生物医学世界模型的定义与数据需求
在这篇文章中，我们讨论了如何在生物医学中定义世界模型，它们与基础模型、智能体及其他模型类别的关系，以及我们今天可以使用哪些数据集、还需要哪些数据集 👇
全部 AI 制药动态
Marinka ZitnikAI 评分3838
途深智合AI 评分2222 途深智合参与“向新而生·智链未来”生物医药产业生态沙龙，谈AI蛋白设计干湿闭环
途深智合创始人兼CEO王宇光在9月18日“向新而生·智链未来”生物医药产业生态沙龙圆桌讨论上，分享了公司AI蛋白质从头设计的干湿闭环研发模式。公司称其ToursynClaw平台可实现约1.5个月完成抗体设计及功能实验验证，半年内推动16条抗体药管线完成PCC阶段验证。王宇光同时指出，AI设计分子从体外结合活性到表达、稳定性、药代动力学等成药性仍存在开发障碍。
德睿智药AI 评分4040 医药工业“十五五”规划发布，AI制药迎政策利好，德睿智药MDR-001推进Ⅲ期临床
工信部等十部门9月18日联合发布《医药工业发展“十五五”规划》，将深化人工智能赋能升级纳入重点任务，并设“AI制药高价值应用场景培育”专栏，涵盖智能靶点筛选与药物发现等五类场景。德睿智药称其自研AI制药引擎MAP与生命科学基座模型体系Intera与规划方向契合，其GLP-1 RA口服小分子MDR-001从立项到启动Ⅲ期临床用时约4.5年，Ⅲ期研究正在推进。
予路乾行AI 评分2222 予见｜予路乾行徐戚轩：如何在真实药物研发中理解计算化学的价值？
予路乾行项目负责人徐戚轩在访谈中讲述从计算化学工程师到项目负责人的成长，并复盘一项分子胶研究：计算方法构建分子胶体系的准确度已接近晶体结构，可更快捕捉关键相互作用位点。该工作借助自研DIVAMICS平台从三维结构叠加时间维度刻画结合机理，论文发表于JCIM，投稿修改意见累计近100条。
BioMap 百图生科AI 评分3333 从生命科学基础模型走向世界模型的2123天探索
BioMap百图生科在BIOHK2026论坛上总结其2123天进展：已构建数十万亿tokens的AI-ready数据、模型参数达数千亿，使前沿AI建模平均数据消耗降低90%。公司称已赋能数十个first-in-class项目，并计划在北京、上海建设高通量实验室，终极目标是建立覆盖分子到人体尺度的“生命科学世界模型”以部分替代临床试验。
ClickMab 科迈生物AI 评分2020 抗体人源化、犬源化、猫源化，差别在哪？
抗体人源化、犬源化与猫源化虽同以降低异源性、保留结合功能为目标，但目标物种的抗体胚系库、CDR偏好、框架支撑方式和Fc生物学各不相同。犬猫源化并非简单更换框架，也不能直接套用人源化规则，而需将抗体重新“翻译”成目标物种更易接受的抗体语言。
MIT Jameel Clinic · NewsAI 评分1818 MIT Jameel Clinic 研究附属成员 Gabriele Corso 入选 MIT Technology Review 2026 年 35 岁以下创新者榜单
MIT Jameel Clinic 研究附属成员、Boltz 联合创始人兼 CEO Gabriele Corso 入选 MIT Technology Review 2026 年“35 岁以下创新者”榜单生物技术类别。
创腾科技AI 评分3838 不是所有工业AI都需要大模型：小模型如何进入研发闭环
创腾科技在「AI 进入研发现场」系列第三篇中提出，工业研发更需要面向具体任务的性能预测、实验代理优化与现场判别三类专用小模型，而非通用大模型。文章引用电解液配方优化、电池快充协议和液相色谱方法开发三个公开案例，说明代理模型与贝叶斯优化可在闭环中减少实验次数。
予路乾行AI 评分2020 予路乾行郑铮博士：以AI助力创新药走向Best-in-Class与First-in-Class
予路乾行创始人兼CEO郑铮博士在第十一届MMC医学市场年会上介绍，公司通过多尺度分子动力学模拟与自主AI算法耦合的“分子电影”技术，将静态靶点结构转化为动态模拟轨迹。
Genesis Molecular AIAI 评分1818 Genesis CTO谈分子基础模型与AI制药
我们的CTO @edunov 做客 @AI_in_the_AM，与 @labenz 和 @8teAPi 一起讨论了分子基础模型、基于物理的模拟、湿实验数据、智能体工作流以及制药合作，以及它们如何共同服务于AI药物发现这一复杂任务。 他们还谈到了Anthropic的蛋白质结合剂设计报告、为什么亚埃级精度很重要，以及为什么生物学是AI研究中最令人兴奋的前沿领域。 观看链接：https://www.youtube.com/watch?v=JHglTBoaGTk
