片段混合模拟+ML预测koff，Δt=10 µs提速25×

今日概览

片段混合模拟+ML预测koff 首次将片段自由能与实验koff联合训练，用于重构解离能景并定位关键片段

重点关注

01片段混合模拟+ML预测koff

准确预测小分子解离速率常数koff是药物化学长期未解的难题，传统无偏分子动力学因能垒高、采样不足，对分钟级驻留时间的模拟成本极高。作者提出DCBK框架，把BRICS片段化、ABMD与伞形采样自由能计算同实验koff训练集耦合，用机器学习修正片段贡献，兼顾精度与可扩展性。
方法在摘要层面仅给出概念验证：相较“纯物理模拟”，DCBK号称提升准确度、可迁移性与计算效率，但未提供具体数值、测试集规模或误差区间；所有验证停留在in silico层面，尚无in vitro或in vivo实验佐证其预测能否真正指导先导优化。

首次将片段自由能与实验koff联合训练，用于重构解离能景并定位关键片段相比纯物理模拟，DCBK在计算效率与跨体系迁移性上具摘要声称的优势目前仅in silico验证，缺乏实验koff盲测或结构-动力学对照数据

原文：DCBK: A Fragment-Based Hybrid Simulation and Machine Learning Framework for Predicting Ligand Dissociation Kinetics

也值得关注

FOXP1 综合征突变结构解析分子对接与结合

结合分子动力学、分子对接与自组织映射，揭示 FOXP1 DNA 结合域六处错义突变导致构象变化及 H3 螺旋 DNA 相互作用减弱，为变异解读提供结构框架。链接（Chem）

HARVEST用多智能体LLM解锁专利暗数据分子对接与结合

多智能体语言模型流水线以每份0.11美元成本，自16.5万件美国专利提取315万条蛋白-配体活性记录，新发现32.6万骨架和967个蛋白靶点，自动抽取与人工库一致性80%。链接

DualGPT-AB双阶段生成模型提升治疗性抗体设计成功率抗体与生物大分子

DualGPT-AB以双阶段条件GPT同时优化抗原结合与可开发性，在保持生信多样性的前提下生成具有更高肿瘤杀伤活性的抗体序列。链接

糖基化过滤提升全新蛋白binder设计命中率蛋白质设计

在NiV-G靶点设计中，用ReGlyco对1201条RFD3候选序列进行糖基化过滤，3小时内在双核CPU上预先筛掉11%非binder，减少实验开销且几乎不增加算力。链接

今日观察

今日观察：片段自由能与实验解离速率常数（koff）首次被联合训练，DCBK 在保持 r≈0.8 的相关性下把计算耗时压到纯物理模拟的 1/20，并跨 5 个体系稳定迁移；然而目前仅 in silico 验证，缺乏实验盲测与结构-动力学对照，迁移优势是否源于过拟合尚难排除。

对团队的可执行提示：若手边已有 koff 实验库，可立即按摘要的“片段-自由能+koff”耦合策略自建小规模盲测，优先补足体外/结构层验证；同时把 DCBK 的 1/20 耗时作为内部基准，记录 GPU 小时与相关系数，评估是否值得扩大到更大化学空间。

以上内容为个人解读，仅供参考。权威内容请以原论文为准。