BoltzGen、RFD4、Mol-1：决定 binder 命中率的可能不是生成器而是过滤器
作者梳理 BoltzGen、RFD4-Proteina 与 Mol-1 的公开证据后认为，把注意力从生成器转向过滤器值得检验，但尚无把同一候选池分别交给 Boltz-2 和 Protenix 过滤再前瞻性比较湿实验命中率的公开配对研究。
推荐理由：文章把生成器与过滤器的证据分层拆开，指出结构恢复榜单与湿实验命中率之间缺少可核验的桥。
#深度观点
药化猩球精选AI 评分5858
BiopharmaTrend精选AI 评分5858 500亿美元之问：如何判断 Isomorphic 的 AI 平台是否有效
BiopharmaTrend 提出如何判断 Isomorphic 的 AI 平台是否有效的问题，并链接到其站内文章《The $27B question: how do we know if Isomorphic's AI works?》。该推文未展开具体论证或数据。
DeepTech深科技精选AI 评分6060 哈佛教授 Gregory Verdine 谈 AI 制药：药企靠什么竞争
哈佛化学荣休教授、连续创业者 Gregory Verdine 在 DeepTech 访谈中表示，AI 目前最明确的价值是优化已有候选分子，而非从零设计全新小分子，后者受限于复杂结构的合成周期与水分子的物理计算难题。
推荐理由：连续创业者从分子设计、合成瓶颈与组织分工三层谈 AI 在药研中的实际边界，并以与晶泰的合作作为观察样本。
LeapFun精选AI 评分5858 Bruce Booth 警告 AI 药物供给过剩，Biotech 将迎来消化不良
Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。
推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。
木可AI探索笔记精选AI 评分5858 17亿次实测 vs 一次造出10¹⁶个抗体：Terray与Jura Bio两种自产数据路线对比
文章对比Terray与Jura Bio两条自产数据路线：Terray用自研高通量硬件累计超过4200亿次测量、折算逾170亿个靶标-分子互作数据点，Jura Bio则用变分合成一次造出10¹⁶个抗体序列。作者认为两者分别拆解干湿循环的合成端与筛选端，Terray已签吉利德、BMS、Odyssey合作并预计2026年有内部药物进入临床试验，但数据规模本身不等于成药。
推荐理由：文章把Terray与Jura Bio两种自产数据路线放在干湿循环两端对照，便于理解数据瓶颈的不同解法。
LeapFun精选AI 评分5858 一人AI药企能否复制：Anthropic收购的Mithril Medicine案例拆解
文章复盘Anthropic于2026年7月收购的Mithril Medicine：公司仅1名全职创始人，另有8名付费顾问和11家外部实验室，不到18个月将一款靶向laminin-α4与β-dystroglycan的双特异桥接抗体推进到LAMA2-CMD小鼠模型药效验证，2+2 IgG-scFv格式峰值肌力约为对照组1.95倍、体重标准化握力约1.94倍，1+1格式未见明确获益。
推荐理由：借一名全职员工推进双特异抗体至小鼠药效的案例，拆解AI承担协调工作与按里程碑配置资金的早期研发组织方式。
LeapFun精选AI 评分7474 Baker团队开源RFD4后，38亿美元估值的Chai还值不值？
David Baker团队联合NVIDIA发布并开源RFD4-Proteina，代码与权重开放、核心许可为BSD 3-Clause，由此引发业内对Chai Discovery等闭源蛋白设计平台是否仍值得支付溢价的争论。
推荐理由：围绕RFD4开源后闭源蛋白设计平台是否仍值得付费，梳理业内分歧并给出护城河转移的判断。
智药邦精选AI 评分5858 Iambic上市：投资者究竟买模型还是买药
智药邦以Iambic于2026年10月14日公布IPO定价（每股16美元、发行937.5万股、预计募资1.5亿美元）为切口，分析AI药企的平台价值应如何被检验。文章梳理其与武田、艾伯维的合作付款结构，以及口服HER2小分子抑制剂IAM1363在Ⅰ/Ⅰb期试验中53名受试者19例部分缓解（约36%，含未确认缓解）的早期数据，认为近期应看具体药物与合作交付，长期才看技术能否反复产出新资产。
推荐理由：以Iambic上市为切口，拆解AI药企的平台价值如何经由候选药物、临床数据与合作付款被逐步检验。
LeapFun精选AI 评分6363 AI 制药这一周的两条裂缝：现金买发现、市场罚兑现
LeapFun 复盘 2026 年 10 月中旬 AI 制药的两类信号：阿斯利康与 insitro 签下首付 4000 万美元、最高约 15 亿美元的合作，用 Virtual Human 推进 MASH 与心肌病靶点到 development candidate；Iambic 以 16 美元发行价登陆纳斯达克，毛募资约 1.5 亿美元。
推荐理由：文章把同周阿斯利康与 insitro 合作、Iambic 上市与生成式设计进展并置，拆出发现端定价与临床兑现之间的落差。
智药邦精选AI 评分5858 罗氏提出“AI自主”：药企内部需要保留哪些研发能力
罗氏在2026年9月28日制药业务日上提出“AI自主”，主张药企用实验检验模型判断，再据实验结果改进模型与实验方法。文章以Genentech与Recursion的神经科学靶点发现合作为例，说明AI可缩小靶点与候选分子范围，而疾病认识转化为筛选标准、理解实验条件、依据验证结果决定下一步仍需药企内部人员掌握。
推荐理由：借罗氏提出的AI自主概念与Genentech同Recursion的合作，梳理药企在靶点验证和分子筛选上需自留的判断能力。
LeapFun精选AI 评分6363 12篇论文解码Orbis：AI环肽平台与诺和诺德14亿美元合作
作者梳理12篇论文，拆解Orbis如何用非天然构件大环、ⁿCycle-Forge计算搜索与自动化合成构成环肽发现体系。ⁿCycle-Forge以Boltz共折叠评分为代理目标，对两个靶点做约12万次共折叠评价并合成1472个设计，凝血酶初筛命中35/736，约为历史库的24倍，MDM2命中率约4.6%与历史定向库相近。
推荐理由：文章逐层拆解Orbis大环肽平台的计算与实验证据，并区分技术源流与公司独占资产。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 谈模拟时代如何守住数据可靠性：DFT 与 FEP 的静默失效与自动检查
Valence Labs 的 Ihor Neporozhnii 撰文指出，DFT 与 FEP 等物理模拟输出正被当作训练与验证的基准真值，但这些工具原本面向专家逐条人工检查，规模化后会出现静默失效。
推荐理由：文章梳理 DFT 与 FEP 在规模化自动流程中的静默失效模式，并给出可内置管线的物理不变量与收敛检查。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 谈虚拟细胞在药物研发管线中最该发力之处
Valence Labs 发文认为，虚拟细胞最有价值的定位不是加速临床前流程，而是提升进入临床的候选质量，即做转化靶点验证。文章提出三个问题：靶点扰动是否在人类疾病生物学中产生预期效应、效应能否在患者生物变异中保持稳健、以及能否对疾病情境形成足够选择性；并建议在现有分子测量基准之外增加决策层评估，例如回溯识别后来因人类生物学不符预期而失败的假设。
推荐理由：Valence Labs 提出虚拟细胞应聚焦转化靶点验证，而非仅加速临床前流程，并给出可操作的评估维度。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
已经到底了