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
Martin Pacesa 表示可将 BindCraft2 的多靶点与自定义损失实现用于设计任务，并给出在 AriaX、Tamarind 或 Google Colab 上运行的方式及 GitHub 链接。BindCraft2 由 Erik Mäeots 开发，仓库为 https://github.com/PacesaLab/BindCraft2；BC1 版本的多靶点 notebook 由 Lennart Nickel 和 Paul Kittner 提供。该帖引用了 Adaptyv 的 Anthropic x Adaptyv 蛋白质设计竞赛第一项挑战，要求设计在肿瘤酸性条件下结合 EGFR、在健康细胞正常 pH 下不结合的条件性结合剂，且需同时结合人源与小鼠源 EGFR 以支持临床前测试。
推荐理由：作者给出 BindCraft2 多靶点与自定义损失实现的可运行入口，便于复用条件性结合剂设计流程。
侯廷军、康玉团队联合澳门理工大学刘焕香团队在Nature Protocols发布AI驱动的虚拟筛选平台CVSP-AIE，整合KarmaDock、CarsiDock与RTMScore重打分模型，通过分层调用平衡筛选速度与精度。
推荐理由：该平台把三种自研对接与打分模型整合为分层筛选流程，并给出在线与本地两种使用方式，便于比较速度与精度的取舍。
BindCraft2 已发布，代码当天开源，学术与工业使用均免费，作者团队未等论文发表即提前放出。该版本通过支持更多模态与靶点扩大了分子设计搜索空间，速度也更快，并可用于 Adaptyv 竞赛；Amir Shanehsazzadeh 表示 Claude 在复杂搜索空间中表现最好，相关竞赛由 Anthropic 与 Adaptyv Bio 共同赞助。
推荐理由：BindCraft2 提前开源并扩大分子设计搜索空间，为结合剂设计竞赛提供了可直接上手的工具。
Martin Pacesa 表示 Adaptyv 蛋白质设计竞赛中的靶点交叉反应问题正是 BindCraft2 的原生适用场景，并给出工具概览与 GitHub 代码入口。他同时列出 Lennart Nickel 和 Paul Kittner 基于 BindCraft1 的多靶点 notebook 变体链接。被引用的竞赛帖称将提供最高 100 万美元 Claude 额度并实验验证社区提交的 5000 个设计，赛题涵盖物种交叉反应、pH 敏感性和肽-MHC 特异性等。
推荐理由：作者以 BindCraft2 作者身份指出该工具原生支持 Adaptyv 竞赛中的靶点交叉反应设计任务，并给出代码入口。
Adaptyv Bio 表示，BindCraft2 已在其与 Anthropic 的新蛋白质设计竞赛开始前开源，该竞赛将有超过 5000 个设计在其实验室接受实验测试。作者回顾称，BindCraft1 在 2024 年其蛋白质设计基准中表现突出，赢得首届 EGFR 竞赛，并在后续轮次中被广泛使用。所引用的发布信息显示，BindCraft2 完整代码已放出，学术和工业用途均可免费使用，论文尚未发表。
推荐理由：BindCraft2 在 Adaptyv 新竞赛前开源，可对照其上一代在 EGFR 基准中的表现理解方法迭代。
【摘要级】作者提出几何图神经网络REAPS，把受体作为全原子上下文用于多肽结合剂序列设计。摘要称其在线性与环肽的序列恢复、结构保真度和界面生物物理指标上优于ProteinMPNN。研究还将REAPS与结构幻觉结合成闭环从头发现流程，得到在神经激肽-3受体（NK3R）上经实验验证具有功能活性的多肽候选；代码与权重已公开。
推荐理由：该框架把受体全原子环境纳入多肽序列设计，并在NK3R上给出实验验证的候选，可作为受体感知设计的参照。
Anthropic 在 Science Blog 中称，Claude 为 30 多个用于分子结构建模、类药分子设计和基因突变效应预测的开源模型优化推理，平均提速 4 倍，部分通过编写 GPU 定制软件实现，并将全部优化代码开源。Roshan Rao 转发该内容并称，Anthropic 的工作显示折叠与结合剂设计可大幅加速；他所在团队也将 Claude 用于此类问题，模型训练 MFU 提升一倍。
推荐理由：Anthropic 用 Claude 为 30 多个开源生物分子模型优化推理，并开源优化代码，可作为评估模型推理加速路径的参照。
Amir Shanehsazzadeh 报告，Claude 在不到 4 周内优化 30 多个开源生物分子模型，涉及自定义 GPU kernel、超过 10,000 token 的结构建模及低于 200 美元的结合物设计，并开放代码。帖子同时宣布与 Adaptyv 合办五项挑战，计划实验验证 5,000 多个设计。模型推理优化是相较竞赛总公告的新增内容。
推荐理由：Anthropic 公布用 Claude 优化 30 余个生物分子开源模型推理并开源代码，同时联合 Adaptyv 举办蛋白设计竞赛。
【全文节选总结】研究提出片段化对接工作流 STELLAR，将长链多肽拆成二肽/三肽片段用 GNINA 分别对接，再按键长与空间重叠过滤重组并用 GROMACS 短程弛豫，在 257 个蛋白-多肽复合物上得到相对晶体结构 Cα 骨架 RMSD 低于 5 Å 的结果。
