跳到正文
  1. BioTender74

    Baker 团队开源 Chaperone:面向 Agent 的蛋白质设计工作流框架

    华盛顿大学蛋白质设计研究所等机构发布技术报告,开源 Chaperone 轻量工具框架与 Agent harness,把生成、序列设计、结构预测等工具封装为统一表格接口的 Block,由 ExecutionEngine 分块调度并支持断点恢复。

    推荐理由:拆解 Chaperone 的工具编排层与评测条件差异,并保留湿实验成功分母与许可边界。

  1. 机器之心 · AI4Science58

    中科大发布机器科学家2.2系统,宣称可自主创制新物质

    中科大在智能科学家生态联盟第四届年会上发布机器科学家2.2系统,官方定位为新一代智能物质科学基础设施,由大模型提出假设、专业小模型计算筛选、科研机器人执行实验并回喂结果形成闭环。

    推荐理由:报道梳理了该系统大模型假设、小模型求证与机器人实验的三层分工及闭环机制,并列出效率数据与数据、验证层面的现实约束。

  1. DeepTech深科技62

    Google 推进自主湿实验室,智能体与机器人已实现部分闭环

    Google 于 10 月 16 日发布技术博客,介绍其搭建自主湿实验室的进展:团队希望让 AI 智能体设计分子、安排实验、分析结果并据此调整下一轮方案,其中一项研究已找到能紧密结合实体瘤相关靶点的蛋白质分子,但机器人操作、分子筛选和蛋白质设计三项研究尚未全部打通。

    推荐理由:Google 公布自主湿实验室进展,可与 Anthropic、OpenAI 的同类布局对照,看清 AI 进入实验台的不同路径。

  1. Google DeepMind / Isomorphic60

    Google 推出 Antigravity 智能体工作台,用 ProtNLM 挖掘抗菌肽候选

    Google 发布智能体科研工作台 Google Antigravity,并用它从 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染病原体有活性的新型抗菌肽候选,该先导物正在接受湿实验验证。

    推荐理由:展示智能体工作台如何把跨库检索、功能注释与结构查看串成一次会话,为抗菌肽早期发现提供可迁移流程。

  2. DeepTech深科技72

    拆解Anthropic的生命科学布局:AI公司为何下场做实验

    Anthropic已在旧金山湾区建立自有生物实验室,其生命科学负责人Eric Kauderer-Abrams证实此举是为让Claude提出的假设更快进入真实实验,同时继续与外部实验室合作。

    推荐理由:梳理Anthropic从科研工具到自建实验室的布局,并给出蛋白质设计与新酶发现的具体实验数据作为参照。

  3. Google Research76

    Google Research 展示智能体湿实验、适配体与 FAP 蛋白结合物设计三项研究

    Google Research 报告三项研究:VERID 用语义数字孪生约束机器人实验;AI 智能体根据三轮湿实验反馈改进 DNA 适配体;人机协作进行 FAP 蛋白结合物设计并获得纳摩尔级结合验证。三条研究线的整合仍是下一步,尚非统一、全流程自主的生物实验室。

    推荐理由:Google Research 用三个项目说明智能体如何接入湿实验室,其中适配体闭环的失败模式复盘对做自动化实验的人有参照。

  1. Marinka Zitnik63

    ToolUniverse 新增 GPU 环境自动配置,支持智能体调用蛋白设计模型

    ToolUniverse 推出 GPU 环境自动配置功能,使智能体可在复杂生物数据集上调用机器学习模型并把输出用于发现流程。

    推荐理由:ToolUniverse 新增 GPU 环境自动配置,让智能体直接调用蛋白设计与结构预测模型,并附可复用的 EGFR 设计流程。

  1. Roshan Rao65

    Anthropic 称 Claude 为 30 多个开源生物分子模型优化推理,平均提速 4 倍

    Anthropic 在 Science Blog 中称,Claude 为 30 多个用于分子结构建模、类药分子设计和基因突变效应预测的开源模型优化推理,平均提速 4 倍,部分通过编写 GPU 定制软件实现,并将全部优化代码开源。Roshan Rao 转发该内容并称,Anthropic 的工作显示折叠与结合剂设计可大幅加速;他所在团队也将 Claude 用于此类问题,模型训练 MFU 提升一倍。

    推荐理由:Anthropic 用 Claude 为 30 多个开源生物分子模型优化推理,并开源优化代码,可作为评估模型推理加速路径的参照。

  2. Amir Shanehsazzadeh67

    Anthropic 团队开源 30 多个生物分子模型的推理优化,并联合 Adaptyv 发起设计竞赛

    Amir Shanehsazzadeh 报告,Claude 在不到 4 周内优化 30 多个开源生物分子模型,涉及自定义 GPU kernel、超过 10,000 token 的结构建模及低于 200 美元的结合物设计,并开放代码。帖子同时宣布与 Adaptyv 合办五项挑战,计划实验验证 5,000 多个设计。模型推理优化是相较竞赛总公告的新增内容。

    推荐理由:Anthropic 公布用 Claude 优化 30 余个生物分子开源模型推理并开源代码,同时联合 Adaptyv 举办蛋白设计竞赛。

  1. Proxima58

    Proxima 将 NVIDIA BioNeMo 推理运行时接入 Neo,H100 上吞吐提升 1.6 至 1.9 倍

    Proxima 已将 NVIDIA 今日发布的 BioNeMo Inference Runtime 用于其蒸馏与重折叠管线的生产环境,使 Neo 在 H100 上获得 1.6 至 1.9 倍吞吐提升,短输入场景最高 3 倍。公司称集成仅耗时数小时,一个使用 BioNeMo agent skill 的编码智能体一次性完成接入,尽管 Neo 架构与参考模型差异很大,此后已持续运行。

