Molence 发布 Mol-1 模型,在抗体结构预测上取得 75.0% 中位成功率(DockQ > 0.23),与 IsoDDE 报告的 75.58% 相当,并开放模型代码与权重。
全部生物研究动态
Molence@MolenceBioAI 评分5353
Molence@MolenceBioAI 评分5656引用Molence@MolenceBio13/15 🧬 蛋白质–肽段预测,通过高精度阈值。 在 MolBench-Peptide-26 上,Mol-1 达到: • DockQ > 0.23 时为 88.8% • DockQ > 0.49 时为 77.3% • DockQ > 0.80 时为 54.1% 结合结合位点信息,Mol-1-constraint 将这些提升至 92.2%、85.0% 和 60.2%。 生物位点信息在每个评估的精度阈值上都改善了肽段复合物预测。 #AIforScience
arXivAI 评分5252 TACFormer:基于 Transformer 的靶点条件 PROTAC 从头生成模型
Yossra Gharbi 和 Rocío Mercado 提出 TACFormer,一个以 POI 序列的 ESM-2 表示为条件、基于 Transformer 的 PROTAC 从头生成模型。
Microsoft ResearchAI 评分3030 Microsoft Research Focus 第97期:ForkPilot、CABRA 与 BioEmu2 等研究进展
Microsoft Research Focus 第97期汇总微软研究进展,涵盖 ForkPilot、CABRA、TeleTune 与 BioEmu2 公开预览。ForkPilot 在六个基准和领先 AI 模型上测试,性能媲美现有最佳方法,并将 AI 处理需求最多降低 59%。CABRA 发现编码智能体仍难理解陌生代码库,TeleTune 则从活动日志中学习可复用技能与工作流。
bioRxivAI 评分6666 来源更新 2026-10-29
IgScope 以区域隔离语言模型实现抗体多分辨率人源化程度评分
作者提出 IgScope,一个从零训练的 2300 万参数抗体语言模型,可在链、IMGT 区域和残基分辨率上给出人源化程度评分。其区域隔离注意力把注意力限制在区域内,嵌合序列训练提供区域级监督;在 238 万条留出链上,屏蔽全部框架 token 后 CDR 准确率不变,人框架中回突的小鼠残基检出准确率为 93.4%。
bioRxivAI 评分5454 ESMfluc:追踪蛋白质语言模型主链变异性预测背后的证据来源
作者提出 ESMfluc,用 ESM2 或 ESM3 表示预测蛋白质局部主链变异性,并拆解注意力分类器最终阶段中各序列位置提供的证据方向。
bioRxivAI 评分5959 Neopep:以机器学习力场能量做强化学习预测非天然肽结构
研究团队提出 Neopep,一种面向含非天然氨基酸肽段的序列到结构扩散模型,先以 PDB 结构预训练,再用冻结的机器学习力场能量作为强化学习信号微调。模型训练覆盖 189 种非天然氨基酸,原子级架构原则上可推广到任意化学结构。论文报告,其生成结构相对真实结构的 RMSD 平均值低于未微调版本和其他先进结构预测模型。
Nature CommunicationsIF(5) 18.9AI 评分4747 CPRISP:预测 circRNA-RBP 相互作用并指导神经退行性疾病治疗发现的可解释深度学习框架
CPRISP 是一个可解释深度学习框架,整合 circRNA 序列、二级结构、预训练表征和蛋白质特征,在37个基准数据集上提升 circRNA-RBP 位点预测并跨细胞系泛化。模型解释恢复保守单链序列模式,并在阿尔茨海默病、帕金森病和肌萎缩侧索硬化相关蛋白中识别核质运输、溶酶体信号和GTP酶活性通路。该框架还优先排序化合物供实验跟进,但不代表治疗有效性。
bioRxivAI 评分6868 DAPE-PD 将 Evo 基因组基础模型适配为扩散模型,定制生成顺式调控 DNA
