跳到正文
今天11月16日周一1 条
  1. ACS NanoIF(5) 17.067

    机器学习驱动发现靶向内质网的Ga(III)配合物,可触发骨肉瘤免疫原性副凋亡

    研究团队构建机器学习驱动的平台,用于设计并筛选能靶向内质网、激活非凋亡性免疫原性细胞死亡的Ga(III)配合物。该平台识别出Ga20,可同时触发副凋亡和免疫原性细胞死亡,并被制成聚合物纳米颗粒Ga NP用于体内递送。Ga NP在多种骨肉瘤模型中表现出显著的肿瘤生长抑制,并产生原位疫苗效应和长期免疫记忆,防止肿瘤复发和转移。

    推荐理由:研究给出机器学习筛选靶向内质网Ga(III)配合物的路径,并在多种骨肉瘤模型中评估其抑瘤与免疫记忆效应。

11月14日周六
11月13日周五
  1. arXiv55

    Structured Re-Decoding 以免训练方式扩展预训练模型决策空间

    论文提出免训练的 Structured Re-Decoding(SRD)框架,通过候选重组、联合优化选择与重构输出验证,扩展预训练模型在结构约束下的决策空间。作者报告在固定 KL 散度预算下可提升可达奖励,并在分子生成、蛋白质设计、RNA 结构预测和抗体建模中改善结构化推理,包括生成原始样本池中不存在的已验证分子。

  2. Nature CommunicationsIF(5) 18.966

    miProbe:收录1.08×10^9条微生物肽并提供8 TB蛋白语言模型嵌入的平台

    研究团队提出 miProbe 平台,汇集来自不同生境的 1.08×10^9 条微生物肽,并提供 8 TB 预计算蛋白语言模型嵌入。平台嵌入示例包括 ESM2-650M 和 ProtT5-XL-U50,提供 API 便于模型集成,入口为 https://www.biosino.org/iMAC/miProbe。

    推荐理由:平台汇集1.08×10^9条微生物肽并提供8 TB预计算蛋白语言模型嵌入,为功能肽挖掘提供了可复用的大规模数据入口。

11月12日周四
  1. Rosetta Commons64

    Rosetta 与 AlphaFold 结合离子迁移率质谱数据改善多亚基蛋白组装预测

    Steffen Lindert 实验室发表于 Analytical Chemistry 的研究将离子迁移率质谱的碰撞截面数据与 AlphaFold 亚基预测、Rosetta docking 结合,修正深度学习工具常见的对称性与装配拓扑错误。

    推荐理由:把低成本质谱形状数据与 AlphaFold、Rosetta 结合,为深度学习结构预测常见的装配错误提供了一条可复用的纠偏路径。

  2. bioRxiv60

    来源更新 2026-11-13

    用稀疏自编码器揭示ProteinMPNN的蛋白特征

    研究团队将稀疏自编码器引入ProteinMPNN,扩展其潜在空间,并发现稀疏维度激活与二级结构、残基体积、残基形状、二硫键及配体配位等蛋白特征相关。他们还通过操纵稀疏激活,生成比基于高温分子动力学模拟的传统机器学习方法更热稳定的Brolucizumab短链可变片段变体。该工作同时提供对蛋白设计模型的机制理解和对序列预测的可定制操纵。

  3. bioRxiv45

    PULSE:面向上下文感知蛋白质设计的配对单元激活引导

    研究提出 PULSE 激活引导方法,通过匹配正负性质蛋白并聚合相似度加权的单位归一化差异构建引导向量,不改动模型权重即可可控生成蛋白质序列。在溶解性、免疫原性、毒性三个优化目标上,其预测性质得分与优化成功率均优于全局群体质心引导。研究还提出 Local Directional Support(LDS)衡量迭代编辑轨迹可靠性,可在不做性质预测时优先筛选候选、提升成功设计比例。

