AI 制药周报 · 2026 年第 45 周 · 11.02 — 11.08
下一分子
本周 40 项关键进展，最受关注的是：Pallatom2 全原子生成模型发布：同时生成序列与主侧链原子并指定靶点结合界面；Nature发表structRFM：中国科大等让RNA基础模型同时学习序列与结构；MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%。
Pallatom2 全原子生成模型发布：同时生成序列与主侧链原子并指定靶点结合界面
Pallatom2 是一个全原子生成模型，可同时生成氨基酸序列、主链与侧链的原子构型，并能指定与靶点的结合界面。据该帖介绍，实验在210个候选中确认112个具有结合活性，10个靶点均获得结合剂，其中6个靶点经 BLI 测定报告了 pM 量级的结合亲和力（KD）。
澪乃ゆい原文 蛋白质与大分子设计
本版导读本周从全原子生成、自然语言条件到糖链复合物预测与去免疫原性路线对比，设计模型正朝多模态条件与实验验证闭环推进。
bioRxiv 预印本：从头设计微型效应因子，体积缩小约90%并提升 CRISPRa 效率
2026年10月发表于 bioRxiv 的研究提出用 AlphaFold3 映射转录激活结构域与共激活因子的相互作用界面，再经 RFdiffusion 与 ProteinMPNN 从头设计结合蛋白，构建约4万种设计的候选文库。
Gilead团队在Nature报道工程化TYK2依赖实现髓系选择性IL-10受体激动
美国吉利德科学公司的Tangsheng Yi、Chen Chen与Chingwei V. Lee团队在Nature发表研究，发现髓系细胞与T细胞对IL-10信号的TYK2依赖程度不同，并据此设计出四价纳米抗体构成的髓系选择性IL-10受体激动剂。
斯坦福 X-lab 与 SNAP 实验室发布 ProteoCraft 蛋白设计框架
斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft，采用梯度提案、完整结构预测验证与两阶段蒙特卡洛树搜索，支持结合蛋白从头设计和限定区域局部改造。
Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
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。
北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
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。
Anthropic用Claude绘制细菌源Vault三维结构，筛选150亿条序列
Anthropic宣布其生物学研究团队与Claude合作，绘制出细菌源Vault（囊泡样蛋白颗粒）的三维结构图，项目耗时不到4个月。团队用Claude Science分析约150亿条预测蛋白质序列，挑出44个序列做实验测试，其中15种产生可溶性蛋白、7种组装成Vault样颗粒、4种经冷冻电镜确认具有Vault结构。
ProVADA 作者解读三篇 bioRxiv 预印本：生成式 AI 如何降低蛋白药物免疫原性
斯坦福团队 ProVADA 模型作者在 bioRxiv 预印本基础上撰文，对比自家 ProVADA 与 David Baker 团队 MINT、普林斯顿团队 MESSI 三条生成式 AI 去免疫原性路线。
AI 虚拟细胞与扰动预测
深势科技合作开发的虚拟细胞模型ProteinTalks登上Nature，并推进药效预测落地
深势科技与合作团队在《Nature》发表虚拟细胞模型ProteinTalks，将大规模动态蛋白质组与神经常微分方程预训练结合，用于药物扰动响应预测。
CellType推出BioSimBench细胞响应预测评测体系与BioSimGym训练环境
CellType推出BioSimBench，用真实实验数据评测模型对药物处理、基因敲低和免疫信号等干预后基因表达变化的预测，共设四个预测赛道和一个工具型科研智能体赛道。
商业与生态合作
Anthropic公布Claude加速药物开发早期进展：六家机构合作与自主罕见病项目
Anthropic于2026年10月27日发布文章，介绍Claude加速药物开发的早期进展，过去数月与BigHat Biosciences、BMS、Divergence Labs、Enveda、Generate Biomedicines与The Column Group六家机构达成深度研究合作，并启动自主药物发现项目。
前沿论文与基准
本版导读RNA 基础模型 structRFM 登上 Nature，抗体、突变选择与分子生成等领域集中出现新数据库和严格评测框架。
Nature发表structRFM：中国科大等让RNA基础模型同时学习序列与结构
