NVIDIA 提出并开源 La-Proteina，一种基于“部分潜变量 + 流匹配”的全原子蛋白生成模型，可同时生成 backbone、侧链与序列，并稳定扩展至 800 残基长链。模型在结构物理合理性、rotamer 分布与 motif scaffolding 等任务上显著优于现有方法，首次实现大尺度全原子蛋白生成的可扩展性。

PepCCD 提出一种融合对比学习与条件扩散模型的端到端框架，仅凭蛋白序列即可生成靶点特异性多肽。该方法在结合能力、多样性、生物活性预测与推理效率上全面优于现有序列方法，并在多项任务中可与结构驱动模型媲美。

Nature 报道研究团队首次在试管中构建出可进行监督学习的 DNA 分子神经网络，使分子系统能够自主形成记忆并完成复杂图案分类任务，标志着分子计算从“能算”迈向“能学”。

ICML 2025 Spotlight 工作 Pallatom 提出直接建模 P(all-atom) 的蛋白生成框架，通过 atom14 表示与双轨道架构，实现序列与结构的端到端耦合生成，在设计性、多样性与新颖性上全面超越现有方法，开启全原子蛋白设计新范式。

针对糖分子柔性高、结合位点浅表亲水导致传统对接方法失效的问题，作者提出 WIIGA（水分子引导对接）策略，利用 apo 结构中的结晶水分布作为“相互作用线索”，引导糖分子构象搜索，并结合 3D-score 重新排序候选构象，在 30 个蛋白–寡糖体系中将正确预测率提升至 53%，显著优于现有方法。

研究团队在 Nature Chemistry 报道一种全新的从头设计光控蛋白策略：通过引入光响应非天然氨基酸 AzoF，在设计阶段即内置“分子开关”，实现蛋白复合体在不同波长光照下的可逆组装与解离，并完成结构解析与多场景功能验证。

系统梳理蛋白质 binder 设计从 Rosetta 到 ProteinMPNN / AlphaFold，再到 RFdiffusion 的三代方法学演进。

围绕“如何用机器学习刻画蛋白质构象集合”，系统梳理了四条核心路径：多态结构生成、分子动力学加速、无序蛋白建模与实验约束融合，展现出从“结构预测”走向“动态建模”的清晰技术演化方向。

BindCraft 正式发表于 Nature，展示出“one-shot”式蛋白 binder 设计能力：无需高通量筛选，仅通过计算设计即可在多类真实靶点上获得纳摩尔级高亲和力结合蛋白，并已被多家跨国药企实际采用。

西湖大学卢培龙团队在 Nature 报道首个完全从零设计、可稳定嵌入细胞膜并激活小分子荧光的人工跨膜蛋白。该蛋白不仅实现纳摩尔级亲和力结合，还通过晶体学与冷冻电镜验证其结构与设计高度一致，展示了跨膜功能蛋白可被精准设计的可能性。