AI制药日报｜头条：多样计算策略发现p38α−MK2分子胶
下一分子日报头条介绍一项结合自由能扰动与机器学习的研究，从多种化学来源配体中筛选并优先排序，识别出多个结构多样、高效力且高选择性的p38α−MK2分子胶。先导化合物14和28在人全血中达到覆盖EC50的暴露水平，并在脂多糖小鼠模型中口服给药后显著降低TNFα水平，结果基于摘要报告。
全部 AI 制药动态
下一分子AI 评分6565
下一分子AI 评分7474 AI制药日报｜Pallatom2 全原子生成模型发布；多项预印本成果发布
力文所发布全原子生成模型Pallatom2，可同时生成氨基酸序列与主侧链原子构型并指定靶点结合界面；据该帖介绍，210个候选中确认112个具结合活性，10个靶点均获结合剂，其中6个靶点经BLI测定报告pM量级KD。
下一分子精选AI 评分5858 下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由：清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类，便于对照选用。
奶牛猫的CADD实验室精选AI 评分7373 机器学习力场SO3LR Tauri发布：训练覆盖85种元素，可模拟蛋白质与DNA体系
研究人员发布机器学习力场SO3LR Tauri，用约1.48亿个量子化学结构训练，覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å，在顺铂与DNA交联体系中无需额外约束即维持铂四配位，但水分子扩散速度约为实验值一半，单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。
推荐理由：该工作用同一机器学习力场覆盖85种元素并测试多种生物体系，同时给出水扩散偏慢与模拟速度的具体边界。
下一分子AI 评分3636 AI制药日报｜Nature发表RNA基础模型structRFM、OriBench-AutoLAB初步闭环...
中国科学技术大学、浙江大学等机构在Nature发表RNA基础模型structRFM，预训练中通过结构引导掩码语言建模同时学习序列与碱基配对关系。临港实验室与上海人工智能实验室联合推出基于OriBench的自驱动实验室平台AutoLab，打通从计算推演到实验验证的干湿闭环。
Inductive Bio 官网资讯精选AI 评分6363 Inductive 在 OpenADMET CYP 抑制盲测中夺冠，连续第四次登顶 AI 药物发现基准
Inductive 在 OpenADMET CYP Direct Inhibition 盲测中排名第一，领先来自生物制药、学术与 AI 机构的 270 余名参赛者，NVIDIA 与 Recursion 分列第三、第四。
推荐理由：Inductive 在 OpenADMET CYP 抑制盲测中领先 270 余支队伍，可对照其连续四次登顶的 ADMET 建模路线。
GEN (基因工程与生物技术新闻)精选AI 评分7070 剑桥团队AI设计广谱禽流感mRNA疫苗DVX-panH5Nx，临床前保护优于储备疫苗
英国剑桥大学与衍生公司DIOSynVax等合作，用AI整合全球监测的H5Nx基因序列设计多抗原mRNA疫苗DVX-panH5Nx，在动物试验中对多种H5N1变异株实现完全保护，而现有多款储备疫苗仅保护约50%的受试动物。
推荐理由：研究用AI整合全球H5Nx序列设计多抗原mRNA疫苗，在动物攻毒中与世卫组织储备疫苗形成直接对照。
药化猩球精选AI 评分6060 把 AF3 置信度当亲和力？全蛋白组老药筛选只打平传统算法
一项预印本研究将 AlphaFold 3 的界面拓扑评分 ipTM 直接作为全蛋白质组药物重定向的亲和力指标，在 1,103 个双方均成功建模的蛋白上取得 nAIA 10.13、NDCG 0.056，十年前基于同源模板的 BANDOCK+ 为 nAIA 9.93、NDCG 0.054，两者总体近乎重合。
推荐理由：该预印本把 AlphaFold 3 的 ipTM 用于全蛋白质组药物重定向，并与十年前的经验算法对比，提供了打分机制层面的参照。
BioTender精选AI 评分7878 Nature发表structRFM：中国科大等让RNA基础模型同时学习序列与结构
中国科学技术大学、浙江大学等机构在Nature发表RNA基础模型structRFM，在预训练中通过结构引导掩码语言建模同时学习序列与碱基配对关系。
推荐理由：该研究把碱基配对结构引入RNA基础模型预训练，并在二级、三维结构与功能任务上给出对照结果。
