诺奖得主David Baker最新Nature论文：AI从头设计抗体，实现原子级精度
这项技术的意义远不止于学术研究。它有望彻底改变抗体药物的开发流程，从传统的“试错式”筛选转向精准的“设计式”创造。
靶向“不可成药”，David Baker团队开发多款治疗工具
本周发表于《自然》的最新研究表明，利用RFdiffusion人工智能技术设计能够"包裹"柔性靶点的高亲和力结合蛋白，为解决IDPs/IDRs的研发难题提供了全新方案。
诺奖得主David Baker推出RFdiffusion3，颠覆蛋白质设计格局，开启全原子生物分子设计新时代
该研究提出了一种全原子扩散模型——RFdiffusion3（RFD3），实现了全原子生物分子相互作用的从头设计，能够在配体、核酸和其他非蛋白质原子簇的背景下生成蛋白质结构，其比前代方法更简单且更高效。
David Baker最新论文：AI从头设计大环肽，高亲和力靶向目标蛋白
该研究开发了一种从头设计大环肽的新框架——RFpeptides，实现了精确的从头设计与目标蛋蛋白质具有高亲和力的大环肽。
Nature/Science两连发：David Baker团队中国博后利用AI“驯服”无序蛋白，攻克“不可成药”靶点
利用生成式人工智能（Generative AI）设计并生成能够精准结合内在无序蛋白/区域（ IDP/IDR）的结合蛋白，精度达到原子级别，从而攻克“不可成药”的疾病靶点。
背靠背三篇Science论文：David Baker团队中国博后利用AI从头设计TCR，加速癌症免疫治疗
这些研究使用生成式人工智能（generative AI）设计了能够与 pMHC 高特异性结合的“人工 TCR”，从而克服了天然 TCR 的局限性，能够更精准地针对肿瘤抗原进行靶向治疗。
背靠背三篇Science论文：David Baker团队中国博后利用AI从头设计TCR，加速癌症免疫治疗
这些研究使用生成式人工智能（generative AI）设计了能够与 pMHC 高特异性结合的“人工 TCR”，从而克服了天然 TCR 的局限性，能够更精准地针对肿瘤抗原进行靶向治疗。
攻克“不可成药”，David Baker团队中国博后利用AI从头设计蛋白，靶向内在无序蛋白，解锁治疗靶点
这两项研究中，研究团队采用了两种互补的设计策略，这两种策略基于氨基酸序列，而无需蛋白结构信息，因此，有助于在大量新的治疗靶点上实现高度通用的药物发现。
David Baker最新论文：像拼乐高一样设计蛋白，可编程蛋白组装，解锁纳米材料新纪元
该研究利用人工智能（AI）工具，实现了 20 多种蛋白质笼、二维阵列和三维晶体的精准构建，成功率高达 10%-50%。
David Baker团队从头设计出更安全有效的“AI胰岛素”，开启糖尿病治疗新时代
这项研究不仅展示了如何设计更安全有效的胰岛素受体激动剂，还揭示了受体激活与信号转导之间的基本关系，为开发更安全、更有效的下一代糖尿病治疗药物奠定了基础。