  4. bioRxiv44

    PAMP:面向酶工程的连续到离散突变投影框架

    PAMP 用梯度引导把可微的 turnover 目标直接映射为单氨基酸替换,在 2754 个酶-底物对上首轮平均预测增益为 0.1795 log2 单位,84.64% 的案例为正。排名前五的替换中有 99.49% 至少含一个正向候选,连续五轮后平均累积预测增益升至 0.5631 log2 单位。改用独立的不可微预测器重新打分,方法排序不变但绝对增益减弱。

  5. bioRxiv53

    研究审计蛋白质语言模型的重复引导与激活读数,指出置信度预测不能说明可折叠性

    一项 bioRxiv 预印本研究审计了已发表的重复引导、ESMFold 置信度与激活读数,结论是能预测置信度门槛并不能说明设计可折叠。引导在操作点保持了置信度,但拟合出的悬崖出现在 alpha_50 = 1.240x,扫描自身对照为 64.0%;未引导的生成器激活可预测置信度门槛,ROC-AUC 为 0.786 ± 0.004。

  6. bioRxiv62

    Claude 辅助设计食物过敏双表位 IgE 干扰抗体,3 个变体移除 IgE 多于奥马珠单抗

    bioRxiv 预印本显示,研究人员借助 Claude 开展智能体计算设计,探索用于食物过敏的双表位 IgE 干扰抗体。在91个经实验表征的干扰臂设计中,20个对受体结合型 IgE 显示活性,3个变体在25-400 nM 治疗相关浓度下移除的 IgE 多于奥马珠单抗。锚定臂的从头设计以3.4-235 nM 表观亲和力结合 IgE 的不同表位,作者将这些子组件作为进一步表征的起点。

  7. arXiv76

    研究显示结构置信度难以用于 lanmodulin 稀土结合功能筛选

    作者用功能引导模型设计 lanmodulin 的稀土结合变体,并筛选三种策略共297个设计,发现结构置信度最高的面板结合率反而更低。结构置信度选中面板的铽结合率为16.7%(95% CI 10.4–25.7),功能引导面板为83.3%(74.6–89.5),两组结合几率相差25倍(Fisher p=1×10^-20)。

    推荐理由:研究用297个设计比较结构置信度与功能监督两种筛选,显示结构置信度不能替代结合蛋白的实测功能排序。

  8. bioRxiv84

    从头设计连接酶实现可编程的位点特异性蛋白泛素化

    研究团队用 RFdiffusion3 从头设计泛素连接酶,在 48 个设计中 35 个可泛素化模型肽,活性最高的接近定量转移。针对 PCNA 的 45 个可修饰赖氨酸,团队筛选出选择性修饰 K164 的连接酶,加入一个提升活性的替换并耦合 E1 依赖的供体激活后,从非激活泛素实现 90% 转化,速率和选择性优于天然混杂性 E2。

    推荐理由:该研究用 RFdiffusion3 从头设计泛素连接酶,并在 PCNA 的 45 个赖氨酸中选定 K164 进行修饰,为定点蛋白修饰提供了可迁移的设计思路。

  9. bioRxiv80

    从头设计的连接酶实现可编程选择性酰胺键形成

    研究团队计算设计出含半胱氨酸催化三联体的从头酰胺连接酶,可在多种底物类别上高选择性地形成酰胺键。互补的肽连接酶能选择性地修饰含36个赖氨酸多肽的N端或单个赖氨酸,晶体结构与设计高度吻合。团队还将方法扩展到立体选择性连接酶,用于HIV预防药物lenacapavir合成中的关键酰胺键形成步骤。

