并上线第三方平台，为关注生物分子结构与动力学生成模型的人提供可访问入口。
作者提出持久记忆智能体框架 Magnolia，用大语言模型整合对接、量子化学、分子动力学等计算协议与实验记录，并采用会话、项目、跨项目三层记忆。在四个案例中，该框架跟踪 317 次运行、积累 116 条项目级条目并晋升 4 条跨项目规则；在四项任务的受控重放中，带记忆的运行通过了无记忆运行未通过的检查，例如对接配置检查为 10/10 对 1–4/10。
推荐理由：该框架把计算化学协议与分层记忆结合，并用受控重放对比有无记忆时的任务检查通过情况。
Baker 团队等提出 Chaperone，一个轻量可定制框架，将 RFdiffusion3（RFD3）与 ProteinMPNN、AlphaFold3 及 50 多种蛋白设计工具串联，并提供面向智能体的可编程接口和高性能计算并行执行。
推荐理由：该框架把 RFdiffusion3 与序列设计、结构预测等工具串联，为长流程蛋白设计智能体提供可复用接口与效率参照。
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。