ProteoCraft 蛋白设计实测命中率 82.9%,最优 KD 达 0.879 nM
Lianhuiq · x · 2026-11-04
Stanford 团队发布 ProteoCraft：一种基于 tree search 的『幻觉驱动』蛋白质设计方法，核心思路是用树搜索引导模型在设计空间中探索。
实验结果（配图）非常亮眼：
- PD-L1 miniproteins：35 个设计中 29 个实验验证结合成功，命中率 82.9%，表达成功率 100%（35/35），最优拟合 KD 为 1.15 nM（推文提及最佳实测 SPR KD 0.879 nM）
- IFNAR2 miniproteins：命中率 16.7%（5/30），最优 KD 359 nM，表达成功率 90%
- IFNAR2 VHHs：命中率 40%（4/10），最优 KD 157 nM，表达成功率 90%
PD-L1 靶点上的低纳摩尔级结合亲和力加高命中率，展示了 tree search + 生成模型在 AI 蛋白设计上的潜力。
所属事件:斯坦福发布 ProteoCraft 蛋白设计框架(2 条相关)→
「研究」频道最新
- TLAPS-Bench 发布:265 个真实系统证明目标,GPT-6.1 Sol 仅解出 44.3% — tianyin_xu · 2026-11-04
- StreamDuo 让游戏解说 AI 看懂没玩过的游戏,实体召回提升近 30% — Zixian Gao · 2026-11-04
- Redwood 研究员析递归自我改进：AI 研究自动化与失控加速可以拆开看 — deanwball · 2026-11-04
- UMAP 0.6 引入 Adam 与动量布局优化器,0.7 将设为默认 — leland_mcinnes · 2026-11-04
- UMAP 0.6 预览版登 PyPI,重大更新可提前试用 — leland_mcinnes · 2026-11-04
- 在玻璃上训练微观形变，纯靠光实现图像分类 — louisvarge · 2026-11-04