独家专访宋云龙博士：BD累计超78亿美元，AI制药深耕者的第“三”次创业
宋云龙博士2026年4月创立小分子创新药Biotech云济智曜，搭建贯通靶点评估、动态蛋白建模、分子生成与ADMET预测的全链路AIDD平台，数月内输出多条差异化小分子管线。
#靶点发现
动脉网AI 评分3636
DeepTech深科技AI 评分3838 上交大谢伟迪创办观壹智能，打造让AI进入生命科学的“编译器”
上海交通大学副教授谢伟迪联合王延峰、张娅创办观壹智能（OneX Intelligence），已完成首轮商业化融资，目标是训练连接生物学知识与实验数据的生命科学基础模型，让模型提出假设并由湿实验检验。
Alex ZhavoronkovAI 评分2222 英矽智能ARDD谈LLM评估神经免疫衰老靶点
当LLM让一条具名通路变得足够可评分、可供尽职调查时，神经免疫衰老靶点就变得可合作了。Gerald Lushington 在 #ARDD2026 上。照片：https://agingpharma.org/photos2026
DeepTech深科技AI 评分4343 对话科理新序张载熙：在最冷门时入局AI4S，他想构建科学原生基座模型
科理新序创始人张载熙正训练一个多模态科学基座模型，用自定义scientific token统一蛋白质结构、组学矩阵、基因序列与分子动力学等模态，使模型直接在科学空间推理。
动脉网AI 评分2727 中国源头创新走向全球：国际顶尖资本把尽调搬到教授“白板前”
首届Science2Startup中国研讨会2026年10月15日在杭州西湖大学举行，由RA Capital与启明创投联合主办，约130位参会者中一半为海外投资人，10支团队从43个申请项目中入选决赛。
LeapFun精选AI 评分5858 Bruce Booth警告：AI药物供给过剩，Biotech将迎来消化不良
Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。
推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。
药化猩球AI 评分5050 AI做药，到底能做什么？不能做什么？
AI在药物发现前端已能系统排序靶点、生成候选分子并优化临床试验设计，英矽智能的Rentosertib从靶点识别到提名临床前候选药物约用18个月。但湿实验与临床验证仍是瓶颈：截至2025年中超过75个AI设计分子进入人体试验，尚无一款通过III期并获批上市。Rentosertib的III期GENESIS-IPF-3已于2026年9月完成首例患者给药，计划在47个中心招募约320名患者。
DeepTech深科技AI 评分3838 AI已能破解百年数学难题，为何治病仍然困难？
OpenAI 公布内部模型证明任意维度挂谷猜想、证伪指数时间假说并给出四维量子色动力学严格存在性证明，成果交由领域专家牵头核查且不申请学术署名。
BioTenderAI 评分3838 百图生科刘维：AI制药真正破局还需3～5年
百图生科联合创始人兼CEO刘维预计，AI制药行业真正迎来破局点还需3–5年，并将发展划分为工具效率提升、管线赋能与研发组织变革三个阶段。他称百图生科已用虚拟细胞与干湿实验闭环平台推进20多个First-in-Class靶点发现项目，均完成早期验证，部分进入临床前研究。公司坚持基础设施定位，通过系统许可、AI模型及Agent工具赋能药企。
医药魔方AI 评分3838 专访鲜翾：同源康生物首席AI官的两场技术革命
鲜翾出任同源康生物首席AI官，推动这家聚焦双抗、三抗、TCE与下一代ADC的AI原生Biotech以数字分身先于人类科学家评审立项，目前每周评估约两个项目、内部目标年底做到一天一个。她此前在金赛药业主导五年数字化转型，搭建两千多个数字看板，认为数字化能让业务“看得见”，但解决不了判断、信任与人性问题。同源康生物下一轮融资计划建设自动化实验平台，以产生公开领域难以获取的数据、训练差异化垂域模型。
医药魔方AI 评分5050 AI设计的药，能不能成为更好的药？
截至发文日，医药魔方NextPharma数据库收录1,541条涉及AI辅助开发或AI设计的药物管线，AI辅助新分子设计管线421条中临床前项目270条、约占64%。
智药邦精选AI 评分5858 罗氏提出“AI自主”：药企内部需要保留哪些研发能力
罗氏在2026年9月28日制药业务日上提出“AI自主”，主张药企用实验检验模型判断，再据实验结果改进模型与实验方法。文章以Genentech与Recursion的神经科学靶点发现合作为例，说明AI可缩小靶点与候选分子范围，而疾病认识转化为筛选标准、理解实验条件、依据验证结果决定下一步仍需药企内部人员掌握。
推荐理由：借罗氏提出的AI自主概念与Genentech同Recursion的合作，梳理药企在靶点验证和分子筛选上需自留的判断能力。
Isomorphic LabsAI 评分2222 Isomorphic：AI生成设计攻克难成药靶点
此前，85%与人类疾病相关的蛋白质被认为难以成药——它们的形状和功能使其不太适合实验室中的传统化学筛选。从实验筛选转向计算机上的AI生成设计，我们看到这些靶点大幅打开了以原子精度设计分子的潜力，从根本上扩展了我们能够治疗的疾病数量。
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。
