化学蛋白质组学策略开发靶向PqsC的铜绿假单胞菌抗毒力化合物
研究者以绿脓素合成作为筛选指标，从亲电性抑制剂中筛出化合物D3，其可在不影响铜绿假单胞菌生长的前提下抑制绿脓素合成。通过荧光胶与DIA无标定量蛋白质组学，确认D3共价标记绿脓素合成关键蛋白PqsC的Cys129，并抑制其体外酶活。基于该结合位点将β-内酯替换为氯乙酰胺warhead并经SAR优化，所得共价化合物处理后的细菌上清液对哺乳动物细胞毒力弱于未处理对照。
#小分子生成
王初课题组AI 评分3030
Genesis Molecular AI精选AI 评分6868 Genesis Molecular AI 的 NeurIPS 2026 论文：分子优化达最强推理时搜索同等性能，oracle 调用少 58 倍
Genesis Molecular AI 在 NeurIPS 2026 论文中报告，其方法在分子优化任务上达到与最强推理时搜索相同的性能，同时 oracle 调用次数减少 58 倍。该推文指出，预训练分子生成器掌握化学规律但不了解具体靶点，论文聚焦离散扩散设计选择对反馈效率的影响。
推荐理由：该论文比较离散扩散分子生成中不同设计选择对反馈效率的影响，为优化时的 oracle 调用预算提供参照。
下一分子AI 评分7474 Edison Scientific与普林斯顿发布ChefNMR2：从一维NMR与分子式生成候选结构
Edison Scientific与普林斯顿大学合作发布ChefNMR2，输入分子式和一维NMR峰表，由原子级流匹配模型生成候选平面结构，再由智能体核对谱图与文献。
DrugAI精选AI 评分6666 伯克利团队在Science提出刺激性蛋白降解SPD策略，小分子BD2激活CUL2-FEM1B改善线粒体功能
加州大学伯克利分校Michael Rapé团队在《Science》发表研究，提出刺激性蛋白降解（SPD）策略，用小分子解除BEX蛋白对E3连接酶CUL2-FEM1B的抑制，促进其天然底物降解。
推荐理由：研究提出激活E3连接酶天然底物清除的SPD策略，为多蛋白异常疾病提供不同于PROTAC的作用模式参照。
DeepTech深科技精选AI 评分6767 AI从700亿分子中发现9种新型抗生素候选物，MIT团队向超级细菌发起挑战
麻省理工学院教授Regina Barzilay和James J. Collins获得2026年普利兹克AI科学研究卓越奖，其Antibiotics-AI Project已用AI虚拟筛选超过700亿个分子、对超过3.8万个分子开展抗菌实验，发现或设计出9种新型抗生素候选物。
推荐理由：梳理MIT团队从虚拟筛选到生成式设计抗生素的多年路径，并点出合成与临床环节的落差。
Sam Rodriques同新闻AI 评分6060 Sam Rodriques 发布 ChefNMR2：从 NMR 谱图推断分子结构
Sam Rodriques 发布 ChefNMR2，这是一个与普林斯顿 Ellen Zhong 合作训练的模型，可从 NMR 谱图推断分子结构，现已上线 Kosmos。在 2,031 个分子上，该模型 top-1 准确率为 82%，而单独使用 Claude Opus 5 为 52%。作者称这让天然产物结构推断更容易，从而减少药物发现中的一个瓶颈。
药化猩球精选AI 评分5858 能结合却无药效的分子还能做什么：从沉默结合到PROTAC与RiboTAC的药化设计
作者费米子父梳理了沉默结合配体在诱导邻近技术中的再利用路径，涵盖SAR by catalog、RiboTAC、RNATAC、RIPTAC与PhosTAC。文中引用Disney团队2023年Nature研究，将结合RNA但无功能效应的小分子接上RNase L招募模块后成为降解剂；Tong等2024年全转录组研究中481个结合RNA靶标仅5个达到RNase L依赖切割标准。
推荐理由：文章把沉默结合配体与多种诱导邻近技术串成一套设计检查框架，便于理解配体再利用的取舍。
BioArt精选AI 评分7373 清华大学团队在Nature Communications发表可解释AI引导的可降解脂质肝脏mRNA递送研究
清华大学深圳国际研究生院颜昊、康飞宇团队在Nature Communications发表研究，建立模块化合成、高通量筛选、可解释机器学习与动物验证的两阶段框架，从520种实验脂质扩展到10,920种虚拟候选，筛出可降解可电离脂质PA97MD101。
推荐理由：研究把可解释机器学习用于可降解脂质筛选，并用独立动物实验检验体外预测的边界。
智药邦精选AI 评分7474 北京大学来鲁华团队在Nat Mach Intell发表SynCraft，用大语言模型引导分子精准编辑
北京大学来鲁华教授团队提出基于大语言模型的分子可合成性优化方法SynCraft，对难合成的高价值分子做最小图编辑而非从头生成，研究发表于Nature Machine Intelligence。
