Molence 发布 Mol-1：增加推理算力可提升抗体-抗原预测
Molence 发布抗体-抗原结构预测模型 Mol-1，称在 MolBench-AB-26 上增加推理算力可持续提升预测质量。
推荐理由：官方披露 Mol-1 在抗体-抗原预测基准上随采样与循环次数增加而提升，并给出采样效率对比。
#模型/算法发布
Molence精选AI 评分6262
Molence精选AI 评分5858 Molence 展示 Mol-1-constraint 用三残基位点假设提升抗体-抗原 DockQ
Molence 在三个案例中依据文献与单体结构给出三残基位点假设，配合 Mol-1-constraint 后 DockQ 分别从 0.014 升至 0.874、从 0.011 升至 0.739、从 0.200 升至 0.863。作者据此说明稀疏生物学假设可引导复杂结构预测，并称表位信息作为输入时 Mol-1-constraint 在 FoldBench-AB、AF3-AB、PXMeter-AB、MolBench-AB-26 四个基准上 DockQ > 0.23 的成功率均有提升，基础模型与 Mol-1-constraint 可在 https://lab.molence.com 获取。
推荐理由：三个案例显示少量残基位点假设可显著改变抗体-抗原复合物预测的DockQ，为稀疏生物先验如何进入结构预测提供参照。
Molence精选AI 评分5858 Molence 称 Mol-1 长时程智能体在 10 个组装任务中 9 个超过 Anthropic 报告结果
Molence 称基于 Mol-1 的长时程智能体在 10 个受评组装任务中有 9 个超过 Anthropic 报告的结果，可在单张 NVIDIA H20 上预测最长 60,120 个残基的复合物结构，其中 8 个达到 TM-score ≥ 0.90。作者同时引用其前一条内容称，Mol-1 在 FoldBench-AB 上以 DockQ > 0.23 计的中位成功率为 75.0%，与 IsoDDE 已发表的 75.58% 相当；该结果来自对 32 个种子构成的 201,376 种五种子组合的评测，其中 62.22% 达到或超过 75% 成功率。Mol-1 代码见 https://github.com/molence/Mol-1，试用入口为 https://lab.molence.com。
推荐理由：Molence 公布 Mol-1 在 FoldBench-AB 与复合物组装上的评测结果，可与 IsoDDE 等已公开成绩对照。
下一分子精选AI 评分7474 Molence开源生物分子基础模型Mol-1，VHH单靶点结合命中率最高63%
前字节跳动Protenix核心成员创立的Molence Bio于10月28日发布开源生物分子基础模型Mol-1，公开39页技术报告，代码以Apache 2.0开放、基础版权重可下载，约束版权重未同样开放。
推荐理由：报道梳理了Mol-1的结构预测与VHH设计数据，并逐项标注队列不匹配与早期checkpoint等证据边界。
Molence精选AI 评分7474 Molence 发布开源生物分子智能模型 Mol-1
Molence 发布开源生物分子智能模型 Mol-1，在 FoldBench-AB 上取得 75.0%，接近其引用的 IsoDDE 报告的 75.58%。该模型可在单张 H20 上完成 6 万 token 的组装，公司称其在 10 项对比中 8 项优于 Anthropic；VHH 结合命中率最高 63%，最佳 SPR KD 为 43 pM。代码已在 GitHub 开放，并提供在线试用入口。
推荐理由：Molence 发布开源生物分子模型 Mol-1，并给出结构基准、长序列组装与 VHH 结合筛选的对比数据。
英矽智能精选AI 评分6363 英矽智能推出 inClinico Agent，加速临床试验分析与终点预测
英矽智能推出 inClinico Agent，将自然语言问题转化为端到端临床分析工作流，把复杂临床格局分析从数月压缩至分钟级。
推荐理由：英矽智能发布临床分析智能体，公开了终点预测模型在前瞻性基准上的表现与对照结果。
UW Institute for Protein Design精选AI 评分7474 IPD 与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 与 UW 蛋白设计研究所发布开放蛋白设计模型 RFD4-Proteina
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
Insilico Medicine 英矽智能精选AI 评分5858 英矽智能在虚拟细胞论坛展示虚拟衰老细胞模拟框架
