融合 Boltz-2、OpenDDE 与 Schrödinger 的 GPCR 设计管线及 GPR84 实战
作者以 GPR84 为例，介绍一套融合 OpenDDE 生成、Boltz-2 共折叠与亲和力快筛、Schrödinger 2026-4 膜显式 MD 与 FEP+ 的 GPCR 计算设计管线。
推荐理由：以 GPR84 为例拆解 AI 生成、共折叠快筛与物理终审的分级管线，并给出激动剂与抑制剂形态差异的实操约束。
#分子动力学
药化猩球精选AI 评分5858
药化猩球AI 评分4141 IF=12.2：贵州医科大学用Uni-Mol虚拟筛选锁定雷公藤红素，共价结合SMAD3 Cys421阻断糖尿病肾病纤维化
贵州医科大学基于Uni-Mol深度学习模型对天然产物库虚拟筛选，锁定雷公藤红素，并经化学蛋白质组学等实验证实其共价结合SMAD3的Cys421位点。雷公藤红素促使非磷酸化SMAD3经KPNB1入核，同时减弱SMAD3与SMAD4、TGFBR1的结合，阻断促纤维化信号。在HFD-STZ糖尿病肾病小鼠中，雷公藤红素剂量依赖性减轻肾脏胶原沉积并改善尿蛋白、血肌酐和尿素氮。
SandboxAQAI 评分2020 SandboxAQ在AIDDD展示自主药物发现科学基础
SandboxAQ在AIDDD大会上由Mary Pitman发表主题演讲，提出仅靠工作流自动化不足以实现自主发现，方法本身需具备演化能力。她介绍了团队正在构建的非平衡嵌合切换、绝对结合自由能计算方法和知识图谱，Amogh Sood与Rae Qi还展示了AI与物理方法整合、可扩展自由能计算及结合亲和力预测三项研究。
予路乾行精选AI 评分5858 予路乾行参与的抗血栓药物发现研究发表：从2.2万化合物筛出2个先导分子
上海交通大学朱芳芳团队与华南理工大学张译月团队等合作在《Journal of Advanced Research》发表研究，围绕P2Y12受体结合配体基与受体基双重虚拟筛选、分子对接、分子动力学模拟和MM/GBSA，从2.2万余个化合物中优选42个候选，并验证VS-5584和GNE-493的抗血小板与抗血栓活性。
推荐理由：该研究展示从2.2万化合物经双重虚拟筛选收敛到42个候选、再经血小板与斑马鱼实验验证的完整路径。
iNature同新闻AI 评分6262 香港大学贾伟团队开发MetLLM，从化学空间发现新型胆汁酸
香港大学贾伟团队在Cell Metabolism发表研究，提出基于Transformer的语言模型MetLLM，学习胆汁酸修饰模式以优先筛选候选胆汁酸类似物，并构建含3900个优先候选物的计算机模拟胆汁酸化学景观MetSpace。
BioArt精选AI 评分7272 Nature：Shokat团队提出双位点激酶抑制剂设计原则并开发PonatiLink-2
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
深势科技 DP Technology精选AI 评分5858 让科学智能真正走进消费品研发现场：联合利华与深势科技的AI4S实践
深势科技与联合利华在联合利华中国研发中心成立30周年之际集中展示两项合作研究成果：从8000多种原料中借助AI模型与实验验证筛出3个具良好抗菌活性的候选分子，MIC处于0.01%—0.075%区间，低于同测试中苯氧乙醇的0.36%—0.64%，相关成分将用于联合利华规模达1.7亿欧元的全球创新项目。
推荐理由：两家公司披露抗菌活性物筛选与衣物护理配方模拟两项合作成果，展示了计算筛选进入实际产品研发的路径。
Corin Wagen精选AI 评分5858 Corin Wagen 团队复现 SandboxAQ taqo 方法：单点蛋白-配体焓值可作同系列 ∆∆G 启发式
Corin Wagen 表示其团队复现了 SandboxAQ 发布的 taqo 方法，得到与原文非常相似的结果。该方法用神经网络势（NNP）计算单点蛋白-配体焓值，作为同系列化合物内 ∆∆G 的启发式指标。
推荐理由：作者复现了 SandboxAQ 的 taqo 方法，为同系列内用单点焓值近似 ∆∆G 的可行性提供了独立参照。
