跳到正文
10月28日周三
  1. bioRxiv74

    Calico 用 CAMOLE-1 加速发现和优化强效选择性 MMP12 抑制剂

    Calico 的 CAMOLE-1 平台将全原子扩散模型、物理计算过滤和生化测试结合,在约一年、270 条合成肽内设计出强效选择性 MMP12 肽抑制剂。研究从基于经典氨基酸的设计出发,先识别 MMP12 肽抑制剂并优化其活性,再用扩散模型预测结构指导非经典肽设计。预测的经典与非经典肽抑制剂结构同实验解析的肽结合晶体结构高度一致。

    推荐理由:论文以约一年、270 条合成肽的 MMP12 抑制剂设计为例,展示全原子扩散模型与计算筛选及生化实验的衔接。

  2. arXiv54

    PairFuse 将预训练全原子表征泛化到统一结合物设计

    研究提出 PairFuse,用轻量逐层适配器把预训练全原子表征接入独立预训练的几何隐扩散模型,从而实现蛋白质、多肽、小分子等不同模态的统一结合物设计。适配器通过两种机制融合信息,一是丰富扩散模型的分子块特征,二是把成对结构信息注入几何扩散模型的去噪器。

  3. Nature CommunicationsIF(5) 18.960

    AbOptimizer 用大语言模型与强化学习优化治疗性抗体多属性序列

    论文提出 AbOptimizer,一个通过并行多位点序列编辑实现抗体多属性优化的强化学习框架。该框架先确定可编辑位点与编辑动作(保留、替换及可选的插入或缺失),再由蛋白质语言模型推荐突变,并用代理评估与 Pareto 奖励训练策略。

    推荐理由:论文给出 AbOptimizer 在三种抗体上的计算与体外验证结果,可供比较多属性协同优化的强化学习路线。

  4. Cell Chemical BiologyIF(5) 9.265

    共享α螺旋嵌合亲和体实现无连接子双特异性蛋白设计

    研究团队提出Chimeraffibody(CAB)无连接子双特异性蛋白支架,通过共享α螺旋编码结构域几何。该支架由AlphaSync结构设计框架结合ProteinMPNN序列优化,以HER2结合亲和体与白蛋白结合域构建的861CM保留亲本抗原结合位点。在结合白蛋白状态下,861CM对HSA和HER2的亲和力分别约为14.3 pM和610 pM,体内成像显示持续肿瘤定位并降低肝、肾背景。

    推荐理由:读者可据此了解共享α螺旋如何替代柔性连接子来固定双特异性蛋白的结构域几何,并看到AlphaSync与ProteinMPNN的序列设计流程。

  5. bioRxiv76

    来源更新 2026-11-14

    折叠模型能区分真结合物与诱饵吗?POISK 专利抗体数据集给出的证据

    作者发布 POISK 数据集,用 LLM 流程从 10110 项美国专利中抽取 89074 条抗体-抗原记录,并据此构建 22494 个复合物的平衡基准。在此基准上,六种结构预测模型中 Protenix-v2 表现最好,全部配对的 pairwise 准确率为 72%,最自信的一半达 87%,在 50 个候选中挑出真结合物的比例为 29%。

    推荐理由:作者用专利抗体数据搭出基准,横向比较六种结构预测模型区分真结合物与诱饵的能力,可据此判断零样本筛选信号的边界。

10月27日周二
  1. 分子之心72

    分子之心发布MMDesign技术报告,19个项目成功率94.7%,六大GPCR靶点全部命中

    分子之心发布MMDesign技术报告,覆盖18个靶点的19个项目中18个获得实验确认的结合分子,项目成功率94.7%。六个GPCR靶点全部命中,NK3R的30个候选全部结合;单项目仅测试9—50个候选,453个受测候选获得139个命中。报告还称MMFold在FoldBench抗体—抗原界面评测中Top-1高质量结构预测成功率为39.0%,MMDesign已可面向药企和生物技术伙伴开展合作。

