RFD4-Proteina 以共享潜空间推理设计生物分子
RFD4-Proteina 用一个涵盖标准与修饰氨基酸、糖、DNA和RNA的共享化学与构象潜空间开展生物分子设计。模型以内在循环优化分配计算、以外在推理按能量或几何等约束引导搜索,在计算机模拟蛋白设计基准上的设计成功率和生成吞吐量高于此前评估的所有方法。
推荐理由:论文将蛋白、DNA、RNA与糖类纳入同一化学潜空间,并用内在与外在推理处理能量与几何约束。
RFD4-Proteina 用一个涵盖标准与修饰氨基酸、糖、DNA和RNA的共享化学与构象潜空间开展生物分子设计。模型以内在循环优化分配计算、以外在推理按能量或几何等约束引导搜索,在计算机模拟蛋白设计基准上的设计成功率和生成吞吐量高于此前评估的所有方法。
推荐理由:论文将蛋白、DNA、RNA与糖类纳入同一化学潜空间,并用内在与外在推理处理能量与几何约束。
研究提出 DynamicsPLM,一个 35M 参数的小型蛋白质语言模型,通过第二阶段多任务持续预训练融合序列进化与分子动力学信息,用于仅凭序列零样本预测突变效应。模型在超过 60,000 个蛋白质上训练,在 ProteinGym 和 Tsuboyama 折叠稳定性数据集上取得 100M 参数以下模型中的领先准确率,并可匹配或超过若干十亿级序列模型。代码与训练配置已在 GitHub 公开。
来源更新 2026-11-15
研究团队提出 Pallatom2,一个仅 65.9M 参数的原子到原子生成模型,可联合建模蛋白序列、主链构象、侧链几何与靶点界面接触。在 210 个候选结合剂中,生物层干涉技术识别出 112 个活性设计(53.3%),十个实验评估靶点均获得结合剂,SC2RBD 与 PD-L1 的表观 K_D 分别为 3.96 pM 和 33.8 pM。
推荐理由:Pallatom2 以 65.9M 参数把序列与原子几何放进同一模型,摘要给出十个靶点的结合实验数据,便于比较蛋白结合剂设计路线。
研究团队提出多模态表示学习模型SEMPER,将蛋白质语言模型表示与成人脑442种细胞类型的蛋白质互作网络对齐。SEMPER可预测细胞类型特异的蛋白质复合物,并在全基因组CRISPR筛选中预测多巴胺能神经元存活所需基因。
论文提出 CupOFMoCA,一种在生成过程中施加跨组件化学约束的离散生成方法,用于分子偶联物组装。在三个 PDC 体系中,该方法在合法肽上实现 100% 偶联有效率,有效产率高于匹配的事后过滤,完整有效集上的预测结合分数相当。
研究提出基于扩散的对接方法 DiffTernary,可联合预测分子胶三元复合物中的蛋白相对排布和分子胶结合构象。
研究提出结构感知 RNA 基础模型 RNAtomy,利用核苷酸间几何和残基级构象描述符进行自监督预训练。模型采用 Mamba-Transformer 混合骨干与轴感知特征调制,在七项涉及核苷酸、核苷酸对和 RNA 层面的任务上评估,接触与长程碱基对预测优于现有 RNA 基础模型和任务专用方法。
来源更新 2026-11-14
Biophysical Transformer 把连续生物物理场作为序列与结构之外的第三种预训练信号,模型仅凭序列预测每个三残基 token 周围的静电势。在 FLIP Meltome 热稳定性基准的两组人类划分上,该场目标在双方所有已训练头上提升 Spearman 相关性,去除与预训练语料重叠的测试蛋白后仍成立。模型规模为 1.1M 参数;混合物种划分无此增益,且结果仅基于每臂一次预训练运行。
Google DeepMind 发布 AlphaGenome 2,可预测 DNA 变异如何影响特定人类细胞类型。该模型采用条件式架构,训练数据覆盖 68 个组织、超过 1.07 亿个单细胞图谱;相比原始 AlphaGenome 微调版本及其他专用工具,其在 TenK10K 上识别出的因果变异比例为 30% 对 16%。
推荐理由:相比上一代以组织平均为主,AlphaGenome 2 把变异效应预测细化到具体细胞类型,并列出与旧模型的直接性能对比。
分子相互作用基础模型 Bonbon 基于约 3.2 万亿 token 的配对蛋白质-配体序列训练,在功能、残基和键三个层级展现零样本涌现能力。这些能力可泛化到分布外复合物,训练未使用任务特定监督或结构坐标;42M 到 1.6B 六个规模的受控实验显示,最大规模处能力明显跃升,而预训练损失平滑下降。
推荐理由:Bonbon 在 42M 到 1.6B 六个规模上的受控实验显示,预训练损失平滑下降时零样本能力仍可能突然出现。
