Edison Scientific 与普林斯顿合作发布 ChefNMR2，可从一维 NMR 谱自动解析小分子结构
Edison Scientific 与普林斯顿的 ZhongingAlong 合作推出 AI 系统 ChefNMR2，可从简单一维 NMR 谱自动完成小分子全新结构解析。
推荐理由：该模型用一维核磁谱自动解析小分子结构，并在五个基准上与通用大模型对比，可供关注谱图解析自动化的人参考。
#模型/算法发布
Edison Scientific精选AI 评分5858
Sam Rodriques精选AI 评分6060 Sam Rodriques 发布 ChefNMR2：从 NMR 谱图推断分子结构
Sam Rodriques 发布 ChefNMR2，这是一个与普林斯顿 Ellen Zhong 合作训练的模型，可从 NMR 谱图推断分子结构，现已上线 Kosmos。在 2,031 个分子上，该模型 top-1 准确率为 82%，而单独使用 Claude Opus 5 为 52%。作者称这让天然产物结构推断更容易，从而减少药物发现中的一个瓶颈。
推荐理由：该模型把 NMR 谱图直接映射到分子结构，并在 2,031 个分子上与通用大模型对比，为天然产物解析提供了可参照的评测。
Corin Wagen精选AI 评分5858 Rowan 发布 FEP 更新，新配体参数化方法 Mango 提升基准表现
Rowan 发布若干更新以提升 FEP 计算精度，并推出新的配体参数化方法 Mango。作者称 Mango 在标准 8 体系 FEP+ 基准集上降低了能量误差，并提高了排序相关性指标。
推荐理由：Rowan 更新 FEP 计算流程并引入 Mango 配体参数化方法，给出其在标准 8 体系基准上的误差与排序相关性变化。
智药局精选AI 评分6262 Boltz小分子模型BoltzMol-1接入药明康德GalaXi化学空间
Boltz于10月13日宣布，其小分子模型BoltzMol-1可直接搜索药明康德的GalaXi虚拟化合物库，该库规模约260亿个可合成分子，已在Boltz Lab平台和Boltz API上线供全球用户调用。
推荐理由：BoltzMol-1接入药明康德GalaXi化学空间，反映AI小分子模型对可合成化合物库的依赖。
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
insitro · Publications & Press精选AI 评分7272 insitro 与礼来在 TuneLab 推出体内 PK 预测机器学习模型
insitro 与礼来在 Lilly TuneLab 平台上线体内 PK 预测模型，可跨小鼠、大鼠、狗和猴四种临床前物种预测血浆清除率、稳态分布容积和平均驻留时间。
推荐理由：该模型用礼来历史数据直接预测体内PK，并与体外外推法对比，为小分子成药性评估提供参照。
Inductive Bio 官网资讯精选AI 评分7272 Inductive Bio 发布 Beacon-2，可由化学结构预测小分子人体有效剂量
Inductive Bio 于 9 月 17 日发布 Beacon-2，该系统可直接从小分子化学结构预测人体有效剂量，先预测吸收、分布、代谢、排泄与毒性等决定剂量的性质并估算效力，再通过药代动力学机制模型整合。
推荐理由：Beacon-2 把人体有效剂量作为可从结构计算的指标，并给出在真实药物项目与公开化合物上的验证范围。
Inductive Bio 官网资讯精选AI 评分7373 Inductive Bio 发布 Beacon-2 模型，从化学结构直接预测人体有效剂量
Inductive Bio 发布 Beacon-2，这是对 Beacon 系列模型的重大更新，可在 ADMET 之外直接从化学结构预测分子的有效人体剂量，由 ADMET-PK、效力与 PK/PD 三个可配置模块组成。
推荐理由：Beacon-2 把人体有效剂量作为可计算目标，并用 Indy 智能体的对照实验展示只优化效力会出现的偏差。
Marwin Segler精选AI 评分5858 Marwin Segler 报告用于合成步骤生成的推理模型
Marwin Segler 报告团队推出面向合成步骤生成的推理模型，针对该任务采用专门的思维链监督微调（SFT on COT）与可验证奖励强化学习（RLVR）。其表示语言模型在处理结构与丰富自然语言并存的化学任务（如合成）时带来新能力。
推荐理由：作者披露其合成路线生成推理模型采用SFT与RLVR训练，为化学语言模型的能力边界提供一手说明。
已经到底了