中国科学技术大学、浙江大学等机构在Nature发表RNA基础模型structRFM，在预训练中通过结构引导掩码语言建模同时学习序列与碱基配对关系。
MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
牛津大学推出SAbDab2结构抗体数据库，含2.2万抗体实例与ML级训练测试拆分
牛津大学团队在NAR发布SAbDab2，为机器学习时代重新设计的结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
Cell | SPARCS：AI引导激光显微切割实现复杂图像表型的大规模遗传筛选
德国慕尼黑大学Veit Hornung与马普生化所Matthias Mann团队在Cell发表SPARCS平台，将自动化激光显微切割改造为高通量单细胞分离手段并配合深度学习图像分类器，在7000万细胞规模完成自噬体形成与STING转运的全基因组筛选。
Science Advances：基于AlphaFold 3从序列通用预测T细胞受体抗原特异性
研究人员提出AF3-PTI-PAE方法，用AlphaFold 3预测MHC–抗原肽–TCR三元复合物结构，并以TCR–抗原肽界面预测排列误差判别抗原特异性，无需针对特定抗原训练。
机器学习力场SO3LR Tauri发布：训练覆盖85种元素，可模拟蛋白质与DNA体系
研究人员发布机器学习力场SO3LR Tauri，用约1.48亿个量子化学结构训练，覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å，在顺铂与DNA交联体系中无需额外约束即维持铂四配位，但水分子扩散速度约为实验值一半，单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。
算法工具与系统
临港实验室与上海人工智能实验室推出元生·自驱动实验室平台AutoLab
临港实验室与上海人工智能实验室联合推出基于OriBench的自驱动实验室平台AutoLab，打通从计算推演到实验验证的干湿闭环。平台融合OriGene智能体、实验室操作系统LabOS、具身智能与科研数据体系，各组件MCP工具化，设备经ADK套件与SCP-Lab协议接入后可被智能体调度复用。
文章速递
本版导读酶基础模型、结合亲和力预测与单细胞扰动模拟等新方法密集亮相，多项工作配套基准揭示现有模型的适用边界。
研究建立大肠杆菌单体蛋白产量大规模并行定量与预测方法
研究团队开发结合肽条形码、尺寸排阻色谱与质谱的混合检测方法，在统一的大肠杆菌生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。
PSICHIC+：从序列预测结合亲和力的生物活性基础模型
研究团队开发了生物活性基础模型 PSICHIC+，基于约8200万条蛋白-配体记录、以分布目标训练，可从蛋白序列与配体 SMILES 在毫秒级预测结合亲和力。在无靶点特异性训练数据的零样本虚拟筛选基准中，其富集效果优于回归和分类方法，并与领先的基于结构的方法表现相当。
AlphaEnzyme：以催化知识引导酶发现与进化的酶基础模型
作者提出酶基础模型 AlphaEnzyme，将酶与其反应的结构化表征结合，同时读出催化兼容性、动力学和突变响应。在时间分隔基准上，其 top-1 催化剂检索成功率为 30.1%，最强基线为 17.2%；与动力学训练集序列一致性不超过 40% 的酶上，米氏常数预测秩相关最高达 0.64。
arXiv · q-bio.QM (定量方法)11.06PharmAgents2：面向自主端到端药物发现的智能体系统
PharmAgents2 是面向端到端药物发现的自主系统，结合知识增强决策与并行智能体的大规模探索，并配套包含 121 道题、覆盖九类决策场景与三项端到端任务的 PharmAgents-Bench v0.1。
AtomLM-9b：全原子结构分词器驱动的生物分子结构预测模型
研究团队开发全原子结构分词器，将生物分子几何压缩为离散结构 token，在 CASP14 和 CASP15 上全原子 lDDT 分别为 0.832 和 0.835。
arXiv · q-bio.BM (生物大分子)11.04AbBiBench：抗体-抗原结合亲和力计算模型综合基准
研究提出AbBiBench，以抗体-抗原复合物为评测单元，整合13种抗体、9种抗原的216,560条实验测量，在无任务特定训练或微调下比较20种计算方法。结果显示全局结构条件逆折叠给出最强且最一致的亲和力排序，抗体特异性微调未带来一致提升，模型排序更利于筛选潜在亲和力提升而非排除弱变体。
GENESIS：单细胞扰动预测接近实验重复性
研究提出生成式框架 GENESIS（Generative ENErgy-based Single-cell Intervention Simulator），从定义实验条件的协变量直接预测单细胞响应分布，并以能量分数训练轻量神经网络。