    推荐理由:计算设计的酰胺连接酶能在含36个赖氨酸的多肽上选择性修饰单个位点,为生物催化提供可编程设计思路。

11月11日周三
  1. bioRxiv57

    DecoyOpt 提出两阶段流程用于诱饵感知酶判别与 EC 号预测

    作者提出 DecoyOpt 两阶段流程,先用 ESM3 生成功能位点诱饵,并由 MLP 区分酶、未注释蛋白与诱饵,再由对比学习模型预测 EC 号。该流程在三种拆分上评估了 16 个蛋白质语言模型,在最严格的 GraphPart 40% 拆分上取得 MCC 0.899 和 D0 诱饵 FPR 6.17%,优于重训基线。它还能正确注释全部 4 个野生型酶,并拒绝全部 8 个失活或近失活变体。

11月10日周二
  1. bioRxiv70

    研究者用变分自编码器从头设计具独特血清学特征的AAV衣壳

    研究团队构建变分自编码器,从头生成功能性AAV衣壳蛋白,并在两轮设计中合成测试超过255个候选。七个设计转导人类细胞的效率超过50%,其中四个在所有对AAV有反应的人血清中避开中和抗体(NT50 < 1:50)。其中一个设计与最近的天然AAV序列差异达18%,作者认为该衣壳有望成为首个从头设计的AAV血清型。

    推荐理由:两轮设计共合成并测试255个候选,可供评估生成模型改造病毒载体时效率与免疫规避之间的取舍边界。

  2. bioRxiv43

    蛋白质复合物中六残基Ω环:甘氨酸-脯氨酸驱动柔性与界面依赖保守性

    研究者从多样蛋白质复合物中鉴定到1205个氢键型和6518个非氢键型六残基Ω环。甘氨酸和脯氨酸富集,脯氨酸偏好第四位;ProteinMPNN与Rate4Site分析显示,专性同/异二聚体界面环比非界面环更保守,瞬时和晶体二聚体趋势相反。TEM1 β-内酰胺酶Ω环案例显示,微小序列变化可改变酶活性和耐药性。

11月9日周一
  1. Advanced MaterialsIF(5) 29.655

    基于预训练语言模型表示发现小分子冷冻保护剂

    Sicai Li 等将预训练语言模型用作 SMILES 序列编码器,筛选小分子冷冻保护剂并送入实验测试。方法把分层表示与描述符重建、门控融合以及归一化平均晶粒尺寸和阈值标签预测结合,随后用 splat-cooling 测量评估冰重结晶抑制,并在红细胞、人脐带间充质干细胞和大鼠腹主动脉中开展相容性与冷冻保存实验。在测试配方中,选出的添加剂改善了回收率或保存终点。

  2. Angewandte Chemie International EditionIF(5) 16.763

    受进化启发的 EvoMOBO 框架用于蛋白质工程多目标贝叶斯优化

    研究提出 EvoMOBO,一种受进化启发的多目标贝叶斯优化主动学习框架,用于在有限评估预算下同时优化蛋白质的多个性质。在完整的类固醇受体 DNA 结合域(DBD)和 ParD3 抗毒素景观上,它相比现有方法获得更高的目标区域富集并保持序列多样性。两项酶工程任务把实验留作最终验证,机制描述符指导的优化将老黄酶底物转化率从 17.5% 提升到 95%,并使甲酸氧化酶的邻苯二甲酸二乙酯降解接近翻倍。

    推荐理由:对比现有方法,EvoMOBO 在多目标蛋白优化中兼顾目标区域富集与序列多样性,并给出两项酶工程实验验证。

11月8日周日
  1. Journal of the American Chemical SocietyIF(5) 16.159

    深度学习设计的WRAP结构域用于膜蛋白脂质与配体复合物的原生质谱分析

    研究团队用生成式深度学习设计的WRAP结构域在原生质谱中保留膜蛋白的弱相互作用,并以GlpG、AqpM和OmpA为模型体系完成表征。脂质可在WRAP内部多个位置结合,改变WRAP结构即可改变脂质相互作用;WRAP-OmpA在蛋白与WRAP界面形成的空腔中结合磷脂酰乙醇胺,同时容纳弱结合的壳二糖配体。作者据此将WRAP定位为探测膜蛋白配体与脂质相互作用的通用载体。

