Insilico Medicine 的 AI 设计口服 TEAD 抑制剂 ISM6331 使 22 例间皮瘤患者中 4 例肿瘤缩小,计划 2027 年启动随机 2a 期试验
Insilico Medicine 的 AI 设计口服 TEAD 抑制剂 ISM6331 在 1 期试验中使 22 例可评估间皮瘤患者中的 4 例达到部分缓解,缓解率为 18.2%。
Insilico Medicine 的 AI 设计口服 TEAD 抑制剂 ISM6331 在 1 期试验中使 22 例可评估间皮瘤患者中的 4 例达到部分缓解,缓解率为 18.2%。
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。
Laboratoires Pierre Fabre 与 XtalPi 宣布达成 AI 驱动的药物发现合作协议,覆盖肿瘤学、可能的皮肤病学及罕见病领域的多个研究项目。
Laboratoires Pierre Fabre 与 XtalPi 宣布开展 AI 驱动药物发现合作,聚焦肿瘤并可能涉及皮肤科与罕见病。XtalPi 用 AI 和机器人平台针对未披露靶点从头设计小分子疗法;Pierre Fabre 提供疾病生物学、药物发现、转化与临床开发经验,筛选并推进候选化合物,承担后续临床和商业化。协议含首付款、里程碑付款及未来收益分成,具体财务条款未披露。
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。
研究团队用序列特异性肽设计,使肽功能化纳米颗粒对 CO2 产生可调响应,并让厘米级生物相容水凝胶实现可逆、比色响应。纳米颗粒的聚集行为由六条设计原则描述,模型显示聚集速率随气体流速而非累计 CO2 剂量变化,水凝胶还可借助透气掩模实现 CO2 空间图案化。
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。
来源更新 2026-11-10
pLM-bVAE 把预训练蛋白质语言模型(pLM)得到的表示引入原 bVAE 模型,为量子退火(QA)蛋白质序列设计提供二元编码。在三个公开蛋白质变体数据集上,其序列重建准确率与二元编码性能均优于 bVAE,并生成更多高分且与训练、验证数据差异更大的序列。源码已在 GitHub 公开。
一篇 bioRxiv 论文评估了仅凭酶生成训练数据中未出现反应的结构条件生成模型,在反应不重叠基准 EnzymeMap_x 上按精确评分测试并与 BLASTp、DIAMOND、RxnPred、Horizyn 对比。
研究团队发现并改造了来自 Streptomyces xanthophaeus GS-BS18 的羰基还原酶 Sx PR 6980,将其用于大位阻鬼臼毒素酮型底物的立体选择性还原。
推荐理由:研究通过晶体结构与分子动力学识别出决定立体选择性的第三口袋,为改造羰基还原酶处理大位阻底物提供了可迁移的设计思路。
研究者用计算策略从头设计了 6 个可结合金属 salen 复合物的蛋白,其中 5 个能良好表达、结合 Co-salen 并催化过渡金属氢原子转移(MHAT)介导的脱烯丙基反应。
推荐理由:研究展示了计算设计结合 Co-salen 的金属酶策略,并用晶体结构和宽 pH、高温稳定性测试检验设计与功能的一致性。
研究团队提出 ZeUS 框架,可将任意预训练的 SE(3) 等变骨干生成模型转为对称组装体生成器,且无需重新训练。该方法基于对称群商空间的理论联系,在单个规范亚基上操作并用虚拟亚基维持模型内部运算,对有限群 G 将内存和运行成本降低 O(|G|)。
基于偶氮苯的动力学调控体系以感染组织中的氧梯度为输入,通过电子竞争持续编程反应动力学:氧作为还原反应网络中的竞争性电子受体,在偶氮还原与耗氧之间分配电子传递。富电子偶氮苯在严重缺氧下快速解离,吸电子结构在轻度缺氧下持续释药,形成感染状态自适应的抗菌输出;同一电子特征还降低了还原性代谢物的反应活性与毒性。
研究团队提出 REXzyme,一个以用户定义化学反应为条件生成酶序列的翻译模型,并将其用于甲酸脱氢酶改造。生成的 20 个酶均以可溶性蛋白表达和纯化,并表现出 CO2 还原活性,其中活性最高的设计达到参考酶比活性的 2.5 倍。设计变体的所有替换都位于催化位点之外的远端位置。
推荐理由:论文展示把化学反应翻译成酶序列的生成模型如何用于甲酸脱氢酶改造,20 个设计均表达且最高活性达到参考酶 2.5 倍。
来源更新 2026-11-10
研究团队提出酶基础模型 AlphaEnzyme,以与反应配对的酶结构表示为基础,可同时读出催化兼容性、动力学和突变响应。在时间切分基准上,其 top-1 催化剂检索成功率为 30.1%,最强基线为 17.2%;对与动力学训练集序列一致性不超过 40% 的酶,Michaelis 常数预测的排名相关性达到 0.64。