    推荐理由:原文披露19个项目、453个受测候选的湿实验数据,可观察AI分子设计在低实验通量下的成功率与跨靶点表现。

  2. bioRxiv44

    从零构建:用数据增强提升蛋白质语言模型在蛋白质集上的性能

    研究考察了多种蛋白质语言模型(pLM)在训练数据不足时的学习表现,并测试数据增强能否提升预测性能。结果显示,若模型只需泛化到分布内数据,缩窄有限数据集中蛋白-蛋白复合物的分布可使训练集规模降低一个数量级。用生成式 pLM ESM-3 生成的复合物扩充训练集后,主动学习中分布内与分布外的 MCC 均出现小幅但一致的提升。

10月24日周六
  1. Nature CommunicationsIF(5) 18.975

    设计刚性蛋白基准标记以可视化GPCR构象状态

    研究团队将生成式蛋白设计与基于深度学习的集合预测结合,设计出可用于冷冻电镜的基准标记,以解析GPCR构象状态。他们高通量测定了四种具药物相关性的GPCR非活性态结构,并为β2肾上腺素受体构建胞外标记,在无G蛋白条件下观察关键胞内基序的重排。与近期共折叠模型比较后,作者指出当前方法在预测配体诱导的GPCR构象上存在明显差距。

    推荐理由:论文将生成式蛋白设计与深度学习集合预测结合,为GPCR难以捕捉的构象状态提供可迁移的结构解析思路。

  2. arXiv69

    智能体引导表位切除实现更经济的 de novo 结合体设计

    作者提出并评估一种表位切除方法,将靶点截短到局部界面窗口,以同时加速骨架扩散和结构预测。在 15 个靶点和 3,666 个设计上,截短窗口与完整靶点界面的中位 CαRMSD 为 0.37 Å,并在 FAP 的 719 残基胞外域上将 RFdiffusion 和 AlphaFold3 的 GPU 时间在一个表位中减少约 88%。

10月23日周五
  1. arXiv17

    蛋白质口袋间迁移什么:LLM 智能体结构药物设计中的分子优化经验复用

    LLM 智能体在蛋白质口袋间复用的分子优化经验,主要传递编辑动作与生成的分子特征,而非靶点信息。基于 CrossDocked2020 测试集口袋日志,以编辑位点接触、动作和轮次为键可明显区分改善与恶化编辑,但区分主要来自分子大小变化、动作和轮次;直接写出靶点则强数倍,未见口袋的具体描述很少复现,经验库或更适合为智能体自身的对接提案排序。

  2. arXiv51

    Principia:在测试时从假设构建科学原理的 LLM 框架

    论文提出基于 LLM 的 Principia 框架,在测试时从比较性因果假设中归纳并持续修正科学原理。在分子优化、蛋白质工程、基因扰动与分子性质预测基准上,它优于依赖内部知识、外部来源或经验总结的基线,并生成与文献相符的原理。代码见 https://github.com/DongkiKim95/Principia。

  3. bioRxiv57

    研究评估单纯形投影梯度下降在基于幻觉的蛋白质结合剂设计中的表现

    研究者在10个靶点上用基于 ESMFold2 的流程评估了单纯形投影梯度下降(PGD)用于基于幻觉的蛋白质结合剂设计。结果显示,PGD 比 softmax 参数化在更少迭代内最小化设计损失,并产生预测界面置信度更高的设计;在每靶点 1,024 个设计的 ipSAE 分布上尾筛选中,PGD 在 6 个靶点上显著改善且无靶点显著变差,并在所有靶点上产生更高的结构多样性。

