亚利桑那州立大学曹志超团队提出SweepANN，五亿分子对两万余口袋检索降至61秒
亚利桑那州立大学曹志超团队提出向量检索系统SweepANN，在四张RTX PRO 6000 Blackwell GPU上为两万六千余个蛋白口袋从约五亿个分子中检索前50万候选，GPU驻留检索耗时约61.04秒，平均召回率99.63%。
推荐理由：该预印本把DrugCLIP的向量检索环节从小时级压到分钟级，并给出召回率与显存占用的具体取舍。
#数据/基准
DeepTech深科技精选AI 评分6868
下一分子精选AI 评分5858 下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由：清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类，便于对照选用。
Evaxion Biotech 官网资讯精选AI 评分6363 Evaxion公布EVX-01二期新生物标志物数据，AI-Immunology平台预测与实际T细胞反应显著相关
Evaxion公布个体化癌症疫苗EVX-01在晚期黑色素瘤二期试验中的新生物标志物数据，直接ex vivo检测到EVX-01诱导的新抗原特异性T细胞，以CD4+ T细胞为主，半数患者观察到CD8+ T细胞反应。
推荐理由：该二期数据把AI新抗原预测与实际T细胞反应关联起来，为个体化癌症疫苗的靶点选择提供了临床层面的参照。
AI-Protein Design精选AI 评分7272 ProVADA 作者解读三篇 bioRxiv 预印本：生成式 AI 如何降低蛋白药物免疫原性
斯坦福团队 ProVADA 模型作者在 bioRxiv 预印本基础上撰文，对比自家 ProVADA 与 David Baker 团队 MINT、普林斯顿团队 MESSI 三条生成式 AI 去免疫原性路线。
推荐理由：ProVADA 作者对比三篇预印本的去免疫原性路线，梳理实验验证目标与序列改动幅度的取舍。
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。
Inductive Bio 官网资讯精选AI 评分6363 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。
GEN (基因工程与生物技术新闻)精选AI 评分7070 剑桥团队AI设计广谱禽流感mRNA疫苗DVX-panH5Nx，临床前保护优于储备疫苗
英国剑桥大学与衍生公司DIOSynVax等合作，用AI整合全球监测的H5Nx基因序列设计多抗原mRNA疫苗DVX-panH5Nx，在动物试验中对多种H5N1变异株实现完全保护，而现有多款储备疫苗仅保护约50%的受试动物。
推荐理由：研究用AI整合全球H5Nx序列设计多抗原mRNA疫苗，在动物攻毒中与世卫组织储备疫苗形成直接对照。
BioTender精选AI 评分7474 CellType推出BioSimBench细胞响应预测评测体系与BioSimGym训练环境
CellType推出BioSimBench，用真实实验数据评测模型对药物处理、基因敲低和免疫信号等干预后基因表达变化的预测，共设四个预测赛道和一个工具型科研智能体赛道。
推荐理由：该评测用真实实验数据考察模型对未见干预条件的基因表达预测，并给出各赛道留出设置与分数对照。
LeapFun精选AI 评分7474 NVIDIA公开RFD4蛋白设计数据体系：2.13TB、19类训练集与采样权重
NVIDIA在开放RFD4-Proteína蛋白设计模型之外，公开了支撑训练的数据体系，共2.13TB、19类训练集、33,527个文件对象，覆盖蛋白结构、抗体、TCR、蛋白Binder、环肽、非天然氨基酸、蛋白-配体、RNA及糖链，较早期约239GB、5类数据的版本明显扩展。
推荐理由：文章拆解了RFD4公开数据集的19类配置、过滤保留率与采样权重，为自建蛋白设计训练数据提供参照。
BioTender精选AI 评分7878 Nature发表structRFM：中国科大等让RNA基础模型同时学习序列与结构
中国科学技术大学、浙江大学等机构在Nature发表RNA基础模型structRFM，在预训练中通过结构引导掩码语言建模同时学习序列与碱基配对关系。
推荐理由：该研究把碱基配对结构引入RNA基础模型预训练，并在二级、三维结构与功能任务上给出对照结果。
BioAIDesign精选AI 评分5858 BioAIDesign 解析 pLDDT、ipTM 等结构预测评估指标并实操 foldmetrics
