BoltzDesign1 利用 Boltz 全原子模型进行反向优化，在无需扩散模型的情况下实现高成功率与高多样性的结合物设计，并首次系统性展示其在小分子、金属、核酸及翻译后修饰靶标上的通用潜力。

Cell 报道一种从零设计的 21 aa 多肽 ELIXIR，可选择性修复病态钠通道的晚钠电流异常，在细胞、动物模型及患者来源细胞中实现功能级逆转，为通道病治疗提供全新范式。

PepMLM 提出一种完全基于序列的结合肽设计框架，仅输入靶蛋白序列即可生成高特异性肽分子。在多项任务中命中率超过结构驱动方法，并通过 ELISA、细胞降解与病毒感染实验验证其真实功能。

字节跳动 Seed 团队提出 PXDesign 框架，将扩散生成与幻觉优化相结合，并配合 Protenix 与 AF2-IG 的多模型筛选策略，在多个真实靶标上实现 20–61% 的体外命中率（PD-L1、IL-7RA 等甚至超过 70%），显著高于现有方法，展示出高成功率蛋白设计的现实可行性。

基于 3,766 个实验验证的 binder 设计数据，这篇 bioRxiv 预印本系统比较了 AF2、AF3、Boltz-1 等预测指标，提出 AF3 的 ipSAE_min 是目前最稳健的筛选信号，并给出了可直接落地的筛选策略。

SWING 提出一种全新的“蛋白互作语言模型”框架：在建模前先将两条序列的局部配对关系编码为交互语法，再学习其统计规律。该方法在 pMHC 结合预测中实现跨等位基因、跨类别、跨物种的零样本泛化，并可扩展用于预测氨基酸变异导致的互作破坏。

Science 同期发表三项突破性研究，首次系统展示利用 AI 从头设计高特异性 pMHC 识别蛋白，并完成结构解析、功能验证与脱靶评估的完整闭环。这些超小型人工蛋白可嵌入 CAR-T / TCE 系统中，实现对肿瘤抗原与新抗原的精准识别与杀伤，标志着免疫治疗正式迈入“可编程识别”时代。

提出 Click Fusion 策略，通过 de novo 设计的刚性融合蛋白稳定 GPCR 的非活化构象，使原本难以解析的 inactive 态结构可被高分辨率 cryo-EM 成功解析，并在多个受体上验证其通用性与可迁移性。

Nature 提出“虚拟实验室（Virtual Lab）”概念，由多角色大模型 Agent 组成科研团队，自主完成课题规划、工具选择、代码编写与抗体设计流程，并最终设计出对新冠变异株具有真实结合能力的纳米抗体，展示出 AI 作为“科研主体”的初步形态。

NCFlow 提出一个面向非天然氨基酸（ncAA）的原子级构象生成模型，能够在蛋白 pocket 环境中预测任意 ncAA 的合理三维构象，并结合深度打分与分子动力学模拟，构建出一套可系统性设计高亲和力 ncAA 多肽的端到端流程。