  4. bioRxiv48

    CAI-Vax:抗原筛选后个性化 mRNA 癌症疫苗构建体的计算设计

    CAI-Vax 排列已选抗原并生成同义编码序列,用于设计个性化 mRNA 癌症疫苗构建体。在31名患者、357条候选肽中,HLA感知搜索在MHCflurry≤2%阈值下使每个连接点预测的跨连接结合事件较氨基酸模式优化减少3.49次。重复感知同义编码降低所有患者最大10-mer多聚度,但6-mer不及匹配随机编码,计算差异仍需实验验证。

  5. bioRxiv59

    Astrolabe:跨上下文协调与结构干预的可编程全原子生物分子设计框架

    研究提出 Astrolabe,一种可编程闭环框架,把结构条件序列生成与用户自定义目标结合,用于协调不同分子状态的生物分子设计。在受评方法中,Astrolabe 在蛋白质和小分子结合物基准上的计算通过率最高,并能容纳从局部有序化到多结构域重排的靶标构象变化。

10月22日周四
  1. bioRxiv56

    MutaStruct:重新评估单点突变诱导蛋白结构变化的基准

    研究团队提出 MutaStruct,一个经残基级序列验证、坐标级质量控制、去重和防泄漏切分的单点突变蛋白结构对基准,用于评估突变诱导的结构变化预测。该基准对比仅序列结构预测、基于物理的修正和基于学习的修正方法,并加入 Copy-WT 诊断对照;结果显示 Copy-WT 在骨架指标上仍具竞争力,而方法排名在局部指标与突变位点指标间明显变化。

  2. bioRxiv57

    NuFold RNA 结构数据库发布,提供大规模全原子 RNA 三级结构预测与置信度指标

    NuFold RNA 结构数据库发布,提供大规模预计算的全原子 RNA 三级结构模型及相应置信度指标。该数据库免除了本地运行方法的计算门槛,让生物研究社区可直接访问高精度 RNA 结构模型。NuFold 程序源码已在 GitHub 提供,预测结构与统计数据可通过 https://nufold.kiharalab.org/ 获取。

  3. bioRxiv56

    蛋白质表示能否编码变体功能?IGLOO 框架诊断残基级归因

    研究团队提出 IGLOO 框架,用具有已知逐残基重要性的合成适应度景观评估蛋白质语言模型的残基级归因。结果显示,预测准确率高并不保证归因忠实;一些模型干预使归因技能分数提高一倍以上,并将 TOPSIS 提升 29%。在真实的 α-淀粉酶和 β-内酰胺酶数据集上出现相似模式,IGLOO 也为选择序列编辑时的残基归因默认设置提供参考。

10月21日周三
  1. arXiv63

    AI Mindmeld 提出 LIP 潜在互连协议,将专家表征映射进 LLM 内部状态

    论文提出 Latent Interconnect Protocol(LIP),只训练连接器把蛋白质和小分子专家的表征映射进 LLM 内部状态。研究将 3 个蛋白质和 3 个小分子专家连接到 Gemma 3(4B、12B)与 Kimi K2.6(1T 总参数、32B 激活),冻结全部预训练模型,独立训练的连接器在未见对象的新问题和跨域任务上支持零样本迁移。

  2. PNASIF(5) 10.656

    在粗粒化模型中以化学位移约束增强无序蛋白集合模拟

    该研究提出一种不依赖二面角参数化的通用框架,用人工神经网络从仅含 Cα 的蛋白质构象预测主链化学位移。该框架为每个氨基酸一个珠子的粗粒化力场加入残基级二级结构采样能力,并在大量孤立或凝聚态 IDP 上重现局部和全局排列,生成受实验约束的构象集合。摘要指出,这有助于研究 IDP 的二级结构倾向、凝聚体成核以及短线性基序的构象偏好。

  3. bioRxiv48

    面向肽疫苗的免疫世界模型:多智能体编排连接分子预测与天然识别约束

    免疫世界模型通过分离的疫苗与肿瘤分支、终点特异性证据和多智能体编排,把疫苗诱导的 priming 与肿瘤天然呈递抗原的识别连接起来。在公开树突状细胞数据上,其上下文排序器在两类 holdout 下的 Recall@20 分别为 0.483 和 0.333;天然识别约束在呈现分数更高时仍拦下改造肽,实验观测模型则在合成条件实验中把交叉呈递系数收敛到已知值附近。

