Science：突破性进展，深度学习+物理模拟，精准操控蛋白质“形态切换”，未来药物设计新路径
这项研究不仅成功地从头设计出能够精确切换两种预设构象的动态蛋白质，更实现了通过配体结合和远端变构突变对其构象平衡的精细调控。
师从诺奖得主David Baker，杨为博士全职加入深圳医学科学院，聚焦于从头设计蛋白质药物
研究团队描述了螺旋凹面支架的开发，这种支架是为通常参与免疫受体相互作用的凸面靶位点量身定制的。
我国学者发布首个通用分子设计世界模型ODesign，实现核酸/蛋白质/小分子等多形态分子的一键式设计
ODesign在小分子设计基准测试中显著优于系列基准模型，针对复杂的GPCR受体口袋可以一键设计出具备优质结合模式的小分子。
Nature Methods：蛋白质工程新范式！当AI开始“补习”第一性原理，METL框架从“知其然”到“知其所以然”
研究人员提出了一个名为“突变效应迁移学习”(Mutational Effect Transfer Learning, METL)的全新框架，巧妙地将经典的生物物理学模拟与前沿的深度学习相结合。
Science：绘制首张核苷酸分辨率的蛋白质组图谱——解码潜伏在标准条件下的未来适应性
研究系统地展示了，通过绘制高分辨率的基因组-蛋白质组图谱，我们不仅能够识别出导致性状变异的因果基因，还能深入理解其背后的分子机制，甚至预测那些在特定条件下才会显现的“隐性”遗传效应。
Cell：跳舞的蛋白质使细胞运动！新研究重新定义肌动蛋白丝分解的关键因素的功能和作用
结构研究使我们能够重新定义肌动蛋白丝解聚过程中关键因子的作用。这些蛋白质中任何一个的失调都与多种疾病有关——从癌症到免疫紊乱，再到肌病。
Nature Biotechnology——从“一对多”到“多对多”——PRIM-seq开启RNA-蛋白质互作研究的系统性新纪元
研究人员开发了一种名为PRIM-seq的创新技术，首次系统性地揭示了人类细胞中数以万计的RNA-蛋白质相互作用，为我们理解基因表达调控和疾病机制打开了一个全新的维度。
【9月16日直播预告】从样本到洞察：蛋白质组学智能实验室的自动化流程与AI高效赋能
为助力蛋白质组学科研效率与数据质量双重提升，我们即将开启一场聚焦蛋白质组学技术前沿的直播讲座!分享蛋白质组技术的创新性应用,并发布重磅新品——全自动化、高通量的蛋白质样本前处理
Cancer Cell：西湖大学郭天南团队等绘制泛癌种蛋白质组图谱，覆盖22种癌症类型
该研究利用数据非依赖性采集质谱（DIA-MS）构建了一个大规模泛癌种蛋白质组图谱，覆盖了 22 种癌症类型的 999 例原发肿瘤样本，定量了 9670 种蛋白质。
中科院叶明亮团队开发新型蛋白质组学方法首次在活细胞中原位、高通量地解析药物作用早期分子事件
SICFA技术如同给活细胞内的蛋白质活动安装了一个“分子雷达”，在保持细胞结构完整的前提下实现对药物早期分子事件的系统解析，解决了药物靶点鉴定领域长期存在的技术瓶颈。