融合 Boltz-2、OpenDDE 与 Schrödinger 的 GPCR 设计管线及 GPR84 实战
作者以 GPR84 为例，介绍一套融合 OpenDDE 生成、Boltz-2 共折叠与亲和力快筛、Schrödinger 2026-4 膜显式 MD 与 FEP+ 的 GPCR 计算设计管线。
推荐理由：以 GPR84 为例拆解 AI 生成、共折叠快筛与物理终审的分级管线，并给出激动剂与抑制剂形态差异的实操约束。
#结合亲和力
药化猩球精选AI 评分5858
Gabriele Corso精选AI 评分7373 Ebolathon 团队用 Boltz API 设计分子，140 个中筛出 11 个埃博拉假病毒选择性命中
Gabriele Corso 表示，Ebolathon 黑客松团队使用 Boltz API 设计新分子，共测试 140 个分子，在埃博拉假病毒实验中筛出 11 个选择性命中。他称这体现了黑客松想法转化为实验结果，并附 muni.bio 的研究链接。
推荐理由：记录一场黑客松用 Boltz API 设计分子并在埃博拉假病毒实验中筛出选择性命中，呈现从计算到湿实验的转化路径。
予路乾行精选AI 评分5858 予路乾行参与的抗血栓药物发现研究发表：从2.2万化合物筛出2个先导分子
上海交通大学朱芳芳团队与华南理工大学张译月团队等合作在《Journal of Advanced Research》发表研究，围绕P2Y12受体结合配体基与受体基双重虚拟筛选、分子对接、分子动力学模拟和MM/GBSA，从2.2万余个化合物中优选42个候选，并验证VS-5584和GNE-493的抗血小板与抗血栓活性。
推荐理由：该研究展示从2.2万化合物经双重虚拟筛选收敛到42个候选、再经血小板与斑马鱼实验验证的完整路径。
Molence精选AI 评分6565 Molence 的 Mol-1 在 MGBench 分子胶预测中报告低同源条件 28.6% 联合成功率
Molence 的 Mol-1 在 MGBench 分子胶预测基准上报告联合成功率：已见条件 92.2%、高同源 74.6%、低同源 28.6%，最强评测基线在低同源条件为 19.1%。联合成功需同时满足配体 RMSD < 2 Å、lDDT-PLI > 0.8 和蛋白界面 DockQ > 0.23。作者同时引用的另一条内容称，在 Runs N' Poses 的 0–20 最低相似度区间，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%，通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Mol-1 在 MGBench 上同时考核配体位姿与蛋白界面，低同源条件下与最强基线的差距提供了具体参照。
王初课题组精选AI 评分5858 Nat. Chem. Biol. | Tryptoline立体探针结构拓展发现GRPEL1–HSPA9复合物抑制剂
Scripps研究所的Bruno Melillo与Benjamin F. Cravatt团队在Nat. Chem. Biol.发表研究，通过改造Tryptoline丙烯酰胺探针的C6/C7远端结构，在Ramos细胞中定量超过24,000个半胱氨酸位点，筛出95个可被立体选择性标记的位点。
推荐理由：研究用立体探针扩展半胱氨酸配体图谱，并借GRPEL1案例展示结构预测在非正构位点的识别局限。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 与 Caltech 提出离散扩散在线适应框架，分子优化用 86 次评估追平 Beam Search 约 5000 次评估表现
Genesis Molecular AI 与 Caltech 合作的 NeurIPS 2026 论文研究离散扩散分子生成模型在测试时如何分配算力，其在线适应框架仅用 86 次 oracle 评估即追平最强推理期搜索基线 Beam Search 约 5000 次评估的表现。
推荐理由：研究系统拆解在线适应式分子优化的四个设计选择，并给出何时值得用在线适应而非推理期搜索的判据。
DrugAI精选AI 评分7373 MetaPLI：结合三维结构与少量实验数据预测分子活性
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
BioArt精选AI 评分7272 Nature：Shokat团队提出双位点激酶抑制剂设计原则并开发PonatiLink-2
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
深势科技 DP Technology精选AI 评分5858 联合利华与深势科技展示AI4S合作成果：筛出3个抗菌候选分子并用于衣物护理新品
深势科技与联合利华在联合利华中国研发中心成立30周年之际集中展示两项合作研究成果：从8000多种原料中借助AI模型与实验验证筛出3个具良好抗菌活性的候选分子，MIC处于0.01%—0.075%区间，低于同测试中苯氧乙醇的0.36%—0.64%，相关成分将用于联合利华规模达1.7亿欧元的全球创新项目。
推荐理由：两家公司披露抗菌活性物筛选与衣物护理配方模拟两项合作成果，展示了计算筛选进入实际产品研发的路径。
智药邦精选AI 评分8080 Nature Biotechnology｜AdaptiveFlow实现数百亿分子库的自适应虚拟筛选
