跳到正文

技术方向

从头蛋白设计 / RFdiffusion · BindCraft 最新动态

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

更新

动态归档 · 第 3 页

10月28日周三第 41–60 条
  1. Cell Chemical BiologyIF(5) 9.265

    共享α螺旋嵌合亲和体实现无连接子双特异性蛋白设计

    研究团队提出Chimeraffibody(CAB)无连接子双特异性蛋白支架,通过共享α螺旋编码结构域几何。该支架由AlphaSync结构设计框架结合ProteinMPNN序列优化,以HER2结合亲和体与白蛋白结合域构建的861CM保留亲本抗原结合位点。在结合白蛋白状态下,861CM对HSA和HER2的亲和力分别约为14.3 pM和610 pM,体内成像显示持续肿瘤定位并降低肝、肾背景。

    推荐理由:读者可据此了解共享α螺旋如何替代柔性连接子来固定双特异性蛋白的结构域几何,并看到AlphaSync与ProteinMPNN的序列设计流程。

10月24日周六
  1. Nature CommunicationsIF(5) 18.975

    设计刚性蛋白基准标记以可视化GPCR构象状态

    研究团队将生成式蛋白设计与基于深度学习的集合预测结合,设计出可用于冷冻电镜的基准标记,以解析GPCR构象状态。他们高通量测定了四种具药物相关性的GPCR非活性态结构,并为β2肾上腺素受体构建胞外标记,在无G蛋白条件下观察关键胞内基序的重排。与近期共折叠模型比较后,作者指出当前方法在预测配体诱导的GPCR构象上存在明显差距。

    推荐理由:论文将生成式蛋白设计与深度学习集合预测结合,为GPCR难以捕捉的构象状态提供可迁移的结构解析思路。

  2. arXiv69

    智能体引导表位切除实现更经济的 de novo 结合体设计

    作者提出并评估一种表位切除方法,将靶点截短到局部界面窗口,以同时加速骨架扩散和结构预测。在 15 个靶点和 3,666 个设计上,截短窗口与完整靶点界面的中位 CαRMSD 为 0.37 Å,并在 FAP 的 719 残基胞外域上将 RFdiffusion 和 AlphaFold3 的 GPU 时间在一个表位中减少约 88%。

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. bioRxiv57

    研究评估单纯形投影梯度下降在基于幻觉的蛋白质结合剂设计中的表现

    研究者在10个靶点上用基于 ESMFold2 的流程评估了单纯形投影梯度下降(PGD)用于基于幻觉的蛋白质结合剂设计。结果显示,PGD 比 softmax 参数化在更少迭代内最小化设计损失,并产生预测界面置信度更高的设计;在每靶点 1,024 个设计的 ipSAE 分布上尾筛选中,PGD 在 6 个靶点上显著改善且无靶点显著变差,并在所有靶点上产生更高的结构多样性。

  3. 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. PNASIF(5) 10.665

    研究解析变形蛋白淋巴趋化因子折叠转换中的嵌合中间态结构

    研究团队结合多核化学交换饱和转移与弛豫色散NMR、基于化学位移的结构解析和蛋白质工程,解析出变形趋化因子淋巴趋化因子一个“不可见”状态的原子分辨率结构。该状态是由一种折叠的二级与三级结构和另一种折叠的四级组装整合而成的嵌合体;将淋巴趋化因子锁定在单一构象会消除对它的访问,支持其作为变形过程中的在途中间态。作者提出,这类杂合中间态的稳定化可能促进了折叠转换的演化,并可作为蛋白质设计的一种策略。

    推荐理由:研究用NMR捕捉到淋巴趋化因子折叠转换中短暂出现的嵌合中间态,为理解变形蛋白的演化与设计提供结构依据。

  2. NatureIF(5) 56.780

    Pinal 用自然语言可编程设计功能蛋白质

    研究团队提出 160 亿参数的蛋白质设计基础模型 Pinal,可根据自然语言描述生成候选蛋白质。Pinal 在 17 亿合成标注的蛋白质-文本对上训练,将功能意图与蛋白质序列和结构关联。

    推荐理由:Pinal 以自然语言直接生成蛋白质候选并在四类任务中观察到目标功能,呈现了蛋白质设计接口的变化。

  3. 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20日周二
  1. bioRxiv70

    Chaperone 框架用工具编排实现可靠高效的智能体蛋白设计

    研究团队提出 Chaperone,一个把 RFdiffusion3 与 ProteinMPNN、AlphaFold3 等 50 多个蛋白设计工具接入智能体流程的轻量可定制框架。

    推荐理由:Chaperone 在九项设计任务中与基线智能体对比,报告 token 用量下降 86% 和 GPU 成本下降 64%,可作为长流程智能体设计的效率参照。

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。

  2. bioRxiv76

    机器学习引导从头设计钒卤过氧化物酶 VAN1

    研究团队用机器学习引导的设计流程从头构建出 20 kDa 的钒卤过氧化物酶 VAN1,它能结合 VO43- 并溴化 L-酪氨酸等活化芳香底物。X 射线晶体结构与计算模型高度吻合,结构导向突变使 VO43- 亲和力提升 15 倍、溴化活性提升 2.6 倍,与辅因子占据率的变化定量一致。

    推荐理由:论文展示了机器学习引导的酶设计流程,晶体结构与计算模型吻合,读者可据此了解该方法的验证方式。

  3. Nature CommunicationsIF(5) 18.970

    快速评估蛋白质设计中配体的化学互补性

    研究团队提出一种基于物理的快速计算方法,用于在从头设计的蛋白质中生成等排且化学互补的小分子结合口袋。他们仅评估个位数的设计,就得到稳定蛋白,其未结合配体结构中的结合位点已预组织并经 X-ray 晶体学确认,对靶标的亲和力达到微摩尔或更好。该方法还将选择性和耦合的发色团结合位点放入双域从头设计蛋白,实现两个位点间可控能量转移,并开发出可用于活哺乳动物细胞、可视化亚细胞结构的小型从头设计结合蛋白。

    推荐理由:在深度学习快速生成蛋白骨架的背景下,这篇论文展示基于物理的方法如何设计小分子结合口袋,并用晶体学与结合实验检验少量设计。

  4. bioRxiv77

    来源更新 2026-11-05

    用 RFdiffusion-AA 与 LigandMPNN 从头设计选择性光酶

    研究团队用深度学习设计方法 RFdiffusion-AA 和 LigandMPNN 从头设计光酶,把作为非天然氨基酸引入的二苯甲酮光敏剂精确安置在喹诺酮底物旁,并由形状互补性高的口袋引导激发态中间体的反应性。

    推荐理由:研究给出了从头设计光酶的流程和 99% e.e. 的立体控制数据,读者可据此了解深度学习设计改变生物催化选择性的路径。