推荐理由：研究用大模型推理加最小图编辑挽救难合成分子，并给出与基线方法的量化对比和失败边界。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 与 Caltech 提出离散扩散在线适应框架，分子优化用 86 次评估追平 Beam Search 约 5000 次评估表现
Genesis Molecular AI 与 Caltech 合作的 NeurIPS 2026 论文研究离散扩散分子生成模型在测试时如何分配算力，其在线适应框架仅用 86 次 oracle 评估即追平最强推理期搜索基线 Beam Search 约 5000 次评估的表现。
推荐理由：研究系统拆解在线适应式分子优化的四个设计选择，并给出何时值得用在线适应而非推理期搜索的判据。
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。
BioArtAI 评分6565 Nature：Shokat团队提出双位点激酶抑制剂设计原则并开发PonatiLink-2
美国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与EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并据此开发出双位点ABL1抑制剂PonatiLink-2。
AI药物设计实验室精选AI 评分7070 俄亥俄州立大学MADDIE多智能体药物发现系统：50个靶点各交付100个候选分子
俄亥俄州立大学Xia Ning团队提出MADDIE多智能体药物发现系统，由中央Orchestrator调度HitIdentifier、LeadOptimizer、Evaluator和Synthesizer四个专职智能体，在50个蛋白靶点上均交付100个满足对接评分、类药性、合成难度、毒性预测等计算阈值的候选分子。
推荐理由：论文用50个靶点的对照与消融，说明中央调度主要减少达到同一计算目标所需的搜索量。
iNatureAI 评分3434 南京医科大学赵杨/陆茵团队发现MEKK3驱动脑海绵状血管畸形进展，AI辅助设计抑制剂DPDH
南京医科大学赵杨、陆茵团队在Advanced Science发表研究，证实内皮细胞MEKK3启动脑海绵状血管畸形（CCMs）病灶形成，小胶质细胞MEKK3则通过MEKK3–NF-κB通路加剧病灶晚期进展。借助AI辅助药物设计与结构优化，团队获得强效MEKK3抑制剂DPDH，可恢复血管屏障完整性并抑制小胶质细胞活化及对受损内皮的吞噬。研究据此提出DPDH作为CCMs候选药物的潜力。
Insilico Medicine 英矽智能AI 评分4242 英矽智能推出MMAI KINOME激酶预测模型
67 种激酶。你的分子还可能命中什么？🎯 认识 MMAI KINOME，英矽智能专用于预测激酶活性、探索选择性的 AI 模型。 带上你的分子。探索预测结果。免费试用。 👉 https://playground.insilico.com
智药局精选AI 评分6262 Boltz小分子模型BoltzMol-1接入药明康德GalaXi化学空间
Boltz于10月13日宣布，其小分子模型BoltzMol-1可直接搜索药明康德的GalaXi虚拟化合物库，该库规模约260亿个可合成分子，已在Boltz Lab平台和Boltz API上线供全球用户调用。
推荐理由：BoltzMol-1接入药明康德GalaXi化学空间，反映AI小分子模型对可合成化合物库的依赖。
药明康德AI 评分4040 治疗“癌症之王”，新型RAS抑制剂如何拓展小分子药物的边界？｜Bilingual
2026年第三季度，两款采用不同诱导接近机制的新药获美国FDA批准：百时美施贵宝的CELMoD疗法iberdomide（Zenbexus）于8月13日加速获批用于多发性骨髓瘤，Revolution Medicines的RAS三元复合体抑制剂daraxonrasib（Rasonque）于8月26日获批用于转移性胰腺腺癌。
DrugAI精选AI 评分7474 SynCraft：用LLM编辑分子改善可合成性，成果发表于Nature Machine Intelligence
北京大学来鲁华课题组在 Nature Machine Intelligence 发表 SynCraft，让大语言模型提出原子和化学键级编辑指令，由 RDKit 执行、SimpRetro 搜索逆合成路线，以改善生成分子的可合成性。
推荐理由：研究提出让大模型输出原子级编辑指令、由化学软件执行并检验逆合成的分子可合成性优化方法，为生成分子的后续改造提供可复用流程。
AI药物设计实验室精选AI 评分6969 RouteFlow 在连续合成路径潜在空间中设计可合成分子
