AI不是按分子大小推进，而是沿“可编译性”轴推进
文章提出AI在生物医药中的推进顺序取决于“可编译性”而非分子大小：Chai-2对52个无现成binder的全新靶点做zero-shot抗体设计，每靶点测不超过20个候选，单轮命中率16%，微型蛋白湿实验成功率68%。环肽、小核酸因字母表离散、物理先验强而排在蛋白抗体之后，小分子则因ADMET多目标冲突、合成可行性鸿沟排在最后。AI攻破的是设计而非成药，体内数据稀缺与验证成本仍是共同瓶颈。
#核酸/RNA
木可AI探索笔记AI 评分3636
剂泰科技AI 评分2222 剂泰科技出席京港澳青年科学家大会：以Biological AI助力北京建设国际科技创新高地
剂泰科技首席战略官邵文倩在第三届京港澳青年科学家大会发表主旨演讲，分享AI纳米递送技术在创新药研发中的创新与前景，剂泰科技是此次大会唯一受邀的AI制药上市公司。公司依托NanoForge平台推进AiLNP、AiTEM等合作与管线授权，其中与礼来的AiLNP合作首付款逾千万美元、总额最高可达11亿美元。
剂泰科技AI 评分3636 剂泰科技赖才达博士：AI制药核心在“三层蛋糕”，数据是最深壁垒
剂泰科技赖才达博士在瑞银颠覆性科技CEO峰会上提出Biological AI“三层蛋糕”架构，认为干湿实验数据平台是最厚底层、数据是最深壁垒。公司自研NanoForge平台覆盖约5万至7万种脂质分子建模，DataLots已产生超10万次小鼠实验，将验证到PCC缩短至9到11个月。其MTS-109为全球首个in vivo三特异性TCE，并已与礼来、恒瑞及Deerfield达成合作或授权。
晶泰科技AI 评分3838 从 AI 预测到 AI 原生，药物发现如何向前一步？
晶泰科技联合创始人兼首席创新官赖力鹏在 SWITCH 2026 期间该公司举办的研讨会上提出，AI 药物发现正从“AI 预测”走向“AI 原生”，即让验证、数据与新认识回流模型。
BioTenderAI 评分3838 Radical Numerics 创始团队访谈：从 Hyena、Evo 到 Omnii，AI 如何进入真实生物学
Radical Numerics 联合创始人 Eric Nguyen、Armin W Thomas、Michael Poli 与 Stefano Massaroli 在访谈中讲述从长序列架构 Hyena、DNA 生成模型 Evo 到多生物信号模型 Omnii 的技术路径，主张让 AI 直接学习尚未写成自然语言的原始生物数据。
DeepTech深科技AI 评分2525 Moderna总裁霍格：AI制药最大想象力是“一人一药”
Moderna总裁斯蒂芬·霍格在黑石播客中表示，AI可加快药物发现与mRNA序列设计，但药物是否有效、疗效能持续多久仍需人体临床验证。他以个体化癌症疫苗为例：肿瘤样本测序后最多将34个新抗原编入mRNA，最多接种九剂，从收到合格样本到送回医院约六周。他认为AI难以同步加速制造、临床与监管环节，个体化医疗是其最看好的方向。
智药局AI 评分3636 AI再强，也造不出更多病人！Moderna总裁：AI最先变革的是癌症，市场低估了物理世界的限制
Moderna总裁Stephen Hoge称，AI可将药物设计从数年压缩至数周，但人体验证时间无法压缩，癌症是否三年后复发仍需等三年。其个体化mRNA新抗原疗法intismeran autogene（mRNA-4157／V940）联合K药的III期INTerpath-001研究已达成主要终点，为全球首个III期阳性的个体化新抗原疗法。
剂泰科技AI 评分3131 赖才达博士在京台科技论坛演讲：Biological AI核心竞争力在于持续积累真实实验数据并转化为模型能力
剂泰科技联合创始人、董事长兼CEO赖才达博士在第29届京台科技论坛发表主旨演讲，提出Biological AI的核心是持续积累真实实验数据并转化为模型能力，架构分为干湿实验数据平台、垂类模型与智能体三层。
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。
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。