  4. bioRxiv68

    来源更新 2026-10-22

    DEEP 框架从蛋白质结构预测器中提取潜在能量景观

    Rozsa 与 Erdos 提出 DEEP 框架,可直接从蛋白质结构预测器预测的残基对距离分布中提取有效统计势,无需用实验稳定性数据训练。DEEP-Boltz 在 64 项 ProteinGym 稳定性评测上的平均每项 Spearman 相关系数为 0.720,数值上优于匹配比较中的全部 97 个已发表零样本方法,与直接用实验稳定性测量训练的最佳预测器处于同一水平。

  5. NatureIF(5) 56.776

    研究实现对映选择性人工金属酶光催化剂的从头设计

    研究团队用生成式蛋白设计构建能选择性结合金属多吡啶光催化剂的从头蛋白骨架,再通过定向进化获得高效、高对映选择性的人工金属酶光催化剂。进化后的蛋白可支持多种光驱动反应、高催化剂周转与催化剂回收,并能使用市售外消旋金属配合物。光谱研究表明,蛋白环境延长光催化剂激发态寿命,并将底物组织在辅因子附近,从而改变能量转移并控制立体选择性。

    推荐理由:论文把生成式蛋白设计与定向进化结合,为无天然蛋白搭档的金属光催化剂构建可进化的人工金属酶骨架。

  6. bioRxiv46

    超越标签:半监督学习用于酶动力学参数预测

    基于正则化的半监督学习无需伪标签,利用无标签酶-底物对提升了 kcat 预测。在 CataPro 数据集按 40% 序列一致性聚类的严格基准上,神经一致性正则化与图拉普拉斯正则化加入无标签记录后均优于仅用标注数据的正则化。增益在几千条无标签记录后饱和,并扩展至野生型、突变体酶及低数据腺苷酸激酶场景。

  7. arXiv51

    MODS:用模块化扩散引导实现多目标蛋白质优化

    论文提出 MODS,一个通过推理时扩散引导进行多目标蛋白质优化的模块化框架。它为每个候选采样增强 Chebyshev 标量化权重和适应度代理集成成员来定义标量引导奖励,不同权重指向不同目标权衡,每轮评估后只更新代理模型而不重训生成模型。研究在六项蛋白质优化任务上搭配两种扩散模型和两种引导流程评估,MODS 在所有任务上取得有竞争力的最终超体积,并在部分任务上明显优于最佳基线。

10月20日周二
  1. arXiv49

    GCLDock:面向生成式柔性对接的课程学习

    GCLDock 通过课程学习增强生成式柔性对接,采用线性节奏函数逐步纳入大幅构象变化样本,以缓解 apo 到 holo 的长尾结构偏移。在 PDBBind ESMFold apo 基准上,采用松弛和基于置信度的姿态选择后,GCLDock 的 top-1 成功率达 46.52%(配体 RMSD 小于 2A);额外要求 PoseBusters 有效性时为 40.26%,优于现有基线。

  2. bioRxiv74

    研究用 AI 设计蛋白绕过现有生物安全筛查,并提出边缘 AI 折叠筛查系统 Capiti

    研究团队提出端侧筛查系统 Capiti,它无需联网即可运行,直接监听 DNA 合成仪的阀门控制信号,在检测到致病功能迹象时中止合成。该系统不做序列比对,而是训练 CNN 识别蛋白质折叠,并用 ProteinMPNN 生成已知致病蛋白的假定功能变体,与活性位点敲除、乱序序列和诱饵序列区分。

    推荐理由:摘要给出了与两种常用筛查软件的放行比例对比,可据此判断基于折叠识别的端侧筛查在生物安全场景中的定位。