下一分子AI 评分3232 AI制药日报｜大分子/小分子/虚拟细胞多项研究进展
研究团队用肽条形码、尺寸排阻色谱与质谱结合的混合方法，在大肠杆菌统一生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。AtomLM-9b以全原子结构分词器将生物分子几何压缩为离散结构token，在CASP14和CASP15上全原子lDDT分别为0.832和0.835。单细胞基础模型基准评测显示，五种模型在跨物种注释与扰动预测上优于简单基线，但同物种内优势有限。
智药邦AI 评分4141 Drug Discov Today｜赛诺菲等综述：通路分析如何提升药物靶点优先级排序效率
赛诺菲、Open Targets与EMBL-EBI等团队在《Drug Discovery Today》发表综述，系统梳理通路分析在药物靶点优先级排序中的应用。文章比较Reactome、KEGG、WikiPathways、GO等通路资源及ORA、GSEA和拓扑感知方法，并列举GWAS、转录组、蛋白质组与CRISPR筛选中的靶点发现案例。
澪乃ゆい精选AI 评分5858 BioResearchBench发布50项长程生物学研究任务基准
BioResearchBench在bioRxiv发布预印本，提出50项长程生物学研究任务，用于评测模型完成多步骤生物学研究的能力。推文仅给出标题与预印本链接，未披露任务构成、评测模型与结果。
推荐理由：该预印本提出包含50项长程生物学研究任务的基准，为评估模型处理完整科研流程的能力提供参照。
BioTender精选AI 评分7272 从蛋白质到细胞：腾讯混元 AI 智能体开始自己训练生物基础模型
腾讯混元发布四份技术报告，覆盖蛋白质逆折叠、序列表征、原子级力场与单细胞转录组表征，并称 HyInv 与 HyPLM 由科研智能体 Hyra 2.0 从头训练。
推荐理由：四份技术报告把混元生物模型从蛋白质序列设计延伸到原子模拟与单细胞表征，并给出与基线的速度误差对照。
下一分子AI 评分3030 AI制药日报｜谷歌化学智能体、虚拟细胞与药企进展
本期日报收录谷歌DeepMind的Antigravity化学信息学技能演示，智能体可整理文献与分子数据、调用化学工具分析并协助提出待验证设计方案，官方称部分原需多天的工作可在约一小时内完成，但设计结果仍须实验验证。
Genesis Molecular AI精选AI 评分5858 Caltech 与 Genesis 团队发布 DDAMO 论文并开源代码
Caltech 的 Trevor Chen 与 @ariel_1214_ 共同主导，联合 Genesis 团队（@edunov、@gruver_nate）等作者发布论文 arXiv:2607.02834，并在 GitHub 开源代码 DDAMO。材料未披露研究任务、方法细节与实验结果。
机器之心 · AI4Science精选AI 评分5858 ReSFlow：在统计流形上整流离散生成路径，实现一步采样
内蒙古大学、上海财经大学与CMU团队提出ReSFlow，将类别概率经平方根映射到球面，在球面上重新配对并整流生成轨迹，使离散数据可一次模型调用完成生成，该工作已被NeurIPS 2026接收。
推荐理由：论文把离散类别概率映射到球面做整流，使一步采样接近多步ODE质量，为离散序列生成提供可迁移思路。
下一分子精选AI 评分6363 Dunbrack团队将ipSAE扩展至小分子与核酸复合物置信度评估
Fox Chase Cancer Center的Roland Dunbrack在bioRxiv发表预印本，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子、蛋白—核酸体系，以蛋白为对齐参照评估整个配体位置并调整归一化方式。
推荐理由：预印本把界面置信度评分扩展到蛋白—小分子与核酸体系，并给出留出集上的分类表现与失效案例。
BioArt精选AI 评分7474 Cell | SPARCS：AI引导激光显微切割实现复杂图像表型的大规模遗传筛选
德国慕尼黑大学Veit Hornung与马普生化所Matthias Mann团队在Cell发表SPARCS平台，将自动化激光显微切割改造为高通量单细胞分离手段并配合深度学习图像分类器，在7000万细胞规模完成自噬体形成与STING转运的全基因组筛选。
推荐理由：该平台把激光显微切割与深度学习图像分类结合，使复杂亚细胞表型可在全基因组尺度被筛选并回溯分析。
下一分子AI 评分5252 AI制药日报｜2026-11-03
