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。
技术方向
从头设计蛋白与结合蛋白:扩散生成、骨架设计和湿实验验证。
共 72 条动态近 30 天 61 条
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。
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。
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。
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。
UCB 与 Cradle 宣布战略合作,把 Cradle 的端到端 AI 蛋白质设计与工程平台接入 UCB 的数字抗体发现与工程计划。UCB 将在部分发现项目中应用该平台,覆盖从 hit 生成到 lead optimization 及临床前准备阶段。实验数据会持续回流到项目专属模型,形成 "lab-in-the-loop" 的累积学习闭环。
ProteoCraft 提出一种基于树的蛋白质设计搜索框架,把扩散结构预测器的近似结构梯度用作提议策略,再由无梯度折叠模型对序列进行验证打分。该方法采用多站点编辑先探索、单站点精细化的由粗到细预算分配,在 14 个 de novo binder 设计场景中提升了设计质量和高置信度产出,且在 AF2-IG 与 Rosetta 界面评估下保持。
推荐理由:把蛋白质设计写成先提议再验证的搜索,并用扩散结构预测器提供近似梯度,读者可关注其搜索预算分配思路。
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。
研究团队用 Bindcraft 从头设计靶向 PACAP-38 的迷你蛋白,得到 63 个残基的 ICLIST-2,KD 为 26.5 nM。经丙氨酸扫描与 ProteinMPNN 优化后得到含 9 处氨基酸替换的 ICLIST-11,KD 降至 4.51 nM,Tm 提高 14 摄氏度,结构模型提示其中三处突变可能有助于增强亲和力。
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。
作者提出 LPT(little protein tiger)框架,通过固定编排的 LLM 阶段和有界智能体循环,从单条自然语言提示完成蛋白结合剂从头设计。每个阶段配有自定义系统提示和工具权限,可查询约 14000 篇论文提炼成的文献库;带库访问的模型在 48 道测试题中答对 41 道,无库访问答对 0 道。
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。
研究团队提出 AtomSteer,一个可在采样时对预训练原子生成模型施加结构约束的测试时推理框架,无需重新训练或改动架构。该方法用有界局部投影、图刚性立体化学变换和周期对称投影修正中间结构预测,并在 FlowMM、ET-Flow 和 Boltz-2 三个骨架上验证。
基因组语言模型 Evo 2 在无需额外训练的情况下,用提示中的四个示例即可生成金属结合蛋白、从头设计抗体、蛋白-RNA 系统和完整噬菌体基因组。在 ΦX174 类噬菌体设计中,其设计质量和多样性在计算指标上超过此前微调模型,基因组思维链通过迭代更新提示还能提升设计多样性。
推荐理由:Evo 2 无需额外训练,用少量提示示例完成多类生物序列设计,并展示了加速 35 倍的推理引擎与百万碱基上下文能力。
研究团队以计算方式从头设计出能准确结合 retinal 发色团的蛋白,并设计与 retinal 异构化偶联的构象开关运动。该开关在光照下开启新的蛋白-肽相互作用,形成结合力提升逾30倍的光激活异二聚体,且波长、灵敏度和特异性可调。团队还用其实时调控胞内蛋白相互作用与细胞信号受体,并通过实时光激活 NMR 观察到明确的光诱导构象变化。
推荐理由:研究展示从零计算设计光控蛋白开关的路径,读者可了解光遗传学工具在响应波长与特异性可调上的扩展空间。
研究团队开发了一个整合结构引导序列设计与MHC-I表位预测的计算框架,可在保留蛋白功能的同时调节免疫原性。以从头设计的荧光素酶为模型,该框架在5种常见小鼠等位基因上实现表位消除并保留功能,并扩展至25种常见人类MHC-I等位基因。
研究团队用 AI 蛋白设计工具 BindCraft,针对 STAT3 的 SH2、linker、DNA 结合与 coiled-coil 结构域上的 7 个热点设计 miniprotein binder,139 个设计通过筛选,11 个高置信度候选来自其中 5 个热点。
来源更新 2026-11-01
GLOM-TGITO 将全局-局部荧光预测器与多视图景观引导优化结合,用于离线蛋白设计中的候选序列发现。在 31,434 条实测 ppluGFP2 序列上,GLOM 的随机/深度留出 RMSE 为 0.170/0.247,低于 SaProt-650M 对照的 0.247/0.324;三个训练种子平均下,预测排名 Top 100 测试变体中有 96.3%/97.3% 实测为亮。
研究提出 PairFuse,用轻量逐层适配器把预训练全原子表征接入独立预训练的几何隐扩散模型,从而实现蛋白质、多肽、小分子等不同模态的统一结合物设计。适配器通过两种机制融合信息,一是丰富扩散模型的分子块特征,二是把成对结构信息注入几何扩散模型的去噪器。