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。
#结合亲和力
下一分子AI 评分6565
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。
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。
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。
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。
药化猩球精选AI 评分7878 Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
DrugAI精选AI 评分7373 Nature Communications 发表 StriMap：连接抗原呈递与TCR识别的结构信息深度学习框架
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
BioTender精选AI 评分7373 多伦多大学等提出SELECTBENCH，评测九种生成模型难区分目标与脱靶蛋白
多伦多大学、Mila 等机构提出 SELECTBENCH，将目标与脱靶蛋白同时纳入评价，评测九种结构驱动小分子生成模型的选择性。
推荐理由：该基准把目标与脱靶口袋同时纳入评测，揭示生成模型在相近蛋白上的选择性短板与阈值取舍。
智药局AI 评分4242 Space Generate团队获Boltz × AI4Science Zurich Hackathon的Boltz Challenge第一名
Space Generate首席技术官Sacha Javor参与的团队在苏黎世Boltz × AI4Science Zurich Hackathon的Boltz Challenge中获得第一名，该挑战要求针对8个化合物和约120个蛋白靶点预测化合物与靶点的活性。
奶牛猫的CADD实验室精选AI 评分5858 ChemMedChem研究：Boltz-2结合姿势准确但亲和力排序在新口袋区域失效
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
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。
智药邦精选AI 评分6363 Nature Reviews Drug Discovery 访谈 OpenBind 负责人 Charlotte Deane：AI 药物发现的数据鸿沟如何填补
牛津大学 Charlotte Deane 在 Nature Reviews Drug Discovery 访谈中介绍其联合领导的 OpenBind 计划，目标是建成全球最大的开放获取药物-蛋白质相互作用数据集，以改进蛋白-小分子结合结构与亲和力预测。
推荐理由：OpenBind负责人谈蛋白-小分子结合数据缺口，并给出首组数据集与盲测挑战的具体规模。
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。
DrugIntel精选AI 评分7474 预印本追踪 Boltz-2 的 Pose→Affinity 信息流：亲和力头实际读取第二套结构
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
创药网AI 评分3838 新型AI药物研发工具/平台（上篇）
文章简述了近期国外代表性AI药物研发工具/平台：Isomorphic Labs的IsoDDE可预测蛋白质与药物、抗体相互作用，在Runs N' Poses最难任务上准确度达AlphaFold 3两倍以上。
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。
AI4ProteinAI 评分7373 MaSIF-mimicry结合GluePCA绘制CRBN-分子胶互作网络
研究团队将AI蛋白表面查询方法MaSIF-mimicry与高并行蛋白互补实验GluePCA结合，在全蛋白组范围绘制CRBN-泊马度胺潜在互作网络，鉴定出6个已知及43个新的CRBN-泊马度胺结合蛋白，并对部分候选做了正交验证。
Bits in BioAI 评分3232 Bits in Bio 通讯（2025年11月3日）：Anthropic 推出 Claude for Life Sciences、NIH 投 8700 万美元建类器官中心、诺华 120 亿美元收购 Avidity
Anthropic 推出首个行业专属产品 Claude for Life Sciences，可对接 Benchling、PubMed、10x Genomics 和 Synapse.org，其 Claude Sonnet 4.5 在 Protocol QA 基准上得分 0.83，高于人类基线 0.79。
A-Alpha Bio 官网资讯精选AI 评分6363 A-Alpha Bio 的 AlphaSeq 论文在 PNAS 发表
A-Alpha Bio 宣布介绍 AlphaSeq 的论文已在 PNAS 发表。文中展示可通过重编程酵母交配同时表征数千个蛋白质-蛋白质相互作用，并观察到改变细胞外环境后相互作用强度的变化。
推荐理由：AlphaSeq 通过重编程酵母交配实现数千蛋白互作并行表征，为结合剂筛选提供可规模化的实验方法。