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。
#深度观点
药化猩球精选AI 评分5858
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。
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。
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。
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。
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。
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。
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。
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
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。
Oxford Protein Informatics Group · BlogAI 评分4343 用果蝇连接组做分子对接：MaleCNS 驱动刚性对接模拟
作者把雄性果蝇中枢神经系统连接组 MaleCNS（38,128 个神经元、300 万个突触）接入一个刚性对接模拟器，让果蝇“操控”星形孢菌素进入 CDK2（PDB 1AQ1）的结合口袋。仅训练边缘两层、约十万次强化学习后，果蝇从包括 9 Å 外且倒置的各个起始位置把分子对接到晶体构象 2 Å 以内。作者明确表示这并未解决药物发现，且模拟物理为自制、连接组本身未经训练。
Oxford Protein Informatics Group · Blog精选AI 评分5858 用机器学习预测ADME性质：两个描述符保留82%性能
OPIG的UNIQ+学生Zarif Shafiei复现Biogen ADME数据集上的模型比较结论，发现仅用RDKit的PEOE_VSA与SlogP_VSA两个向量描述符即可保留48描述符基线82%的预测性能（LightGBM、四端点5折交叉验证，平均R²由0.42降至0.36）。
推荐理由：作者复现Biogen ADME基准并检验其结论，发现两个RDKit描述符可保留82%预测性能，为特征选择提供参照。
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。
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。
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。
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。
Ignota Labs 官网资讯AI 评分4242 Ignota Labs 文章登上 Digital Discovery：预测毒理学如何克服障碍并塑造未来
Ignota Labs 称其文章获 Digital Discovery 刊载，Masarone、Beckwith、Lane、Hosseini-Gerami 等人综述了药物发现中的毒理学预测，涵盖多种建模技术与器官芯片等新型数据源。