环肽与药物发现AI 评分4747 全球环肽药物公司介绍04：Unnatural Products
Unnatural Products（UNP）已与Merck、argenx、Novartis达成大环肽合作，三项公开最高潜在里程碑合计超35亿美元，但尚无自有候选药物进入人体临床。
Mohammed AlQuraishiAI 评分1515 OpenFold 团队招募 ML 与生物信息人才
OpenFold 团队在构建下一代生物分子模型之际，面向科学和工程方向扩招，并公开其开源承诺与招聘理念。团队称受资助条款约束，将开源全部训练代码基础设施与训练数据，发布结果可完全复现，且不会转型为初创公司或 API 模式。招聘重点为大规模训练模型的机器学习科学家/工程师，以及能整合复杂异构数据、搭建高效数据管线的生物信息学与计算生物学人才，薪资与算力对标工业界。
Valence LabsAI 评分3636 Valence Labs 谈虚拟细胞在药物发现中的定位
Valence Labs 发文讨论虚拟细胞在药物发现流程中何处最能发挥作用。其研究员 Ihab Bendidi 在博客中指出，虚拟细胞虽能模拟人体生物学，但技术本身必要却不充分，革命性突破取决于把技术指向正确方向。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 谈虚拟细胞在药物研发管线中最该发力之处
Valence Labs 发文认为，虚拟细胞最有价值的定位不是加速临床前流程，而是提升进入临床的候选质量，即做转化靶点验证。文章提出三个问题：靶点扰动是否在人类疾病生物学中产生预期效应、效应能否在患者生物变异中保持稳健、以及能否对疾病情境形成足够选择性；并建议在现有分子测量基准之外增加决策层评估，例如回溯识别后来因人类生物学不符预期而失败的假设。
推荐理由：Valence Labs 提出虚拟细胞应聚焦转化靶点验证，而非仅加速临床前流程，并给出可操作的评估维度。
Thomas ClozelAI 评分1212 呼吁以AI科学家推动生物学创新
羊群效应！我们需要在#生物学 领域借助#AI科学家 实现创新
水木分子AI 评分4242 清华AIR首席研究员、水木分子首席科学家聂再清：智能体赋能药物研发——不止于靶点筛选
聂再清在《健康报》撰文指出，智能体可完成分子生成优化与活性预测，其团队用ChatDD从头设计数十种抗体，湿实验验证21%展现较高亲和力。他强调目前尚无药物全流程由AI全自动完成，瓶颈在于大量人体作用机制未被AI解析，更准确的定位是领域专家与AI协作。技术、应用与安全层面的挑战仍待解决。
望石智慧AI 评分3838 产学研金深入对话：AI已进入药企深水区，望石智慧以微观世界模型为底座探究生命底层规律
望石智慧CEO周杰龙在AI FOR PHARMA 2026峰会上表示，公司以微观世界模型为底座，将物理规律、分子生成与效果预测统筹到同一模型体系，从底层解释分子与靶点作用机制。其与齐鲁制药合作完成超6000个分子筛选与聚类分析，合成两款全新衍生物，产出活性优异、选择性突出的潜在先导化合物。公司称该平台覆盖从靶点发现到PCC各环节，已沉淀十余条自研管线，部分进入临床试验阶段。
予路乾行AI 评分2828 予见｜予路乾行刘文朗：AI时代，药物发现为何更加需要物理模拟？
予路乾行计算化学总监刘文朗认为，分子动力学模拟的价值在于揭示药物分子与靶点在动态环境下的结合机制，而非仅给分子打分。其参与的与北京鞍石合作的下一代c-Met候选分子已进入中美双I期临床，计算分析用于提前排除高风险设计方向、安排合成优先级。予路乾行还推出BioTrajectory AI平台，用于早期立项的信息汇总与技术脉络追踪。
Valence Labs 官网资讯AI 评分3636 Valence Labs 回顾 ICML 2026：AI4Bio 论文占比 2.5%，聚焦模型效率与扰动预测
Valence Labs 回顾 ICML 2026，AI for biology 与健康方向论文占全部接收论文的 2.5%，在主题领域排名第 5。会议聚焦模型效率与转录组扰动预测，PerturbDiff、scBIG 等采用流匹配报告了当前最优性能，PerturbODE 则借助神经常微分方程推断基因调控网络。
Daphne KollerAI 评分3838 insitro推出Deep Phenotype专栏谈AI制药