英矽智能全球AI平台负责人Petrina Kamya在虚拟细胞论坛介绍了公司的虚拟衰老细胞模拟框架，该框架基于12年自有数据与基准测试构建，覆盖分子、细胞内、细胞间、组织/器官和机体五个生物学尺度。系统在每个生物层级使用约43个专用AI智能体，以患者种子基线图谱模拟干预后的细胞状态转变。Kamya表示，公司正在全自动机器人实验室中对机制未知的新分子开展前瞻性验证，以检验预测并排除对文献的记忆。
推荐理由：英矽智能公开虚拟衰老细胞框架的跨尺度多智能体架构，并说明其正用自动化实验室做前瞻验证。
英矽智能精选AI 评分5858 英矽智能Pharma.AI 2026秋季发布：MMAI Gym、专业模型与MCP智能体工作流
英矽智能在2026年Pharma.AI秋季网络研讨会上发布MMAI Gym科学后训练与评估框架，并展示激酶活性、GPCR活性、ADMET预测、单步逆合成和治疗靶点发现五款专业模型，公司称其在70多项化学与生物学基准任务中达到或超越当前SOTA。
推荐理由：英矽智能一次性披露Pharma.AI秋季多项更新，含专业模型基准表现与逆合成对比数据，可作平台能力横向参照。
Google DeepMind / Isomorphic精选AI 评分5858 Google DeepMind 发布 Gemini 4 Argon，并展示其在酶设计与科研任务上的应用
Google DeepMind 发布 Gemini 4 Argon，通过 API、AI Studio、Gemini 平台及 Antigravity 等入口向开发者、企业和科研人员开放，输入定价为每百万 token 2 美元、输出为每百万 token 10 美元。
推荐理由：Gemini 4 Argon 在数小时内完成丝氨酸酯酶设计，并经实验室测试确认催化活性，为通用模型参与酶工程提供了具体案例。
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。
Google DeepMind / Isomorphic精选AI 评分7474 Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白与结构嵌入可验证水印
Google DeepMind 推出面向合成生物学的 SynthID Bio 水印方法，可在蛋白序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名，并在实验室测试中保持生物功能。
推荐理由：介绍一种嵌入蛋白序列与预测结构的可验证水印方法，并给出湿实验与检测稳健性证据。
EMBL-EBI News精选AI 评分6868 AlphaFold 数据库新增病毒蛋白复合物预测，覆盖 2800 多种病毒
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作，在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构，优先覆盖已知感染人类的病毒科。
推荐理由：AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构，为疫苗与诊断靶点研究提供开放基础数据。
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。
临港实验室精选AI 评分5555 临港实验室元生·开物发布AI原生制药工作台升级版
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 推出 AI 化学助手 Indy，称可将药物化学家产能翻倍
Inductive Bio 发布 AI 化学助手 Indy，面向其合作项目开放，公司称已在内部合作项目中使团队产能翻倍。Indy 可解析 CRO 报告、QC 剂量响应曲线、分析历史 SAR、运行生成化学算法、搭建 FEP 计算并生成项目汇报幻灯片，并接入 Inductive 的 ADMET 与 PK 模型。
推荐理由：Indy 在真实剂量响应曲线上的准确率对比通用大模型，展示了药化专用助手与通用模型的差距。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio 推出药化智能体 Indy，称数据质控准确率 89% 高于 Claude 与 GPT
Inductive Bio 发布小分子药化助手 Indy，内嵌于其 Compass 平台，可做剂量响应数据质控、FEP 提交、人体剂量预测与 SAR 幻灯片生成。
推荐理由：Inductive 公开其药化智能体 Indy 与 Claude、GPT 在数据质控和常规设计动作上的对照评测，可看判断力差距落在哪。