DAPE-PD 将自回归基因组基础模型 Evo 适配为双向掩码扩散模型,无需基础规模重训即可生成顺式调控 DNA。在基因组来源的基因间序列上按属微调后,生成序列保留了属相关组成特征,同时与微调数据集相似度较低。实验验证识别出有功能的从头启动子,计算优先排序也从三种非模式肠道共生菌的小规模实验候选集中找回了活性设计。
arXiv精选AI 评分7777 GlycoWeave 扩散框架实现蛋白质与糖复合物的准确结构建模
研究团队提出糖特异性扩散框架 GlycoWeave,用于预测蛋白质与糖复合物结构,在698个复合物基准上取得71.9%的Top-25高质量成功率,AlphaFold 3为19.2%。
推荐理由:论文在698个蛋白质与糖复合物样本上对比AlphaFold 3,并给出单构象采样耗时,便于判断专用扩散框架的取舍。
bioRxivAI 评分5959 来源更新 2026-11-01
GLOM-TGITO 提出多尺度蛋白建模与多视图景观引导的序列发现方法
GLOM-TGITO 将全局-局部荧光预测器与多视图景观引导优化结合,用于离线蛋白设计中的候选序列发现。在 31,434 条实测 ppluGFP2 序列上,GLOM 的随机/深度留出 RMSE 为 0.170/0.247,低于 SaProt-650M 对照的 0.247/0.324;三个训练种子平均下,预测排名 Top 100 测试变体中有 96.3%/97.3% 实测为亮。
Nature Computational ScienceIF(5) 21.9精选AI 评分6767 Hi-TPH:用于准确预测 T 细胞受体-pHLA 结合的机器学习数据集与基准
论文提出用于 TCR-pHLA 结合预测的 Hi-TPH 大规模分层数据集与基准,并开发在其上微调的 Hi-TPH-PLMs 蛋白语言模型集合。该模型集合在外部湿实验测试集上比当前最先进工具提升 19.2%,数据集还采用 on-the-fly 选择方法生成非结合样本。Hi-TPH 与 Hi-TPH-PLMs 已公开释出,作者利用分层结构分析了不同分子组分对结合预测的贡献。
推荐理由:论文给出大规模分层 TCR-pHLA 数据集和配套蛋白语言模型,外部湿实验测试集上 19.2% 的提升可作为比较数据构建与建模选择的参考。
Nature CommunicationsIF(5) 18.9精选AI 评分6464 研究提出基于 ESM 的 KaML-ESMs 预测蛋白质静电性质
研究提出基于 ESM 蛋白语言模型的 KaML-ESMs,用序列预测六类残基的电离常数,在四个基准上优于其他方法,原生蛋白中均方根误差约 0.5 个单位。在 89 个缺乏进化支持的埋藏工程突变上性能下降,作者认为监督训练可能帮助克服这一限制。将 KaML-ESM2 用于整个人类蛋白质组时,预测的 pKa 可识别功能位点并推断催化机制,团队同时提供 KaML 预测平台。
推荐理由:论文用 ESM 蛋白语言模型预测电离态,在四个基准上报告误差并讨论埋藏突变的性能下降,读者可据此了解该方法的适用范围。
bioRxivAI 评分6464 LangAAI 仅凭序列抗原上下文改进抗体高变区建模
Ashraf 和 Lonardi 提出 LangAAI,一种仅以抗体和抗原一级序列为条件、无需3D结构、对接构象或表位注释的掩码语言模型。在将同源抗原替换为不结合诱饵的实验中,LangAAI 的序列恢复率明显下降且集中在 CDR3 环,而抗原无关模型基本不受影响。
Rosetta Commons精选AI 评分6767 RFD4-Proteina 开源发布,提升计算蛋白质设计效率与精度
RFD4-Proteina 是 IPD 与 NVIDIA 合作开发的新一代 RFdiffusion 模型,已在 Rosetta Commons GitHub 组织开源发布。该模型在计算效率和设计精度上有所提升,可探索配体-蛋白相互作用、核酸链结合和抗体设计等任务。IPD 早期用户报告部分设计周期从数月缩短到数天,模型还用潜空间方法统一结构生成与序列生成。
推荐理由:文章呈现 RFD4-Proteina 的开源发布与多机构协作背景,读者可了解蛋白设计模型如何借开放生态加快开发并推进应用。