下一分子2026年11月3日日报汇总多条AI制药进展，头条为东北大学、Broad研究所等在arXiv预印本提出自进化分子发现智能体MolRSI，将模型选择与组件组合等工作流作为优化对象，抗菌筛选命中率15.9%。
DrugAI精选AI 评分7474 Science Advances：基于AlphaFold 3从序列通用预测T细胞受体抗原特异性
研究人员提出AF3-PTI-PAE方法，用AlphaFold 3预测MHC–抗原肽–TCR三元复合物结构，并以TCR–抗原肽界面预测排列误差判别抗原特异性，无需针对特定抗原训练。
推荐理由：研究用AF3预测三元复合物界面置信度推断TCR抗原特异性，并给出独立验证与敏感性限制。
AI蛋白质精选AI 评分7474 牛津大学推出SAbDab2结构抗体数据库，含2.2万抗体实例与ML级训练测试拆分
牛津大学团队在NAR发布SAbDab2，为机器学习时代重新设计的结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
推荐理由：介绍牛津团队为机器学习重设计的抗体结构数据库，含标准化训练测试拆分与统一标识符，便于复用与比较。
BioTender精选AI 评分7878 MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
王初课题组精选AI 评分6363 Nat. Chem. Biol. | 基于蛋白质组发现并缓解雄激素受体降解剂的肝毒性
阿斯利康团队在Nature Chemical Biology发表研究，用DIA蛋白质组流程筛查204个雄激素受体异双功能降解剂（AR-HBD），将肝毒性定位至线粒体复合体Ⅰ，并据此改造出低毒性化合物3号。
推荐理由：研究用DIA蛋白质组与机器学习把AR降解剂肝毒性定位到线粒体复合体Ⅰ，并据此改造出低毒性候选化合物。
下一分子AI 评分5858 AI制药日报｜2026-11-02
下一分子11月2日AI制药日报头条介绍生物活性基础模型PSICHIC+，基于约8200万条蛋白-配体记录训练，可从蛋白序列与配体SMILES在毫秒级预测结合亲和力，在无靶点特异性训练数据的零样本虚拟筛选基准中富集效果优于回归和分类方法，并与领先的基于结构的方法表现相当。
LeapFun同新闻AI 评分6363 莱顿大学等预印本审计抗体免疫原性数据：同一抗体ADA发生率0—86%
莱顿大学医学中心与代尔夫特理工大学的一项预印本审计了抗体免疫原性预测常用数据，将数据集清理扩展到231个抗体，并为其中110个抗体追溯426条临床记录。
同一新闻，精选展示《研究称免疫原性标签限制抗体设计进展》
BioTenderAI 评分6767 长江杯全球AI蛋白质设计挑战赛公布七大靶点，约7000条设计将进入湿实验
“长江杯”全球AI蛋白质设计挑战赛于2026年11月1日公布七大靶点与竞赛规则，计划对每个赛道1000条、合计约7000条AI从头设计的候选蛋白序列统一做表达、纯化和亲和力检测，并按实测KD排名。
下一分子AI 评分3636 AI制药日报｜2026-11-01
bioRxiv预印本在569个已上市药物上评测35种毒性预测读出，发现没有任何学习表征优于普通指纹，毒性专用工具中仅一种高于随机，且无一能匹敌仅凭批准年份的预测器。作者认为瓶颈在于分子结构作为输入本身的局限，进展或需纳入暴露与代谢信息。
下一分子AI 评分3838 AI制药月报｜2026年10月
下一分子10月月报收录33项进展，蛋白质设计重点从生成候选延伸至功能验证，虚拟细胞数据规模继续扩大，产业合作聚焦递送与蛋白疗法。月报以时间线梳理Baker Lab及IPD的14项研究，涵盖模型工具、功能设计与可开发性。其他进展包括RFdiffusion3正式发表、RFD4开源，以及剂泰与礼来就LNP递送达成合作，首付款逾千万美元、里程碑最高11亿美元。
下一分子AI 评分7272 AI制药日报｜2026-10-31
Ginkgo Datapoints旗下虚拟细胞药理学计划于2026年10月27日以CC BY 4.0许可开放ReFRAME化合物库的DRUG-seq转录组数据，覆盖12,949种化合物，注册免费账户即可获取。
智药邦精选AI 评分5858 npj Drug Discov｜TechBio 3.0：AI制药如何把预测、设计与实验连成闭环
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。
MIT Jameel Clinic · NewsAI 评分2020 MIT Jameel Clinic 在 NeurIPS 2026 三地会场展示的 10 张海报
MIT Jameel Clinic 研究者在 NeurIPS 2026 三地会场（悉尼主会场，亚特兰大与巴黎卫星会场）展示 10 张海报，涵盖生物医学域泛化、化学反应模拟与全原子共折叠等方向。
