依意思最接近的 23 筆
華盛頓大學大衛·貝克團隊聯合新加坡國立大學提出文字條件化全原子蛋白質結構生成模型 Prompteina，用自然語言提示即可指定蛋白質的結構與功能特性。團隊同時建置了含 180 萬個結構、超 5000 萬條說明文字的 Prompteina-Data 資料集。在 18 項結構特性基準中 Prompteina 有 15 項領先基線，智慧體引導的結合體設計介面置信度比最強基線提高 14%；針對此前無已報導從頭設計結合體的 GM2A，90 個測試設計中有 9 個產生結合體。
研究者用 AI 蛋白設計工具，只保留兩類蛋白酶的催化核心、替換其餘全部結構，得到能把特定蛋白定向切成兩半的人工酶。天然肽鍵極為穩定，估計半衰期長達數百年，生物靠演化出的多種蛋白酶來催化其斷裂，這項工作是跳過自然演化過程直接重設計酶。團隊用它們切割與神經疾病相關的蛋白，驗證了有效性。
斯坦福 X-lab 與 SNAP 實驗室發布蛋白質設計框架 ProteoCraft，在獨立 AF2-IG 評估下嚴格通過率達 86.2%（181/210），明顯高於 BindCraft 的 49.5%。該框架把近似梯度提案、完整結構預測驗證與兩階段蒙特卡洛樹搜尋結合起來，既支援結合蛋白從頭設計，也能只改造指定區域。
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 在對談中表示，AlphaFold 的突破只是開始，蛋白質摺疊問題遠未解決。兩人認為僅擴大算力與資料不足以解決生物學問題，關鍵是先找到合適的 scaling law，低品質宏基因組資料也能提升蛋白質語言模型；建置虛擬細胞需要根本不同的資料集，研究須從單個蛋白質走向整個生物系統，治癒所有疾病要靠 10x 級突破而非漸進改進。
Anthropic 公布其生物研究團隊藉助 Claude，繪製出細菌及其感染病毒來源 vault 粒子的首個三維結構；此前這類結構只在動物、植物等複雜細胞中已知。vault 粒子是細胞內最大的蛋白結構之一，1986 年被發現，功能至今仍不清楚；在更簡單的生命形式中找到它，可能更便於研究其在人體細胞中的作用。人工解析這類結構原本需要數週到數月，而該專案縮短到數天；不過 Claude 途中也犯了簡單錯誤，團隊與機器學習研究員合作加以修正。
中國一個大型研究合作團隊開發出可用自然語言提示設計蛋白質的工具，能按使用者指定的功能生成蛋白質。該工具成功率可能不高，但仍能產出可用設計，前提是有實驗室從數十個失敗設計中篩選出合格者。另一項公告中，Hugging Face 表示已託管一個在 DNA 層面做類似設計的工具。
2026 年 9 月 14 日《Nature》發表 5 家藥企合作研究：用超過 2 萬份未公開的蛋白質—小分子結構資料，以聯邦訓練改進 OpenFold3。在 1056 個留出結構測試中，新模型高精度預測超過一半，公開版 OpenFold3 約三分之一，兩項關鍵指標分別提升約 10% 和 11%。參與方為 AbbVie、Astex、BMS、強生與武田，資料無需外流；英國 OpenBind 專案獲最高 800 萬英鎊支援，計劃 5 年內建開放資料庫。
Google DeepMind 發布一種可充當數字身份證的水印，用於標記 AI 生成的合成蛋白質。該水印能幫助 DNA 實驗室核驗合成蛋白來源，並保持序列資料庫的準確性。隨著相關需求規模擴大，驗證設計是否來自帶內建防護的 AI，將有助於實驗室實現自動化並加強生物安全。
Google DeepMind 10 月 15 日發布技術演示，展示用 AI 開發平台 Google Antigravity 的智慧體尋找抗菌肽：從 UniProt 數百萬條序列出發，經 ProtNLM 功能預測與序列、AlphaFold 結構、基因組鄰域三類證據篩選，找到一種 97 個胺基酸的乳酸菌素 972 家族細菌素候選（UniProt A0A0U0D591），已進入溼實驗驗證。
Anthropic 生物學研究團隊藉助 Claude 解析出噬菌體中原核細胞 vault 顆粒的首個三維結構，但這種顆粒的生物學功能仍未確定。該顆粒由 96 份同一種蛋白組裝而成（人類 vault 為 78 份），團隊還通過複製部分蛋白序列造出更大的顆粒。Claude 承擔了檢索蛋白資料庫、設計 DNA 建置體、最佳化分離方法和處理顯微資料等工作，使通常需 3 天的純化縮短到約 90 分鐘，首個結構模型在 34 小時後完成，而團隊估計原本需要數週。
金融時報發布文章 How Protein Took over the World，中文意為「蛋白質如何統治世界」。該連結隨後被分享到 Hacker News，目前獲得 9 分、7 條評論。本條資料只提供原文連結與討論入口，未包含文章正文內容。