意大利帕维亚大学、Dana-Farber癌症研究院等团队在《Nature Biotechnology》发表开源平台AdaptiveFlow，将Enamine REAL Space约315亿原始分子预处理为约690亿可直接对接条目，通过18维分子性质分区与自适应靶标引导虚拟筛选（ATG-VS）降低超大规模对接开销。
推荐理由：研究用分子性质分区与靶标引导抽样压缩数百亿级对接空间，并在两个靶点获得实验验证的抑制剂。
Corin Wagen精选AI 评分5858 Corin Wagen 团队复现 SandboxAQ taqo 方法：单点蛋白-配体焓值可作同系列 ∆∆G 启发式
Corin Wagen 表示其团队复现了 SandboxAQ 发布的 taqo 方法，得到与原文非常相似的结果。该方法用神经网络势（NNP）计算单点蛋白-配体焓值，作为同系列化合物内 ∆∆G 的启发式指标。
推荐理由：作者复现了 SandboxAQ 的 taqo 方法，为同系列内用单点焓值近似 ∆∆G 的可行性提供了独立参照。
奶牛猫的CADD实验室精选AI 评分7171 GluePlex 提出无三元结构下的分子胶计算优化路线
发表在 Nature Communications 的 GluePlex 研究针对 VAV1 分子胶，在缺少三元复合物实验结构时用 PeSTo 预测接触区域、HADDOCK 对接生成 6 个构象簇模板，再由 Boltz-2 共折叠生成 120 个候选三元结构并按 chainpair_ipTM 筛选。
推荐理由：该研究把蛋白对接、共折叠与自由能计算串成分子胶优化流程，为缺少三元结构的项目提供可迁移做法。
药学进展精选AI 评分6262 南京中医药大学纪建建团队在Cell Reports Medicine发表AI筛选抗耐药RSV中药成分Punicalin的研究
南京中医药大学纪建建团队利用自主构建并开源的抗病毒药物AI模型，从中药化合物库中筛选出活性成分Punicalin，成果发表于Cell Reports Medicine。
推荐理由：研究用开源抗病毒AI模型从中药化合物库筛出靶向RSV G/F蛋白的天然产物，并给出动物实验与专利信息。
奶牛猫的CADD实验室精选AI 评分6262 Martini 3 结合自由能误差从 5.7 降至 1.2 kcal/mol，配体排序中位相关仅 0.32
一篇预印本在 15 个靶点、172 个配体上评估 Martini 3 粗粒化模型的绝对结合自由能计算，发现模型系统性低估结合强度，按口袋带电残基数做线性校正后平均绝对误差从 5.7 降至 1.2 kcal/mol。
推荐理由：解读预印本对Martini 3结合自由能误差的分解，说明整体偏移校正与配体排序能力为何是两件事。
AI药物设计实验室精选AI 评分7878 Nature Communications 2026：高通量蛋白质组学与AI折叠发现靶向VAV1的分子胶
2026年发表于《Nature Communications》的研究用高通量DIA全球蛋白质组学在Jurkat细胞中筛选出可经CRBN诱导VAV1降解的苯基-戊二酰亚胺类分子胶，关键降解元件定位在VAV1 C端SH3-2结构域的RDxS基序（796–799位点）。
推荐理由：研究把高通量蛋白质组学与AI三元复合物折叠串成分子胶发现链，并给出FEP与细胞降解效力的相关性参照。
晶泰科技精选AI 评分6262 晶泰科技与暨南大学在JMC发表RET抑制剂研究，打通专利数据到小鼠药效的研发链路
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 回顾药物发现中结合亲和力预测的历史
Valence Labs 的 Daniel Ramirez 撰文梳理靶向药物发现中结合亲和力预测的两条路线：基于物理的对接与分子动力学方法可泛化到新靶点和新化学型，但速度慢且需要起始结构；Boltz-2、Nesso-1 等共折叠模型速度快、无需起始结构，却会在训练数据之外无预警失效。
推荐理由：梳理结合亲和力预测从物理模拟到共折叠模型的两条路线，并说明两者互补的融合方向。
DrugIntel精选AI 评分6262 Rowan 测试不同 Pose Ranking 方法对 RBFE 计算的影响
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
DrugIntel精选AI 评分7070 Nature研究构建随机背景基线，量化配体优化中的效力与PK权衡
《Nature》2026年发表的这项研究针对6个靶点的18个先导化合物系统合成257个单原子水平类似物，发现11.3%的类似物效力提升至少10倍（95%置信区间7.5%–15.2%），但41.4%的类似物在肝微粒体稳定性、血浆游离分数或膜通透性中至少一项恶化超过3倍。
推荐理由：研究用257个单原子类似物建立配体优化的随机背景，量化效力提升与PK恶化的权衡。
HouMed精选AI 评分6363 侯廷军团队在Nature Protocols发布AI虚拟筛选平台CVSP-AIE
侯廷军、康玉团队联合澳门理工大学刘焕香团队在Nature Protocols发布AI驱动的虚拟筛选平台CVSP-AIE，整合KarmaDock、CarsiDock与RTMScore重打分模型，通过分层调用平衡筛选速度与精度。
推荐理由：该平台把三种自研对接与打分模型整合为分层筛选流程，并给出在线与本地两种使用方式，便于比较速度与精度的取舍。