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。
#单细胞组学
下一分子精选AI 评分5858
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。
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。
AI蛋白质AI 评分7878 斯坦福与华盛顿大学发布Virtual Biotech多智能体框架，用37075个智能体注释55984项试验
斯坦福大学与华盛顿大学团队在Science发表Virtual Biotech，一个以药企组织为蓝本的多智能体框架，由虚拟首席科学官统筹靶点发现、安全性、modality选择与临床开发四个部门智能体，并设科学审查员质控。
BioArt精选AI 评分7676 Nature：机器学习算法PreGame在多发性骨髓瘤中鉴定广谱抗肿瘤γδ T细胞
加拿大玛格丽特公主癌症中心Tak W. Mak和Suzanne Trudel团队在Nature发表研究，开发机器学习算法PreGame，从单细胞CITE测序数据中识别携带肿瘤反应性TCR的γδ T细胞（TR γδ T细胞）。
推荐理由：研究用单细胞CITE测序训练随机森林识别肿瘤反应性γδ T细胞，并追踪其在BPd治疗中的扩增信号。
iNatureAI 评分3434 Cancer Res | 天津医科大学张真发等发现线粒体隔离cGAS削弱肺腺癌免疫
天津医科大学张真发等通过单细胞与空间转录组学分析CheckMate 816试验标本，发现新辅助化疗免疫治疗无应答肺腺癌中CHCHD3上调，其将cGAS螯合于线粒体、削弱STING信号。敲除CHCHD3可恢复CXCL5/CXCL1产生、减少M2样巨噬细胞并促进CD8+T细胞浸润；虚拟与功能药物筛选鉴定出小分子TN4510，在临床前模型中与化疗免疫治疗协同抑制肿瘤生长。
AI药物设计实验室精选AI 评分5858 Nature Communications｜MALVINA：单细胞深度学习揭示细菌互作与药物如何重塑病原性
《Nature Communications》在线发表的这项研究提出 MALVINA 工作流，将宿主—病原体共培养、高内涵成像与深度学习分类结合，分析 1320 个微孔、约 130 万个人结肠上皮细胞，同时读出细菌入侵宽度、入侵深度、感染细胞直接基因毒性和未感染细胞群体基因毒性四项指标。
推荐理由：该研究把细菌入侵与宿主基因毒性拆成单细胞读数，为抗菌药物评价提供杀菌之外的观察维度。
Marinka Zitnik精选AI 评分6262 生物推理模型是否真正使用生物输入
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
AI蛋白质精选AI 评分7474 斯坦福团队发表Virtual Biotech多智能体框架，模拟药企组织完成靶点发现与临床开发推理
斯坦福大学James Zou团队在Science发表Virtual Biotech，一个模拟生物技术公司组织架构的多智能体AI系统，设虚拟首席科学官及靶点识别、靶点安全、模态选择、临床开发四个科学家智能体部门。
推荐理由：斯坦福团队用多智能体模拟药企部门，在三个真实决策点上展示跨尺度证据整合与失败试验复盘。