insitro创始人Daphne Koller发文指出，仅约四分之一人类疾病有获批疗法，超90%进入临床试验的药物失败且多数因靶点机制选错，AI无法靠推理绕过对生物学的实测。
望石智慧AI 评分1818 望石智慧受邀出席2026中国科创投资夏季峰会，三重内核构筑AI4S“准独角兽”核心竞争力
望石智慧创始人兼CEO周杰龙在2026中国科创投资夏季峰会上称，AI4S护城河来自人才、数据、生态三重叠加，公司正搭建覆盖电子、原子到分子的跨尺度微观分子世界模型。公司携多模态AI 3D分子生成平台MolVado与全栈式医药早研智能体MolVortex亮相展会与路演，并提及此前与华为、广药集团的“算力+模型+场景”三方合作。
LabGenius Therapeutics · NewsAI 评分4242 LabGenius：超越结合剂设计，AI 的下一个前沿是多特异性抗体设计
LabGenius Therapeutics 计算科学与工程副总裁 Winston Haynes 指出，多特异性抗体优化因缺乏公开功能数据，仍主要依赖人工直觉，而连接子结构等组装方式的小改动即可显著改变效力与选择性。其提出将多特异性抗体构建与高通量自动化实验耦合，用智能体主动学习让 AI 模型与自动化实验室形成闭环，从每次实验数据中持续优化设计。
予路乾行AI 评分1818 招行思享会2026｜予路乾行郑铮博士谈AI重塑新药研发
予路乾行创始人兼CEO郑铮博士在招商银行与苏州日报联合推出的“招行思享会2026”栏目中接受专访，谈AI重塑新药研发。予路乾行打造多尺度分子动力学模拟平台与创新药早研决策AI平台，为小分子、多肽、大分子等药物研发提供Hits-to-PCC一体化研发平台。公司称已与超50家国内外生物医药企业合作推进80余条新药研发管线。
ProfluentAI 评分2222 Profluent称AI生物处GPT-1.5时代
我们仍处在AI×生物学的GPT 1.5时代 早期模型已经奏效（信号：我们与礼来22.5亿美元的合作），但我们离天花板还很远 我们正尽可能快地奔向GPT 5 @thisismadani 与 @nathanbenaich @airstreet
ProfluentAI 评分2020 Profluent谈生物学AI机遇
生物学的复杂度不亚于文本，而且（在我们有偏见的看法中）影响力要大得多。然而，世界上只有一小部分AI人才和算力投向这一领域。 这个领域远远未被充分开发。 观看 @thisismadani 与 @nathanbenaich @airstreetcapital 的对谈，聊聊这一机遇。
Amy X. LuAI 评分1515 生物数据"苦涩教训"的苦涩教训
生物数据"苦涩教训"的苦涩教训（仅限个人亲身经历）在于，天真的"苦涩教训"式做法永远是苦涩的😔 （但是！我仍然是"苦涩教训"的粉丝，只是它从来不是第一次尝试时预期的那种苦味，总还撒着别的香料） （这种总体感受和粉丝情怀也延伸到帖子里关于虚拟细胞的讨论）
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 联合创始人 Layla Hosseini-Gerami：如何用 AI 将失败药物转化为新药
Ignota Labs 联合创始人 Layla Hosseini-Gerami 在 Nature 访谈中介绍其 AI 驱动平台：先从数千个失败药物中筛出因意外安全性问题（如肝毒性）而搁置、但患者潜力大的候选，再用深度学习结合生物信息学、化学信息学和多模态数据定位安全性问题根因并制定缓解策略。核心目标是以最小化学改动让这些药物尽快重回临床。
Ali MadaniAI 评分4242 Profluent称AI设计碱基编辑器覆盖扩大10倍
AI能规模化吗？ 本月在ASGCT上，我们展示了在设计碱基编辑器（即Verve/礼来公告背后的分子）时，AI可将可及覆盖范围扩大约10倍，以及其他优势。 这意味着通过大幅拓展治疗性基因编辑的可及靶点，为患者带来突破。 我们不希望这只是一次性的突破。我们想要一台可重复的引擎。
SynBioBeta NewsAI 评分3838 Anthropic 招聘生物学家、自建湿实验室，并收购 Coefficient Bio 押注药物发现
Anthropic 正招聘生物学家、开设湿实验室，并于上月收购成立八个月的初创公司 Coefficient Bio，以引入靶点选择、模态选择和管线规划等生物技术项目运营经验。
奥泊生科AI 评分2525 AI如何“读懂”生命？诺奖得主携复旦团队探寻答案
