从虚拟制药公司，
到反应驱动的酶序列生成

PharmAgents2 把药物发现中的知识获取、科学决策和大规模探索组织为多 Agent 系统。Paper2Skill 从公开资料提炼可复用的决策知识，Self-Scaling Discovery 则让继承研究上下文的并行 Agent 沿不同靶点、假设和策略扩展搜索。

作者用决策基准和三个真实项目评估系统，并报告 LpxH、JAK1 与靶点反向发现中的候选由人类实验得到支持。现有证据说明 Agent 能组织端到端研究决策，并不等于系统独立完成全部湿实验或临床开发；本文为未经同行评审的 arXiv 预印本。

RIVER 面向酶到反应、反应到酶的双向检索，协调语言模型、生化计算工具和外部知识资源，汇总反应化学、蛋白序列与结构域、催化机制和数据库注释。独立模块会检查证据缺口与冲突，再依据可追溯记录重排候选。

在公开基准、特定酶家族和近期文献构建的任务中，作者报告 RIVER 优于所比较的检索和通用 Agent 基线。该结果仍属于信息检索与候选优先级证据，不能替代活性测定或机制实验；本文为未经同行评审的 arXiv 预印本。

FoldAbS 不把折叠模型只当作结构预测器，而是冻结 Protenix 的内部表示，再接入轻量任务头，统一评估抗体的特异性、亲和力与可开发性。这样可以复用模型学习到的序列、几何和相互作用表征，而无需对主干重新训练。

作者在多个监督学习基准上报告相对基线的稳定提升，显示折叠模型中间表示具有筛选价值。但训练标签、数据同源性和任务头设计仍可能决定结果，模型评分也不能替代实验筛选；本文为未经同行评审的 bioRxiv 预印本。

PartiDesign 将 La-Proteina 的部分潜变量框架扩展到蛋白质、核酸和小分子，联合生成三维结构及对应序列或化学身份。模型支持二级结构、化学键和氨基酸偏好等约束，并覆盖环肽、抗体及面向指定靶点的结合伙伴设计。

论文在既定计算预算下比较成功设计吞吐量，说明联合结构—序列生成可能减少多阶段管线之间的不一致。不过目前主要证据来自计算指标，预测可折叠性、结合质量和实际可合成性仍需系统实验验证；本文为未经同行评审的 bioRxiv 预印本。

AlphaEnzyme 以酶结构与目标反应的联合表示为基础，同时输出催化兼容性、动力学和突变响应，用同一模型连接起始酶检索与后续序列优化。作者采用时间分离数据检验对新近酶与反应的外推，并在低预算条件下排序突变候选。

研究还进行了 TrpB 变体优先级评估和转氨酶前瞻实验，报告若干候选优于亲本。实验信号支持模型在特定体系中的筛选价值，但跨反应类型、测定平台和更完整动力学指标仍需验证；本文为未经同行评审的 bioRxiv 预印本。

REXzyme 把酶设计表述为从化学反应表示到氨基酸序列的翻译任务。作者先评估模型生成序列的计算性质与泛化边界，再将其引导至甲酸脱氢酶的逆向反应，即二氧化碳还原，生成远离催化位点的多位点变体。

论文报告 20 个生成酶均可溶表达并具有二氧化碳还原活性，最佳候选的比活性高于参考酶。结果为反应条件化序列生成提供了直接实验支持，但目前集中在单一酶体系，结构机制和更广反应空间仍待检验；本文为未经同行评审的 bioRxiv 预印本。