近年来，蛋白质语言模型在药物靶点识别和抗体设计等生物领域得到广泛应用。麻省理工学院的研究者通过新技术揭示了这些模型的预测机制，帮助选择更合适的模型，加速新药或疫苗靶点的发现。这项研究提高了模型的可解释性，并可能揭示新的生物学见解。

华盛顿大学研究团队开发了一种新方法，结合RFdiffusion网络和酵母展示，能够从头设计特定表位结合的抗体。实验验证表明，设计的抗体在结构和结合精度上达到了原子级别，且具有良好的亲和力。这一方法有望加速抗体的发现与开发，超越传统的动物免疫和随机筛选。

上海交通大学医学院研究团队提出了一种新型AbNovo抗体设计方法，结合强化学习与深度扩散模型，实现多目标和多约束的抗体设计，显著提升了抗体的亲和力和生物物理特性，优化了药物研发流程。研究成果已在国际会议上发表，具有广泛应用潜力。

蛋白质是生命的基本构建单元，参与新陈代谢和信号传导。研究者利用大型语言模型（pLMs）推动计算蛋白质科学，探讨序列、结构与功能的关系。综述了pLMs的分类、应用及其在抗体和酶设计等领域的潜力，并强调未来的研究方向。