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。
#虚拟筛选
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。
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。
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。
药化猩球精选AI 评分6060 预印本：AlphaFold 3 的 ipTM 用于全蛋白质组老药重定向仅与 BANDOCK+ 持平
一项预印本研究将 AlphaFold 3 的界面拓扑评分 ipTM 直接作为全蛋白质组药物重定向的亲和力指标，在 1,103 个双方均成功建模的蛋白上取得 nAIA 10.13、NDCG 0.056，十年前基于同源模板的 BANDOCK+ 为 nAIA 9.93、NDCG 0.054，两者总体近乎重合。
推荐理由：该预印本把 AlphaFold 3 的 ipTM 用于全蛋白质组药物重定向，并与十年前的经验算法对比，提供了打分机制层面的参照。
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。
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。
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。
Gabriele Corso精选AI 评分7373 Ebolathon 团队用 Boltz API 设计分子，140 个中筛出 11 个埃博拉假病毒选择性命中
Gabriele Corso 表示，Ebolathon 黑客松团队使用 Boltz API 设计新分子，共测试 140 个分子，在埃博拉假病毒实验中筛出 11 个选择性命中。他称这体现了黑客松想法转化为实验结果，并附 muni.bio 的研究链接。
推荐理由：记录一场黑客松用 Boltz API 设计分子并在埃博拉假病毒实验中筛出选择性命中，呈现从计算到湿实验的转化路径。
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。
药化猩球精选AI 评分7878 Syndirella：以合成导向的片段延伸把单个母核扩展出5085个候选分子
牛津大学 OPIG、Diamond Light Source 与 IBM Research 在 Chemical Science 发表 Syndirella，以合成导向的片段延伸（Synthesis Directed Elaborations）把可采购反应物按 SMIRKS 反应规则组合成候选分子。
推荐理由：文章拆解了以可采购反应物为导向的片段延伸流程，并给出合成成功率与姿态偏差的具体数据。
Insilico Medicine 英矽智能精选AI 评分6363 英矽智能发布DDDBench Core：59项药物发现基准与实时榜单
英矽智能发布DDDBench Core，从Foundations的300余项基准中选出59项，覆盖五个药物研发领域，并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一；其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由：英矽智能从300余项基准中筛出59项，覆盖五个药物研发域，并给出通用与专用模型的实时榜单对比。
AI药物设计实验室精选AI 评分7373 上海人工智能实验室等提出 DrugHarness：亲和力比较准确率从 62.2% 升至 81.1%
上海人工智能实验室、中国药科大学等机构发布预印本 DrugHarness，将 80 多项科学工具的执行与带条件的技能学习整合到同一智能体系统中。加入冻结领域技能后，Qwen3.7-Max 在 MolBench 的亲和力比较准确率从 62.2% 升至 81.1%，优化成功率从 79.5% 升至 87.2%，但虚拟筛选 Hit@3 从 60% 降至 48%。
推荐理由：该预印本把智能体的工具执行与条件式技能学习结合，并给出基准与细胞实验的对照结果。
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。
Alex Zhavoronkov精选AI 评分6363 英矽智能PandaOmics发现靶点、Chemistry42设计出口服非阿片类镇痛候选ISM9528
英矽智能的Alex Zhavoronkov称，靶点由PandaOmics发现、分子由Chemistry42设计，得到口服非阿片类镇痛候选ISM9528。据@TheNationalNews报道，该候选在临床前模型中表现优于吗啡，更多信息见https://antipain.ai。
推荐理由：英矽智能以自家平台串联靶点发现与分子生成，给出候选分子的临床前阶段结果，可观察其平台到管线的衔接方式。
智药邦精选AI 评分8080 Nature Biotechnology｜AdaptiveFlow实现数百亿分子库的自适应虚拟筛选
意大利帕维亚大学、Dana-Farber癌症研究院等团队在《Nature Biotechnology》发表开源平台AdaptiveFlow，将Enamine REAL Space约315亿原始分子预处理为约690亿可直接对接条目，通过18维分子性质分区与自适应靶标引导虚拟筛选（ATG-VS）降低超大规模对接开销。
推荐理由：研究用分子性质分区与靶标引导抽样压缩数百亿级对接空间，并在两个靶点获得实验验证的抑制剂。
智药局精选AI 评分6262 Boltz小分子模型BoltzMol-1接入药明康德GalaXi化学空间
Boltz于10月13日宣布，其小分子模型BoltzMol-1可直接搜索药明康德的GalaXi虚拟化合物库，该库规模约260亿个可合成分子，已在Boltz Lab平台和Boltz API上线供全球用户调用。
推荐理由：BoltzMol-1接入药明康德GalaXi化学空间，反映AI小分子模型对可合成化合物库的依赖。
药学进展精选AI 评分6262 南京中医药大学纪建建团队在Cell Reports Medicine发表AI筛选抗耐药RSV中药成分Punicalin的研究
南京中医药大学纪建建团队利用自主构建并开源的抗病毒药物AI模型，从中药化合物库中筛选出活性成分Punicalin，成果发表于Cell Reports Medicine。
推荐理由：研究用开源抗病毒AI模型从中药化合物库筛出靶向RSV G/F蛋白的天然产物，并给出动物实验与专利信息。
晶泰科技精选AI 评分6262 晶泰科技与暨南大学在JMC发表RET抑制剂研究，打通专利数据到小鼠药效的研发链路
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。