跳到正文
11月14日周六
  1. bioRxiv77

    来源更新 2026-11-15

    Pallatom2 用原子到原子建模设计从头蛋白和蛋白结合剂

    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。

11月10日周二
  1. arXiv54

    OriDynamics:面向生物分子动力学的世界模型

    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。

  2. bioRxiv58

    Cadense 框架用机器学习快速生成抗体构象集合

    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。

11月7日周六
11月6日周五
  1. bioRxiv65

    PartiDesign 提出面向蛋白质、核酸和小分子的结构-序列联合设计模型

    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。

  2. arXiv47

    LeNO:面向少步生成模型奖励对齐的学习噪声优化

    LeNO 将奖励引导的初始噪声优化摊销为学习的残差传输,并用 Local GRPO 与标量奖励学习噪声修正分布,同时冻结预训练生成器。该方法消除推理时的迭代搜索,并为高斯初始噪声的保范投影推导出修正噪声分布相对原始先验的 KL 可处理上界。在少步文本到图像和蛋白质结构生成中,LeNO 单次噪声校正即提升目标奖励,并基本保持生成质量与多样性。

11月4日周三
  1. arXiv47

    EB-FM:面向连续冷冻电镜异质性的经验贝叶斯流匹配

    EB-FM 用蒙特卡洛随机近似 EM 框架,从带噪二维投影图像直接学习 3D 原子结构的流匹配先验,无需干净数据预训练。其 E 步以引导流生成做近似后验采样并保留持久潜变量估计,M 步用稳定后的潜变量更新流模型。在 two-moons、MNIST 和已知姿态的模拟冷冻电镜数据上,EB-FM 可在原子坐标空间恢复蛋白质构象的连续分布。

  2. arXiv67

    来源更新 2026-11-04

    FoldScape 从序列预测任意折叠阶段的蛋白质构象集合

    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。

11月2日周一
10月31日周六
  1. Nature CommunicationsIF(5) 18.972

    IDPForge:用于全局与局部无序区域蛋白质的深度学习方法

    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。

10月30日周五
10月23日周五
  1. Rosetta Commons67

    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。

  2. GEN 新闻79

    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。

10月22日周四
  1. arXiv62

    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。

10月21日周三
  1. 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。

10月19日周一
  1. Rosetta Commons65

    Rosetta Commons 发布 Chaperone 蛋白设计工作流统一框架

    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。

10月18日周日
10月15日周四
  1. ScienceIF(5) 51.679

    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。