奶牛猫的CADD实验室精选AI 评分7171 GluePlex 提出无三元结构下的分子胶计算优化路线
发表在 Nature Communications 的 GluePlex 研究针对 VAV1 分子胶，在缺少三元复合物实验结构时用 PeSTo 预测接触区域、HADDOCK 对接生成 6 个构象簇模板，再由 Boltz-2 共折叠生成 120 个候选三元结构并按 chainpair_ipTM 筛选。
推荐理由：该研究把蛋白对接、共折叠与自由能计算串成分子胶优化流程，为缺少三元结构的项目提供可迁移做法。
Corin Wagen精选AI 评分5858 Anton Ni 与 Joonho Lee 提出基于 UMA 嵌入的隐式溶剂模型
Corin Wagen 推荐 Anton Ni 与 Joonho Lee（哈佛大学化学与化学生物学系）的新工作：作者在 SMD 数据上基于 UMA 嵌入训练了一个兼容神经势（NNP）的隐式溶剂模型，并展示该模型可用于分子动力学、logP 预测、异构体 ΔG 预测和 SNAr 机理研究。推文未披露模型性能数字与对照结果。
推荐理由：该工作把 UMA 嵌入用于训练兼容神经势的隐式溶剂模型，并展示其在多类化学任务上的适用面。
奶牛猫的CADD实验室精选AI 评分6262 Martini 3 结合自由能误差从 5.7 降至 1.2 kcal/mol，配体排序中位相关仅 0.32
一篇预印本在 15 个靶点、172 个配体上评估 Martini 3 粗粒化模型的绝对结合自由能计算，发现模型系统性低估结合强度，按口袋带电残基数做线性校正后平均绝对误差从 5.7 降至 1.2 kcal/mol。
推荐理由：解读预印本对Martini 3结合自由能误差的分解，说明整体偏移校正与配体排序能力为何是两件事。
AI药物设计实验室精选AI 评分7878 Nature Communications 2026：高通量蛋白质组学与AI折叠发现靶向VAV1的分子胶
2026年发表于《Nature Communications》的研究用高通量DIA全球蛋白质组学在Jurkat细胞中筛选出可经CRBN诱导VAV1降解的苯基-戊二酰亚胺类分子胶，关键降解元件定位在VAV1 C端SH3-2结构域的RDxS基序（796–799位点）。
推荐理由：研究把高通量蛋白质组学与AI三元复合物折叠串成分子胶发现链，并给出FEP与细胞降解效力的相关性参照。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 回顾药物发现中结合亲和力预测的历史
Valence Labs 的 Daniel Ramirez 撰文梳理靶向药物发现中结合亲和力预测的两条路线：基于物理的对接与分子动力学方法可泛化到新靶点和新化学型，但速度慢且需要起始结构；Boltz-2、Nesso-1 等共折叠模型速度快、无需起始结构，却会在训练数据之外无预警失效。
推荐理由：梳理结合亲和力预测从物理模拟到共折叠模型的两条路线，并说明两者互补的融合方向。
晶泰科技精选AI 评分5858 晶泰科技在《JACS》报道锑基手性催化剂设计，以计算先行实现92% ee
晶泰科技在《JACS》发表研究，针对环氧化物与苯胺的不对称开环反应，设计五价锑催化剂并锁定CAC-10，在5 mol%用量、甲苯室温条件下以99%收率和92% ee得到手性β-氨基醇，底物覆盖33种环氧化物与苯胺组合。
推荐理由：借诺奖手性放大机理切入，介绍晶泰科技用DFT与非线性效应实验设计锑基手性催化剂的工作。
DrugIntel精选AI 评分6262 Rowan 测试不同 Pose Ranking 方法对 RBFE 计算的影响
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
予路乾行精选AI 评分5858 予路乾行用分子动力学设计DYRK1B选择性抑制剂，选择性从约2倍提升至近20倍
予路乾行为一家海外生物技术公司完成DYRK1B选择性抑制剂项目，6个月内设计并合成20个化合物，交付IC50小于5nM、对DYRK1A选择性指数近20倍的分子。