推荐理由:读者可对比 AlphaEnzyme 在时间切分基准上与最强基线的检索成功率差距,并了解从酶检索到突变优先级的前瞻验证路径。
研究团队提出 PartiDesign,一个可联合生成蛋白质、核酸和小分子结构及其对应序列或化学身份的模型。该模型扩展 La-Proteina 的部分潜变量框架,可控制二级结构、化学键和氨基酸偏好,并支持环肽与抗体设计;在采用的计算预算协议下,多数基准的估计成功设计吞吐量在受评方法中最高。
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。
来源更新 2026-11-08
研究团队提出 EnzymeRSI,一个面向酶设计的双环递归自我改进系统,外环在不改变模型权重的前提下进化 harness 资产,内环在受控条件下开发预测与选择算法。
酰胺键光笼策略被用于单环肽前体,在双环化时控制构象选择性,定向合成天然 P_ansa 与非天然 M_ansa 阻转异构体。DFT 计算和分子动力学模拟支持实验中观察到的 M_ansa 形成选择性。该方法或为双环肽及多样肽架构的构象控制与理性设计提供范式。
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。
研究团队建立AI引导的抗冻肽发现框架,整合多模态抗冻蛋白预测、生成序列扩展与局部序列模式分析。AFPFusionLM结合序列和结构感知表示,在独立参考集上AUROC为0.937、AUPRC为0.957;对UniProt、冰川宏基因组及生成序列做多模型共识筛选得到87,305条候选蛋白记录,并在多个候选簇中发现周期性串联重复架构,识别出具有共享重复特征的短肽家族及天然变体。
研究团队设计出四价双特异性蛋白 RHV,通过选择性结合 VCAM-1 与 VEGFR,诱导两种受体同时内吞并进入溶酶体降解。在 AMD 患者房水和小鼠 CNV 模型中,VCAM-1 与 VEGF/VEGFR 表达呈强相关,为双靶点设计提供依据。小鼠 CNV 模型中单次玻璃体内注射 RHV 表现出较高的眼内滞留和病灶穿透,并以四分之一摩尔剂量达到与 aflibercept 相当的疗效。
推荐理由:该双特异性蛋白能同时诱导 VCAM-1 与 VEGFR 降解,并在小鼠 CNV 模型中单次注射即达到与 aflibercept 相当的疗效,剂量仅为后者的四分之一。
该研究分析 100 多种中枢活性药物,发现羟嗪(HX)可作为设计离子化脂质的骨架,所得 HX1 脂质纳米颗粒能经多条路径跨中枢神经系统屏障递送 mRNA。HX1 脂质纳米颗粒共递送 CRISPR mRNA 和向导 RNA,在小鼠脑内实现基因编辑,并在非人灵长类脑部递送荧光素酶 mRNA。
推荐理由:该研究以已有中枢药物为骨架设计脂质纳米颗粒,为跨中枢神经系统屏障递送 mRNA 和基因编辑组件提供设计思路。
研究团队用纯化重组蛋白和体外转录 RNA 重构果蝇 dArc1 衣壳,并在 mdx 小鼠肌肉中递送 Cas9 基因编辑器,实现最高 18% 外显子跳跃。该无细胞组装体系可包裹 mRNA 与 Cas9 核糖核蛋白,衣壳通过 SORCS2 受体结合哺乳动物细胞。在杜氏肌营养不良 mdx 小鼠中,注射携带 Cas9 的衣壳恢复了肌纤维的抗肌萎缩蛋白表达。
推荐理由:研究给出无细胞组装 dArc1 衣壳并同时装载 mRNA 与 Cas9 的方法,可作为蛋白纳米颗粒递送体系的设计参考。
研究挖掘出多前体剪接酶 HypX,并用 AlphaFold3 模型结合 Rosetta 计算排序数百万变体,发现高分肽的剪接效率高于单点突变体。HypX 来自 Hyella patelloides,在大肠杆菌中修饰了 7 个天然前体中的 5 个。单点突变显示 HypX 和此前鉴定的 PlpX 具有混杂性但底物范围不同,结构建模还解释了位置特异性耐受及一项辅因子约束。
论文提出 HVFT(Hypervolume Fine-Tuning),通过微调单个预训练生成器来最大化其样本的期望超体积,同时控制与预训练分布的偏离。作者指出期望超体积无法写成固定单候选奖励的期望,因而利用其一阶变分对应候选的期望边际超体积贡献,基于模型样本构造无偏估计的自适应奖励,并把目标分解为一系列 KL 近端标量奖励子问题,给出了凹性、相对平滑性与收敛性保证。
Thao Nguyen 等提出 iGC,一个面向抗原特异性抗体优化的两阶段强化学习框架。第一阶段从 B 细胞谱系树的亲子对中学习 SHM 突变先验并适配目标亲和力成熟数据集,第二阶段用该先验初始化 RL 策略,并以 KL 正则优化抗原结合。
研究提出面向药物发现的可扩展 AI 科学家 El Agente Fármaco,可将日常语言表达的发现目标转化为复杂的计算筛选工作流。它用共享科学记忆 Fármaco Atlas 保存分子、结构、结果及其来源,并通过定向数据库查询取回决策所需证据;单次请求可对整批分子发起计算,无需为每个化合物单独做一次 LLM 决策。