BioAIDesign 发布结构预测评估指南，逐层解释 pLDDT、PAE、pTM、ipTM、pDockQ、pDockQ2、ipSAE 与 LIS 等指标分别回答局部可信度、链间相对位置还是与参考结构的准确度，并指出 ipTM 0.9 不能换算成亲和力。
推荐理由：文章把结构预测的置信度、准确度与结合证据分层拆开，并给出可复用的汇总工具与判读顺序。
澪乃ゆい精选AI 评分5858 BioResearchBench发布50项长程生物学研究任务基准
BioResearchBench在bioRxiv发布预印本，提出50项长程生物学研究任务，用于评测模型完成多步骤生物学研究的能力。推文仅给出标题与预印本链接，未披露任务构成、评测模型与结果。
推荐理由：该预印本提出包含50项长程生物学研究任务的基准，为评估模型处理完整科研流程的能力提供参照。
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。
医药魔方精选AI 评分5858 Differentia Bio以IgG4-RD前瞻性预测获独立临床验证，推进虚拟人体模拟
Differentia Bio称其针对IgG4相关性疾病（IgG4-RD）的机制预测先后获得独立人体临床研究支持：2025年4月靶向CD19+的inebilizumab获FDA批准用于该适应症，2026年1月第三方公布的dupilumab早期研究中5名患者有4名出现临床改善及血清IgG4水平下降。
推荐理由：文章梳理了Differentia Bio先预测后获独立临床证据支持的案例，为评估AI疾病模型提供参照。
AI蛋白质精选AI 评分7474 北邮上交大复旦等联合发布自动研究智能体，优化MSA组织提升蛋白复合物结构预测
北邮、上交大、复旦等团队提出自动研究智能体，将AlphaFold 3视为黑盒，针对每个目标重组多序列比对（MSA）的序列选择与跨链配对策略，仅依赖预测置信度信号迭代优化。
推荐理由：研究显示MSA深度与配对策略需按目标定制，为AF3复合物预测流程提供了可迁移的优化思路。
Edison Scientific精选AI 评分5858 Edison Scientific 推出 Kosmos Target Assessment 靶点评估工具
Edison Scientific 发布 Kosmos Target Assessment（TA），这是 Kosmos 的专用版本，用于筛选最具成药潜力的治疗候选靶点，与 Incyte 合作开发。
推荐理由：Kosmos TA 与 Incyte 合作开发，把安全性、可成药性与竞争情报等维度纳入靶点评估，并给出与委员会实验请求的一致率。
BioTender精选AI 评分7272 腾讯混元发布 HyInv、HyPLM-Flash、HyFF、HyCell 四份生物模型技术报告
腾讯混元发布四份技术报告，覆盖蛋白质逆折叠、序列表征、原子级力场与单细胞转录组表征，并称 HyInv 与 HyPLM 由科研智能体 Hyra 2.0 从头训练。
推荐理由：四份技术报告把混元生物模型从蛋白质序列设计延伸到原子模拟与单细胞表征，并给出与基线的速度误差对照。
Genesis Molecular AI精选AI 评分5858 Caltech 与 Genesis 团队发布 DDAMO 论文并开源代码
Caltech 的 Trevor Chen 与 @ariel_1214_ 共同主导，联合 Genesis 团队（@edunov、@gruver_nate）等作者发布论文 arXiv:2607.02834，并在 GitHub 开源代码 DDAMO。材料未披露研究任务、方法细节与实验结果。
下一分子精选AI 评分5858 Google DeepMind 为 Antigravity 推出化学信息学技能，一小时演示小分子候选流程
Google DeepMind 于11月3日介绍面向 Antigravity 的 Cheminformatics Skills，将语言模型的流程编排与 RDKit 等化学工具及 ChEMBL、PubChem 数据资源结合，用克唑替尼、洛拉替尼及相关化合物演示多步骤工作流。
推荐理由：Google 用克唑替尼等小分子案例演示智能体串联检索、建模与候选提出，可看流程编排与计算边界。
机器之心 · AI4Science精选AI 评分5858 ReSFlow：在统计流形上整流离散生成路径，实现一步采样
内蒙古大学、上海财经大学与CMU团队提出ReSFlow，将类别概率经平方根映射到球面，在球面上重新配对并整流生成轨迹，使离散数据可一次模型调用完成生成，该工作已被NeurIPS 2026接收。
推荐理由：论文把离散类别概率映射到球面做整流，使一步采样接近多步ODE质量，为离散序列生成提供可迁移思路。