跳到正文
  1. 药化猩球58

    BoltzGen、RFD4、Mol-1:决定 binder 命中率的可能不是生成器而是过滤器

    作者梳理 BoltzGen、RFD4-Proteina 与 Mol-1 的公开证据后认为,把注意力从生成器转向过滤器值得检验,但尚无把同一候选池分别交给 Boltz-2 和 Protenix 过滤再前瞻性比较湿实验命中率的公开配对研究。

    推荐理由:文章把生成器与过滤器的证据分层拆开,指出结构恢复榜单与湿实验命中率之间缺少可核验的桥。

  1. 药化猩球58

    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。

  1. DeepTech深科技60

    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。

  1. 医药魔方58

    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。

  1. BioTender58

    Google DeepMind 演示 Antigravity 一小时完成药物化学工作流

    2026 年 11 月 3 日,Google DeepMind 展示 Google Antigravity 在约一小时内完成从文献检索、分子整理、构效关系分析到模型训练与新设计提出的药物化学工作流,实验验证仍由人类完成。

    推荐理由:文章逐环节拆解 Google Antigravity 药物化学演示,并指出预测数值不一致与验证缺口,为评估 Agent 工作流提供参照。

  1. DeepTech深科技67

    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。

  2. Corin Wagen58

    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。

  1. 智药局62

    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。

  2. 智药邦74

    Anthropic公布Claude加速药物开发早期进展:六家机构合作与自主罕见病项目

    Anthropic于2026年10月27日发布文章,介绍Claude加速药物开发的早期进展,过去数月与BigHat Biosciences、BMS、Divergence Labs、Enveda、Generate Biomedicines与The Column Group六家机构达成深度研究合作,并启动自主药物发现项目。

    推荐理由:Anthropic披露与六家药研机构及BMS的合作细节,展示Claude在抗体设计、文档审核等环节的具体产出。

  1. LeapFun58

    Claude驱动AI Agent自主完成小鼠脑内基因治疗注射实验

    Exin Therapeutics联合创始人兼CEO Gabriel Ocana-Santero公开一项实验,由Claude驱动的AI Agent从19种候选基因治疗载体中选择方案,确定外侧内嗅皮层为注射靶区,并操控自建电动定位装置完成小鼠脑内注射,人类仅负责开颅缝合与审批。

    推荐理由:该实验展示AI从方案选择到设备执行的连接方式,也暴露了自主实验的安全边界问题。

  2. 智药邦58

    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。

  3. LeapFun58

    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。

  4. Oxford Protein Informatics Group · Blog58

    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。

  1. 药化猩球58

    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。

  2. AI药物设计实验室70

    Nature Methods 2026 研究比较四条自监督学习路线用于细胞绘画表型指纹

    Walid M. Abdelmoula 等在《Nature Methods》发表大规模比较研究,用 JUMP–CP 约 177 万张未标注图像预训练四类自监督模型,并在多个独立数据集检验细胞扰动识别。

    推荐理由:系统比较四条自监督表征路线在细胞绘画表型检索中的表现,为标签稀缺的高内涵成像选型提供参照。

  1. 科普知识综述58

    约翰斯·霍普金斯大学获ARPA-H最高5210万美元资助,构建AI模型解码蛋白质错误折叠

    约翰斯·霍普金斯大学牵头获ARPA-H最高5210万美元、为期4年的资助,将构建AI模型解码内在无序蛋白在帕金森病、尤文肉瘤等疾病中的错误折叠与动态构象,项目名为DETR,由Xiaobo Mao领导,21名研究人员来自美欧12家机构。

    推荐理由:梳理ARPA-H资助的蛋白质动态构象项目,区分结构预测、机制确认与临床转化三层证据。