推荐理由：项目展示了用分子动力学捕捉同源激酶动态构象差异、指导选择性设计的可复用路径。
HouMed精选AI 评分7474 浙大团队在Nature Communications发表机器学习增强采样工作流，解析AR-NTD配体识别并发现新型拮抗剂K53
浙江大学李丹、侯廷军团队在Nature Communications发表机器学习增强采样工作流，用于解析本征无序蛋白AR-NTD的构象景观与配体识别机制，并发现新型AR-NTD拮抗剂K53。
推荐理由：该工作把增强采样、机器学习集合变量与虚拟筛选串成流程，用于本征无序蛋白的构象与配体识别研究。
David Mobley精选AI 评分5858 自动检测分子动力学中慢速扭转重排的论文发表于JCIM
David Mobley 团队关于自动检测分子动力学中慢速扭转重排的首版方法论文已发表于 JCIM，DOI 为 10.1021/acs.jcim.6c00134。无访问权限的读者可查看 chemRxiv 预印本版本（chemrxiv.10001647/v1）。
推荐理由：作者团队提出自动检测分子动力学中慢速扭转重排的首版方法，为构象采样分析提供可复用思路。
David Mobley精选AI 评分6262 SepTop方法用于片段连接与跃迁的相对结合自由能计算并发表论文
David Mobley团队发表论文，测试其SepTop方法在片段连接、拼接与跃迁场景下的相对结合自由能计算，作者称效果相当好。论文发表于J. Chem. Inf. Model.，链接为https://pubs.acs.org/doi/10.1021/acs.jcim.5c03091。
推荐理由：作者团队测试SepTop在片段连接与跃迁的相对结合自由能计算，为片段生长策略提供方法参照。
Mol.AIAI 评分3838 药物研发效率工具：一键预测分子 AlogP，独立测试集 R² 达 0.7615
基于Mordred提取的1800余个分子描述符经筛选保留604个关键特征，超参数调优后的XGBoost模型在独立测试集上预测AlogP的R²达0.7615。特征重要性分析显示支链化程度（NsssCH）、电荷分布特性（AATSC0c）与3D饱和度（HybRatio）是影响AlogP的核心因素。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio：概率化人体剂量预测如何改变候选化合物优先级
Inductive Bio 提出一套将临床前数据转化为人体剂量分布并显式传播实验与模型外推不确定性的框架，在与 Aleksia Therapeutics 的合作中用于三个后期先导化合物的排序。
推荐理由：以三个候选化合物的剂量分布对比说明概率化人体剂量预测如何改变优先级判断，并指出体外重复实验最能降低不确定性。
David Mobley精选AI 评分5858 David Mobley团队发布预印本：结合机器学习与物理方法数据驱动预测配体效力
David Mobley团队发布新预印本，提出将机器学习与基于物理的方法结合，以数据驱动方式估计配体效力。其思路是当模型对特定靶点足够准确后，由机器学习模型接管预测。预印本全文见 chemrxiv.org/doi/pdf/10.26434/chemrxiv.15000463/v1。
推荐理由：作者团队提出按靶点精度切换机器学习与物理方法的配体效力预测流程，为混合计算策略提供可参考设计。
David Mobley精选AI 评分6060 OpenFF 发布新力场与更快电荷模型预印本
OpenFF 团队发布新力场和速度更快的电荷模型预印本，论文链接见 chemrxiv。作者未在推文中披露力场版本、电荷模型方法及精度或速度的具体数据。
推荐理由：OpenFF 团队发布新力场与更快电荷模型的预印本，为分子模拟中电荷参数化的效率取舍提供参考。
药渡CyberAI 评分3333 药渡Cyber解析一种具有强大体内抗MASH活性的高效选择性肝脏靶向HSD17B13抑制剂的发现
广东药科大学研究团队经多参数优化发现强效选择性HSD17B13抑制剂化合物32（IC50=2.5 nM），其肝微粒体稳定性和药代动力学特征优于BI-3231并具肝脏靶向性。