免疫原性引导抗体设计的困境:标签质量限制进展
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。
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
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。
BridgeDock 提出一种扩散桥框架,把预训练共折叠模型适配到柔性分子对接,从蛋白与配体的初始 apo 状态出发生成复合物结构,而非从高斯噪声开始。研究引入对齐机制,将桥状态映射到预训练模型原有的去噪调度,使其与预训练去噪器兼容。在标准柔性对接基准上,BridgeDock 表现优于强共折叠基线,推理计算高效,在极少去噪步数下仍然有效。
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
14/15 📍 表位可以作为预测的输入。 借助表位信息,Mol-1-constraint 在所有四个基准测试中均将抗体–抗原成功率(DockQ > 0.23)提升: • FoldBench-AB:75.0% → 88.3% • AF3-AB:62.7% → 84.2% • PXMeter-AB:58.3% → 77.5% • MolBench-AB-26:57.3% → 79.4% 基础模型和 Mol-1-constraint 均可在 https://lab.molence.com 获取 #AIforScience
研究提出无需 H2O2、无需酶工程的 APEX2 邻近标记方法 Hi-APEX,借助可点击的四嗪-苯酚(TP)探针直接完成标记。研究在线粒体基质和动态分泌组中做空间多组学基准测试,并在肿瘤异种移植与海马神经元中实现蛋白和 RNA 邻近标记。相比传统 APEX,Hi-APEX 在应激响应和铁死亡等氧化还原敏感过程中捕获效果更好,并发现 mGPX4 互作蛋白 TRMT61B 可促进铁死亡。
推荐理由:研究用TP探针绕开H2O2依赖,并在活体肿瘤和神经元中演示蛋白与RNA邻近标记,为空间多组学走向活体提供方法参考。
研究团队提出 CryoAtlas,一个面向冷冻电镜密度图原子模型构建的大规模数据集与统一基准,包含 17,809 条图-模型-序列条目和 618 项目标。资源由 EMDB 与 PDB 截至 2026 年 3 月的条目整合筛选而成,并提供 16,657 条训练集;基准以共享协议评估结构精度、模型与密度图拟合及立体化学有效性。
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。
Microsoft Research Focus 第97期汇总微软研究进展,涵盖 ForkPilot、CABRA、TeleTune 与 BioEmu2 公开预览。ForkPilot 在六个基准和领先 AI 模型上测试,性能媲美现有最佳方法,并将 AI 处理需求最多降低 59%。CABRA 发现编码智能体仍难理解陌生代码库,TeleTune 则从活动日志中学习可复用技能与工作流。
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。
CPRISP 是一个可解释深度学习框架,整合 circRNA 序列、二级结构、预训练表征和蛋白质特征,在37个基准数据集上提升 circRNA-RBP 位点预测并跨细胞系泛化。模型解释恢复保守单链序列模式,并在阿尔茨海默病、帕金森病和肌萎缩侧索硬化相关蛋白中识别核质运输、溶酶体信号和GTP酶活性通路。该框架还优先排序化合物供实验跟进,但不代表治疗有效性。