DeepMind子公司总裁断言：人类并不擅长造药，未来所有药物皆由AI设计
Isomorphic Labs总裁Max Jaderberg称未来所有药物都将由AI设计，公司目前仍处临床前阶段，预计2026年年底启动首次临床试验。其统一药物设计引擎IsoDDE在Runs N' Poses基准上对全新蛋白质-配体系统的准确率超过AlphaFold 3两倍，并声称可在无需晶体结构下预测结合亲和力。上述基准数据主要由公司自行发布，尚需独立验证。
#结合亲和力
DeepTech深科技AI 评分3838
木可AI探索笔记AI 评分5050 AI4S公司很多，但真正实现in the loop的很少
针对AI4S在制药行业的落地，有观察指出真正实现"实验数据回流模型"闭环的公司远比"AI制药"名单短。其提出四条标准：自主可控测量系统、百万级互作/筛选事件通量、超越存在性的定量读数，以及实验数据真正进入下一轮设计。文章还按仪器供应商、数据回流型和CRO化三类玩家分析了各自的生存路径。
木可AI探索笔记精选AI 评分5858 17亿次实测 vs 一次造出10¹⁶个抗体：把AI制药"数据荒"卷成护城河的两种活法
文章对比Terray与Jura Bio两条自产数据路线：Terray用自研高通量硬件累计超过4200亿次测量、折算逾170亿个靶标-分子互作数据点，Jura Bio则用变分合成一次造出10¹⁶个抗体序列。作者认为两者分别拆解干湿循环的合成端与筛选端，Terray已签吉利德、BMS、Odyssey合作并预计2026年有内部药物进入临床试验，但数据规模本身不等于成药。
推荐理由：文章把Terray与Jura Bio两种自产数据路线放在干湿循环两端对照，便于理解数据瓶颈的不同解法。
智药邦精选AI 评分5858 Iambic上市：投资者究竟买模型还是买药
智药邦以Iambic于2026年10月14日公布IPO定价（每股16美元、发行937.5万股、预计募资1.5亿美元）为切口，分析AI药企的平台价值应如何被检验。文章梳理其与武田、艾伯维的合作付款结构，以及口服HER2小分子抑制剂IAM1363在Ⅰ/Ⅰb期试验中53名受试者19例部分缓解（约36%，含未确认缓解）的早期数据，认为近期应看具体药物与合作交付，长期才看技术能否反复产出新资产。
推荐理由：以Iambic上市为切口，拆解AI药企的平台价值如何经由候选药物、临床数据与合作付款被逐步检验。
LeapFunAI 评分3131 综述｜默克谈ncAA如何卡死、又如何撬开肽药 DMTA
默沙东研究团队在 ACS Medicinal Chemistry Letters 发表综述，系统讨论非天然氨基酸（ncAAs）在多肽药物设计、计算预测、化学合成与生物催化中的应用。
Alex ZhavoronkovAI 评分3030 英矽智能CEO评Citrini用Claude做药物设计
英矽智能CEO Alex Zhavoronkov 评价 Citrini Research 的 AI 药物设计尝试，认为其思路与团队 2019 年 GENTRL 的 Nature Biotech 论文相似，只是换成了 Claude。他指出真正的难点在小鼠、狗和猴研究，如今获得好的结合剂并不难，小分子领域更难，但投资机构能做出这样的尝试仍令人印象深刻。
DrugIntelAI 评分6060 OpenBind 联合负责人 Charlotte Deane：AI 药物发现缺的是数据而非模型
牛津大学结构生物信息学家、OpenBind 联合负责人 Charlotte Deane 在 Nature Reviews Drug Discovery 专访中表示，AI 药物发现的瓶颈在于数据而非模型，应重点收集能提升模型性能的数据。
Valence LabsAI 评分3838 预测结合亲和力：物理还是AI？
要预测结合亲和力，你会选择借鉴物理学的经验还是AI的经验？ 无论你选哪个选项，你都不太可能到达你想去的地方。 来看看Daniel Ramirez的评论文章，他在文中提出了第三种选项，这一选项有潜力比任何单一领域走得更远。 评论文章链接：https://valencelabs.substack.com/p/chasing-the-grail-a-history-of-binding?r=1ttm57&utm_campaign=post&utm_medium=web
Valence LabsAI 评分3838 物理模拟大规模生成数据需警惕失效模式
Valence Labs 发文指出，DFT、FEP 等物理模拟工具正被转用于数据集开发，已能在缺乏人工密切监督下产出数千万条合成数据。但研究显示，某些计算数据集中多达 58% 的 DFT 生成数据在物理上不可能。作者 Ihor 在评论文章中介绍了若干低成本且有效的方法，用于规避物理模拟中的隐蔽失效模式，提醒在大规模使用这类方法时保持谨慎。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 谈模拟时代如何守住数据可靠性：DFT 与 FEP 的静默失效与自动检查
Valence Labs 的 Ihor Neporozhnii 撰文指出，DFT 与 FEP 等物理模拟输出正被当作训练与验证的基准真值，但这些工具原本面向专家逐条人工检查，规模化后会出现静默失效。
推荐理由：文章梳理 DFT 与 FEP 在规模化自动流程中的静默失效模式，并给出可内置管线的物理不变量与收敛检查。
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。