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。
#可开发性
AI蛋白质精选AI 评分7474 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。
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》
AI4ProteinAI 评分5858 “长江杯”全球AI蛋白质设计挑战赛公布7大靶点与完整竞赛规则
“长江杯”全球AI蛋白质设计挑战赛于11月1日公布7个赛道靶点与完整竞赛规则，报名和序列提交均于11月30日23:59:59截止。7个靶点为EGFR、TNF-α、GLP-1R、TfR1、TL1A、TNFR1和IL-7Rα，其中5个赛道设计VHH、2个赛道设计minibinder，GLP-1R赛道要求激动剂活性、EGFR赛道需测定pH=6.0时的亲和力。
BioTender精选AI 评分7272 刚刚！Anthropic 公布首批 AI 药物研发成果！
Anthropic 于 2026 年 10 月 27 日集中公布六家机构使用 Claude 推进药物研发的早期案例，并宣布收购罕见病公司 Mithril Medicine。
推荐理由：梳理六家机构用 Claude 做药物研发的早期案例，逐项标出体外数据、对照缺失与验证边界。
BioAIDesign精选AI 评分7474 Anthropic 亲自下场 AI 制药：Claude 参与 7 个药物项目，还买下一家单人药企
Anthropic 公布 Claude 参与的六个药物研发合作与一个自有项目，并宣布收购由一人运营的 Mithril Medicine。
推荐理由：按证据强度分层梳理 Anthropic 七项药物研发动作，并指出分子设计项目缺少对照基线这一关键缺口。
智药局精选AI 评分5858 镁伽联合腾讯云、Twist发起Poreva Open蛋白质设计赛，计划湿实验验证超1万条序列
镁伽科技牵头，腾讯云、Twist、思朗科技、诺唯赞等参与，发起全球AI蛋白质设计竞赛Poreva Open，不限国家、模型与技术路线，计划对超过10000条设计序列做湿实验验证。评价体系除靶点结合外新增热稳定性和低非特异性指标，首批3项挑战靶点已公布，赛后拟择优引入类器官等模型进一步验证。奖金包括最高100万元现金、百万元级免费湿实验验证额度和千万元级投资激励。
推荐理由：镁伽联合腾讯云、Twist等发起不限模型的蛋白质设计赛，以万条湿实验验证切入AI4S数据入口。
BioArtAI 评分4444 Cell Biomaterials综述 | AI驱动肽类药物发现
西湖大学曾坚阳团队与宾夕法尼亚大学Cesar de la Fuente-Nunez团队在Cell Biomaterials发表综述，系统梳理肽-蛋白相互作用的实验发现、AI预测与生成式设计及治疗转化挑战。
AI药物设计实验室精选AI 评分7272 默沙东与得州理工在npj Drug Discovery提出PepOpt，174.4秒从约10⁵⁰种肽组合中筛出前1000条
默沙东与得克萨斯理工大学研究人员在npj Drug Discovery发表可解释机器学习框架PepOpt，用位置特异的ECFP4指纹加贝叶斯岭回归预测肽活性，并借助可加性动态规划在约10⁵⁰规模空间中174.4秒返回模型评分最高的1000条序列。
推荐理由：该框架把位置特异的化学子结构编码与可加性动态规划结合，为超大肽库的候选排序提供了可解释的搜索路径。
AI药物设计实验室精选AI 评分7474 同济大学等团队在 Nature Communications 发布 MolGenBench，评估17种结构基础分子生成方法
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench，用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法，其中10种从头生成、7种先导优化。
推荐理由：该基准把分子生成评估从合规性推进到活性空间找回，并揭示先导优化与从头设计的差距。
AurekaBio 寻明生科精选AI 评分8383 寻明生科AuraIDE夺得首届AIntibody抗体设计盲测Challenge 1冠军，结果发表于Nature Biotechnology
首届国际AI抗体设计大赛AIntibody的结果发表于Nature Biotechnology，寻明生科自研抗体设计模型AuraIDE（参赛名AuraBind）在Challenge 1计算亲和力成熟任务中夺冠，其冠军抗体经KinExA测得KD为94.7pM，较亲本抗体提升约2000倍，优于第二轮组合文库湿实验筛选得到的最佳抗体（113pM）。
推荐理由：首届AIntibody盲测以统一湿实验验证抗体设计，冠军序列的亲和力优于实验筛选最优克隆，为模型能力提供了独立参照。
环肽与药物发现精选AI 评分5959 为什么N-烷基化有利于透膜性？N/Cα双取代骨架位阻机制解读
文章解读东京大学Jumpei Morimoto与Shinsuke Sando团队的研究，指出N-烷基肽的高被动膜渗透性除去除酰胺N–H外，还来自N/Cα双取代产生的骨架位阻约束。
推荐理由：文章拆解东京大学团队关于N/Cα双取代骨架位阻促进肽透膜的机制研究，为口服环肽设计提供可迁移的结构判断依据。
环肽与药物发现精选AI 评分5858 JMC研究解析浅灰霉素的反向分子变色龙性
JMC发表的研究以天然抗菌大环肽浅灰霉素为对象，结合PAMPA、Caco-2、EPSA测定与溶液NMR、蒙特卡洛构象搜索及NAMFIS分析，解析其在极性与非极性环境中的构象分布。
推荐理由：文章解读JMC研究如何用构象集合解释大环肽渗透性反常，为环肽可开发性评估提供构象层面的参照。