Journal of Chemical Information and Modeling 2026年9月14日该研究评估了当前基于机器学习的纳米抗体结构预测方法，并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试，提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程，在可获得部分表位信息时，该流程在所有生成模型上均取得高于AlphaFold基线的成功率。该研究评估了当前基于机器学习的纳米抗体结构预测方法，并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试，提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程，在可获得部分表位信息时，该流程在所有生成模型上均取得高于AlphaFold基线的成功率。结合AI结构预测与整合建模解析纳米抗体-抗原复合物该研究评估了当前基于机器学习的纳米抗体结构预测方法，并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试，提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程，在可获得部分表位信息时，该流程在所有生成模型上均取得高于AlphaFold基线的成功率。该研究评估了当前基于机器学习的纳米抗体结构预测方法，并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试，提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程，在可获得部分表位信息时，该流程在所有生成模型上均取得高于AlphaFold基线的成功率。