bioRxivAI 评分6161 RiboDFM:用骨架条件离散流匹配设计稳健RNA序列
研究提出 RiboDFM,一个以骨架为条件的离散流匹配框架,用于设计折叠到预定义3D结构的RNA序列。该框架把几何骨架编码器、碱基配对预测辅助头和语言模型表示整合进离散流采样器,并用 trRosettaRNA2 预测模型扩充实验结构训练数据。
GEN 新闻精选AI 评分7979 NVIDIA 与华盛顿大学 IPD 发布开源蛋白质设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白质设计研究所(IPD)发布开源生成模型 RFD4-Proteina,基于 BioNeMo 平台,可联合优化蛋白质序列、结构及相互作用分子结构。
推荐理由:材料交代 RFD4-Proteina 的开源许可、性能对比与可用平台,便于判断蛋白质设计模型进入研发流程的入口。
arXivAI 评分6262 Trion-1 发布:统一语言、蛋白质序列与结构的扩散语言模型
研究团队提出 Trion-1,一个面向蛋白质的原生统一多模态扩散语言模型(dLLM)。它用统一的离散 token 空间同时表示序列、结构和自然语言,并以双向或半双向 token 交互替代严格从左到右的分解,统一了折叠、逆折叠、序列理解、结构理解、序列设计和结构设计六项能力,同时保留通用 LLM 的语言能力。
arXivAI 评分5454 RiboBridge:蛋白条件驱动的 RNA 结合体从头结构设计
RiboBridge 提出一种结构优先框架,将 RNA 构象生成与蛋白-RNA 组装分开处理,无需预设结合位点。它先在蛋白表面提出多个候选 RNA 结合界面,在预训练 RNA 结构潜空间 RiboSphere 中生成构象,再预测相互作用约束并刚体放置。
bioRxivAI 评分6060 PRIME-ISP 提出基于分层蛋白表示的统一蛋白质相互作用位点预测框架
PRIME-ISP 提出一个基于结构的统一框架,用五级蛋白表示预测蛋白质、肽、DNA、RNA、小分子、金属和碳水化合物等多类相互作用位点。该框架通过自下而上和自上而下的耦合传播整合局部几何与全局结构信息,无需任务特定特征;在七类基准上优于近期统一序列预测器,并与专用方法性能相当。代码和数据已在 https://github.com/HySonLab/PRIME-ISP 公开。
arXivAI 评分5757 逃离系统发育陷阱:持续同调结合多模态图神经网络实现跨物种离子通道分类
论文提出 PH-GNN,以持续同调拓扑描述符结合 ESM-2 序列嵌入和二硫键感知图注意力网络,在跨物种离子通道分类任务上取得 63.4% 准确率。在覆盖五个分类群、1,373 个 ColabFold 预测毒液化合物的留一分类群评估中,常规随机划分下各模型准确率相近(81-86%),但分类群偏移时序列基线降至约 30%,其他几何先验集中在 54-55%。
bioRxiv精选AI 评分7474 AlphaVariant 结合进化先验强化学习实现稀疏反馈下的多位点酶优化
研究团队提出强化学习框架 AlphaVariant,将生成式进化先验与迭代更新的低样本量适应度模型结合,用于搜索大型组合蛋白质序列空间。
推荐理由:在六个实验测量的蛋白质适应度景观中,AlphaVariant 在三个大型多位点场景排名第一,并在两轮设计-测试后报告活性提升。
NatureIF(5) 56.7精选AI 评分8080 Pinal 用自然语言可编程设计功能蛋白质
研究团队提出 160 亿参数的蛋白质设计基础模型 Pinal,可根据自然语言描述生成候选蛋白质。Pinal 在 17 亿合成标注的蛋白质-文本对上训练,将功能意图与蛋白质序列和结构关联。
推荐理由:Pinal 以自然语言直接生成蛋白质候选并在四类任务中观察到目标功能,呈现了蛋白质设计接口的变化。
Nature CommunicationsIF(5) 18.9精选AI 评分6262 HRDPath:可解释多模型深度学习架构可从病理图像预测同源重组缺陷
