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。
#评测/基准
下一分子AI 评分7474 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。
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。
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。
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。
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。
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。
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。
药化猩球AI 评分5858 逐行核对 Mol-1 成绩单：宣传数字与 GitHub 仓库对不上
作者逐行核对 Mol-1 的宣传数据与 GitHub 仓库，发现 FoldBench-AB 75.0% 有出处但对比的 IsoDDE 与 75.58% 无法对应，所谓“8 项里胜过 Anthropic 10 项”算术不通，且 Mol-1 实为 Protenix 衍生模型。
BioTender精选AI 评分6060 AISI与SecureBio用编程智能体复现ProteinMPNN、RFdiffusion3与CMD
英国AI安全研究所AISI与SecureBio合作的ReproBAIT预印本让Claude Opus 5、GPT-5.6 Sol、Kimi K3和Qwen3.8-2.4T四个编程智能体在提供训练数据与A10G GPU的条件下限时复现三个生物AI工具。
推荐理由：研究用编程智能体限时复现三个生物AI工具，给出闭源与开源工具可迁移性的具体边界。
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。
Insilico Medicine 英矽智能精选AI 评分6363 英矽智能发布DDDBench Core：59项药物发现基准与实时榜单
英矽智能发布DDDBench Core，从Foundations的300余项基准中选出59项，覆盖五个药物研发领域，并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一；其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由：英矽智能从300余项基准中筛出59项，覆盖五个药物研发域，并给出通用与专用模型的实时榜单对比。
LeapFunAI 评分7676 罗氏发布近9万条抗体专利数据集POISK并评测六大结构预测模型
罗氏及旗下Prescient Design团队发布论文，推出从美国专利提取的抗体数据集POISK，含10,110件专利、89,074条抗体–抗原记录、78,174条独特抗体和2,069个独特靶点序列，并提供亲和力、表位残基与竞争关系等36类字段。
清华大学智能产业研究院精选AI 评分7474 清华AIR联合上海AI Lab发布PFArena，用202项真实实验评测大模型蛋白质改造能力
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
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。
临港实验室AI 评分4242 临港实验室联合发起“长江杯”全球AI蛋白质设计挑战赛：奖金加码至140万元、湿实验扩容至7000条
“长江杯”全球AI蛋白质设计挑战赛报名队伍已突破1200支，覆盖16个国家和地区，总奖金加码至140万元人民币、免费湿实验验证扩容至7000条。序列提交与报名截止日期由11月15日延长至11月30日，靶点将于11月1日一次性公布。大赛以真实湿实验数据为唯一评价标准，每队每赛道最多提交20条从头设计序列。
BioArt精选AI 评分7474 Insilico Medicine团队在Cell发布衰老生物学基准LongevityBench与长寿语言模型
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究，构建首个面向衰老生物学的开放基准LongevityBench，含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域，共25457个评测提示。
推荐理由：该研究用17项任务评测18个前沿模型解读衰老组学数据的能力，并比较领域微调小模型与通用大模型的表现差异。
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。
Brian NaughtonAI 评分2626 Vitrify 生物 AI 性能表现亮眼
今天有太多很酷的生物 AI 内容了，Vitrify 的博客文章不该被淹没。这张图里的性能表现真的非常惊人！！
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。
BioTender精选AI 评分7272 Leash Biosciences 发布 Minos 工作稿：用真实湿实验构建分子搜索环境评测 AI
