Filling the Missing Puzzle: Integrating Interaction and Evolutionary Information to Enhance Protein Fitness Prediction in Inverse Folding biorxiv.org/content/10.64898… 逆フォールディングに「タンパク質‐リガンドの相互作用情報」と「進化情報（ESM-2）」を組み合わせたGNN、zPolaronの報告です。

RFdiffusionでデザインした「自然界に存在しない対称性」のタンパク質集合体を土台に、RNA輸送カプセル「STV-C8」を構築したレポートです。 biospace.info/blog/2026/10/2… #biospace

De Novo Design of Flavoproteins with Controlled Excited State Dynamics biorxiv.org/content/10.64898…

Benchmarking interface confidence as a selection criterion for computational nanobody design against survivin's BIR-domain groove biorxiv.org/content/10.64898… ナノボディのin silico設計で、よく使われる「界面の予測信頼度」で候補を絞るやり方がどれだけ当てになるかを検証した論文。信頼度の高低と狙ったエピトープに結合するかはほぼ無関係だったとのこと。

De novo design of flexible protein interactions with GuideFlip biorxiv.org/content/10.64898…

pH-sensitive binder design with Proton-PottsMPNN biorxiv.org/content/10.64898…

D-DOIT: Training-free Adaptation of Discrete Diffusion via Doob's h-Transform arxiv.org/abs/2610.04938v1

Anthropicは、人間がエピトープも設計判断もいっさい行わない「完全自律」のタンパク質バインダー設計キャンペーンをClaudeに16標的分実施させました。354/1,320設計（27%）が実際に結合、E3リガーゼRBX1では公開デザインコンペの優勝作を同一プレートで上回る親和性を達成しています。 biospace.info/blog/2026/10/1… #biospace

PIT-GCL: Protein Interaction using Topological Graph Contrastive Learning arxiv.org/abs/2610.04850v2 ESM-2の埋め込みにパーシステントホモロジー由来のトポロジー特徴を足して、タンパク質ペアの結合を予測する手法。

Selective suppression and biasing of chemokine receptors CCR9 and ACKR4 through targeting CCL25 with de novo miniproteins biorxiv.org/content/10.64898…

Agentic campaign control for high-throughput de novo binder design biorxiv.org/content/10.64898… T-REXという、LLMエージェントが設計キャンペーンの途中経過を見ながら「救済・探索・活用」を判断して、複数の生成モデルに計算資源を振り分けるフレームワーク。

LLMは"良い候補"を測れない、ベイズ最適化は"候補"を作れない――この相補的な弱点を1つのループに統合した「Large Discovery Model」は、AI研究コード探索・抗体設計・創薬という3つの異なる科学的発見タスクで、LLM単独やベイズ最適化単独を上回る成果を報告しています！ biospace.info/blog/2026/10/1… #biospace

De novo design of monoclonal and bispecific antibodies with OFAntibody arxiv.org/abs/2610.09548v1 単一の抗原-抗体界面だけじゃなく、二重特異性抗体（タンデムVHH、diabody、CODV）まで de novo で設計できるオールアトム生成モデル。ナノボディ設計のベンチマークでRFantibodyに対してTop-5 enrichmentが5.39倍とのこと。

Generative modeling of intrinsically disordered protein regions by reinforcing sparse autoencoder features（IDiom） arxiv.org/abs/2610.02189v1 AlphaFold DBから集めた5400万件のIDR配列で専用の言語モデルIDiomを学習し、さらにスパースオートエンコーダの特徴量を報酬にした強化学習(RL-SAE)で狙った機能に関わる配列パターンを引き出せるようにしたとのこと。

AIエージェントが自らロボット実験室を動かし、酵素の基質特異性を「実験からの経験」だけで約1か月・完全自律で書き換えた研究を解説します！ biospace.info/blog/2026/10/1… #biospace

CODesign: Consistency from Data to Trajectory in All-Atom Protein Binder Co-Design arxiv.org/abs/2610.01773v1 10万件規模の整合性の取れたダイマーデータセットを作り、配列・バックボーン・側鎖を一緒に扱うフローモデルと反復的なリサンプリングを組み合わせることで、バインダー設計のin silico成功率が最高水準に。

State-selective inhibition of alpha-synuclein aggregation by de novo oligomer-binding proteins biorxiv.org/content/10.64898… パーキンソン病に関わるα-シヌクレインの凝集を止めるため、ディープラーニングでデノボバインダーを設計した研究。 3つの設計がナノモル親和性で結合。

CASP流のブラインド・プロスペクティブベンチマーク「AIntibody」が、29組織511種のAI設計抗体を実験的に検証——AI創薬の「効く場面・効かない場面」を浮き彫りにした結果に。 biospace.info/blog/2026/10/0… #biospace

From Surfaces to Volumes: Registered Geometry for Protein Representation Learning（Protein-TetSphere） arxiv.org/abs/2609.36277v1 タンパク質の形を表面だけじゃなく体積(ボリューム)として捉える表現を提案。 リガンド結合ポケット分類や結合界面予測だけでなく、デノボバインダー設計の成功率もBoltzGenチャレンジセットで14.95%→19.90%に上がったとのこと。

SurfGraphPro: Integrating Protein Language Models with Geometric Deep Learning On Coarse Protein Surfaces for Binding Site Prediction biorxiv.org/content/10.64898… タンパク質の結合部位予測を、タンパク質言語モデルの埋め込みと粗視化した表面メッシュを組み合わせることで、既存の表面ベース手法より18〜28倍速く実行。 抗体-抗原複合体みたいな難しい相手でも精度は落ちていないみたいです。