在刚刚落幕的国际机器学习顶级会议ICLR2026 (International Conference on Learn-ingRepresentations)上，力文所算法团队再创佳绩：团队论文 《Pallatom-Ligand:An All-AtomDiffusion Model for Designing Ligand-Bin-ding Proteins》从全球近19,000份投稿中成功入选（录用率仅约28%）。

01

Pallatom-Ligand

成功入选 ICLR Poster

在本届ICLR的会场中，来自「力文所」与「上科大」的 Pallatom-Ligand 研究成为了焦点之一。这是继Pallatom入选ICML 2025 Spotlight Poster 之后，"全原子（all-atom）"路线在国际AI顶会上的又一次重磅亮相——也是该范式从「从头设计蛋白」迈向「为小分子量身定制蛋白」的关键一跃。

论文展示环节吸引了全球顶尖高校、研究机构及企业研究者的广泛关注，与会者围绕全原子扩散建模、蛋白质-配体相互作用的可编程控制等前沿议题展开深入交流。这项以原子级精度重新定义小分子结合蛋白设计的工作，凭借其端到端的创新范式与扎实的实验验证，获得了现场学者的高度认可！

02

全原子设计：在原子精度上解锁蛋白质与小分子的对话

力文所算法团队与合作者的论文《Pallatom-Ligand: An All-Atom Diffusion Model for Designing Ligand-Binding Proteins》在ICLR 2026上以会议论文形式正式发表。这项研究由力文所算法团队与上海科技大学联合完成，凝聚了多位成员在模型架构、条件控制策略的集体智慧。

小分子配体能够拓展蛋白质的功能边界，使其执行催化、信号转导、光捕获等复杂生命过程。然而，设计出对任意小分子具有高亲和力和特异性的蛋白质，至今仍是领域内的一项重大挑战。传统计算设计方法通常采用"先造骨架、再填序列"的两步流程，难以精确建模蛋白质侧链与配体原子之间的精细相互作用；而深度学习方法在这一任务上的应用也一直受限于缺乏显式的原子级建模。

Pallatom-Ligand 正是为此而生。作为端到端的全原子扩散生成模型，它直接学习蛋白质-配体复合物中所有原子的联合分布，一步到位生成包含主链与侧链的完整蛋白质结构，让蛋白从原子层面就"贴合"配体。

下图直观展示了这一范式的跃迁：传统方法先生成骨架、再补侧链，侧链的不确定性导致蛋白与配体之间出现错配甚至空间冲突；而 Pallatom-Ligand 通过统一全原子建模与联合扩散，让所有原子在生成过程中协同优化，最终达成蛋白与配体的精确贴合。

实验结果：从最严基准到零样本泛化，全面领先

在涵盖 8 种化学性质迥异小分子（FAD / FMN / SAM / DOG / SRO / LDP / IAI / OQO）的迄今最全面基准上，对每个目标生成 100 个蛋白并用 AlphaFold3 重新预测——Pallatom-Ligand 在 RMSD、pLDDT、ipAE等关键指标上实现领先效果；更关键的是，在训练集完全未见的合成染料／药物分子（JF585、JF635、JF711、DCZ）零样本测试中，该方案仍以更高的成功率大幅碾压 baseline，证明模型学到的是真正可迁移的原子级相互作用规律，而非对训练数据的简单记忆。

03

开放的不只是代码，更是设计的自由

在这个世界顶级的深度学习舞台上，力文所以实力发声，让更多人听见中国科研的声音。原子级的精度、端到端的效率、从全局到局部的可编程控制——Pallatom-Ligand 正为配体结合蛋白的设计开辟一条全新的高效路径。

但这仅仅是一个开始。

Pallatom所验证的范式，本质上是将蛋白质工程从"经验驱动的试错"推向"计算驱动的创造"。当模型能够在原子级别精确操控蛋白与任意小分子的相互作用时，我们便拥有了一个近乎通用的"分子乐高"系统：输入功能需求，输出具备该功能的全新蛋白质。这不仅是方法论的跃迁，更是一场关于生命分子设计自由度的革命。

我们正在构筑下一代蛋白质设计的基础设施——这不仅是一个模型平台，更是一个通用平台。它的使命很简单：为所有相关从业者，提供最简洁、最直接的帮助。未来的某一天，当一位生物学家想要一种从未存在过的酶来催化某种特殊反应，或是一位药物化学家需要一个能够完美嵌合先导化合物的结合蛋白，他们所依赖的，将不再是漫长的实验，而是精准的设计方案。

关于ICLR

国际学习表征会议（ICLR）是深度学习领域最具影响力的国际顶会之一。 它聚焦于表征学习的前沿理论与应用，是全球AI研究者的核心聚集地，与ICML、NeurIPS并称为机器学习三大顶级会议。

ICLR 以严格的评审标准和对创新性的高要求著称，每年吸引来自全球顶尖高校、研究机构和企业的前沿投稿。从Transformer架构到扩散模型，从图神经网络到蛋白质结构预测，众多深刻改变AI与科学计算格局的工作都曾在此首发。2026年的ICLR 进一步汇聚全球顶尖智慧，推动人工智能在科学研究、工程技术等关键领域的边界拓展。

来源：力文所