RouteFlow 将分子优化转化为连续合成路径潜在空间中的搜索，为解码成功的候选分子同时给出由构建块和反应模板组成的合成路线。研究用 270,423 个 Enamine 构建块、115 个反应模板和最多五步路线训练路线自编码器，并以奖励引导流匹配加循环一致性约束进行优化。
推荐理由：该预印本把合成路线编码为连续潜在空间做分子优化，为兼顾性质与可合成性提供了一种可迁移的搜索思路。
晶泰科技精选AI 评分6262 晶泰科技与暨南大学在JMC发表RET抑制剂研究，打通专利数据到小鼠药效的研发链路
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
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。
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
insitro · Publications & Press精选AI 评分7272 insitro 与礼来在 TuneLab 推出体内 PK 预测机器学习模型
insitro 与礼来在 Lilly TuneLab 平台上线体内 PK 预测模型，可跨小鼠、大鼠、狗和猴四种临床前物种预测血浆清除率、稳态分布容积和平均驻留时间。
推荐理由：该模型用礼来历史数据直接预测体内PK，并与体外外推法对比，为小分子成药性评估提供参照。
Valence LabsAI 评分2222 Valence Labs 用 CIP 标签区分分子镜像
正如你的两只手互为镜像，人体内的许多分子也是如此。 但镜像并不相同，它们的差异具有生物学相关性。 这是我们的模型即使带有手性标签也可能悄然未能捕捉到的事实。 于是引入了 CIP 标签。 想了解体内化学物质如何被标记，以便 AI 工具能区分镜像，请看下方 Cristian 的视频。 完整视频：https://youtu.be/0tT-UqhHbpI
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室 NeurIPS 论文提出 pCoMole，将生物分子缩小同时保留功能
Pranam Chatterjee 团队在已被 NeurIPS 接收的论文中提出 pCoMole，目标是在保留或提升分子功能的前提下缩小生物分子尺寸，以降低合成、制造与递送难度。论文编号为 arXiv:2610.01663，模型已在 Hugging Face 的 ChatterjeeLab/pCoMole 页面公开。推文未披露具体分子模态、评测指标与实验结果。
推荐理由：作者团队提出面向生物分子的缩小化生成方法，为在保持功能前提下压缩分子尺寸提供了可复用的建模思路。
Isomorphic LabsAI 评分3838 Isomorphic Labs 推出药物设计引擎 IsoDDE
Isomorphic Labs 的药物设计引擎 IsoDDE 可智能搜索庞大化学空间，设计面向真实世界的功能性分子，将过去数月的实验室工作缩短为计算数天完成。其药物设计智能体从生物靶点和目标分子性质等严格设计规范出发，在 2-4 天内自主迭代生成新分子设计，公司称带来真实世界功能性进展。
DrugIntel精选AI 评分7070 Nature研究构建随机背景基线，量化配体优化中的效力与PK权衡
《Nature》2026年发表的这项研究针对6个靶点的18个先导化合物系统合成257个单原子水平类似物，发现11.3%的类似物效力提升至少10倍（95%置信区间7.5%–15.2%），但41.4%的类似物在肝微粒体稳定性、血浆游离分数或膜通透性中至少一项恶化超过3倍。
推荐理由：研究用257个单原子类似物建立配体优化的随机背景，量化效力提升与PK恶化的权衡。
Inductive Bio 官网资讯精选AI 评分7373 Inductive Bio 发布 Beacon-2 模型，从化学结构直接预测人体有效剂量
Inductive Bio 发布 Beacon-2，这是对 Beacon 系列模型的重大更新，可在 ADMET 之外直接从化学结构预测分子的有效人体剂量，由 ADMET-PK、效力与 PK/PD 三个可配置模块组成。
推荐理由：Beacon-2 把人体有效剂量作为可计算目标，并用 Indy 智能体的对照实验展示只优化效力会出现的偏差。
Valence LabsAI 评分2222 Valence Labs 谈生成式AI置信度预测
Valence Labs 介绍其置信度预测新工作，用于判断药物分子预测结果中哪些可信、哪些需回实验室补数据。推文指出生成式AI模型很少按已有证据校准置信度，在药物发现中这种虚假自信会浪费时间和资金。视频由 Tristan 讲解。
Valence LabsAI 评分3030 Valence Labs 推出可合成化合物生成模型 Synflownet
Valence Labs 构建了 Synflownet，用于生成最可能具有所需活性的可合成化合物，以提升活性分子搜索效率。该模型针对可购买分子数量达数十亿、无法逐一评估的问题，定位为“锁匠”式生成工具，而非逐个匹配的评估模型。
