RFdiffusion3（RFD3）正式开源，首次实现原子级扩散建模的通用分子生成框架，可统一支持蛋白–蛋白、蛋白–DNA、蛋白–小分子与酶设计等多类任务，在速度上较 RFD2 提升约 10 倍，并在多个真实设计任务中取得实验验证结果。

RFdiffusion3 将扩散建模从残基级提升到原子级，标志着蛋白设计真正进入全原子分辨率时代。

一篇来自 Cell 旗下 Structure 杂志的高质量综述，系统梳理了蛋白质设计从理性设计、能量优化到 AI 生成模型的完整演化路径，深入解析 hallucination、RFdiffusion、BindCraft 等关键技术，并展示 de novo binder 在免疫、抗毒、诊断等真实应用场景中的突破。

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。

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。

Baker 团队提出一套通用的计算设计框架，可针对任意本质无序区域（IDR）序列设计高亲和力、高特异性的结合蛋白，在 43 个目标中获得 39 个成功命中，并通过晶体结构与 NMR 验证“诱导契合”机制。