研究提出跨状态位点识别基准 AsBench2 和深度学习框架 AllositeUltra,后者在 apo 与底物结合态结构上的 Top-3 位点回收率分别为 65.2% 和 70.6%,相对最佳基线提升 36.4% 和约 50%。
推荐理由:论文提出跨状态识别框架与配套基准,读者可了解它如何把位点识别与静态口袋几何解耦,并在不同构象态上做对比。
ProTEUS 是用于闭环蛋白质进化的突变分辨世界模型,在 zero-shot 和有监督微调的突变预测任务上超过现有模型。它用 MutationFormer 的突变偏置注意力学习序列、进化和结构联合表示,并用物理约束全原子预测器实现比 AlphaFold3 快 10 倍以上且保证物理有效性的预测。
推荐理由:这一工作把突变预测、快速全原子结构与闭环实验反馈放进同一框架,便于理解蛋白质定向进化的计算与实验衔接。
CPDD 将 144.5M 参数的自回归噬菌体 DNA 语言模型 CreatiPhage 扩展为 147.5M 参数的双向离散扩散模型。在 522 个噬菌体 CDS 筛选中,其随机掩码恢复准确率高于同类扩散模型和密码子级参考。混合损坏测试中可恢复 42.4% 可见错误碱基,冻结表征还支持 infA 适应度预测与七类噬菌体病毒粒子蛋白亚型分类。
Google DeepMind 发布 Gemini 4 Carbon,向开发者、企业、科研人员和消费者开放,主打长程智能体工作流、网络安全与科学推理,API 定价与 Gemini 4 Argon 相同,为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由:原文给出了 Carbon 与 Argon 的定位差异、多项基准成绩和同一档定价,便于判断它适合哪类高强度任务。
论文提出 OriDynamics,一个面向蛋白质单体及蛋白质与小分子或蛋白伙伴复合物的全原子构象集合生成统一框架。该方法用潜在集合分解,把紧凑结构潜在空间中的构象探索与生成候选周围的局部全原子采样结合,并以集合级监督约束平均位置、涨落幅度和联合坐标协方差。
研究团队提出蛋白质逆折叠模型 HyInv,这是一个 1.96M 参数的骨干条件图网络,采用编码器-解码器架构,由团队自研的 Hyra 2.0 研究智能体先做随机顺序自回归预训练,再做结构奖励强化学习。
研究团队提出 650M 参数的蛋白质掩码语言模型 HyPLM-Flash,由自研研究智能体 Hyra 2.0 训练,使用 7260 亿 token,约为 ESM-2 650M 数据的 0.73 倍,模型权重与推理引擎已在 GitHub 发布。
研究提出 Cadense 生成式框架,可从抗体序列生成受构象动力学信息引导的多样 Fv 构象集合,并将数天分子动力学模拟的计算量缩短到数秒生成。该框架生成的集合能恢复同一抗体的 apo 和 holo 构象,也可作为基于物理对接的有效输入,用于刻画抗体与抗原相互作用所需的构象柔性。
来源更新 2026-11-10
研究者开发了联合蛋白-DNA语言模型PDLMs,从ESM2继续预训练,并用共享编码器把氨基酸与核苷酸放入同一分子语境。模型采用在DNA结合域内提高掩码概率的结构域感知掩码策略,在下游任务中提升了蛋白-DNA配对分类,并支持预测突变相关结合变化。零样本打分能找回已知的DNA识别特异性变化并优先排序编辑活性更高的变体,微调后还可从蛋白序列直接预测DNA基序。
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。
CoMoFlow 提出一种通过显式建模集体变化来可控生成蛋白质骨架构象集合的框架。它从平衡结构构建蛋白质特异的集体模式,学习这些模式系数在分子动力学(MD)集合中的分布,并用采样变化通过特征条件化和 prior recentering 引导 SE(3) flow matching。
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。
论文构建了按蛋白-RNA 结构和实验条件分层的基准,并提出仅用序列同时预测蛋白每个残基和 RNA 每个核苷酸结合偏好的 RPFace。RPFace 无需实验结构、模板或多序列比对,结合预测二级结构集成与 RNA 基础模型、结构预测模型的多模态嵌入增强,模型小而快,可泛化到 in vivo CLIP 数据。
来源更新 2026-11-10
作者开发了 BacLLM,一个将注释来源的功能知识注入蛋白质语言模型表征、用于 WHO 优先病原菌抗微生物耐药性分析的框架。它通过序列增强、UniProt 注释语义丰富和跨模态对比学习,把 LLM 编码的注释先验迁移到序列编码器。摘要报告,BacLLM 在耐药基因识别和机制预测上相比基线提供更有信息量的表征,能在单残基分辨率捕获耐药相关突变信号,并改善噬菌体疗法的菌株级宿主匹配。
