bioRxiv 2026年9月18日该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。潜空间生成式搜索实现大规模未开发生物分子相互作用的从头设计该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。该工作提出潜空间生成式搜索（latent generative search）用于结合蛋白设计，在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型，该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤；在超过一百万个设计的多重噬菌体展示筛选中，它比所测试的其他方法产生更多经实验验证的结合蛋白，其协同设计序列优于事后重设计，并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白，还首次生成能结合游离碳水化合物的从头蛋白，其中一例可区分血型抗原。