しんしあ@バイオテクコミュニティ「BioSpace」モデレーター

英語学習用のGPTアプリ「English Coach」を公開しました！ アプリが自動で日本語文を生成しますので、英訳に挑戦してください。アプリが翻訳内容を添削してくれます。 英会話の訓練をしたいけど、何を話したらいいか考えるのが大変。。というお悩みにお応えします！ chat.openai.com/g/g-Up0AyC1PG-…

A Comprehensive Mathematical Model of Avidity in Cytokine Signaling biorxiv.org/content/10.648… この研究は、複数の結合点を持つ分子が細胞表面でどのように強い作用を示すのかという「アビディティ」の仕組みを、一般化された数理モデルとして理解することを目指しています。 抗体やサイトカインのような多価分子が、単純な結合力だけでは説明できない複雑なシグナル制御を示す理由を、受容体密度や細胞表面での配置まで含めて理論的に整理しています。

タンパク質生成において「構造はすぐ整い、物性はゆっくり最適化される」という新しい理解と、その先にある崩壊現象を解き明かした研究を紹介します！ biospace.info/blog/2026/05/1… #biospace

A-CODE: Fully Atomic Protein Co-Design with Unified Multimodal Diffusion arxiv.org/abs/2605.03360

DPLM: Dynamics-aware Protein Language Model via contrastive learning between sequence and molecular dynamics simulation trajectory biorxiv.org/content/10.648… この研究は、タンパク質を静止した配列情報としてだけでなく、実際にどのように揺らぎ動くかという動的な性質まで理解できるAIモデルの構築を目指しています。 従来のタンパク質言語モデルに、分子動力学シミュレーションで得られる時間的な構造変化情報を結びつけ、配列と動きの対応関係をコントラスト学習で学習させています。

抗体設計において「モデルよりサンプリングが重要」という視点を提示した、実践的かつ示唆に富む研究を紹介します！ biospace.info/blog/2026/05/1… #biospace

Hypervariable loop profiling decodes sequence determinants of antibody stability nature.com/articles/s4159…

Integrin-independent Tie2 activation using de novo designed proteins biorxiv.org/content/10.648… この研究は、血管の安定化に重要なTie2という受容体を、より扱いやすい人工タンパク質で精密に制御することを目指しています。 AIタンパク質設計手法であるRFdiffusionを用いて、自然の複雑な因子に頼らずTie2だけを選択的に認識する小型タンパク質を一から設計し、それを多量体化によって受容体を集合させる仕組みとして活用しています。 単に結合するだけでなく、受容体をどのように配置・集めるかという構造設計によってシグナルの性質を変えるという発想が特徴です。

Generative design of sequence specific DNA binding proteins biorxiv.org/content/10.648…

Repertoire-scale antibody structural prediction informs therapeutic design science.org/doi/10.1126/sc…

IMGT® Nomenclature of Immunoglobulins (IG) or Antibodies and T Cell Receptors (TR): A Common Language for Immunoinformatics and Artificial Intelligence (AI) pubmed.ncbi.nlm.nih.gov/42041394/

タンパク質のリード最適化を自動化する機械学習システム「CRADLE-1」の仕組みと実験結果を解説します！ biospace.info/blog/2026/05/0… #biospace

Zero-Shot Generation of Protein Conformational Ensembles Through AlphaFold Latent Flooding biorxiv.org/content/10.648… この研究は、1つの静的な構造だけでなく、タンパク質が実際に取りうる複数の動的な形を、配列から直接予測することを目指しています。 AlphaFold内部の潜在空間に含まれる情報を意図的に探索し、通常は表に出にくい別の構造状態を引き出すことで、タンパク質の動きや隠れた結合部位を見つけようとしています。 これは新しいモデルを一から訓練するのではなく、既存のAlphaFoldをテスト時に拡張利用する発想であり、AI内部に埋め込まれた構造知識を再活用する戦略です。

Generation of mixed-valency, modular multispecific antibodies using disulfide-linked Fc-FcγR complexes pubmed.ncbi.nlm.nih.gov/42049753/

SNAC-DB: An ML-Ready Database for Antibody and NANOBODY(R) VHH-Antigen Complexes with Expanded Structural Diversity and Real-World Benchmarking biorxiv.org/content/10.648… この研究は、抗体やナノボディの設計AIをより賢くするために、学習用データそのものを大幅に改善することを目指しています。 既存データベースでは見落とされやすかった複雑な結合様式や構造の多様性を整理し直し、より実際の創薬に近いケースを含む高品質な学習基盤を作ろうとしています。

抗体配列と抗原配列の一次構造のみから、どの抗体がどの抗原に結合するかを予測するための機械学習モデル「CALM」を紹介します！ biospace.info/blog/2026/05/0… #biospace

AI-driven discovery in protein science for immunology and infectious disease research pubmed.ncbi.nlm.nih.gov/42051590/

Combining AI structure prediction and integrative modelling for nanobody-antigen complexes biorxiv.org/content/10.110… この研究は、ナノボディが標的にどう結合するかを、より現実的に立体構造として予測できる方法を目指しています。 AIによる構造予測だけでは難しい、柔軟に動く結合部位や複雑な相互作用を補うために、物理法則に基づくドッキング計算を組み合わせる設計思想をとっています。 つまり、まずAIでナノボディ単体の形を予測し、その後に複数の候補構造を使いながら標的との結合を探索することで、AIと物理モデルの長所を統合しようとしています。

AWS launches Amazon Bio Discovery to accelerate AI-powered research in life sciences aboutamazon.com/news/aws/aws-a…

ナノボディ–抗原複合体の大規模ベンチマークを構築し、AlphaFold3などの最新モデルの信頼度スコアが実際の結合特異性と相関するかを検証した論文を解説します！ biospace.info/blog/2026/05/0… #biospace

Efficient exploration of peptide libraries using active learning with AlphaFold-based screening biorxiv.org/content/10.648…