    推荐理由:Proxima 披露 Neo 接入 NVIDIA BioNeMo 推理运行时后的吞吐提升与集成耗时,可作为评估推理栈落地成本的参照。

  1. 力文所58

    力文所发布 Lévin™ Harness 蛋白质设计 Agent 应用

    力文所发布以 Agent 为核心的蛋白质设计智能应用 Lévin™ Harness,将数据、模型、插件工具、算力和工作流整合到同一工作区。该应用内置 Mol* 三维结构查看器,使分子结构进入 Agent 上下文,并以插件形式接入 AlphaFold、ProteinMPNN、Pallatom、RFantibody 等开源工具,自动完成下载、安装与调用。

    推荐理由:该产品把结构查看、开源设计模型与工作流编排收进同一 Agent 工作区,可对照现有蛋白设计工具链的碎片化问题。

  1. Brian Hie58

    Brian Hie:Proto 现已可在 ChatGPT 中使用

    Brian Hie 宣布 Proto 现可在 ChatGPT 中使用,并给出用 Germinal 做从头纳米抗体设计、用 Evo 2 做语义设计的两个对话示例链接。他同时指向 OpenAI 开发者博客的 Rosalind Workbench 研究预览,该工作台把科学问题连接到专用模型、工具与可审查输出,覆盖蛋白结构与序列分析到测序流程。

    推荐理由:作者展示 Proto 接入 ChatGPT 后的纳米抗体从头设计与 Evo 2 语义设计入口,可观察科研工作流如何被整合。

  1. Pranam Chatterjee63

    ActFlow:用不确定性引导与验证器反馈扩展流模型与扩散模型的可生成空间

    Pranam Chatterjee 转发介绍 ActFlow,这是一种持续预训练方案,通过不确定性引导探索和验证器反馈,让流模型与扩散模型扩展到新的有效区域,作者称之为可生成集合扩展,并将其定位为面向分布外生成建模的新学习原则。

    推荐理由:该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间,为分布外生成提供可迁移思路。

  1. A-Alpha Bio 官网资讯68

    A-Alpha Bio 推出 Atlas 平台,以实验结合数据缓解 AI 蛋白设计的数据瓶颈

    A-Alpha Bio 推出名为 Atlas 的网页平台,提供可授权的机器学习就绪蛋白相互作用数据,并支持按需生成新的结合数据。平台由高通量平台 AlphaSeq 产生数据,采用统一实验条件与标准化对照,使不同实验的数据集可合并用于模型训练与基准评测。

    推荐理由:该平台把标准化实验产生的结合数据组织成可授权数据集,为抗体设计模型的训练与基准评测提供数据来源。

  1. Medra 官网资讯58

    Medra 发布 AI Experimentalist 并宣布获 DARPA 资助项目

    Medra 发布 Physical AI Scientist 平台的科学推理层 AI Experimentalist,可将自然语言科研目标与人工撰写的实验方案转化为可执行、可测量并迭代改进的实验。

    推荐理由:该平台把自然语言科研目标转成可执行实验并闭环优化,展示了自动化实验室与推理层结合的具体形态。

  1. NVIDIA Healthcare & BioNeMo72

    NVIDIA 发布 BioNeMo Agent Toolkit,为 AI 智能体提供生命科学工具

    NVIDIA 发布 BioNeMo Agent Toolkit,将十余年积累的生命科学库、工具与开放模型封装为智能体可调用的技能,覆盖蛋白结构预测、分子对接、生成式化学、基因组分析、蛋白设计与生物标志物发现。

    推荐理由:英伟达把十余年生命科学库与模型封装成智能体可调用工具,并列出多家药企与平台的接入情况。

  1. Medra 官网资讯58

    Medra 发布自主实验室 Medra Lab 001,称覆盖设计-制造-测试-分析全流程

    Medra 宣布建成 Medra Lab 001(ML001),称其为美国最大的自主实验室,面积 38,000 平方英尺、部署数百台机器人并 24/7 运行,在 90 天内建成。

    推荐理由:Medra 公布其自主实验室的规模与在产合作范围,为观察物理 AI 科学家的落地形态提供参照。

  1. 唯信计算58

    唯信计算在 NVIDIA GTC 2026 发布生物医药多智能体操作系统 WeMol Copilot

    唯信计算(Wecomput)在 NVIDIA GTC 2026 发布生物医药多智能体操作系统 WeMol Copilot,用户可用自然语言描述任务,由系统规划路径并调度底层 AI 模型与计算工具。

    推荐理由:唯信计算在 GTC 2026 发布多智能体系统,展示从抗体生成到去免疫原性改造的自动化流程编排。

  1. A-Alpha Bio 官网资讯58

    A-Alpha Bio 推出 AlphaSeq 3D,构建分子胶系统性发现平台

    A-Alpha Bio 宣布在其 AlphaSeq 平台上新增 AlphaSeq 3D,可在单次实验中用数百个预验证效应蛋白和靶点筛选数千个小分子,覆盖数千万种潜在三元复合物。

    推荐理由:A-Alpha Bio 系统介绍了其分子胶发现平台的工作流,从扩展效应蛋白库到 AlphaSeq 3D 多重筛选,为理解诱导邻近药物的发现路径提供了具体参照。

已经到底了