近日，微软和多家公司、高校、研究机构组成的联合团队在生物科学领域发现了一个重大的“零日漏洞”。他们利用开源的人工智能蛋白质设计工具，基于 72 种已知危险蛋白，模拟生成了 7 万多种原始有害蛋白质的变体，并将它们放入 4 种现有的生物安全筛查系统中。
AI蛋白设计进入新阶段！最近，字节跳动Seed团队多模态生物分子结构大模型（Protenix）项目组提出了一种可扩展的蛋白设计方法，叫做PXDesign。在实际测试中，PXDesign展现出极高的效率，24小时内即可生成数百个高质量的候选蛋白，生成效率较业界主流方法提升约10倍，并在多个靶点上实现了20%–73%的湿实验成功率，达到了当前领域的领先水平。
蛋白质设计，迎来新里程碑！就在刚刚，诺奖得主、蛋白质设计先驱 David Baker 团队发布了原子级的蛋白质扩散模型RFdiffusion3（RFD3）。作为一种蛋白质扩散模型，RFdiffusion3能在包含配体、核酸以及其他非蛋白质原子集合的背景下生成蛋白质结构，是首个真正意义上的全原子扩散模型。
奥特曼最近要做什么？投资、合作、加码，这次是一家初创的长寿公司。当然，同样和AI脱不开干系。奥特曼正在加大对旧金山生物技术初创公司Retro Biosciences的投资，该公司希望将人类的寿命延长10年。此前，奥特曼为该公司提供了全部1.8亿美元（约13亿人民币）的种子轮融资，完全是相当看好、倾力支持。
就在刚刚，也许是目前最强的开源蛋白质结合剂AI设计工具，登上Nature。瑞士洛桑联邦理工学院、美国麻省理工学院等研究人员在Nature上发表了题为One-shot design of functional protein binders with BindCraft的论文。
GPT-4o蛋白质专用版，已成功改进诺贝尔奖获奖蛋白的变体。 科学家利用GPT‑4b micro成功设计了新型且显著增强的山中伸弥因子变体，将干细胞重编程标记物的表达量提升了50倍。
2024年，诺贝尔化学奖颁给了蛋白质结构预测与设计领域。 这一奖项不仅是对蛋白质结构预测与设计技术的肯定，更催化了整个蛋白质赛道和生命科学领域的范式变革。
蛋白质模型的GPT时刻来了！ 清华大学智能产业研究院（AIR）周浩副教授课题组联合上海人工智能实验室发布了AMix-1： 首次以Scaling Law、Emergent Ability、In-Context Learning和Test-time Scaling的系统化方法论来构建蛋白质基座模型。
借助AI，新型蛋白质合成周期大幅降低！
7 月 10 日，微软研究院 AI for Science 团队在《Science》杂志发表了题为「Scalable emulation of protein equilibrium ensembles with generative deep learning」的研究成果。