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。
GeroAI 评分2020 Gero的ProtoBind获Nebius奖项荣誉提名
@nebiusai Discovery Awards 2026 圆满成功。🏆 我们很高兴地分享，Gero 凭借我们的 ProtoBind 平台获得了荣誉提名，该平台是一个可直接从蛋白质序列进行小分子设计的生成式 AI 模型，在我们所在类别中跻身前 10 个项目。
MIT Jameel Clinic · News精选AI 评分7373 机器学习筛选出抗耐药淋球菌的新型抗生素候选分子
MIT 的 Melis Anahtar 团队用含 38,650 个分子及其抑制淋球菌生长数据训练神经网络，再筛选 610 万分子，找到预测可靶向该菌的候选。实验室测试显示其中一个分子对多重耐药淋球菌有效且对人细胞毒性较低；用另外 152 个分子重训模型后又发现一个候选，该分子在体外杀死多重耐药菌株并在小鼠体内降低药物敏感菌株水平，进一步实验显示其抑制细菌细胞壁合成所需的一种酶。
推荐理由：研究用3.8万分子训练神经网络筛选610万分子，找到对多重耐药淋球菌有效且机制新颖的候选。
HotSpot Therapeutics 官网资讯AI 评分3838 HotSpot Therapeutics 在 EULAR 2026 展示小分子 IRF5 抑制剂项目临床前数据
HotSpot Therapeutics 在 EULAR 2026 以壁报展示其小分子 IRF5 抑制剂项目的临床前数据，该抑制剂经 Smart Allostery™ 平台发现，可剂量依赖地抑制多种人免疫细胞的细胞因子产生。
Mol.AIAI 评分3838 基于 Uni-Mol 重现血脑屏障渗透性预测并上线在线工具
基于 ICLR 2023 的 Uni-Mol 框架微调血脑屏障渗透性分类模型，在留出测试集上取得 ROC-AUC 0.9199、PRC-AUC 0.9686。训练使用约 2000 多个 BBBP 分子，经 RDKit 规范化后剔除 11 个非法分子，微调 10 个 Epoch。
Ginkgo Datapoints · UpdatesAI 评分5858 Ginkgo Datapoints、Tangible Scientific 与 Inductive Bio 联合推出 ADME-One
Ginkgo Datapoints、Tangible Scientific 与 Inductive Bio 联合推出 ADME-One，将完整的高通量 Tier 1 ADME 实验面板与 AI 驱动的人体 PK 预测及整合式化合物管理结合。三家机构称，该组合让团队可在命中化合物识别阶段就做出达到先导优化质量的决策。
HouMedAI 评分1818 浙江大学LynxMind项目获浙江省第十五届“挑战杯”大学生创业计划竞赛金奖
浙江大学课题组本科生沈欣领衔的“LynxMind——中枢神经药物设计领航者”项目在浙江省第十五届“挑战杯”大学生创业计划竞赛中获本科生组生物医药与健康科技赛道金奖。该项目为面向中枢神经系统疾病的新一代药物发现一体化平台，构建专属数据库并整合血脑屏障穿透性预测、分子生成与优化、可解释性分析等功能。
HouMed精选AI 评分7474 侯廷军团队在ChemRxiv发布LiTENexus量子化学驱动端到端AI药物发现系统
浙江大学侯廷军团队联合澳门理工大学于2026年5月15日在ChemRxiv发布LiTENexus系统，提出量子化学信息注入（QCII）机制，将势能面、电荷分布、偶极矩等规律编码进神经算子，构建端到端虚拟药物发现平台。
推荐理由：侯廷军团队把量子化学信息注入神经算子，在ADMET与分布外化学空间给出可对照的基准结果。
AI4Protein精选AI 评分6767 清华与字节团队AnewOmni：跨尺度统一分子生成模型
字节AI制药团队与清华AIR团队开发统一分子生成模型AnewOmni，可设计小分子、多肽和纳米抗体，训练数据超过500万个生物分子复合物。模型支持可编程图提示，可施加化学约束、拓扑约束与几何转向，并生成非天然氨基酸、手性分子、共价结合等非标准化学结构。
推荐理由：介绍统一分子生成模型在KRAS G12D与PCSK9上的跨模态设计结果，可作为多模态药物设计的参照。
Lantern PharmaAI 评分4040 Lantern将predictBBB升级为LQM
$LTRN 将 http://predictBBB.ai 升级为大型定量模型（LQM） ✓ 仅凭单个SMILES即可进行360°分子分析 ✓ 数秒内获得99+项特征 ✓ 网页原生、实时分子智能 ✓ 已集成至 @withzeta.ai 阅读更多：https://bit.ly/4tGcVc7