11月7日周六
11月6日周五
  1. bioRxiv65

    Protify 基准平台发布,揭示蛋白质语言模型评估的任务依赖与同源泄漏

    研究团队发布开源基准平台 Protify,支持 35 个预训练模型和 61 个精选数据集,覆盖零样本、监督与迁移学习。在 ProteinGym 上评测 23 个模型后,DPLM3B 为当前最佳自监督编码器;跨 32 项监督任务没有单一模型全面领先,14 个模型至少在一项数据集上得分最高,前两名差距落在运行间波动内。

  2. bioRxiv55

    FoldAbS 将蛋白质折叠模型改造为抗体筛选的基础编码器

    FoldAbS 提出一种统一监督筛选框架,将蛋白质折叠模型冻结为基础编码器,用于治疗性抗体候选的特异性、亲和力与可开发性评估。该框架以开源 Protenix 模型实例化为 FoldAbS-Px,并搭配轻量任务头,在特异性、亲和力和可开发性上分别取得最高 13.1%、9.2% 和 6.2% 的提升。代码见 https://github.com/nohandsomewujun/FoldAbS。

  3. GEN 新闻71

    剑桥团队AI设计的广谱禽流感疫苗DVX-panH5Nx在临床前试验中优于储备疫苗

    剑桥大学和DIOSynVax团队在《Cell Reports Medicine》报告,其AI设计的多抗原mRNA禽流感疫苗DVX-panH5Nx在临床前动物试验中提供完全保护。面对多种H5N1变异株,现有储备疫苗仅保护约50%的动物,新疫苗则实现完全保护。团队用AI整合全球病毒基因序列设计广谱抗原,并表示下一步是推进人体临床试验。

    推荐理由:研究对比了AI设计的多抗原mRNA疫苗与现有储备疫苗在动物试验中的保护表现,读者可了解广谱疫苗的设计思路。

  4. arXiv47

    KnowEvo:面向蛋白质优化的知识进化框架

    KnowEvo 将外部化知识本身作为优化对象,把知识表示为可执行的专业知识模块、用策略变异树组织迭代改进,用于蛋白质稳定性与溶解度优化。框架以 Thompson 式预算分配配合代码智能体在隔离沙箱中的后向修订,让机制性知识持续积累与评估。在 pass@k、MRR、MAP、NDCG@5 上稳定优于初始策略模块、单体程序进化和此前的 LLM 引导进化基线,代码已在 GitHub 公开。

  5. arXiv47

    LeNO:面向少步生成模型奖励对齐的学习噪声优化

    LeNO 将奖励引导的初始噪声优化摊销为学习的残差传输,并用 Local GRPO 与标量奖励学习噪声修正分布,同时冻结预训练生成器。该方法消除推理时的迭代搜索,并为高斯初始噪声的保范投影推导出修正噪声分布相对原始先验的 KL 可处理上界。在少步文本到图像和蛋白质结构生成中,LeNO 单次噪声校正即提升目标奖励,并基本保持生成质量与多样性。

11月5日周四
  1. Nature CommunicationsIF(5) 18.965

    蛋白质语言模型引导设计极简功能性凝聚层囊泡

    研究提出一种由蛋白质语言模型引导的极简凝聚层囊泡设计,仅由寡聚生物分子组成,无需化学修饰或外部燃料。精氨酸富集寡肽与竞争性阴离子寡聚物可自组装成寡聚凝聚层囊泡(OCVs),实验与分子动力学模拟显示组装受静电与疏水平衡调控,并可在多类寡聚物组合中形成囊泡。该策略还可对 OCVs 进行功能化,使其选择性识别并包裹 DNA G-四链体结构。

    推荐理由:研究把蛋白质语言模型用于极简凝聚层囊泡的序列设计,并结合实验与模拟给出可编程囊泡的组装和功能化规则。