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。
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究，构建首个面向衰老生物学的开放基准LongevityBench，含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域，共25457个评测提示。
推荐理由：该研究用17项任务评测18个前沿模型解读衰老组学数据的能力，并比较领域微调小模型与通用大模型的表现差异。
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。
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。
英矽智能全球AI平台负责人Petrina Kamya在虚拟细胞论坛介绍了公司的虚拟衰老细胞模拟框架，该框架基于12年自有数据与基准测试构建，覆盖分子、细胞内、细胞间、组织/器官和机体五个生物学尺度。系统在每个生物层级使用约43个专用AI智能体，以患者种子基线图谱模拟干预后的细胞状态转变。Kamya表示，公司正在全自动机器人实验室中对机制未知的新分子开展前瞻性验证，以检验预测并排除对文献的记忆。
推荐理由：英矽智能公开虚拟衰老细胞框架的跨尺度多智能体架构，并说明其正用自动化实验室做前瞻验证。
英矽智能提名靶向GIPR的全新小分子临床前候选化合物ISM1354，用于肥胖、2型糖尿病及相关代谢疾病。
推荐理由：英矽智能用Chemistry42提名新一代GIPR拮抗剂，并给出与临床阶段同靶点分子的安全性对比数据。