推荐理由：该工作把长链聚合物拆成片段分别对接再重组，为多肽与多糖的对接排序提供了可复用流程和基准结果。
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
天鹜科技发布并开源通用全原子生物分子结构预测模型VenusFold的代码与权重，可预测蛋白质、蛋白质-小分子和蛋白质-蛋白质复合物结构。
推荐理由：天鹜科技开源可商用的全原子结构预测模型，在统一基准下与 AlphaFold3 等模型对比接口精度，并给出训练策略改进细节。
NVIDIA BioNeMo Inference Runtime 进入公开测试，这是一个基于 PyTorch 的开源库，用于在 NVIDIA GPU 上加速生物分子推理。OpenFold 转发称，由 MoAlQuraishi 与 OpenFold Consortium 开发的 OpenFold3 借助专用优化在 H100 等 GPU 上运行速度提升超过 2 倍；该运行时支持 Boltz-2、OpenFold2、Protenix v2 等模型的优化，并可通过 Ray 扩展 GPU 副本。
推荐理由：OpenFold3 在 BioNeMo 推理运行时上的加速数据，为结构预测模型的部署效率提供了具体参照。
Proxima 已将 NVIDIA 今日发布的 BioNeMo Inference Runtime 用于其蒸馏与重折叠管线的生产环境，使 Neo 在 H100 上获得 1.6 至 1.9 倍吞吐提升，短输入场景最高 3 倍。公司称集成仅耗时数小时，一个使用 BioNeMo agent skill 的编码智能体一次性完成接入，尽管 Neo 架构与参考模型差异很大，此后已持续运行。
推荐理由：Proxima 披露 Neo 接入 NVIDIA BioNeMo 推理运行时后的吞吐提升与集成耗时，可作为评估推理栈落地成本的参照。
深势科技发布药物分子专利解析智能体PharmMaster·Patent，基于文档解析引擎Uni-Parser 1.4，可从专利PDF中提取分子结构并关联活性数据、实验条件与权利要求，每条结论保留来源页码可回溯原文。
推荐理由：该工具把专利中的分子结构、活性数据与权利要求关联成可核验记录，展示了跨页证据整理的具体做法。
力文所发布以 Agent 为核心的蛋白质设计智能应用 Lévin™ Harness，将数据、模型、插件工具、算力和工作流整合到同一工作区。该应用内置 Mol* 三维结构查看器，使分子结构进入 Agent 上下文，并以插件形式接入 AlphaFold、ProteinMPNN、Pallatom、RFantibody 等开源工具，自动完成下载、安装与调用。
推荐理由：该产品把结构查看、开源设计模型与工作流编排收进同一 Agent 工作区，可对照现有蛋白设计工具链的碎片化问题。
OpenBind 发布首篇预印本，对首批 OpenBind 数据发布做更正式的分析，并扩展了此前的博客内容。该预印本补充了更多方法细节和额外分析，公开了输出与代码，并新增一个虚拟筛选基准。
推荐理由：OpenBind 首篇预印本公开首批数据与代码，并新增虚拟筛选基准，便于对照其数据与方法细节。
【摘要级】作者发布人传病原体化学基因组学知识库HPM-CKB，覆盖267种微生物的7876个致病蛋白、13914个蛋白三维结构和234287个生物活性分子，支持大规模虚拟筛选、靶点识别与药物重定位，并接入大语言模型做交互查询。
推荐理由：该知识库把病原体化学基因组数据与虚拟筛选、深度学习模块整合，并用湿实验验证重定位候选，可作为抗感染药物发现的平台参照。
Adaptyv Bio 宣布通过 Adaptyv API 将实验验证接入 OpenAI 的 Rosalind Workbench。Rosalind Workbench 用于跨模型和专用科学工具编排复杂生命科学研究工作流，接入后这些工作流可在 Adaptyv 湿实验室运行完整的设计—构建—测试—学习循环，并将真实实验数据直接反馈到下一轮设计。
推荐理由：Adaptyv 把湿实验验证接入 OpenAI 的科研工作流平台，展示了设计—构建—测试—学习循环的一种外部集成方式。
Brian Hie 宣布 Proto 现可在 ChatGPT 中使用，并给出用 Germinal 做从头纳米抗体设计、用 Evo 2 做语义设计的两个对话示例链接。他同时指向 OpenAI 开发者博客的 Rosalind Workbench 研究预览，该工作台把科学问题连接到专用模型、工具与可审查输出，覆盖蛋白结构与序列分析到测序流程。
推荐理由：作者展示 Proto 接入 ChatGPT 后的纳米抗体从头设计与 Evo 2 语义设计入口，可观察科研工作流如何被整合。
Pranam Chatterjee 转发介绍 ActFlow，这是一种持续预训练方案，通过不确定性引导探索和验证器反馈，让流模型与扩散模型扩展到新的有效区域，作者称之为可生成集合扩展，并将其定位为面向分布外生成建模的新学习原则。
推荐理由：该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间，为分布外生成提供可迁移思路。