由华盛顿大学蛋白质设计研究所团队开发、David Baker 指导的 RFOptimization，不再把全原子结构模型仅仅作为设计完成后的”打分器”，而是直接将结构预测模型内部学习到的序列 — 结构 — 相互作用规律重新接入设计过程。从更广义的方法论上，这种设计范式可称为 Latent Physics Steering：它关注的不仅是”让模型生成一个分子”，而是利用结构模型已经理解的分子世界，主动操控一个分子向指定目标演化。这类方法不额外训练生成模型，而是直接把结构预测模型反过来使用：给定一个可修改的蛋白质序列，根据 AlphaFold 等模型预测出的结构和置信度不断修改序列，直到模型”相信”这个序列可以形成目标结构或结合界面。