Abstract Construction of well‐defined metal–organic framework precursor is vital to derive highly efficient transition metal–carbon‐based electrocatalyst for hydrogen evolution reaction (HER) and oxygen evolution reaction (OER) in water splitting. Herein, a novel strategy involving an in situ transformation of ultrathin cobalt layered double hydroxide into 2D cobalt zeolitic imidazolate framework (ZIF‐67) nanosheets grafted with 3D ZIF‐67 polyhedra supported on the surface of carbon cloth (2D/3D ZIF‐67@CC) precursor is proposed. After a low‐temperature pyrolysis, this precursor can be further converted into hybrid composites composed of ultrafine cobalt nanoparticles embedded within 2D N‐doped carbon nanosheets and 3D N‐doped hollow carbon polyhedra (Co@N‐CS/N‐HCP@CC). Experimental and density functional theory calculations results indicate that such composites have the advantages of a large number of accessible active sites, accelerated charge/mass transfer ability, the synergistic effect of components as well as an optimal water adsorption energy change. As a result, the obtained Co@N‐CS/N‐HCP@CC catalyst requires overpotentials of only 66 and 248 mV to reach a current density of 10 mA cm −2 for HER and OER in 1.0 m KOH, respectively. Remarkably, it enables an alkali‐electrolyzer with a current density of 10 mA cm −2 at a low cell voltage of 1.545 V, superior to that of the IrO 2 @CC||Pt/C@CC couple (1.592 V).

Abstract The conversion of crystalline metal–organic frameworks (MOFs) into metal compounds/carbon hybrid nanocomposites via pyrolysis provides a promising solution to design electrocatalysts for electrochemical water splitting. However, pyrolyzing MOFs generally involves a complex high‐temperature treatment, which can destroy the coordinated surroundings within MOFs, and as a result not taking their full advantage of their electrolysis properties. Herein, a simple and room‐temperature boronization strategy is developed to convert nickel zeolite imidazolate framework (Ni‐ZIF) nanorods into ultrathin Ni‐ZIF/NiB nanosheets with abundant crystalline–amorphous phase boundaries. The combined experiment, and theoretical calculation results disclose that the ultrathin thickness allows fast electron transfer and ensures increased exposure of surface coordinatively unsaturated active sites while the crystalline–amorphous interface elaborately changes the potential‐determining step to energetically favorable intermediates. As a result, Ni‐ZIF/NiB nanosheets supported on nickel foam (NF) require overpotentials of 67 mV for the hydrogen evolution reaction and 234 mV for the oxygen evolution reaction to achieve a current density of 10 mA cm −2 . Remarkably, Ni‐ZIF/NiB@NF as a bifunctional electrocatalyst for overall water splitting enables an alkaline electrolyzer with 10 mA cm −2 at an ultralow cell voltage of 1.54 V. The present work may open a new avenue to the design of MOF‐derived composites for electrocatalysis.

Abstract Accurate prediction of antibody-antigen complex structures holds significant potential for advancing biomedical research and the design of therapeutic antibodies. Currently, structure prediction for protein monomers has achieved considerable success, and promising progress has been made in extending this achievement to the prediction of protein complexes. However, despite these advancements, fast and accurate prediction of antibody-antigen complex structures remains a challenging and unresolved issue. Existing end-to-end prediction methods, which rely on homology and templates, exhibit sub-optimal accuracy due to the absence of co-evolutionary constraints. Meanwhile, conventional docking-based methods face difficulties in identifying the contact interface between the antigen and antibody and require known structures of individual components as inputs. In this study, we present a fully end-to-end approach for three-dimensional (3D) atomic-level structure predictions of antibodies and antibody-antigen complexes, referred to as tFold-Ab and tFold-Ag, respectively. tFold leverages a large protein language model to extract both intra-chain and inter-chain residue-residue contact information, as well as evolutionary relationships, avoiding the time-consuming multiple sequence alignment (MSA) search. Combined with specially designed modules such as the AI-driven flexible docking module, it achieves superior performance and significantly enhanced speed in predicting both antibody (1.6% RMSD reduction in the CDR-H3 region, thousand times faster) and antibody-antigen complex structures (37% increase in DockQ score, over 10 times faster), compared to AlphaFold-Multimer. Given the performance and speed advantages, we further extend the capability of tFold for structure-based virtual screening of binding antibodies, as well as de novo co-design of both structure and sequence for therapeutic antibodies. The experiment results demonstrate the potential of tFold as a high-throughput tool to enhance processes involved in these tasks. To facilitate public access, we release code and offer a web service for antibody and antigen-antibody complex structure prediction, which is available at https://drug.ai.tencent.com/en .