Google DeepMind 为 Antigravity 推出化学信息学技能，智能体一小时完成大环设计与合成路线
Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，让语言模型负责流程编排、确定性化学工具执行分子计算。
推荐理由：官方演示了智能体在真实肺癌药物数据上完成检索、配对分析与大环设计，可观察化学工作流的自动化边界。
#可开发性
Google DeepMind / Isomorphic精选AI 评分6363
Molence精选AI 评分7474 Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence精选AI 评分7070 Molence 报告 30 个设计 VHH-Fc 候选在 13 个靶点的生物物理筛选结果
Molence 对 30 个设计的 VHH-Fc 候选在 13 个靶点上做了四项生物物理筛选，23 个候选至少满足四项标准中的三项。分项通过率为 HIC 疏水性 80.0%、DSF 热稳定性 80.0%（Tm1 > 60°C）、AC-SINS 自相互作用 83.3%、BVP 非特异性结合 70.0%，13 个靶点中有 12 个至少有一个候选满足三项及以上标准。作者称这些结果可用于挑选进入后续开发的分子。
推荐理由：30 个 VHH-Fc 候选在 13 个靶点上的四项生物物理筛选通过率，为设计分子的可开发性筛选提供参照。
下一分子精选AI 评分6868 Anthropic收购一人药企Mithril Medicine，双特异性抗体推进至小鼠概念验证
Anthropic于10月27日披露已收购由Cody Tranbarger一人运营的Mithril Medicine，交易实际于2026年7月完成，金额未披露。
推荐理由：文章拆解了Anthropic收购一人药企的交易细节与小鼠数据统计边界，区分模式验证与效率验证。
晶泰科技精选AI 评分6868 晶泰科技 siRNA 项目 9 个月确认 PCC，IgA 肾病候选分子展现同类最佳潜力
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子（PCC）用时 9 个月，候选分子拟用于 IgA 肾病治疗。临床前研究显示，该分子体外沉默活性达亚纳摩尔级，与同靶点临床阶段参照分子相比 IC50 降低数十倍；非人灵长类动物平行对照研究中单次给药后数月内持续维持高水平靶蛋白抑制，毒理试验显示更大安全窗口。
推荐理由：晶泰首个 siRNA 项目 9 个月确认 PCC，其临床前活性与长效性数据为观察 AI 序列设计在受限靶点空间中的实际产出提供参照。
CHARM Therapeutics精选AI 评分6868 CHARM Therapeutics 宣布 CHM-029 治疗急性髓系白血病的 I/II 期临床试验完成首例患者给药并完成首队列入组
CHARM Therapeutics 宣布其 menin 抑制剂 CHM-029 在复发或难治性急性髓系白血病（AML）患者的 I/II 期试验（NCT07751991）中完成首例患者给药，并完成首队列入组，初步数据预计 2027 年公布。
推荐理由：CHARM 的 CHM-029 进入临床，是蛋白-配体共折叠模型设计分子首次推进到人体试验的案例。
晶泰科技精选AI 评分5858 晶泰科技生发管线进入IND-enabling阶段，候选分子以5%米诺地尔百分之一浓度起效
晶泰科技宣布其脱发治疗创新药管线进入IND-enabling研究阶段，将围绕药效、GLP毒理及CMC开展研究。公司称自研候选分子可激活毛囊干细胞“乳酸—自噬”信号轴，在DHT诱导雄激素性脱发小鼠模型中，仅需5%米诺地尔百分之一的浓度即可达到与5%米诺地尔相当的毛发生长评分。该管线依托XtalPi Science平台的AI分子生成、FEP计算与机器人实验进行优化，目前正与国内医疗机构推进后续验证。
推荐理由：晶泰自研生发小分子进入IND-enabling阶段，其低浓度起效的动物数据为观察AI驱动管线推进提供参照。
英矽智能精选AI 评分6868 英矽智能提名新一代小分子GIPR拮抗剂ISM1354
英矽智能提名靶向GIPR的全新小分子临床前候选化合物ISM1354，用于肥胖、2型糖尿病及相关代谢疾病。
推荐理由：英矽智能用Chemistry42提名新一代GIPR拮抗剂，并给出与临床阶段同靶点分子的安全性对比数据。
Ginkgo Datapoints · Updates精选AI 评分5858 Ginkgo Datapoints 与 Apheris 宣布 AbbVie、argenx、Lundbeck、Takeda 成为抗体可开发性联盟创始成员
Ginkgo Datapoints 与 Apheris 宣布抗体可开发性联盟（Antibody Developability Consortium）成立，创始成员为 AbbVie、argenx、Lundbeck 和 Takeda。该联盟计划共建其称为领域内规模最大的标准化抗体可开发性数据集，包含 1 万条抗体，并交付一个基础模型，通过 Apheris 的联邦基础设施实现。
推荐理由：四家药企以创始成员身份加入抗体可开发性联盟，共建标准化数据集与基础模型，呈现产业数据协作的组织方式。
Ginkgo Datapoints · Updates精选AI 评分5858 Ginkgo Datapoints 与 Lilly TuneLab 合作，为后者提供小分子 ADME 与抗体可开发性数据生成服务
Ginkgo Datapoints 宣布与 Lilly TuneLab 合作，为 TuneLab 内的生物技术公司提供小分子 ADME 和抗体可开发性数据生成服务。其机器学习就绪的结果可直接接入 TuneLab 的预测模型，目标是缩小 AI 模型与实验室数据之间的差距。
