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。
#Recursion
下一分子AI 评分3232
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。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 提出 f-Trajectory Balance 损失族，用于分子生成与 LLM 的探索调优
Valence Labs 的 Jason Hartford 介绍其 ICML 论文 f-Trajectory Balance，提出一族损失函数用于微调 GFlowNets、生成模型和 LLM，并支持离策略与在策略数据。
推荐理由：作者从损失函数角度解释生成模型探索与利用的权衡，为分子生成和 LLM 微调提供可迁移的方法视角。
Valence Labs 官网资讯精选AI 评分6060 显微图像深度学习究竟学到了什么：Valence Labs 作者谈基准与可解释性
Valence Labs @ Recursion 的 Ihab 在文章中讨论显微图像深度学习模型究竟学到了什么，指出在部分细胞培养显微任务中，多个已训练模型的表现与未训练网络和像素统计等简单基线相近，说明基准分数中有一部分信号并不需要高层生物学表征。
推荐理由：作者结合自身基准测试经验，讨论显微图像模型何时学到真实生物学信号、何时依赖技术捷径，并提出可解释基线的设计思路。