扰动之心完成数千万元天使轮融资并发布虚拟细胞世界模型AlphaCell 1.0 Pro
扰动之心（PerturbMind AI）宣布完成数千万元天使轮及天使+轮融资，由清松资本领投，同杨基金及多家药企跟投，并走出隐匿模式。公司同期发布PerturbSeek™体系下的虚拟细胞状态推演世界模型AlphaCell 1.0 Pro，标准参数量1B，可裁剪至300M用于私有化部署，也可扩展至50B。
推荐理由：融资与模型发布同时披露，呈现以状态推演替代靶点中心的虚拟细胞路线及其参数弹性设计。
#模型/算法发布
智药邦精选AI 评分5858
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7373 腾讯混元 Hyra 2.0 科研智能体自主研发出蛋白质逆折叠模型 HyInv 与语言模型 HyPLM-Flash
腾讯混元于 11 月 2 日发布 Hyra 2.0（Hunyuan Research Agent），将 AI 科研智能体的目标从解决单个科研问题扩展到自主研发可复用的模型、算法和工具，并完成两个 AI4Protein 成果的研发。
推荐理由：腾讯混元披露科研智能体自主研发出两个蛋白质模型，并公开权重与推理代码，可供比较其研发流程与评测表现。
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。
Molence精选AI 评分6262 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。
BioAICraft精选AI 评分6262 SoupFold 发布整合模型 soup-opendde-pack 并公开约 18.2 GB 权重
2026 年 10 月 31 日，SoupFold 作者 Hyosoon Jang 发布整合模型 soup-opendde-pack，并公开约 18.2 GB 模型权重。
推荐理由：该整合包把四个结构预测模型收进单一 checkpoint，可对照其推理流程与依赖变化。
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。
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。
澪乃ゆい精选AI 评分7676 NVIDIA 发布机制感知的 AI 智能体蛋白设计方法 BindClaw
NVIDIA 发布蛋白设计方法 BindClaw，用 AI 智能体把生物学作用机制转成计算测定，从靶点与结合位点识别到结合剂生成、评估与迭代优化。在人工引导的钙调蛋白（CaM）设计中，18 个设计里有 15 个与钙结合态 CaM 结合，其中包含由 BLI 和 SPR 共同支持的亚纳摩尔级结合剂。论文与项目页面已公开，代码将在数周内发布。
推荐理由：该工作把作用机制转成计算测定并驱动结合剂设计，18 个设计中有 15 个在实验中结合钙饱和 CaM。
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。
LeapFun精选AI 评分7474 侯廷军团队推出PartiDesign：统一生成框架用于蛋白与环肽设计
侯廷军团队推出可控生成框架PartiDesign，将结构与序列或化学身份在同一次Flow Matching生成中协同，覆盖蛋白、DNA、RNA和小分子。在ProtDBench普通MPNN单序列协议下，其估算合格候选产出约为RFD3的4.9倍，加入α螺旋引导后约7.6倍；AME原子级催化基序骨架搭建中常规与α引导配置分别约为RFD3的8.6倍和12倍。
推荐理由：介绍统一生成框架在蛋白与环肽设计上的产出效率，并给出与RFD3、BoltzGen的基准对比及计算筛选边界。
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。
BioTender精选AI 评分6565 Xaira 发布药物发现智能体平台 X-Scientist
Xaira 于 2026 年 10 月 21 日发布药物发现智能体平台 X-Scientist，公司报告其提名的基因干预在 HepG2 细胞实验中命中率为 7.1%，人工筛选为 6.9%，随机组为 0.9%。
推荐理由：发布文把命中率、基准增益与成本放在同一套证据里，并逐项标注了计时对象和验证方式的边界。
SandboxAQ精选AI 评分5858 SandboxAQ 与 Apheris 在柏林推出 Virtual Cell Network，联合药企训练 AQCell
SandboxAQ 与 Apheris 在柏林宣布推出 Virtual Cell Network，目标是建成由药企主导的最大虚拟细胞网络。成员用自有数据训练 SandboxAQ 的 AQCell 以扩展其适用范围，再针对自身项目微调，原始数据不离开各公司环境；Apheris 负责运营网络并通过其平台交付模型，同时运行 co-folding、ADMET 和抗体可开发性联邦网络。
推荐理由：药企可在自有数据不出域的前提下联合训练虚拟细胞模型，为跨公司数据协作提供了一种组织方式。
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。
SynBioBeta News精选AI 评分6868 Latent Labs 发布抗体设计智能体 Latent-Y，称计算流程提速 56 倍
Latent Labs 发布其称为首个经实验室验证的药物设计智能体 Latent-Y，用于自动完成抗体设计中的文献调研、靶点结构分析与结合位点指定等步骤，并配套面向抗体与多肽设计的模型 Latent-X2，通过网页界面供研究者逐步控制。
推荐理由：报道介绍 Latent Labs 的抗体设计智能体如何把文献调研与表位选择交给软件，并给出其自报的提速数据。
智药局精选AI 评分7373 Radical Numerics发布Omnii-1，AI设计噬菌体已用于耐药菌感染患者同情用药
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
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。