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。
研究团队提出 DPI-Score,一种仅使用界面原子原始结构坐标、无需人工设计特征的深度学习指标,用于评估冷冻电镜解析组装体中的蛋白-蛋白界面,验证准确率为 87.53%。
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。
深势科技在玻尔科学空间推出科研智能体 BioMaster,接入 Kimi K3.1 Pro 支持单细胞分析、基因变异解读和论文分析复现。深势科技内部评测中,Kimi K3.1 Pro 搭配 Kimi Code 取得最高分。约90分钟完成3,696个胰腺细胞单细胞分析,较人工参考缩短约63%,筛出100个候选基因;35分钟完成微生物功能分析,节省约85%时间。
研究构建 MutAtlas,在实验解析的蛋白质结构上穷举单点替换,并对齐物理能量模型、蛋白质语言模型与逆折叠模型的突变信号,形成覆盖 PDB 的突变增强数据集。
Nextflow 在近期的 Nextflow Summit 上推出面向生命科学未解问题的闭环发现系统 Nextflow Frontier,称在公开生物基准 BioML-bench 的 24 项任务中有 22 项超过平均 96% 的榜单条目,OpenAI Rosalind 为 75%,Anthropic Claude Science 为 66%。
研究提出REVEAL工作流,将生成式二级结构采样、trRosettaRNA2三级结构预测、无偏分子动力学和马尔可夫状态建模串联,用于捕捉RNA激发态构象。
一项 bioRxiv 预印本研究审计了已发表的重复引导、ESMFold 置信度与激活读数,结论是能预测置信度门槛并不能说明设计可折叠。引导在操作点保持了置信度,但拟合出的悬崖出现在 alpha_50 = 1.240x,扫描自身对照为 64.0%;未引导的生成器激活可预测置信度门槛,ROC-AUC 为 0.786 ± 0.004。
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。
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。
bAIes 框架已扩展到 AlphaFold2、AlphaFold3、Boltz-1、Boltz-2、ESMFold 和 ESMFold2 六种结构预测工具,用于生成固有无序蛋白的原子分辨率构象集合。
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。
作者提出 DecoyOpt 两阶段流程,先用 ESM3 生成功能位点诱饵,并由 MLP 区分酶、未注释蛋白与诱饵,再由对比学习模型预测 EC 号。该流程在三种拆分上评估了 16 个蛋白质语言模型,在最严格的 GraphPart 40% 拆分上取得 MCC 0.899 和 D0 诱饵 FPR 6.17%,优于重训基线。它还能正确注释全部 4 个野生型酶,并拒绝全部 8 个失活或近失活变体。
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。
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。
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。
研究将 Generative Latent Priors(GLP)移植到 ESM-2 激活,并在 8M 与 650M 两个宿主规模上评估其解释与编辑效果。
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。
研究团队发布开源基准平台 Protify,支持 35 个预训练模型和 61 个精选数据集,覆盖零样本、监督与迁移学习。在 ProteinGym 上评测 23 个模型后,DPLM3B 为当前最佳自监督编码器;跨 32 项监督任务没有单一模型全面领先,14 个模型至少在一项数据集上得分最高,前两名差距落在运行间波动内。
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。
论文提出 BILBY-PRO 和 BILBY-MD,前者是涵盖 220 个案例、来自 174 个 PROSITE 基序模式条目的蛋白质基序支架生成基准,后者是基于参考模拟的全原子分子动力学评估框架。
论文提出 RIVER,一个面向酶与反应双向检索的多智能体框架,通过协调大语言模型、生化计算工具和外部知识资源,汇集反应化学、蛋白序列与结构域、催化机制及数据库注释等多层证据。
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。
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。
Excelra 在 Everest Group 2026 制药研发 IT 服务 PEAK Matrix 评估中被评为领导者,34 家参评服务商中有 9 家入选。Everest Group 将这一结果归因于其精选数据、科学 AI 与行业专长。其旗舰产品 GOSTAR 拥有 3700 万个生物活性数据点,面向 AI/ML 就绪设计。
Chan Zuckerberg 旗下 Biohub 在 10 月将虚拟生物学计划扩大到 18 亿美元,用于生产开放、标准化的数据,训练能预测细胞对药物或基因编辑反应的虚拟细胞模型。
论文用最小 Cα flow-matching 模型消融蛋白质集合生成器的设计选择,认为训练数据而非架构是跨结构状态的主要约束。研究在有序、无序、多域和过渡蛋白上比较架构、序列条件、刚体对齐与训练来源,并用实验 SAXS 和 NMR 化学位移数据评估各变体。
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%。
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。
作者提出 Struct-Caliper,用表征感知的查询随机化为蛋白质结构搜索生成查询特异的 p 值,以替代 Foldseek、Reseek 等工具中不可靠的原生 E-value。
研究团队提出 AutoSPECTRA,一种基于编码智能体的科学基础模型通用性审计协议,并在四个生物基础模型上完成审计。团队先回顾五个生物领域的 38 项研究,发现编码智能体能生成假设与分析但证据标准不一致,随后将协议围绕可衡量泛化维度、预设分析、受控比较和独立确认构建。
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。
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。
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。