Leash Biosciences 的 Minos 工作稿把预先完成的 DNA 编码化合物库实测结果封装成可反复查询的分子搜索环境，模型每局最多测试 100 个分子、每批最多 5 个。
推荐理由：工作稿把已完成的湿实验封装成可反复查询的分子搜索环境，并给出结构打乱与靶标遮蔽对照，便于理解评测边界。
AI药物设计实验室精选AI 评分7272 ICLR 2026 论文 MolecularIQ 评测 38 个大模型化学结构推理，最高准确率 47.5%
约翰内斯·开普勒大学等机构在 ICLR 2026 发表基准 MolecularIQ，用 RDKit 符号程序核验 38 个开源大模型对分子结构的计数、原子索引定位和约束生成能力，最高总体准确率为 GPT-OSS 120B（High）的 47.5%。
推荐理由：该基准用 RDKit 符号核验拆解分子结构推理，并揭示 SMILES 写法变化带来的性能落差。
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。
Oxford Protein Informatics Group · Blog精选AI 评分7070 OpenBind启动首届盲测挑战：预测寨卡NS2B-NS3蛋白酶与400个化合物的结合构象
OpenBind联合OpenADMET与ASAP Discovery Consortium于2026年10月14日启动首届OpenBind盲测挑战，要求参赛者预测400个化合物与寨卡病毒NS2B-NS3蛋白酶形成的蛋白-配体复合物，化合物从小片段到类先导分子不等。
推荐理由：首届OpenBind盲测挑战以寨卡NS2B-NS3蛋白酶为靶点，用更严格的构象与物理有效性标准比较对接与共折叠方法。
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。
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。
EMBL-EBI News精选AI 评分5858 EMBL-EBI 视角：基准评测如何支撑生物医学 AI 的可靠性
EMBL-EBI 研究负责人 Julio Saez-Rodriguez 等人在一篇 Perspective 文章中讨论生物医学基础模型的基准评测，提出数据质量、模型仓库与评测框架三个相互关联的支柱，并主张将性能评估与方法开发隔离、由独立方在未见数据上评测。
推荐理由：EMBL-EBI 研究负责人系统梳理生物医学基础模型基准评测的三角框架与独立评测原则，为理解模型评测争议提供参照。
PDBeAI 评分4040 AlphaFold 复合物置信度指标差异解析
同一个预测复合物，不同的置信度分数： ipTM：0.38 ipSAE：0.75 为什么这些指标会有差异？完整解析 👇 https://youtu.be/k4yBqddtPyQ #AlphaFold #AFDB
唯信计算精选AI 评分6363 唯信计算实测57个抗体结构：11种预测模型谁更准、谁更快
唯信计算（Wecomput）基于2026年1月1日至8月19日发布的57个PDB抗体结构、105条抗体链，在统一指标下评测11种抗体结构预测模型与模式。
推荐理由：唯信计算用统一数据与指标横向比较11种抗体结构预测模型，并给出逐结构互补性与速度取舍的参照。
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。
英灵殿科技Valhalla精选AI 评分7070 英灵殿科技提出EpiBench基准：评测大模型能否从序列理解抗体表位
英灵殿科技团队提出EpiBench，一个面向抗体药物发现的表位推理基准，包含1,609个样本和五项相互关联任务，标签来自抗体–抗原复合物结构、功能性B细胞实验与深度突变扫描数据。
推荐理由：该基准把表位理解拆成五项抗体发现决策任务，并给出通用大模型在长序列定位与抗体特异性对应上的具体缺口。
Hannes Stärk精选AI 评分5858 cofoldarena.ai 上线开源共折叠结构预测模型排行榜
Hannes Stärk 转发推荐 bjing2016 制作的 cofoldarena.ai，这是一个与 PDB 同步、每周更新的开源共折叠结构预测模型排行榜，所有预测结果均可查看和下载。bjing2016 表示，推出该榜单是为了帮助大家跟上不断涌现的开源共折叠模型。
推荐理由：该榜单按周同步 PDB 并公开预测结果，为比较开源共折叠结构预测模型提供了可下载的参照。
Inductive Bio 官网资讯精选AI 评分6060 Inductive Bio 在 OpenADMET PXR 盲测挑战中夺冠，为连续第三次获第一
Inductive Bio 在 OpenADMET 的 PXR Blind Challenge 中排名第一，击败来自大型药企、生物技术公司、学术机构和 AI 组织的 350 多名研究者。
推荐理由：Inductive Bio 在 PXR 盲测挑战中夺冠，可与该公司连续三次盲测成绩及 ADMET 建模的真实条件评测对照阅读。
Roshan Rao精选AI 评分6262 ESMC、ESMFold2 与蛋白机制可解释性论文更新并发布预印本
Roshan Rao 等在 bioRxiv 发布关于 ESMC、ESMFold2 和蛋白质机制可解释性的论文，并对上周初版做了修订。
推荐理由：作者说明 ESMC、ESMFold2 与蛋白机制可解释性预印本的修订内容，涉及基准评测与结果口径调整。