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。
研究团队提出 DeltaCata,用孪生几何图神经网络直接预测突变引起的 Δkcat 与 ΔKm 变化。作者通过语言模型辅助解析与人工校验,构建配对野生型与突变体的高质量数据集,模型在未见酶上表现优于现有方法。在甲基转移酶 sGmOMT2 上,DeltaCata 将体外 icaritin 合成的催化效率最高提升 7.0 倍。
推荐理由:论文构建突变效应数据集并直接建模动力学参数变化,其筛选与酶改造验证为酶工程提供了一种可迁移方法。
NovoCRF 提出一种以前缀质量为状态的条件随机场,用于从头肽段测序,并在全部质量可行肽段上做精确归一化训练。模型有 310k 参数,训练约 17 GPU-hours,在七个 2026 年发布的 DDA 数据集上平均肽段召回 42.4%,高于五 beam 的 Casanovo v5 的 39.1%。
来源更新 2026-11-04
研究团队提出序列条件深度学习框架 FoldScape,可在指定折叠比例 Q 下生成蛋白质 Cα 构象集合,并从序列重建三维链。在 20 种人类蛋白质(36 至 857 个残基)上,相同样本量下它对折叠坐标的覆盖比不同随机种子生成的 AlphaFold 3 集合高约一个数量级,但 AlphaFold 3 更能锚定近天然区域,两者形成互补。
研究团队提出结构引导 RNA 基础模型 structRFM,将碱基配对关系融入掩码语言建模并在数百万条序列与二级结构数据上预训练。该模型在 15 个生物语言模型的零样本同源分类中位列前茅,刷新二级结构预测基准,在 RNA Puzzles 数据集上的三级结构预测较 AlphaFold3 提升 19%,内部核糖体进入位点识别的 F1 分数提升 49%。
推荐理由:读者可据此了解结构引导预训练如何提升 RNA 结构与功能预测,以及作者开源的数据集和预训练模型。
来源更新 2026-11-09
研究团队提出全原子结构 tokenizer,将生物分子几何压缩为 8,192 个离散结构 token,在 CASP14 和 CASP15 上的全原子 lDDT 分别为 0.832 和 0.835。
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。
PathLUPI 通过训练时引入转录组信息生成基因组锚定的组织学嵌入,推理时仅用全切片图像即可进行分子预测。在 20 个队列、11,257 例样本的 49 项分子肿瘤任务上,其表现优于仅用全切片图像训练的方法,14 项生物标志物预测和分子分型任务的 AUC ≥ 0.80,5 类主要癌症生存队列的 C-index ≥ 0.70。
推荐理由:论文在 20 个队列的 49 项任务上比较仅用全切片图像的模型,显示训练时引入转录组信息可改善仅凭图像的分子预测。
深势科技与合作团队在Nature发表论文,提出虚拟细胞模型ProteinTalks,用于药物扰动响应预测。模型以超过3800万项蛋白质丰度测量构建时序扰动数据集,覆盖用药前及给药后6、24和48小时,并在单药筛选、联用和耐药机制研究中获得实验支持。深势现面向药企、生物技术公司及医疗机构推进应用合作,BioMaster提供无需自备数据的流程演示。
作者提出可微的自旋中心(SC)扩散模型,用它描述自旋标记的柔性,并与冻结的 Boltz-2 结构生成器耦合,使实验测得的 DEER 距离分布 P(r) 能在推理阶段直接引导构象集合生成。
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。
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。
研究团队提出 IDPForge,一种基于 Transformer 蛋白语言扩散模型的方法,可生成全原子 IDP 及保留折叠结构域的 IDR 构象集合。该方法无需序列特异性训练、无需从粗粒化表示反变换,也无需集合重加权,生成结果与 NMR 和 SAXS 溶液实验数据吻合良好。IDPForge 已作为开源资源提供,并支持按需使用实验约束进行偏置。
推荐理由:论文提出无需序列特异性训练的扩散模型 IDPForge,能生成含无序区的全原子蛋白构象集合,并与 NMR 和 SAXS 数据吻合良好。
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。