来源更新 2026-11-11
研究评估自动生成新型高功能分子序列的两类方法
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。
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。
来源更新 2026-11-10
研究团队提出混合 RNA 基础模型 LIMBER,将双向自注意力与选择性状态空间建模结合,并在 4050 万条非编码 RNA 序列上预训练。该模型在二级结构预测和非编码 RNA 分类基准上取得领先表现,并可迁移到翻译相关任务和 RNA 与小分子相互作用预测。作者还建立统一的任务无关评估框架,发现不同生物信息在模型层间呈分层、任务依赖的组织方式,并观察到结构、进化和功能能力的不同缩放行为。
一项发表于 bioRxiv 的研究指出,免疫原性引导的抗体设计受标签质量限制。作者将常用的 217 条抗体数据集扩展并校正至 231 条带配对序列的治疗性抗体,并手工从原始文献重建其中 110 条的临床证据。
Lin 与 Lu 构建了 EpiRank,一种仅用单链几何与物理化学特征的伙伴无关表位预测器,并在 3,529 条目标链上按检索问题评估。
研究考察智能体在任务引导与黑盒两种设定下设计治疗性抗体的可靠性。团队构建了十项经专家验证的亲和力改进任务,发现 LLM 评审能较好复现程序化评估的指令遵循结果。接入抗体相关工具会提升指令遵循和序列空间探索,但降低优化表现;提供已评分设计历史则降低指令遵循,但提升优化表现。二者结合的智能体优化器在计算机模拟优化循环中与既有的贝叶斯优化基线表现相当。
来源更新 2026-11-03
一项合成致死预测研究把匹配负样本下的基准分数与实测筛选池中的检索表现并置,发现接近随机的匹配测试 AUROC 仍可能对应有效的实验命中。
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。
13/15 🧬 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
一项受控研究用1000个种子分子训练自回归序列模型,比较SAFE与SMILES随机化在低数据分子生成中的表现。仅对SAFE做随机化就把新颖分子的真实产率提高逾450倍;原子序与片段序两种随机化共同作用,而非简单相加。在语料规模与计算量匹配时,随机化SAFE的真实产率是随机化SMILES的2.8倍。
来源更新 2026-10-29
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%。
NK-RCPP 在回顾性分析中对 NK1R、NK2R 和 NK3R 的 96 个生成候选肽进行受体条件化优先排序,结合 REF15 靶向评分与 4,518 组配对结构近邻比较。加入近邻评分后,33 个可评估的靶向有利候选保留 16 个、池缩小 51.5%,且相同短名单规模下半数候选身份与仅用靶向评分不同。
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。
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。
ProbJanusDDG 结合蛋白稳定性预测器与标准及自适应共形预测区间,为未表征突变提供稳定或去稳定方向的筛选标准。在低同源性 S669L 基准上,50% 名义水平的自适应区间对 34.2% 突变给出方向判断,符号准确率 94.8%;90% 水平下标准与自适应区间的突变级覆盖率分别为 91.6% 和 92.5%。
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。
BenchMHC 是一个仅用公开数据复现、重训练和评测 pMHC 呈递预测模型的开源框架,并记录复现过程中的实现决策。
推荐理由:BenchMHC 用公开数据复现并评测 pMHC 模型,复现结果与数据诱饵分析可帮助判断预测性能差异来自方法还是训练集。
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。
来源更新 2026-11-14
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。
Nabsys 在 ASHG 2026 年会上分享电子基因组图谱(EGM)在血液恶性肿瘤中的初步数据,并预览面向该应用的分析软件。公司称 EGM 运行于 OhmX 平台,可提供结构变异与拷贝数变异的高分辨率全基因组视图,定位为现有工具的补充而非替代。Navigator 云平台含 SV-Discover 和 SV-Verify,分别用于全基因组结构变异分析与验证其他技术标记的变异。
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。
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。
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。
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。
PerturbAI 与 OpenAI 及合作者在一篇新预印本中公布了一套用于生物医学发现的分布式 AI 推理框架,用数千个并行 agent 在 32 分钟内完成对 PerturbAI 全脑图谱数据的分析,并在未接触原稿的情况下复现了其结论。
北京大学联合深势科技、北京科学智能研究院启动科学骑士大师赛北大专场,以开放科学问题比拼人机协作解题。比赛不设人类评委,提交须附可运行代码与执行记录,由平台在统一环境重跑自动打分;深势科技赞助不低于1000万元算力与 token,北京科学智能研究院设奖学金。此前第四季六轮赛已吸引八百多个智能体账号参赛,累计提交两万余次。
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。
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。
研究团队提出一个基于高斯过程主动学习的抗体-抗原结合亲和力预测基准,在8个公开AbBiBench实验集上以每个池10%的标注预算评估核函数、采集策略与表示选择。
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%。
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。
来源更新 2026-10-22
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。
Xaira 推出面向药物发现与设计的智能体平台 X-Scientist,将前沿语言模型、生物工具、内部数据集以及 X-Cell、X-Design、X-Patient 等自研模型接入同一套多智能体框架,由主导智能体负责任务协调与验证。
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。
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。
Rosetta Commons 在 GitHub 组织下发布 Chaperone,一个用于构建、执行和评估结构生物学工作流的统一框架。该框架由华盛顿大学蛋白质设计研究所成员开发,为 RFdiffusion3、AlphaFold3、ProteinMPNN、Boltz-2 等组件提供文档化的 block,并支持分支流程、并行任务提交和迭代循环。
推荐理由:框架把蛋白设计各环节拆成可组合模块,并内置任务编排与数据溯源,便于评估自建流程的整合成本。
ProtGlycanDock 研究提出蛋白-聚糖对接数据集与基准,并设计两种把聚糖构象知识注入通用分子结构预测模型的微调方法。基准覆盖蛋白质和聚糖泛化设置,评测物理对接、机器学习对接和结构预测三类共十种模型。