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。
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。
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。
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。
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。
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。
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。
美中药源AI 评分3838 下一代疗法竞速：从CAR-T攻坚到AI智造，中国创新药开启全球新航程｜BIO-FORUM 2025
2025上海国际生物技术与医药研讨会分论坛上，学界、产业与资本围绕细胞治疗、AI制药、大分子药物展开讨论。英矽智能称其AI驱动IPF项目仅用18个月、260万美元确定临床候选化合物，德睿智药称AI知识图谱将口服小分子GLP-1研发周期压缩至四年半并推进至III期临床门槛。圆桌环节认为中国创新药出海已从技术授权升级为共同开发模式。
Ignota Labs 官网资讯AI 评分2828 Ignota Labs 在 ELRIG Drug Discovery 2025 谈用 SAFEPATH 复活废弃候选药物
Ignota Labs 首席科学官 Jordan Lane 在 ELRIG Drug Discovery 2025 介绍其 AI 驱动的 SAFEPATH 平台，通过识别毒性机制并指导理性重设计来复活已放弃的候选药物。
Ignota Labs 官网资讯AI 评分2828 修复失败药物：AI 应对药物发现中的毒性问题（第二部分）
Drug Target Review 刊发 Raminderpal Singh 博士与 Layla Hosseini-Gerami 博士对话的第二部分，讨论组学和细胞绘画等 AI 工具如何改变临床前研究中的毒性早期预测。
Ignota Labs 官网资讯AI 评分2828 Ignota Labs 谈 AI 解决药物发现中的毒性问题：修复失败药物（Part 1）
Ignota Labs 首席数据科学官兼联合创始人 Layla Hosseini-Gerami 在 Drug Target Review 访谈中介绍了用 AI 与数据科学应对药物毒性失败的方法。该公司专注于找出失败药物、解决其问题并转手卖回制药企业。访谈为“修复失败药物”系列 Part 1，全文刊于 Drug Target Review。
Ignota Labs 官网资讯AI 评分2222 Ignota Labs CEO Sam Windsor 谈用 AI 给失败药物第二次机会
Ignota Labs 与研发团队合作，用机器学习和生物学背景重新分析失败资产，提出其失败原因及挽救或重定位的新假设。公司称今年早些时候完成 690 万美元种子轮融资。CEO Sam Windsor 在 Beyond the Clinic 播客中介绍了公司构建的内容与合作方式。
Ignota Labs 官网资讯AI 评分2222 Ignota Labs 的 Layla Hosseini-Gerami 谈用 AI 挽救与重定位失败药物资产
Ignota Labs 的 Dr Layla Hosseini-Gerami 在圣地亚哥 Fierce Pharma Engage 演讲，讨论用 AI 主动获取资产以形成数据驱动、降低风险的交易流，并修复毒性问题以重定位高潜力但此前失败的药物。她还谈及 BD&L 团队与投资者在评估 AI 平台时应关注什么。
Ignota Labs 官网资讯AI 评分2222 Ignota Labs 谈生物科技公司如何用 AI 挽救失败药物
Ignota Labs 首席科学官 Jordan Lane 向 Labiotech 表示，公司认为化学信息学与生物信息学的交叉才能为出问题的药物提供真正洞见。基于对安全性问题可解决的判断，Ignota 会引进该项目、开发化学结构并尽快将药物推向或重新推回临床。
Ignota Labs 官网资讯AI 评分2020 Ignota Labs CEO Sam Windsor 谈药物安全性问题与失败药物挽救
Ignota Labs CEO Sam Windsor 在 Maddyness 的创始人问答中表示，其平台可定位药物安全性问题的分子与生物学成因，并从1000个失败药物中筛出10%-20%真正可挽救的化合物。药物安全性失败占全部失败化合物的56%，给制药行业造成超过4000亿美元损失。
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 谈可解释 AI 如何挽救失败药物项目
Ignota Labs 首席科学官 Jordan Lane 在播客中介绍，公司用可解释 AI 挽救因安全性问题而失败或搁置的药物项目。其 Safe Path 平台整合化学信息学与生物信息学以处理药物安全问题，并分享了应用 AI 工具挽救制药资产的实际案例。讨论还涉及 AI 模型偏见、透明度以及 FDA 和 EMA 等监管机构对 AI 驱动方案采用的影响。