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。
技术方向
基准、数据集、评测方法与负结果。
共 139 条动态近 30 天 114 条
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。
一篇综述系统梳理 AI 引导的纳米药物设计与预测在精准纳米医学中的进展,涵盖配方设计、纳米颗粒自组装及选择性递送建模。GEMORNA 生成的 mRNA 序列经脂质纳米颗粒递送,使小鼠促红细胞生成素表达较基准序列最高提升 15 倍。文章还讨论纳米毒性、免疫反应预测以及基于数字孪生和自适应治疗控制的个体化给药方向,并指出数据异质性与模型泛化性有限等挑战。
研究显示,在约5%癌症中出现的致癌 RTK 融合可由低阶多聚化驱动信号,无需介观凝聚体。对 EML4-ALK,凝聚与信号相关性弱,弥散相中存在大量活性;合成的 ALK 或 RET 胞质二聚体乃至持续活跃单体即可引发强 Ras-Erk 信号,非凝聚融合也足以在体外和皮下肿瘤模型中转化细胞。其他致癌 RTK 融合中低阶多聚化较普遍,介观凝聚少见且与信号无关。
推荐理由:研究把介观凝聚体与低阶组装分开比较,为理解 RTK 融合信号传递所需的结构条件提供了实验依据。
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。
研究提出 HyperSSM,在保留线性时间推理和并行训练的同时加入四元数通道,以修复线性循环状态模型的状态追踪失败。作者用表示理论说明对角实数与复数 SSM 只能追踪可交换群,而可追踪群的转移矩阵需在实数、复数与四元数上分块。HyperSSM 仅用最终答案训练,以至多五个状态数精确求解近期状态追踪基准中的群任务,包括 32 个生成元的 S5,并泛化到比训练序列长 25 倍的序列。
研究团队提出通用报告生成框架 UNIRG,并开发 8B 参数视觉语言模型 UNIRG-CXR,用监督微调后接强化学习优化医学影像报告。该模型在 MIMIC-CXR、CheXpert Plus、ReXGradient-160k 和 IU-Xray 四个公开数据集上训练,在 ReXrank 基准的四个数据集和两种生成设置上超过先前模型,两个测试集分数提升超过 50%。
推荐理由:论文给出 UNIRG-CXR 在四个公开数据集和外部专有数据上的评测,读者可据此比较强化学习对报告质量与泛化的作用。
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。
哈佛医学院主导的研究测算,若德国药价上涨 25%,德国医保支出将增加约 $6.2 billion,美国 Medicaid 支出也将上升约 $300 million。研究指出,最惠国定价以他国药价为基准,他国涨价会抬高美国机构的成本,两国均受损。该分析由德国法定医疗保险基金协会发起并资助,由 Thomas Hwang 领衔的哈佛团队完成。
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。
研究团队用三步模块化组装策略构建了手性联芳基单膦配体库,并在两类对映选择性催化反应中筛出高效配体。该路线先以 Cp^X-Ir(III) 催化氧化膦的对映选择性 C─H 芳基化形成联芳基核心,再还原为膦并引入第四个多样性点,得到 35 个空气稳定的手性单膦配体。在基准测试中,这些配体用于对映选择性金催化环异构化和钯催化不对称苯酚去芳构化,最高给出 99:1 er。
阿斯利康收购疫苗初创公司 Omniose,交易条款未披露,并获得 bioconjugation 技术以更高效制造结合疫苗。FDA 要求更新 GLP-1 药物处方信息,加入罕见 NAION 视力丧失的可能风险。Compass Pathways 已为 COMP360 完成美国治疗难治性抑郁症的上市申请,六周治疗在 60 分量表上平均降低 3.8 分。