Brian NaughtonAI 评分4040 ipSAE与ipDAE等折叠模型指标对比
我觉得其他人也做过类似的事，但这里快速看一下各折叠模型上 ipSAE vs ipDAE vs ipTM 的对比 ipDAE（BindCraft2）表现 consistently 好，但 OpenDDE+ipTM 出乎意料地好，而且在不同阈值下都稳健 共识（Consensus）的帮助没有我预期的那么大
Oxford Protein Informatics Group · Blog精选AI 评分5858 别再用胜率：跨基准任务比较模型排名的统计方法
牛津蛋白信息学组博客指出，化学信息学论文常用胜率（模型在任务中排名第一的比例）评估基准表现，但该指标会掩盖微小差距、缺乏统计检验，并隐藏模型在部分任务上的严重失败。
推荐理由：文章用模拟数据演示胜率指标如何掩盖模型弱点，并给出任务内与跨任务的统计比较替代流程。
奶牛猫的CADD实验室精选AI 评分6363 arXiv 预印本：GEOM-DRUGS 参考集遗漏低能构象，影响构象生成模型评分
一篇 arXiv 预印本系统检验 GEOM-DRUGS 参考构象集的完整性，发现五种生成模型（GeoMol、GeoDiff、Torsional Diffusion 等）在 384 个分子上生成的构象中，有 2.3%–7.0% 经 GFN2-xTB 优化与合理性检查后属合理低能构象却未被参考集覆盖。
推荐理由：研究指出构象基准参考集本身可能遗漏低能构象，为生成模型的评测方式提供了具体参照。
智药邦精选AI 评分7878 上海药物所郑明月等发布MolGenBench：系统评测17种AI药物生成模型
同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文，构建结构基础药物发现评测基准MolGenBench，在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法，覆盖从头设计与苗头到先导优化两个阶段。
推荐理由：该研究用120个靶点和600个化合物系列横向比较17种分子生成方法，为判断生成模型能否产出真实活性分子提供参照。
BioTender精选AI 评分7878 从理解生命序列到设计生命序列：Evo 2 的下一步
Brian Hie 团队于 2026 年 10 月 29 日公开两篇 Evo 2 稿件，探索用少量示例做上下文学习来设计调控序列与蛋白。酵母任务中 4 条示例即可生成预测活性接近高活性对照的序列，但人类 5′ UTR 用 16 条示例时预测活性过阈值比例才超过 40%，且这些曲线并非湿实验结果。
推荐理由：文章逐项拆解 Evo 2 两篇稿件的计算与实验证据，区分预测活性、标记纯度与实测特异性。
王初课题组精选AI 评分5858 ACS Cent. Sci.：茚三酮作为靶向精氨酸残基的化学探针
Scripps研究所与UCSF团队将茚三酮开发为精氨酸选择性共价弹头，并在Mino细胞蛋白质组中鉴定出6888个反应性精氨酸位点，其中410个为高反应性位点。DFT计算显示水溶液中茚三酮亲电活性高于PGO，体外实验显示其可与Fmoc-Arg反应而不与Fmoc-Lys反应。
推荐理由：该研究把茚三酮改造成精氨酸选择性共价弹头，为拓展共价药物可靶残基范围提供了可迁移的探针设计思路。
下一分子AI 评分3434 AI制药日报｜2026-10-30
Brian Hie 团队报告 Evo 2 在仅给四个示例、不做额外训练时可生成金属结合蛋白、从头抗体与完整噬菌体基因组，作者称其为训练时未预料到的生成式上下文学习。
BioAIDesign精选AI 评分7676 专题综述 | Evo 2 学会举一反三：Arc × 斯坦福用少量序列引导生物设计
Arc Institute、斯坦福 Brian Hie 团队及合作者于 2026-10-29 在 Zenodo 公开两项预印本，显示预训练基因组模型 Evo 2 可用少量功能相近序列作为示例做上下文学习，不更新参数即可调整生成方向。
推荐理由：综述梳理 Evo 2 少样本上下文学习的两项预印本，区分计算筛选与湿实验证据，并给出跨任务适用边界。
Insilico Medicine 英矽智能AI 评分2222 英矽智能谈O3DC开放基准指数
英矽智能提出，AI药物发现领域过度关注模型性能，却很少追问支撑这些数字的基准是否合适。其参与发起的O3DC联盟推出Benchmark Index，作为社区资源用于查找、比较和讨论药物发现领域的开放基准。推文同时征集各领域值得关注的基准。