2025

Nature

• TabPFN: 利用表格基础模型在小数据上的精确预测
• FlowER: 电子流匹配用于生成式反应机制预测
• BindCraft: 一次性设计功能性蛋白质结合子

Science

• 裸鼹鼠中由cGAS介导的机制可增强DNA修复并延缓衰老

Nature Machine Intelligence

• TopoDiff: 基于全局几何感知潜在编码的扩散式蛋白质主链生成改进方法
• DrugGEN: 基于graph-transformer生成对抗网络的靶点特异性药物候选分子从头设计
• RXNGraphormer: 用于跨任务的反应性能预测与合成路径规划的统一预训练深度学习框架
• GraphPep: 一种基于相互作用图学习的蛋白质–肽复合物评分框架
• ITsFlexible: 预测抗体与T细胞受体互补决定区的构象柔性
• MSGo: 未知化学物揭示中的伪数据分子结构生成器

JACS

• SO3LR: 利用预训练神经网络与通用成对力场的分子模拟
• 口服可利用肽类靶向细胞内蛋白的开发：从初始化合物到临床级KRAS抑制剂

Nature Biomedical Engineering

• PepMimic: 通过结合界面模拟的肽设计

Nature Biotechnology

• GNEprop: 基于深度学习的抗菌化合物虚拟筛选

Nature Microbiology

• APEX: 深度学习揭示古菌蛋白组中的抗生素

Nature Communications

• DLFea4AMPGen：结合深度学习模型特征的抗菌肽从头设计(de novo design)方法
• DILI: 用于药物性肝损伤预测的大规模人类毒理基因组学资源
• DeepSCFold: 基于序列衍生结构互补性的高精度蛋白质复合物结构建模
• AI生成技术助力的双功能PKMYT1靶向PROTAC的发现
• MMCLKin: 通过对比学习提升激酶抑制剂活性与选择性预测

Nature Computational Science

• PhoreGen: 面向药效团的三维分子生成助力高效特征定制型药物发现
• SynGFN：利用生成式基于流的分子发现方法跨化学空间学习
• ECloudGen：利用电子云作为潜在变量扩展基于结构的分子设计

Science Advances

• AMP-Designer: 基于大型语言模型（LLM）基础模型发现具有显著抗菌活性的抗菌肽

PNAS

• GeoEvoBuilder: 一种用于高效功能性与热稳定性蛋白设计的深度学习框架
• 一种可泛化的基于结构的蛋白–配体亲和力排序深度学习框架
• 从头设计高效抑制梭菌家族毒素的分子
• PLACER: 建模蛋白–小分子构象集合

Cell Biomaterials

• AMP-Diffusion: 生成式潜在扩散语言建模驱动的抗感染合成肽

Advanced Science

• PROTAC-STAN: 可解释的基于结构信息的深度三元注意力框架用于PROTAC降解预测
• AMPainter: 基于深度强化学习的抗菌肽设计
• GeminiMol: 构象空间表征提升了基于人工智能的配体驱动药物发现中的通用分子表示能力

Chemical Science

• PepINVENT: 超越天然氨基酸的生成式肽设计

Acta Pharmaceutica Sinica B

• PhenoModel: 一种基于多模态表征的表型药物设计基础模型

Communications Chemistry

• 从定制化虚拟分子数据库到真实有机光敏剂的迁移学习：催化活性预测研究
• CycleGPT: 利用深度学习模型探索大环化合物化学空间以启发式药物设计
• AEV-PLIG：使用增强数据缩小机器学习评分函数与自由能微扰之间的差距

Communications Biology

• MoleculeFormer: 一种用于分子性质预测的 GCN-Transformer 架构

Patterns

• 通过学习共享的口袋-配体空间实现分层亲和力景观导航

Journal of Medicinal Chemistry

• 利用噬菌体展示与冷冻电镜技术高通量鉴定并表征结合LptDE的双环肽
• 基于结构的三维小分子药物生成：我们到哪一步了？

JCIM

• FakeRotLib: 在Rosetta中实现非天然氨基酸快速参数化的方法
• Freedom Space 3.0: 利用机器学习辅助筛选可合成的小分子

arXiv

• SimpleFold: 蛋白折叠，大道至简
• Boltz-1: 通用生物分子相互作用建模
• Protenix-Mini: 高效结构预测器——紧凑架构、少步扩散与可切换pLM
• PepThink-R1: 基于 LLM 的可解释环肽优化框架，结合 CoT 微调与强化学习

2024

Science

• 靶点条件扩散生成高效TNFR超家族拮抗剂与激动剂

Nature Methods

• CellRank 2: 多视图单细胞数据中的统一细胞命运映射方法

Nature Machine Intelligence

• ActFound: 利用成对元学习的生物活性基础模型
• PepFlow: 通过超网络调控扩散直接采样肽类能量景观的构象

Nature Communications

• SO3_KRATES: 利用欧几里得Transformer实现快速稳定的机器学习力场
• OpenVS: 人工智能加速的虚拟筛选平台用于药物发现

JCIM

• ACEGEN: 用于药物发现的生成式化学智能体强化学习

Journal of Cheminformatics

• Reinvent 4：现代AI驱动的分子生成设计

ACS Chemical Neuroscience

• 机器学习分类人源μ-阿片受体配体的内在活性

arXiv

• Boltz-1: 通用生物分子相互作用建模

2023

Science

• CLEAN: 利用对比学习的酶功能预测

Nature Machine Intelligence

• 基于SMILES的分子从头生成：课程式训练与深度强化学习的能力边界探索

Nature Communications

• KPGT: 基于知识引导增强分子表示学习的预训练框架

2022

Nature Methods

• CellRank：用于定向单细胞命运映射的方法

Nature Machine Intelligence

• MolCLR: 基于分子对比学习的图神经网络模型
• MoLFormer: 大规模化学语言表征能够捕捉分子结构与性质
• 通过深度学习与分子模拟加速理性PROTAC设计

Journal of Medicinal Chemistry

• RTMScore: 基于残基–原子距离似然势能与图 Transformer 的蛋白质–配体结合姿势预测与虚拟筛选的增强方法

2018

Science

• AlphaZero: 一种通过自我对弈精通国际象棋、日本将棋和围棋的通用强化学习算法