10 月 21 日，OpenAI 聯合 PerturbAI 與 Scripps Research 公布：由新架構 GPT-Rosalind 驅動的數千個 AI 智慧體，在 32 分鐘內解析了約 772 萬行的小鼠全腦 CRISPR 擾動資料集，同類工作人類研究者需數月到一年。分散式叢集合計引用 700 餘篇文獻，而單智慧體受上下文視窗限制平均僅引用 11 篇；盲法專家比較中，75% 更偏好分散式報告。
Google 的智慧體開發平台 Antigravity 跑通了一次抗菌肽發現流程，在 Streptococcus pseudopneumoniae 中找到一條 97 個胺基酸的細菌素候選物，預測對呼吸道感染相關病原體有活性，目前已進入溼實驗驗證。Antigravity 把跨資料庫檢索、三維結構分析與文獻綜合收進一個會話，並呼叫 ProtNLM 直接從胺基酸序列預測功能，為 UniProt 中數百萬條未註釋序列補上功能標籤。
Google DeepMind 發布 SynthID Bio，一套面向 AI 生成生物設計的水印方法。官方稱這是全球首次能在不影響生物功能的前提下，把不可感知的簽名直接嵌入蛋白質序列。該技術屬於 SynthID 水印體系的新分支，具體覆蓋範圍、檢測方式與可用時間尚未公布。
Anthropic 公布：Claude 在 64 小時內生成 318484 種微型結合蛋白設計，針對 5 種蠍毒神經毒素，最終 17 個在實驗室達到結合標準。團隊從這批設計中挑出 211 個，交由 Adaptyv Bio 與 Twist Bioscience 驗證；其中 7 個結合 Cn2，兩個候選的解離常數達個位數納摩爾，但尚未驗證中和毒素或動物體內保護。
Anthropic 官方發文表示，Claude 能在蛋白質設計研究中提供具體幫助，但強調這仍是探索性工作，公司並未聲稱已經研製出抗蛇毒血清。要驗證相關結合蛋白，需先在活細胞內測試，再在小鼠體內測試，並完成許多其他驗證步驟。該案例用來說明 Claude 可以在蛋白質設計研究中提供實際協助，而並非已經產出抗蛇毒血清。
Google DeepMind 發布了一套可快速驗證生物設計是否內建安全防護的工具，並以開放形式供研究使用。該工具面向科研人員，目的是在 AI 加速科學發現的同時不拖慢關鍵研究進度。官方未披露具體工具名稱、技術細節與適用限制。
Proton CEO Andy Yen 正在公司內部強推 AI 化，今年是 Proton 最後一年招聘工程師，之後只招用 AI 建置產品的人；公司還在員工電腦上安裝軟體，統計 AI 生成程式碼的數量。據 404 Media 報導，他設立員工信箱收集阻礙 AI 推廣的事項，以便領導層“無情清除一切阻礙 AI 速度的東西”。404 Media 還稱，Yen 對外批評大型科技公司與 AI，對內卻推動工程師用 AI 建置 Proton 產品，即便他們對安全有顧慮。
Science 網站報導，骨骼可能釋放某些蛋白質，這些蛋白質能夠減緩衰老、延長壽命。該條在 Hacker News 獲得 56 點、5 條評論；原文標題未給出具體蛋白質名稱、實驗物件與壽命延長幅度。
OpenAI 宣布收購 2022 年成立的 AI 生物製藥公司 Orchestra Bio，並將其團隊與技術整合進面向生命科學的 Rosalind 模型與工具。Orchestra 的平台用於協調藥物開發流程，其 CTO Andy Xu 畢業於北京大學與約翰斯·霍普金斯大學，曾在微軟工作近 19 年。同日，Anthropic 公布 Claude 在 64 小時內生成 318484 種蛋白質設計，其中 17 種達到結合蠍毒神經毒素的預設標準；
Anthropic 與經濟學家聯合調查顯示，91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現，美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作，美國工人平均為 28%；在使用 AI 的工作任務中，員工預期 2030 年有 65% 交由 AI 完成，美國成年人預期為 42%。
OpenAI 的 GPT-Rosalind 在 Perry 綜合徵相關基因 DCTN1 的小鼠腦資料中發現藥物研發新線索：膽固醇可能無法運到神經元需要的位置，進而引發退化。數千個 agent 並行工作，僅用 32 分鐘就把數百萬個小鼠腦細胞基因表達結果與科學文獻關聯起來，合作方為 PerturbAI 與 Scripps Research。雙方正擴大合作，繼續尋找新藥靶點。
Ai2 推出 StateBench，一個按四檔難度衡量語言模型在長文件中追蹤實體狀態變化的基準。結果顯示：迴圈與混合架構（如加入 Gated DeltaNet 層的 Olmo Hybrid）在直接訓練後泛化能力遠超 transformer，而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol/Luna 等前沿模型在輸入變長、依賴鏈變複雜時仍會失效。