BioEmu2 全流程教程与实测：微软开源全原子生物分子结构与动力学模型
作者在 Linux + conda + NVIDIA RTX 4080 SUPER 上实测微软 BioEmu2 全原子扩散模型，对腺苷酸激酶 ADK 和肌红蛋白各生成 8 个初始候选、从同一起点推进 4 条轨迹，每条 20 次、每次 50 ns，覆盖 1 μs 模型时间，80 个推进端点全部通过几何检查。
推荐理由：作者在单卡上实测微软 BioEmu2 的结构预测与时间推进流程，给出可复用的参数设置与耗时数据。
#分子动力学
BioAICraft精选AI 评分6060
药化猩球精选AI 评分5858 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。
奶牛猫的CADD实验室精选AI 评分7373 机器学习力场SO3LR Tauri发布：训练覆盖85种元素，可模拟蛋白质与DNA体系
研究人员发布机器学习力场SO3LR Tauri，用约1.48亿个量子化学结构训练，覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å，在顺铂与DNA交联体系中无需额外约束即维持铂四配位，但水分子扩散速度约为实验值一半，单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。
推荐理由：该工作用同一机器学习力场覆盖85种元素并测试多种生物体系，同时给出水扩散偏慢与模拟速度的具体边界。
机器之心 · AI4Science精选AI 评分6767 至知创新研究院发布分布式计算系统Tessera，在512张GPU上完成约3070万原子分子动力学计算
至知创新研究院在论文中提出分布式计算系统Tessera，基于E2Former V2架构的UBio-MolFM模型，在512张GPU上完成约3070万原子的完整能量与受力计算，单步耗时1.684秒，扩展效率89.7%。
推荐理由：该工作把多层等变机器学习力场扩展到数千万原子，并给出弱扩展效率与千万原子轨迹的结构统计对照。
Corin Wagen精选AI 评分5858 Corin Wagen 用约250美元算力在 Modal 完成无人工代码的分子模拟项目
Corin Wagen 称其最终项目在 Modal 上花费约250美元，且不涉及任何人工编写的代码。他随后发布完整写作，认为分子模拟正在发生变化，可以模拟更多体系并更具雄心，并附上关于羰基-烯烃复分解建模的博客链接。
推荐理由：作者以约250美元算力成本完成无人工编写代码的分子模拟项目，为评估自动化建模的可行性提供了一手参照。
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。
Corin Wagen精选AI 评分5858 Corin Wagen 评 Rowan 自动生成合成中间体对 FEP 的改进
Corin Wagen 表示，自动生成合成中间体是 Rowan 已加入的体验改进之一，与自动扭转角重拟合、收敛检测等功能并列。他引用的 @manntis4 内容称，在测试小分子辅因子支持 FEP 时发现，把合成中间体配体加入 RBFE 图可改善与实验结合亲和力的相关性，示例为 KRAS-G12D。Wagen 认为稳健的智能体驱动 FEP 还需要更多此类能力。
推荐理由：Rowan 团队以 KRAS-G12D 为例说明合成中间体配体如何改善 RBFE 与实验亲和力的相关性，并列出自动化改进方向。
iNature精选AI 评分6262 香港大学贾伟团队开发MetLLM，从化学空间发现新型胆汁酸
香港大学贾伟团队在Cell Metabolism发表研究，提出基于Transformer的语言模型MetLLM，学习胆汁酸修饰模式以优先筛选候选胆汁酸类似物，并构建含3900个优先候选物的计算机模拟胆汁酸化学景观MetSpace。
推荐理由：该研究用语言模型学习胆汁酸修饰模式并优先筛选候选物，再以质谱与细胞实验验证，为代谢物发现提供可迁移框架。
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。
LeapFun精选AI 评分7878 微软开源 BioEmu2 生物分子基础模型，同时覆盖结构、平衡系综与动力学传播
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。
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。
DrugAI精选AI 评分6565 Langevin Flow Maps：用半群一致性学习大步长分子动力学与过渡路径采样
arXiv 预印本提出 Langevin Flow Maps（LFM），通过学习朗之万随机动力学在有限时间区间内的状态映射，实现无需显式轨迹监督的大步长分子模拟。
推荐理由：该预印本把学习目标从瞬时受力扩展到有限时间朗之万演化，并给出大步长加速与平衡分布偏差的对照证据。
Frank Noé精选AI 评分7474 微软研究院公开预览 BioEmu2 生物分子结构、动力学与功能基础模型
微软研究院 AI for Science 公开预览基础模型 BioEmu2，面向生物分子结构、动力学与功能，开放权重并采用 MIT 许可，代码托管于 GitHub。作者同时展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的动画。
推荐理由：微软研究院发布生物分子结构与动力学基础模型 BioEmu2，开放权重与 MIT 许可便于研究者直接复用。
LeapFun精选AI 评分6565 如何确定抗体功能表位：mimotope-MD-Folddisco 工作流与验收经验
文章介绍上海交大团队与 Jordi Marti 等 2026 年发表的 Mimotope-Guided Molecular Dynamics 方法，用噬菌体选出的 mimotope 经微秒级分子动力学精修抗体结合姿势，再用 Folddisco 映射回抗原以定位功能表位。
推荐理由：文章把几何接触面与功能热点的区别讲成可执行流程，并给出四套晶体体系的命中率与对照结果。
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。
Corin Wagen精选AI 评分5858 Anton Ni 与 Joonho Lee 提出基于 UMA 嵌入的隐式溶剂模型
Corin Wagen 推荐 Anton Ni 与 Joonho Lee（哈佛大学化学与化学生物学系）的新工作：作者在 SMD 数据上基于 UMA 嵌入训练了一个兼容神经势（NNP）的隐式溶剂模型，并展示该模型可用于分子动力学、logP 预测、异构体 ΔG 预测和 SNAr 机理研究。推文未披露模型性能数字与对照结果。
推荐理由：该工作把 UMA 嵌入用于训练兼容神经势的隐式溶剂模型，并展示其在多类化学任务上的适用面。
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。
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。