推荐理由：该合作把 ADME 与抗体可开发性数据生成接入 Lilly TuneLab，展示了实验数据与预测模型对接的一种路径。
Ginkgo Datapoints · Updates精选AI 评分7070 GDPa5：基于大规模IgG数据预测VHH-Fc可开发性
Ginkgo发布GDPa5，一个含160个成员的VHH-Fc库，在PROPHET-Ab平台上用10项生物物理实验进行表征，并同步发布bioRxiv预印本。在559个IgG上训练的跨格式模型优于仅用GDPa5训练的模型，作者认为优势来自标准化IgG数据的规模而非格式本身。
推荐理由：该预印本公开VHH-Fc可开发性数据集，并比较IgG训练模型与格式内训练模型的跨格式迁移表现。
Claude Science / Anthropic Science精选AI 评分8282 Anthropic 报告 Claude 蛋白结合剂设计与 NMR、LC-MS 化学分析研究
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
Nabla Bio精选AI 评分6565 Nabla Bio 转发 Twist Bioscience 关于 JAM-2 选择性抗体设计的客户成果
Nabla Bio 转发 Twist Bioscience 的客户成果介绍，称 JAM-2 通过设计高选择性抗体靶向此前被认为无法在细胞内触及的蛋白，并附报告链接。Nabla Bio 自身正文仅表达对 Twist Bioscience 的致意，未补充技术细节或数据。
Cradle Bio Blog精选AI 评分6767 AI 如何改变抗体优化的第一轮：Cradle 七个多样化campaign的实测
Cradle 在七个抗体多样化campaign中，用基于进化序列数据训练的模型生成每个携带2-8个突变的多突变变体库，设计变体的结合保留率为56%-92%，其中四个campaign在未针对亲和力优化的情况下出现2倍至350倍亲和力提升。
推荐理由：Cradle 用七个抗体多样化campaign的实测数据，对比单点扫描与多突变首轮的取舍，给出首轮实验设计的具体参照。
Nabla Bio精选AI 评分7474 Nabla Bio 发布 JAM-2 报告：零样本设计多特异性抗体与 KRAS G12 双变异结合剂
Nabla Bio 发布 JAM-2 模型报告，将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体，T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍；并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体，在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。
推荐理由：Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节，可作为评估零样本抗体设计的参照。
Ginkgo Datapoints · Updates精选AI 评分7171 Ginkgo发布160个双特异性抗体可开发性数据集与设计规则
Ginkgo在统一的knobs-into-holes CrossMab IgG1骨架上，用PROPHET-Ab高通量平台的10项检测表征了160个双特异性抗体及其65个亲本臂，并公开数据集。
推荐理由：研究用160个双抗与65个亲本臂的配对数据，区分哪些可开发性指标可从亲本预测、哪些必须在双抗层面测。
Cradle Bio Blog精选AI 评分6767 Cradle 展示零样本抗体多样化：七组实验与单突变扫描基线对比
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验，其中 4/7 实验、2/3 靶点出现显著亲和力提升，弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由：Cradle 汇总七组零样本抗体多样化实验，给出功能率与亲和力提升幅度，并对照文献单突变扫描基线。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio：概率化人体剂量预测如何改变候选化合物优先级
Inductive Bio 提出一套将临床前数据转化为人体剂量分布并显式传播实验与模型外推不确定性的框架，在与 Aleksia Therapeutics 的合作中用于三个后期先导化合物的排序。
推荐理由：以三个候选化合物的剂量分布对比说明概率化人体剂量预测如何改变优先级判断，并指出体外重复实验最能降低不确定性。
Yang Zhang Lab精选AI 评分7474 Ouroboros分子基础模型：将构象空间与药效团相似性纳入表示学习
【全文节选总结】Yang Zhang Lab 提出分子基础模型 Ouroboros，采用表示、重建与性质预测三个正交模块，表示模块以构象空间药效团相似性（CSPS）和分子指纹相似性预训练，在 126248 个分子上构建约 47 亿条相似性标签。
推荐理由：该工作把构象空间与药效团相似性纳入分子基础模型预训练，并在虚拟筛选与多靶点抑制剂发现中给出湿实验证据。
Latent Labs精选AI 评分5858 Latent Labs 发布 Latent-X2：AI 生成抗体具备类药可开发性与低免疫原性
Latent Labs 在 Latent-X1 发布 5 个月后推出 Latent-X2，称其 AI 生成抗体在人体样本中表现出类药可开发性和低免疫原性，且为零样本生成。该模型目前面向部分合作伙伴开放使用，公司未披露具体实验数据与评测细节。
推荐理由：Latent Labs 公布从 Latent-X1 到 Latent-X2 的迭代，并给出 AI 生成抗体在可开发性与免疫原性上的自述结果。