Blockbuster_drug

本文介绍BindCraft开发背景、原理、技术优势，以及本地安装和使用实践。BindCraft是一款基于AlphaFold2（AF2）的蛋白结合剂从头设计工具，由EPFL和MIT团队联合开发。该工具通过AF2反向传播技术直接生成高亲和力结合剂，结合ProteinMPNN序列优化和PyRosetta物理验证，实现了"一次设计即成功"的高效策略。实验验证显示，BindCraft在7个靶标上设计的结合剂均达到nM级亲和力，其中4个获得高分辨结构验证。

本文提供EvoBind的介绍，本地安装以及使用方法，并提供自动化脚本提取最优结果，为新型治疗性多肽设计提供了高效解决方案。该方法摆脱了对靶标结构的依赖，实现了从单一序列出发的端到端肽结合剂设计。本研究提出EvoBind2方法，仅需靶蛋白序列即可设计新型线性和环状肽结合剂。该方法通过改进版AlphaFold2迭代优化肽序列与结构，结合对抗性验证和实验评估，成功设计了高亲和力肽结合剂（最优线性肽Kd=7.5nM，比野生型提高162倍）。

本文汇总介绍了MIT团队带来的开源AI项目BoltzGen的原理和conda环境配置、命令行参数说明和简单使用体验。该项目完全开源，提供完整的模型权重、训练代码和使用工具链，包括和结果分BoltzGen是一种创新的全原子生成式扩散模型，专为设计蛋白质、肽和核酸结合剂而开发。该模型统一了结构预测和分子设计，支持针对各类生物靶标（包括蛋白质、核酸和小分子）的高亲和力结合剂生成。BoltzGen已通过大规模实验验证，成功设计出针对多种新型靶标的纳米抗体、微型蛋白等结合剂。

本文提供完整的本地部署方案，支持Ubuntu22.04+CUDA12.1环境下的conda安装。ODesign支持蛋白质柔性/刚性设计、小分子配体设计等场景，预测推理效率高。ODesign是全球首个通用分子设计AI模型，由临港实验室联合国际顶尖科研机构开发。该模型突破传统单模态限制，实现对蛋白质、核酸、小分子等多种生物分子的统一表征与协同生成。核心技术包括多层级分子表征体系、多尺度条件控制机制等五大模块，在11项标准任务中性能全面领先。

文章详细介绍了PepINVENT在本地安装配置方法，包括克隆GitHub仓库、创建conda环境、配置JSON参数文件等步骤，并提供了序列转换脚本以简化输入准备。PepINVENT是由阿斯利康和哥德堡大学联合开发的基于生成式强化学习的开源多肽设计框架。该工具通过结合Transformer架构和强化学习，能够生成包含天然与非天然氨基酸的新型多肽，显著拓展了多肽设计的化学空间。