AI 制药周报 · 2026 年第 44 周 · 10.26 — 11.01
下一分子
本周蛋白质设计开源成果密集：字节 Protenix 原班团队推出 Mol-1，华盛顿大学与 NVIDIA 开源 RFD4-Proteina，David Baker 团队在 Nature 发表从头设计半胱氨酸蛋白酶与金属蛋白酶两项研究。AI 虚拟细胞与扰动数据继续扩容，Ginkgo Datapoints 开放覆盖 12,949 种化合物的 ReFRAME 库 DRUG-seq 数据，Cell 刊出亿级单细胞药物扰动图谱 Tahoe-100M。
字节Protenix原班团队开源生物分子模型Mol-1，抗体、分子胶与多肽结构预测提升
原字节跳动Protenix核心成员肖文之团队推出生物分子基础模型Mol-1并公开39页技术报告，基于Protenix技术体系提升结构预测能力。
Molence一手原文 蛋白质与大分子设计
本版导读从开源基础模型、从头设计新酶到全长抗体与多肽抑制剂，设计能力正沿结构预测、生成与实验验证多条路径同时推进。
Nature：David Baker 团队从头设计半胱氨酸蛋白酶，实现特定肽键切割
David Baker 团队与苏黎世联邦理工学院等合作在 Nature 发表 De novo design of cysteine proteases，用 RFD2-MI、ProteinMPNN 和 AlphaFold 3 从 Ulp1 最小催化基序出发从头设计可切割肽键的半胱氨酸蛋白酶，69 个实验设计中有 13 个出现切割活性。
UW Institute for Protein Design一手10.30UW IPD 与 NVIDIA 发布 RFD4-Proteina：在共同潜空间做蛋白质与多类分子设计
华盛顿大学蛋白质设计研究所与 NVIDIA 等机构提出 RFD4-Proteina，将标准及非标准氨基酸、糖、DNA 和 RNA 的组成单元编码为锚点坐标加 32 维向量，在同一空间中联合生成分子身份与构象。
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。
Brian Hie10.29Brian Hie 团队报告 Evo 2 的生成式上下文学习能力
Brian Hie 团队报告 Evo 2 在少量同功能序列提示下可生成功能相似的新序列，作者称这是一种生成式上下文学习（ICL），且为训练时未预料到的涌现现象。
Pythia Labs发布Pythia-1，单轮设计22个难靶点的激动与拮抗全长抗体
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
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。
Molence一手10.30Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
澪乃ゆい10.30NVIDIA 发布机制感知的 AI 智能体蛋白设计方法 BindClaw
NVIDIA 发布蛋白设计方法 BindClaw，用 AI 智能体把生物学作用机制转成计算测定，从靶点与结合位点识别到结合剂生成、评估与迭代优化。在人工引导的钙调蛋白（CaM）设计中，18 个设计里有 15 个与钙结合态 CaM 结合，其中包含由 BLI 和 SPR 共同支持的亚纳摩尔级结合剂。论文与项目页面已公开，代码将在数周内发布。
David Baker 团队膜蛋白 AI 设计进展：GPCR 迷你蛋白与 WRAP 增溶技术
David Baker 团队 2026 年已发表 5 篇膜蛋白相关 AI 研究成果，涵盖从头设计、膜蛋白制备与结构机制研究。
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。
小分子与计算化学
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。
AI 虚拟细胞与扰动预测
Ginkgo Datapoints · Updates一手10.30Ginkgo Datapoints开放ReFRAME化合物库DRUG-seq数据，覆盖12,949种化合物
Ginkgo Datapoints旗下虚拟细胞药理学计划（VCPI）于2026年10月27日开放ReFRAME化合物库的DRUG-seq转录组数据，覆盖12,949种化合物，采用CC BY 4.0许可允许商用，注册免费账户即可获取。
Cell发表Tahoe-100M：亿级单细胞图谱解码药物扰动下肿瘤细胞分子表型
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M，构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
前沿论文与基准
Evo 2 两篇新稿解读：从序列理解到少样本可控设计
Brian Hie 团队于 2026 年 10 月 29 日公开两篇 Evo 2 稿件，探索用少量示例做上下文学习来设计调控序列与蛋白。酵母任务中 4 条示例即可生成预测活性接近高活性对照的序列，但人类 5′ UTR 用 16 条示例时预测活性过阈值比例才超过 40%，且这些曲线并非湿实验结果。
Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
bioRxiv预印本：毒性预测工具无法泛化到新化学结构
bioRxiv预印本在569个已上市药物（带黑框警告或被撤市者标为毒性）上评测35种毒性预测读出，涵盖基于指纹的QSAR、微调基础编码器和毒性专用工具。没有任何学习表征优于普通指纹，毒性专用工具中仅一种高于随机，且无一能匹敌仅凭批准年份的预测器；药物性肝损伤（DILI）专用工具在该面板上均未可靠超过随机。作者据此认为瓶颈在于分子结构作为输入本身的局限，进展或需纳入暴露与代谢信息。
ACS JCIM (化学信息与建模)一手10.28EnzyArena 基准评测并实验验证机器学习酶工程策略
【摘要级】研究提出按实验批次分组、在匹配条件下测定 kcat、Km 或 kcat/Km 的酶工程基准 EnzyArena，系统评测覆盖蛋白-配体结合亲和力预测、蛋白稳定性预测、零样本适应度预测和酶动力学参数预测四类策略的 20 个模型。
上海药物所郑明月等发布MolGenBench：系统评测17种AI药物生成模型
同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文，构建结构基础药物发现评测基准MolGenBench，在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法，覆盖从头设计与苗头到先导优化两个阶段。
深度观点与访谈
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。