arXivq-bio.BM · cs.AI · cs.LG
Jung J, Zhang X, Song S, Sayedahmed M, Xiang C, Xu Y, AbdelKhalek A, Schneebeli ST, Wargo MJ, Li J, Wshah S
TL;DR：AMPGAN v3 将多目标条件 GAN 扩展至 D-氨基酸和 N/C-端修饰，配合 PepCraft 多智能体框架端到端驱动 AMP 发现；5 名候选肽湿实验验证，其中 2 名对革兰氏阳性菌展现活性（最优 MIC 8 μg/mL）。发表于 ICML 2026 GenBio 研讨会。
- 方法：多目标条件 GAN 双判别器架构（对抗监督与活性监督分离）；PepCraft 多智能体系统——规划智能体协调生成、过滤、验证专项执行器
- 结果：5 个候选肽覆盖 3 种结构类别，体外验证 2 个具有抗革兰氏阳性菌活性；最优候选 MIC 8 μg/mL（B. subtilis）
- 亮点：将 D-氨基酸和末端修饰纳入生成词汇，突破天然氨基酸限制；智能体优先级排序与实验结果对齐
编者按抗菌素耐药性（AMR）被 WHO 列为全球公共卫生重大威胁，而天然 L-氨基酸肽易被蛋白酶降解。AMPGAN v3 将非规范化学空间引入生成模型，同时配备从生成到验证的 Agent 闭环，是"湿实验验证"的重要加分项。下一步若能覆盖格兰氏阴性菌和真菌，抗感染 AI 药物管线将更具竞争力。
局限 · 湿实验规模较小（5 个候选），仅覆盖革兰氏阳性菌；合成难度与成本对 D-氨基酸肽较高，尚未进行体内毒性评估。
抗菌肽非规范氨基酸多智能体ICML 2026
arXivq-bio.BM · cs.LG
Yang Z, Choi SP, Kwok J
TL;DR：MMM-PPI 通过微观（残基）→中观（基序）→宏观（蛋白质）三尺度层次架构，同步编码序列、结构、功能三种模态，在多个 PPI 数据集上超越现有多标签预测模型，对困难划分和少样本场景提升尤为显著。
- 方法：自底向上三尺度构建——微尺度残基特征跨三模态编码；中尺度新型多模态 motif 编码器空间化残基信息；宏尺度建模 motif 重要性与跨模态关系
- 结果：多个 PPI 基准数据集均超越 SOTA；在 scaffold-disjoint 等困难划分和低数据场景中提升最显著
- 亮点：显式建模蛋白质层次组织中的中间尺度（meso-scale motif），弥补现有方法忽视 PPI 调控核心尺度的缺陷
编者按蛋白质-蛋白质相互作用（PPI）预测是结构蛋白质组学和靶向药物设计的基础，但长期面临"序列知道的太少、结构计算太贵"的困境。MMM-PPI 的层次化设计让模型在学到原子级细节的同时保留了对 motif 的感知——这类似于 NLP 中从字符到词到句子的多粒度建模思路，移植到蛋白质领域是自然且有效的。
局限 · 功能模态依赖蛋白质数据库注释，对未表征蛋白质效果存疑；中尺度 motif 定义依赖现有结构聚类算法，可能遗漏新型折叠。
蛋白质互作多模态层次建模结构生物学