arXiv · q-bio.BM (生物大分子)11.02D2ML：面向直接到生物学小分子筛选的测定感知模型
作者提出 D2ML 测定感知模型，从单点筛选预测活性、从粗制剂量反应预测跨靶点相对效力、从纯化化合物数据预测绝对效力，并用跨阶段共享信息的联合模型提升预测。
arXiv · q-bio.BM (生物大分子)11.06BILBY基准：蛋白质基序支架生成的动态感知评测
作者提出BILBY-PRO与BILBY-MD，分别从靶点覆盖、独特解产出和分子动力学支持的动态保真度评测蛋白质基序支架生成。BILBY-PRO从PROSITE关联实验结构系统构建220个案例，覆盖174个基序模式条目；在六个近期支架生成模型中，RFDiffusion和Proteina解出更多靶点，ESM3在其解出的靶点上产出更多独特成功支架。
单细胞基础模型基准评测：跨物种注释与扰动预测优于简单基线，同物种内优势有限
研究在同一数据上基准评测 scGPT、Geneformer V1/V2、Nicheformer、scFoundation 五种单细胞基础模型与 CellOracle、STATE 及任务匹配的简单基线，数据覆盖 K562 Perturb-seq、原代细胞、脑类器官与肺癌活检。
研究用精确物理参考揭示生成采样器ESS诊断盲区
该预印本提出一个基本命题：ESS等自归一化诊断对未访问盆地的玻尔兹曼质量α结构性不敏感，自由能偏移−kBT log(1−α)而ESS仍保持高位。
RPI-Zero：零样本RNA-蛋白质互作预测模型与严格基准
作者提出RPI-Zero，一个仅用序列、可联合读取全长蛋白与RNA（最长4096 token）的零样本RNA-蛋白质互作预测模型，并用共享motif原型描述蛋白以覆盖未见蛋白。
arXiv · q-bio.QM (定量方法)11.05智能体文献抽取扩充靶向蛋白降解数据库
研究提出专家在环的大语言模型工作流，用交叉验证的提示优化模块从少量专家标注中学习抽取指令，仅用7篇分子胶文献即达到记录级F1=0.98，仅替换术语即迁移至PROTAC（F1≥0.93）。
TS Second Opinion：检出并修复机器学习过渡态预测中的镜像手性错误
作者提出模型无关的后处理层 TS Second Opinion，用于检出并修复生成式过渡态预测中的镜像手性错误。在 RDB7 基准上，GoFlow 的过渡态猜测有 17.7% 手性中心方向错误，其中 85% 仍被常规距离评分判为准确，90% 属整体镜像且能通过频率检查。
arXiv · q-bio.QM (定量方法)11.05Pev：跨蛋白家族的单次并行查询突变选择策略
作者提出Pev，一种从跨家族实验数据学习、在单次并行查询中决定下一步突变或停止的通用突变策略，无需针对目标家族拟合模型权重。在留出家族的十孔筛选实验中，Pev找到的有益突变数量为随机选择的3.3倍、为零样本ESM-2的1.8倍，并在留出的GB1景观闭环搜索中优于用目标测量重新拟合的岭回归替代模型。
Briefings in Bioinformatics11.06HEDGEHOG：面向药物生成模型的分层严格筛选评测框架
【摘要级】研究提出 HEDGEHOG 六阶段可配置评测框架，按命中化合物识别流程依次做预处理、理化性质筛选、结构警示与图结构合理性检查、合成可行性、对接以及三维构象与相互作用检查。
RPFace：从有偏结构基准到可泛化的RNA-蛋白界面预测
研究构建并发布了一个按结构与实验条件分层的蛋白-RNA公平基准，发现共折叠方法检测结合位点的准确性集中在核糖体复合物并随实验模态系统变化，对接方法仅在输入构象接近结合态时可靠，两类方法均无法迁移到体内CLIP实验。
语言模型与主动学习弥合文献到实验室差距，预测反应可行性并自主探索
研究提出两阶段蒸馏与适配框架，将大规模文献反应数据中的反应性知识迁移到小型高通量实验（HTE）数据集，并用于不确定性引导的主动学习。在Suzuki–Miyaura偶联、Buchwald–Hartwig胺化和酸-胺缩合的零样本评测中，通用模型平均准确率比最强基线高41.5%、macro-F1高29.2%，并超过人类专家准确率8.9%、macro-F1 11.5%。
接受还是弃答？按留出化学校准的分子性质与反应产率模型可靠性门控预设检验
研究在SangsterLogP的23,401个logP值及Buchwald–Hartwig、Suzuki–Miyaura高通量产率数据上，检验以训练集相似度和集成离散度打分的接受或弃答门控，阈值用Learn-then-Test在按化学结构留出的校准折上设定。
Dunbrack 将 ipSAE 扩展至蛋白-配体与核酸复合物评分
Dunbrack 将基于预测对齐误差的 ipSAE 评分从蛋白-蛋白复合物扩展到蛋白、核酸、小分子配体与原子离子参与的相互作用，对每对分子明确指定比对框架来源、被评分 token 与 d0 定义。