蛋白质设计相关 AI 资讯 · AITOP · AI热报

9月2日

06:33

06:33IT之家（博客/媒体）

78°

Anthropic 推出 Claude Fable 5.1 和 Mythos 5.1 模型，前者面向所有用户，后者仅限特定机构。Fable 5.1 在 Terminal-Bench-Science 0.1 基准测试中得分为 52.6%，超越前代 Fable 5 的 24.7%。缓存读取费用下调 75%，降至每百万词元 0.25 美元。Mythos 5.1 在蛋白质设计领域结合亲和力比最佳参赛作品高出 10 倍。

AI模型 Claude Fable 5.1 Claude Mythos 5.1 Anthropic

推荐理由：Anthropic 发布两款新模型，编程和科学能力大幅提升，价格更实惠，安全防护也增强了。

8月29日

20:46

20:46IT之家（博客/媒体）

精选73°

哈佛大学George Church团队开发AGENTEX工具，将蛋白质设计可使用的氨基酸从20种扩展至34种。该工具无需改造活细胞基因组，在试管中即可批量构建新型蛋白质。研究发表于《自然》杂志，发现tRNA末端区域具有更高可塑性。AGENTEX提供完整自动化工作流程，可设计生产含34种氨基酸的蛋白质。

论文 AGENTEX 蛋白质设计氨基酸

推荐理由：哈佛新工具AGENTEX让试管内设计蛋白质成为可能，34种氨基酸大幅扩展蛋白质设计可能性，无需耗时改造细胞基因组。

8月28日

21:13

21:13

Claude@claudeai

73°

Anthropic为全球1万名科学家推出Claude Team计划，标准席位免费，高级席位每月15美元（5倍使用量限制），享受80%折扣。该计划覆盖数学、化学、物理等各领域研究人员，PI可为其团队添加成员。Claude在物理计算和蛋白质设计等科学问题上取得进展，6月推出的Claude Science项目也提供免费积分支持研究。

AI产品 Claude Anthropic 科学家

推荐理由：Anthropic给1万名科学家免费或超低价用Claude，高级席位只要15美元，比平时便宜80%，还支持物理计算和蛋白质设计。

8月20日

23:05

23:05

The Rundown AI@therundownai

Anthropic 的 Claude 模型被用于蛋白质设计任务。该模型在蛋白质结构预测和设计方面展现出能力。蛋白质设计是生物医学和材料科学领域的关键应用。

AI模型 Claude Anthropic 蛋白质设计

推荐理由：Anthropic 的 Claude 开始做蛋白质设计了，这把 AI 的能力边界又往前推了一步。

8月19日

23:56

23:56

Gary Marcus@GaryMarcus

精选

Gary Marcus指出Anthropic最新宣传过度夸大Claude在蛋白质设计中的作用。Claude通过30k令牌专家提示和12,500 H100小时计算资源协调了PXDesign、RFdiffusion等开源模型，对15个目标中的14个设计了结合蛋白，命中率达22-35%，高于10-15%的基线。这些开源模型主要来自Baker实验室、哥伦比亚大学、MIT和字节跳动种子团队，多数已在湿实验室验证过。Marcus强调这些模型共享单一PDB形状的训练分布，无法通过组合消除盲点，且成功的目标都是已被充分研究的。

AI模型 Claude Anthropic 蛋白质设计

推荐理由：Gary Marcus拆解Anthropic的蛋白质设计宣传，告诉你Claude真实贡献和开源模型的作用。

22:43

22:43

AI Will@FinanceYF5

精选

Anthropic测试Claude模型从零开始设计蛋白结合物的能力，即de novo design。在人类专家提供的蛋白设计提示词下，Claude成功为15个靶点中的14个设计了蛋白结合物。Anthropic与Adaptyv Bio和Twist Bioscience合作，独立构建并测试Claude设计的蛋白。

AI模型 Claude 蛋白质设计生物AI

推荐理由：Claude自己设计蛋白了，15个靶点搞定14个，生物AI新突破。

11:48

11:48

官方账号Anthropic@AnthropicAI

精选73°

Claude模型在蛋白质设计任务中表现出色，成功从零开始设计出针对14个目标的蛋白质结合物。这一过程仅需人类专家编写提示词，Claude便能自主完成设计工作。随后，Adaptyv Bio和Twist Bioscience公司独立验证了Claude设计的蛋白质功能。

AI模型 Claude 蛋白质设计 de novo

推荐理由：Claude能自己设计蛋白质了，比传统方法快多了，还和两家生物公司合作验证了效果。

11:47

11:47官方一手Anthropic: Research（资讯）

Claude模型在蛋白质设计领域展现出强大能力。该模型能够加速分析化学研究流程。Claude的应用为生物医学研究提供了新工具。

AI模型 Claude Anthropic 蛋白质设计

推荐理由：Anthropic的Claude在蛋白质设计领域有新突破，比传统方法更高效，值得关注。

7月2日

01:53

01:53

官方一手AWS Machine Learning Blog@Hasun Yu, Ph.D.

精选

本文展示如何将BoltzGen部署到Amazon SageMaker AI，并运行端到端蛋白质设计实验。该方案提供快速验证和生产批量处理两种执行模式，适用于不同研究阶段。通过步骤级缓存减少迭代工作流中的计算成本。用户可通过完整教程获得从设置到产出的工作配置。

技巧 BoltzGen Amazon SageMaker AI 蛋白质设计

推荐理由：AWS教你用BoltzGen做蛋白质设计，有缓存省算力，步骤清晰直接上手。

5月21日

11:59

11:59

官方账号arXiv cs.LG@Mansoor Ahmed, Sujin Lee, Umar Khayaz, Murray Patterson

精选

现有基于等变图神经网络（GNN）的抗体CDR设计方法虽然序列恢复率高，但存在严重的词汇坍塌问题，即过度预测少数氨基酸（如酪氨酸和甘氨酸），忽略功能重要的残基。EvoStruct通过交叉注意力适配器将冻结的蛋白质语言模型（PLM）与E(3)-等变GNN的3D结构上下文结合，并采用渐进式PLM解冻和R-Drop一致性正则化，专门解决CDR设计的词汇坍塌问题。在CHIMERA-Bench数据集上，EvoStruct相比最佳GNN基线，序列恢复率提升16%，困惑度降低43%，氨基酸多样性恢复提升2.3倍，且与真实结合对相关性最高。该方法为抗体设计提供了更准确、更多样化的序列生成能力。

论文蛋白质设计抗体CDR 等变图神经网络

推荐理由：做抗体设计或蛋白质工程的团队，EvoStruct解决了GNN方法词汇坍塌的痛点，序列恢复和多样性双双提升，值得直接参考方法或复现实验。