研究提出一种概率引导方法,将生成式发现模型平滑过渡到迭代优化,用于实验室在环抗体优化。该方法以概率代理模型的后验不确定性,引导基于结构的先验与湿实验监督之间的交接。在低 N 场景下,该方法提升了优化效率,并改善了优化分子的多样性。
ProteoCraft 提出一种基于树的蛋白质设计搜索框架,把扩散结构预测器的近似结构梯度用作提议策略,再由无梯度折叠模型对序列进行验证打分。该方法采用多站点编辑先探索、单站点精细化的由粗到细预算分配,在 14 个 de novo binder 设计场景中提升了设计质量和高置信度产出,且在 AF2-IG 与 Rosetta 界面评估下保持。
推荐理由:把蛋白质设计写成先提议再验证的搜索,并用扩散结构预测器提供近似梯度,读者可关注其搜索预算分配思路。
David Margulies 团队报道了多价配体导向分子信标:其在细胞表面发生构象切换,实现膜受体的荧光开启检测。模块化设计使探针的受体选择性、结合亲和力和发光性质可调。该平台可用于免洗受体成像、检测受体-抑制剂相互作用并评估治疗性抗体。
研究团队开发了一种结合肽条码、尺寸排阻色谱和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 39,000 个蛋白变体的单体产量。基于该数据集,团队评估了折叠稳定性与产量的关系、逆折叠方法和结构预测置信度指标,并开发了仅凭氨基酸序列预测产量的蛋白语言模型 ESMC-MonoYield。研究还针对 BindCraft 设计的结合蛋白展示了高产候选的富集。
推荐理由:超过 39,000 个蛋白变体的标准化产量数据,为评估逆折叠方法和筛选设计候选提供了统一参照。
研究团队提出 XAMPGen 管线,微调蛋白质语言模型 ProGen 生成新型抗菌肽,并用可解释 SI 分析模型决策。候选序列按预测 MIC 和结构活性人工判断筛选后进入实验,所有生成并测试的肽段在 MIC 生物实验中均显示抗菌活性。荧光和圆二色光谱测量提供了结构信息,分析还显示序列模式与抗菌膜模拟物结合特性的关联。
Google DeepMind 为 Google Antigravity 发布一套化学信息学 Skills,安装 Science 插件后即可使用。
推荐理由:文章把化合物检索、匹配分子对分析与合成路线规划串成一条对话式流程,并给出与传统数天迭代的对比。
团队将LoRA接入ESM-2(150M),仅微调0.70%权重,在QMAP严格同源约束下构建抗菌效力与溶血毒性双任务框架。60%序列一致性阈值下,E. coli效力秩相关ρ=0.6132、溶血毒性相关ρ=0.5374;联合网络从749条de-novo肽中筛出TI最高144.03的候选。
MoleculeMind 发布 MMDesign 技术报告,称在 19 个设计项目、18 个靶点及纳米抗体和大环肽两类分子模态上取得 94.7% 的项目成功率。
研究团队将进化信息设计(EVdesign)与理性设计结合,改造PET水解酶,并实验测试了来自8种亲本PETase的603个设计。超过400个含12–68个氨基酸替换的变体能够解聚PET,几乎所有变体都优于亲本酶,许多在部分转化实验中接近基准LCC-ICCG的表现。TfCut2是最适合设计的骨架,四个理性突变克服其热稳定性瓶颈,并作为迭代EVdesign的骨架进一步提升活性。
推荐理由:603个设计跨8种PETase的比较显示亲本选择影响成功率,序列多样化可扩大性能差异并带来高活性离群变体。
研究提出由定制 Transformer 引导的迭代计算设计策略,将突变优先级排序与 DNA 探针热力学设计统一起来。模型从 1,782 个样本中提取突变的诊断归因分数并生成语义图指导探针定位,候选设计再按差异结合自由能进行计算机筛选,最终收敛为 8-plex 靶向 panel。
来源更新 2026-11-11
一项研究利用两个完整的适应度景观,比较变分自编码器与信息论方法在序列空间中寻找稀有高功能序列的效果。结果显示,无需训练且运行速度显著快于标准 ML/AI 方法的信息论方法,在发现稀有高功能序列上也显著更有效。作者还讨论了将该方法应用于发现仅作用于细菌细胞膜、不作用于真核细胞膜的稀有抗菌多肽。
研究团队计算生成50万条候选序列,用现有机器学习模型预测转录激活结构域(AD)功能,并从中选出18750条在酵母中验证。16770条测量良好的序列中超过90%具有AD功能,多个模型共同预测为活跃的序列表现更强。研究据此开发了快速共识AD预测器 MADRIGAL,部分设计AD在真菌、植物和人类细胞中仍保留功能。
推荐理由:研究将序列到功能模型纳入设计循环,并在酵母中验证大量候选序列,为无序蛋白设计提供了可迁移的方法。