研究团队提出 HRDPath,一种可解释的多模型深度学习架构,可直接从全切片图像预测高级别浆液性输卵管卵巢癌的 HRD 状态,无需额外分子检测。在三个女性患者队列中,该架构的 AUC 达 0.846,特异性和敏感性均达到 0.90,并显著优于此前 HGSOC 的报道结果。其可解释性流程还揭示了 HRD 阳性癌症在细胞和组织层面的形态与病理变化。
推荐理由:HRDPath 用全切片图像预测 HRD,在三个队列上取得 0.846 的 AUC,读者可从中了解可扩展数字生物标志物的构建思路。
bioRxivAI 评分6161 研究提出 ProtTale 与 pJay,判断蛋白质功能描述何时可信
作者提出经盲法专家标注验证的LLM判官来比较蛋白质功能描述,并训练ProtTale估计自身可靠性pJay。在未见过的Swiss-Prot酶上,ProtTale与另外三种领先方法准确率持平,但正确蛋白不同,其独有正确预测超过其他方法之和。仅凭序列打分的pJay可作为插件过滤器,使所有测试模型表现提升,在短蛋白上精确率接近翻倍。
arXivAI 评分6464 recAMPLIFY:递归蛋白质语言模型的大规模预训练
论文提出 recAMPLIFY,一种采用递归预训练的蛋白质语言模型,使用与 AMPLIFY-350M 相同的 2T token 训练,155M 唯一参数比后者少 56%。
百图生科精选AI 评分7676 百图生科联合中国农业大学等推出630亿参数DeepD基因组大模型,支持百万碱基序列生成
百图生科联合中国农业大学等推出跨生命域基因组基础大模型DeepD,相关论文已上线bioRxiv。模型总参数量约630亿,支持100万token上下文,采用稀疏MoE,单token激活约10亿参数,可生成29条酵母染色体III尺度序列和3条拟南芥1 Mb区段。当前主要建模DNA序列,尚未显式整合表观组、转录组等信息,生成序列的完整生物学功能仍需实验验证。
推荐理由:材料给出630亿参数稀疏MoE、100万token上下文和跨物种生成结果,可了解基因组基础模型的长序列建模路径。
bioRxivAI 评分5454 研究提出 MIEN 模型,用于判别蛋白口袋中的糖链姿态与构象
研究提出 MIEN,一种基于结构的等变图网络,用于评估糖链姿态与固定蛋白口袋的兼容性。模型在 5,241 个实验复合物上训练,并在 260 个蛋白不重叠复合物上区分实验姿态与非天然姿态;在 AutoDock-GPU 和 GlycanDock 候选池中,三个训练种子下 MIEN 选出更低 RMSD 的 top-1 姿态的次数多于这两个对接引擎,并将 1、2、4 埃以内的最佳姿态数量提高。
ScienceIF(5) 51.6精选AI 评分7979 RFdiffusion3 用自由原子扩散实现生物聚合物原子级功能位点支架设计
Science 论文提出 RFdiffusion3(RFD3),一种面向生物聚合物的生成式 AI 方法,用自由原子扩散满足复杂原子约束。作者称其在从酶设计到 RNA 结构设计的多项挑战上比此前方法更快、更准确。
推荐理由:RFD3 用自由原子扩散处理复杂原子约束并在酶设计中给出实验验证,读者可据此了解该方法如何连接设计与实验。
bioRxiv精选AI 评分7474 CHORUS 仅凭序列预测膜蛋白互作界面并构建蛋白质组尺度图谱
研究团队提出仅依赖序列预测膜蛋白互作界面的框架 CHORUS,并构建覆盖 4,918 个物种的蛋白质组尺度开放图谱。在 4,655 个蛋白质链上下文的独立同源限制测试集上,CHORUS 的链宏平均精度为 0.643,高于 ScanNet-MSA 的 0.613,膜内区域为 0.746 对 0.645。
推荐理由:无需结构坐标即可预测膜蛋白互作界面,并构建跨物种蛋白质组尺度图谱,为大规模互作研究提供入口。
Isomorphic LabsAI 评分5353 Isomorphic Labs 介绍 AI 药物设计引擎 IsoDDE 的分子搜索能力
Isomorphic Labs 介绍其 AI 药物设计引擎 IsoDDE,并称该引擎可在 2-4 天内由设计智能体自主生成和优化候选分子。文章以 Target D 为例,称智能体把传统上每步需 1-3 个月的迭代改为计算搜索,实验室测试的响应曲线显示设计分子能调节目标且性质良好。IsoDDE 还整合基础模型、数据生成和预测能力,用于处理结构、结合、分子性质与毒性等问题。