诺贝尔化学奖得主Michael Levitt与马剑鹏在复旦大学共建复杂体系多尺度研究院并联合创立奥泊生科OpusBio，以干湿结合闭环推进AI蛋白质设计与药物研发。
LabGenius Therapeutics · NewsAI 评分3838 《In Vivo》两篇系列报道：谁在构建自主实验室及其对药物发现的影响
《In Vivo》以两篇系列报道梳理自主实验室的建设者、架构与商业模式选择，及其对药物发现组织、外部研发合作和操作人员的影响。报道认为自主实验室并非现有自动化的渐进升级，而是对仍发生在手工实验台上的99%药物发现研发支出的结构性挑战。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
Ignota Labs 官网资讯AI 评分2222 长寿医学面临的最大挑战：长期安全性
Ignota Labs 指出，长寿疗法的核心瓶颈不是找到可调控通路，而是确认其能否长期安全使用。此类疗法靶向核心细胞过程、面向慢性或终身使用且可能用于无症状人群，标准安全上限不足，累积毒性和情境依赖性风险需在发现早期就纳入评估。该公司正构建毒理学模型，将毒理学与计算建模结合以支持更安全药物的开发。
Biohub · NewsAI 评分3838 Andrea Califano：用 AI 重编程免疫系统的 6 项策略
Biohub 的 AI 研究者、免疫学家与生物工程师提出 6 项策略，用 AI 结合单细胞生物学和 iPSC 技术重编程免疫细胞，使其检测疾病、报告物理变化并递送治疗。
Latent LabsAI 评分2020 Latent Labs 谈药物发现分子难题
“药物发现之所以困难，是因为当我们进入临床阶段时，我们仍然没有合适的分子。在 Latent，我们正致力于改变这一点。” AI 可以设计出能结合的分子。但是否具备成药性？这一直是悬而未决的问题。
Nabla BioAI 评分2626 STAT News审视AI设计抗体进展，Nabla Bio CEO谈压缩发现周期
STAT News对AI设计抗体的现状做了平衡报道，既呈现实际进展也保留质疑。Nabla Bio CEO Surge Biswas表示，公司开发AI以压缩药物发现周期，针对难成药靶点、新功能和更优药物特性设计更好的药物，并与领先药企团队紧密合作。
Ignota Labs 官网资讯AI 评分2222 老药新用：AI 助力挽救失败药物
Jordan Lane 与 Layla Hosseini-Gerami 在 ELRIG Drug Discovery 2025 上介绍用 AI 揭示药物毒性隐藏机制、挽救已显示潜力却在临床试验中因脱靶效应失败的分子。他们称这与业内多数用 AI 往研发管线里塞入更多药物的做法不同，重点是在药物掉出管线时将其救回，以期缩短开发周期、降低临床风险并减少碳排放。
Ignota Labs 官网资讯AI 评分2525 Ignota Labs 谈药物开发中失败知识的流失与 SAFEPATH 平台
Ignota Labs 提出以药物“扭转”模式回收失败项目中的知识，其 SAFEPATH 平台通过映射脱靶结合、梳理生物通路并在受控系统中重现问题来解析药物行为机制。公司称约 10% 至 20% 的失败药物属机制可解决类别，且多数项目在被放弃前已完成 80% 至 90%。文中援引 56% 的药物因安全性问题失败，并认为新化学实体、新盐型、新晶型等可形成新知识产权。
Ignota Labs 官网资讯AI 评分2020 Ignota Labs CEO Sam Windsor 谈生物科技投资回报与 SAFEPATH 平台
Ignota Labs CEO Sam Windsor 在 Real Deals 的报道中表示，生物科技投资回报特征与传统私募股权差异明显：后者可能五笔投资中一笔赚 2 倍即算成功，而生物科技成功意味着 100 倍回报、失败则归零。报道同时关注药物失败的高成本与提升转化率的重要性，Ignota 则利用 AI 平台 SAFEPATH 理解临床试验失败药物的安全性问题，以挽救这些药物。
Ignota Labs 官网资讯AI 评分3333 Ignota Labs：被放弃的药物还能救命吗？
Ignota Labs在ELRIG 2025上介绍其药物“扭转”流程：用AI解析药物失败背后的机制通路，据此确定分子需要改动之处，再通过收购或合作获得药物权益并开发新临床候选物，尽快推回临床。公司称该路径可缩短开发周期、改善安全性，并较传统药物发现减少最高80%的碳排放。其策略聚焦他人放弃的已有苗头候选物，而非从零创造新药。