Nature Nanotechnology 报道一种完全从头设计的螺旋蛋白丝，可在不同 pH 条件下实现可逆自组装与解聚，并通过 cryo-EM 精确解析其原子结构，展示了蛋白质作为“可编程纳米材料”的巨大潜力。

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。

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。

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。

系统解读 Cryo-ET 的技术原理、样本制备、成像物理限制、图像分析与多模态融合路径，讨论其作为“原位结构组学平台”的潜力，同时直面其在通量、自动化与算法层面的核心瓶颈。