Inductive 在 OpenADMET CYP 抑制盲测中夺冠，连续第四次登顶 AI 药物发现基准
Inductive 在 OpenADMET CYP Direct Inhibition 盲测中排名第一，领先来自生物制药、学术与 AI 机构的 270 余名参赛者，NVIDIA 与 Recursion 分列第三、第四。
推荐理由：Inductive 在 OpenADMET CYP 抑制盲测中领先 270 余支队伍，可对照其连续四次登顶的 ADMET 建模路线。
#小分子生成
Inductive Bio 官网资讯精选AI 评分6363 BioTender精选AI 评分5858 Chai Discovery 与罗氏达成合作，将 AI 分子设计平台引入其药物发现项目
Chai Discovery 宣布与罗氏达成合作，将其 AI 模型及计算分子设计平台引入罗氏多个治疗领域的药物发现项目，双方将围绕 AI 驱动的分子设计与药物发现展开探索。Chai Discovery 此前已与 Eli Lilly、Pfizer、Novartis、Bristol Myers Squibb、GSK 等药企建立合作。材料未披露交易金额、首付款与具体项目资产。
推荐理由：Chai Discovery 与罗氏达成合作，其合作药企名单再添一家，可观察 AI 分子设计平台在大型药企研发场景中的部署进展。
DeepTech深科技精选AI 评分6060 哈佛教授 Gregory Verdine 谈 AI 制药：药企靠什么竞争
哈佛化学荣休教授、连续创业者 Gregory Verdine 在 DeepTech 访谈中表示，AI 目前最明确的价值是优化已有候选分子，而非从零设计全新小分子，后者受限于复杂结构的合成周期与水分子的物理计算难题。
推荐理由：连续创业者从分子设计、合成瓶颈与组织分工三层谈 AI 在药研中的实际边界，并以与晶泰的合作作为观察样本。
DrugAI精选AI 评分6868 浙江大学侯廷军团队发布PROTAC-DB 4.0，整合分子胶与XTAC并引入LLM问答
浙江大学侯廷军团队联合中国药科大学等在Nucleic Acids Research发表PROTAC-DB 4.0，将数据库从PROTAC扩展至分子胶和XTAC。
推荐理由：该论文把PROTAC、分子胶与XTAC数据整合进统一知识库，并给出LLM加RAG的检索架构，可作为靶向降解数据资源与AI建模的参照。
Genesis Molecular AI精选AI 评分6868 Genesis Molecular AI 的 NeurIPS 2026 论文：分子优化达最强推理时搜索同等性能，oracle 调用少 58 倍
Genesis Molecular AI 在 NeurIPS 2026 论文中报告，其方法在分子优化任务上达到与最强推理时搜索相同的性能，同时 oracle 调用次数减少 58 倍。该推文指出，预训练分子生成器掌握化学规律但不了解具体靶点，论文聚焦离散扩散设计选择对反馈效率的影响。
推荐理由：该论文比较离散扩散分子生成中不同设计选择对反馈效率的影响，为优化时的 oracle 调用预算提供参照。
Google DeepMind / Isomorphic精选AI 评分6363 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。
Edison Scientific精选AI 评分5858 Edison Scientific 与普林斯顿合作发布 ChefNMR2，可从一维 NMR 谱自动解析小分子结构
Edison Scientific 与普林斯顿的 ZhongingAlong 合作推出 AI 系统 ChefNMR2，可从简单一维 NMR 谱自动完成小分子全新结构解析。
推荐理由：该模型用一维核磁谱自动解析小分子结构，并在五个基准上与通用大模型对比，可供关注谱图解析自动化的人参考。
DrugAI精选AI 评分6666 伯克利团队在Science提出刺激性蛋白降解SPD策略，小分子BD2激活CUL2-FEM1B改善线粒体功能
加州大学伯克利分校Michael Rapé团队在《Science》发表研究，提出刺激性蛋白降解（SPD）策略，用小分子解除BEX蛋白对E3连接酶CUL2-FEM1B的抑制，促进其天然底物降解。
推荐理由：研究提出激活E3连接酶天然底物清除的SPD策略，为多蛋白异常疾病提供不同于PROTAC的作用模式参照。
DeepTech深科技精选AI 评分6767 MIT团队用AI从700亿分子中筛出9种抗生素候选物，获2026年普利兹克AI科学研究卓越奖
麻省理工学院教授Regina Barzilay和James J. Collins获得2026年普利兹克AI科学研究卓越奖，其Antibiotics-AI Project已用AI虚拟筛选超过700亿个分子、对超过3.8万个分子开展抗菌实验，发现或设计出9种新型抗生素候选物。
推荐理由：梳理MIT团队从虚拟筛选到生成式设计抗生素的多年路径，并点出合成与临床环节的落差。
BioTender精选AI 评分7878 MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
智药局精选AI 评分6262 DoveTree与晶泰科技复盘难成药靶点合作：签约一年多已有项目进入IND-enabling
DoveTree研发总裁Lihua Yu与晶泰科技主任科学家邹俊杰在闭门交流会上首次复盘双方2025年8月宣布的战略合作，该合作总价值达数十亿美元，覆盖肿瘤、免疫、神经、代谢等领域多个难成药靶点，目前已有项目进入IND-enabling研究阶段。