分子之心精选AI 评分6969 从预测结构到理解反应:分子之心 QuantaMind 研究登《Science Advances》
分子之心宣布其反应性原子建模平台 QuantaMind 的相关研究发表于《Science Advances》,在 17,792 原子的 PET 水解酶体系上完成 6 纳秒的完整催化循环模拟。
推荐理由:论文给出大型酶体系反应性模拟的精度对照与规模时长数据,可供判断机器学习力场在生物体系中的可用边界。
bioRxivAI 评分5555 AntiSite 统一抗体与纳米抗体的结合位点预测,支持有无结构两种输入
研究团队提出抗原无关的结合位点预测器 AntiSite,它的序列编码器、融合模块和预测头在有结构、无结构两种输入下共享。在五个抗体—抗原基准上,结构感知版本取得最高平均 PR-AUC,纯序列 PR-AUC 普遍低于最强的专用序列基线;其中的结构模态 dropout 让两种推理模式无需重新训练,并零样本泛化到纳米抗体。
bioRxivAI 评分3232 MERIT:机制驱动模型预测药物试验结局并为失败药物提名适应症
MERIT 是机制驱动模型,基于分子与疾病特征预测药物试验结局,并为失败药物提名适应症。在 753 个小分子药物、3,133 项试验中,结构留出评估总体 AUROC 为 0.770,优于两个同试验同折重训方法。机制拟合评分在 50/60(83%)化合物中把获批适应症排在失败适应症前,并注册 55 个 III 期药物-适应症配对的锁定、结局盲法预测。
bioRxivAI 评分6161 AMPainterV2 结合混合专家网络演化设计膜裂解抗菌肽
研究团队提出 AMPainterV2,一个结合混合专家(MoE)策略网络、用生成对抗模仿学习设计膜裂解抗菌肽的模型,策略网络支持插入、删除和突变操作以扩展演化设计空间。
bioRxivAI 评分5252 ESM3-PPISites 利用多模态表示学习蛋白质相互作用界面
研究提出 ESM3-PPISites,利用多模态蛋白质语言模型 ESM3 结合进化上下文与3D几何进行残基级蛋白质相互作用界面分类,推理时无需复杂结构输入,并在多套训练集和基准集上超过现有方法。
Isomorphic Labs精选AI 评分7575 Isomorphic Labs 公布 IsoDDE 药物设计引擎,称预测精度超过 AlphaFold 3
Isomorphic Labs 公布 IsoDDE 药物设计引擎及技术报告,称其在蛋白配体结构预测、抗体抗原界面和结合亲和力预测上超过 AlphaFold 3。
推荐理由:材料给出 IsoDDE 与 AlphaFold 3、Boltz-2 在结构预测和结合亲和力上的对比数据,可帮助判断 AI 药物设计系统的能力边界。
bioRxiv精选AI 评分7676 RNA-X:建模 RNA 相互作用,设计可同时靶向多类分子的结合 RNA
研究者提出 RNA-X,一个基于掩码语言建模的 RNA 相互作用基础模型,用于表征学习、条件 RNA 设计和优化。该模型可设计靶向蛋白、RNA 和 DNA 的 RNA,并支持同时针对多个靶点;其参数量比现有 RNA 基础模型少几个数量级,但在多项下游任务上的表征表现更优。
推荐理由:RNA-X 把 RNA 设计扩展到蛋白、RNA 和 DNA 靶点,并以体外实验和公开预训练模型展示多靶点设计的可行性。
bioRxiv精选AI 评分7070 Caliby:通过系综条件化蛋白质序列设计分离结构约束
研究提出基于 Potts 模型的蛋白质序列设计方法 Caliby,可用输入骨架生成的合成结构系综作为条件来采样序列,并在提升可设计性的同时降低天然序列恢复率。设计序列中非接触残基间协变减少、能量挫败降低,且该策略可泛化到不同序列设计模型。作者据此设计了热稳定蛋白、功能性镧系结合蛋白和可溶性膜蛋白变体,其中一种五聚体组装经冷冻电镜确认。
推荐理由:材料对比天然序列恢复率与可设计性的权衡,并用热稳定蛋白等设计案例展示系综条件化的跨模型适用性。