2026

Nature

• Emu3: 采用下一词预测的大规模多模态模型的多模态学习
• OpenScholar：用检索增强语言模型综述科学文献
• 多组学解析人类海马神经发生：从成年期到衰老，再到阿尔茨海默病

Science

• 小分子调控的蛋白质寡聚体的从头设计
• DrugCLIP: 深度对比学习实现全基因组尺度的虚拟筛选
• FoldMason: 大规模蛋白质结构多重比对

Cell

• PocketXMol: 基于原子相互作用实现三维分子生成的统一建模

Nature Computational Science

• MAPLE: 一种基于成对学习的稳健计算框架,用于甲基化年龄与疾病风险预测

Nature Biotechnology

• SMRTnet: 在缺乏RNA三级结构信息的情况下预测小分子–RNA相互作用

JACS

• 优化动态小分子结合蛋白的稳定性
• MetalloDock：通过物理感知深度学习解析金属蛋白-配体相互作用以推动金属蛋白靶向药物发现

Angew. Chem. Int. Ed.

• MMST: 基于灵活多光谱人工智能模型的结构解析方法进展

Nature Chemistry

• 氨基酸组成在肽合成过程中驱动聚集现象

Nature Machine Intelligence

• 用于对神经网络与生物大脑进行双向比较的反向预测性方法

ACS Cent. Sci.

• LLMB：基于大语言模型的锂金属电池研究AI智能体

Nature Communications

• PocketVec: 通过结合位点描述符对人类可成药口袋进行全面检测与表征
• AQuaRef

Advanced Science

• Ouroboros：融合分子构象空间与药效团相似性的基础模型

Journal of Medicinal Chemistry

• PLMCA：一种用于口袋识别与结合亲和力预测的通用多模态蛋白–配体交叉注意力框架

BioDesign Research

• 基于七肽插入法的ROP蛋白延伸与结构生物学研究

Acta Pharmacologica Sinica

• VsNsbench: 评估AlphaFold3-embed诱导契合机制以增强虚拟筛选能力

ACS Catalysis

• 计算机辅助定向进化实现了立体选择性羰基还原酶活性、热稳定性与选择性的协同优化

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
• 金属水解酶的计算设计
• 结构快照解析μ-阿片受体中核苷酸释放的构象机制
• 光学生成模型

Science

• 裸鼹鼠中由cGAS介导的机制可增强DNA修复并延缓衰老
• 基于转录组学的主动学习框架用于识别疾病表型的调节因子

Nature Methods

• OpenStructure: 用于比较大分子复合物的全自动基准评测工具套件

Nature Chemical Biology

• 利用深度学习对三个不重叠的蛋白质表位进行精确的单域支架构建

Nature Computational Science

• Graphinity: 研究用于实现可泛化抗体–抗原ΔΔG预测所需的数据规模与多样性

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
• GerNA-Bind: RNA–配体结合特异性解析

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
• CycloBot：基于二氨基烟酸支架的高纯度头尾环肽自动化快速合成
• Xrd2Mof: 基于生成式人工智能解读金属-有机框架的X射线衍射图谱

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

ACS Cent. Sci.

• SynLlama: 用大型语言模型生成可合成分子及其类似物
• 利用大型语言模型中的提示工程加速化学研究

Cell Chem. Biol.

• MSanalyst: 通过高度定制的分子网络平台实现具有双重解毒作用的芳香族糖苷的靶向发现

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
• TAPB: 一种干预式去偏框架，用于缓解药物-靶点相互作用预测中的靶点先验偏差
• ChemEnzyRetroPlanner：用于自动化有机–酶催化混合合成规划的虚拟平台
• 基于结构的宏环肽设计用于生成针对G蛋白偶联受体的功能性抗体
• EviDTI: 基于证据深度学习的药物-靶标相互作用预测
• protTDA: 蛋白质宇宙的拓扑性质

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
• SciToolAgent：一种由知识图谱驱动的多工具集成科学智能体

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
• SiteAF3: 基于AlphaFold3的条件扩散实现结合位点特异性精准折叠
• PackDock: 基于扩散模型的柔性蛋白-配体对接与侧链堆积

Angew. Chem. Int. Ed.

• CrystalGAT: 一种基于人工智能的柔性晶体材料智能设计计算平台

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
• ALLSites：对所有药物分子形态蛋白结合位点的精确识别

ACS Catalysis

• 机器学习驱动的酶挖掘:机遇、挑战与未来展望

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？
• CYC_BUILDER: 利用强化学习从头设计靶点特异性环肽结合剂

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

Cell

• AMPSphere：基于机器学习的全球微生物组抗菌肽发现

Nature Methods

• CellRank 2: 多视图单细胞数据中的统一细胞命运映射方法
• DeepMSA2：基于大规模宏基因组数据提升深度学习蛋白单体及复合物结构预测性能

Nature Medicine

• TxGNN: 面向临床医生的药物再利用基础模型

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
• DiG: 利用深度学习预测分子体系的平衡分布

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

Science Advances

• 用于增强模式发现的蛋白质-蛋白质相互作用网络深度表示学习

JACS Au

• 基于结构的“首尾相连”大环PROTACs设计

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

ACS Cent. Sci.

• 什么样的因素造就了优良的蛋白质−蛋白质相互作用稳定剂：双重结合机制的分析与应用

Nature Communications

• KPGT: 基于知识引导增强分子表示学习的预训练框架
• VisNet: 基于等变向量–标量交互消息传递的分子几何表示增强方法
• 通过遗传编码方法发现可与白蛋白结合并在体内表现出延长循环时间的全氟芳基大环分子

Commun. Chem.

• 基于逆折叠与结构预测的肽结合物设计

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

2020

Nature Communications

• DIP/Dpr相互作用以及蛋白质家族中特异性的进化设计

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