推荐理由：复盘晶泰与DoveTree围绕难成药靶点的战略合作，披露从签约到IND-enabling的推进节奏与平台能力细节。
Sam Rodriques精选AI 评分6060 Sam Rodriques 发布 ChefNMR2：从 NMR 谱图推断分子结构
Sam Rodriques 发布 ChefNMR2，这是一个与普林斯顿 Ellen Zhong 合作训练的模型，可从 NMR 谱图推断分子结构，现已上线 Kosmos。在 2,031 个分子上，该模型 top-1 准确率为 82%，而单独使用 Claude Opus 5 为 52%。作者称这让天然产物结构推断更容易，从而减少药物发现中的一个瓶颈。
推荐理由：该模型把 NMR 谱图直接映射到分子结构，并在 2,031 个分子上与通用大模型对比，为天然产物解析提供了可参照的评测。
智药邦精选AI 评分5858 npj Drug Discovery综述提出TechBio 3.0：AI制药如何把预测、设计与实验连成闭环
牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述，用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式，并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。
推荐理由：文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环，并借两个企业案例说明证据边界。
LeapFun精选AI 评分5858 Bruce Booth 警告 AI 药物供给过剩，Biotech 将迎来消化不良
Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。
推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。
Oxford Protein Informatics Group · Blog精选AI 评分5858 别再用胜率：跨基准任务比较模型排名的统计方法
牛津蛋白信息学组博客指出，化学信息学论文常用胜率（模型在任务中排名第一的比例）评估基准表现，但该指标会掩盖微小差距、缺乏统计检验，并隐藏模型在部分任务上的严重失败。
推荐理由：文章用模拟数据演示胜率指标如何掩盖模型弱点，并给出任务内与跨任务的统计比较替代流程。
奶牛猫的CADD实验室精选AI 评分6363 arXiv 预印本：GEOM-DRUGS 参考集遗漏低能构象，影响构象生成模型评分
一篇 arXiv 预印本系统检验 GEOM-DRUGS 参考构象集的完整性，发现五种生成模型（GeoMol、GeoDiff、Torsional Diffusion 等）在 384 个分子上生成的构象中，有 2.3%–7.0% 经 GFN2-xTB 优化与合理性检查后属合理低能构象却未被参考集覆盖。
推荐理由：研究指出构象基准参考集本身可能遗漏低能构象，为生成模型的评测方式提供了具体参照。
智药邦精选AI 评分7878 上海药物所郑明月等发布MolGenBench：系统评测17种AI药物生成模型
同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文，构建结构基础药物发现评测基准MolGenBench，在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法，覆盖从头设计与苗头到先导优化两个阶段。
推荐理由：该研究用120个靶点和600个化合物系列横向比较17种分子生成方法，为判断生成模型能否产出真实活性分子提供参照。
动脉网精选AI 评分6060 砺博生物完成近亿元A轮融资，推进靶向RNA小分子管线临床研发
砺博生物宣布近日完成近亿元人民币A轮融资，由正心谷资本、创新工场美元基金和某产业医疗基金联合领投，老股东元生创投追加，资金用于既有管线临床研发及全球商业化布局。
推荐理由：报道披露砺博生物A轮融资与RP-0172临床进展，可了解RNA三级结构AI4S平台如何支撑靶向RNA小分子发现。
药化猩球精选AI 评分5858 能结合却无药效的分子还能做什么：从沉默结合到PROTAC与RiboTAC的药化设计
作者费米子父梳理了沉默结合配体在诱导邻近技术中的再利用路径，涵盖SAR by catalog、RiboTAC、RNATAC、RIPTAC与PhosTAC。文中引用Disney团队2023年Nature研究，将结合RNA但无功能效应的小分子接上RNase L招募模块后成为降解剂；Tong等2024年全转录组研究中481个结合RNA靶标仅5个达到RNase L依赖切割标准。
推荐理由：文章把沉默结合配体与多种诱导邻近技术串成一套设计检查框架，便于理解配体再利用的取舍。
BioArt精选AI 评分7373 清华大学团队在Nature Communications发表可解释AI引导的可降解脂质肝脏mRNA递送研究
清华大学深圳国际研究生院颜昊、康飞宇团队在Nature Communications发表研究，建立模块化合成、高通量筛选、可解释机器学习与动物验证的两阶段框架，从520种实验脂质扩展到10,920种虚拟候选，筛出可降解可电离脂质PA97MD101。
推荐理由：研究把可解释机器学习用于可降解脂质筛选，并用独立动物实验检验体外预测的边界。