全部 AI 制药动态

Insilico谈衰老优先药物发现

Abundance Longevity（Buck）与 @PeterDiamandis / @Abundance360：衰老优先的发现、2a期中的六个蛋白质组学时钟、双用途管线，以及为什么一个健康年 ≈ 83亿生命年。演讲：https://vimeo.com/1238263340/1a6b5ead3f

Nat. Commun. | 用scTransMIL定位组织中的恶性细胞与致病基因，并在动物实验中得到验证

腾讯AILabHealthcare团队在Nature Communications发表scTransMIL，用多实例学习把样本级癌症表型与单细胞表达连接，同时输出细胞疾病分数和基因注意力线索。

SandboxAQ 与 Apheris 在柏林推出 Virtual Cell Network，联合药企训练 AQCell

SandboxAQ 与 Apheris 在柏林宣布推出 Virtual Cell Network，目标是建成由药企主导的最大虚拟细胞网络。成员用自有数据训练 SandboxAQ 的 AQCell 以扩展其适用范围，再针对自身项目微调，原始数据不离开各公司环境；Apheris 负责运营网络并通过其平台交付模型，同时运行 co-folding、ADMET 和抗体可开发性联邦网络。

单细胞时钟与扰动模型发现抗纤维化靶点

一个单细胞时钟加上一个扰动模型，可揭示用于表观遗传年轻化的抗纤维化靶点。@dives86 于 #ARDD2026。照片：https://agingpharma.org/photos2026

深度细胞陈新栋：用多尺度物理力学+AI构建虚拟细胞，推演生命规律

深度细胞创始人陈新栋提出以多尺度物理力学结合AI构建虚拟细胞，将分子动力学与连续介质力学接力计算，模拟癌细胞转移等细胞动态行为。团队称已在计算机上模拟出肿瘤侵袭伪足的关键分子机制并发表于PNAS，该模拟经严格实验验证，但当前仅限药物经信号通路作用于骨架蛋白这类机制。公司年内完成近亿元种子轮融资，计划以平台授权服务药企起步，逐步推进自研管线。

利用生物学优先建模弥合胰腺癌转化鸿沟：Genialis Supermodel 与 Inventia RASTRUM 网络研讨会

Genialis 与 Inventia Life Science 将于 11 月 18 日举办网络研讨会，介绍以生物学优先的可解释 AI 方法连接患者肿瘤状态与下一代临床前模型。

Valence Labs 提出 trajectory replay 持续学习技术，用于 flow matching 与扩散模型

Valence Labs 提出 trajectory replay，一种面向 flow matching 和扩散模型等连续时间生成模型的持续学习技术，通过用前一模型生成路径的速度场重训模型来提醒其已学内容，全程不生成完整样本。

联川生物与KAUST发布跨物种单细胞基础模型Speciesformer

联川生物联合阿卜杜拉国王科技大学（KAUST）等单位在bioRxiv发布跨物种生成式单细胞基础模型Speciesformer，用于虚拟细胞构建与跨物种单细胞解析。

OpenAI与PerturbAI、Scripps用约1946个智能体并行解读小鼠全脑CRISPR扰动图谱

OpenAI、PerturbAI与Scripps Research以约1946个GPT-Rosalind智能体在约32分钟内并行解读小鼠全脑体内CRISPR扰动图谱，并合成可检索的推理图谱、给出可检验假设。

Arc Institute团队在Cell发表scBaseCount：AI智能体构建5.02亿细胞单细胞转录组数据库

Arc Institute的Yusuf H. Roohani和Hani Goodarzi团队在Cell发表scBaseCount，用AI智能体SRAgent从SRA挖掘并标准化重分析10× Genomics单细胞数据，汇集超过5.02亿个细胞、覆盖27个物种和75种组织。

Insilico：衰老干预顺序影响疗效

Bud Mishra 也让治疗顺序变得可读：药物作为向量场、李括号，顺序改变效果。在我们衰老小鼠肝脏模型中，先抗衰老药物胜出。仍是模拟。https://www.yahoo.com/news/science/articles/control-theory-framework-might-aging-234726580.html

GenBio AI 团队在 Cell 提出虚拟细胞世界模型框架

GenBio AI 的 Eric Xing（邢波）与 Le Song（宋乐）团队在 Cell 发表观点文章，提出虚拟细胞世界模型（VCWM）的操作定义与架构，将其描述为多模态、多尺度、动态且有状态的计算系统。

18 岁、没有生物学背景，他用 AI 冲进虚拟细胞竞赛前 20

18岁独立参赛者Ahmet Dedeler在Arc Institute虚拟细胞竞赛中自述阶段排名进入1000多支队伍的前20，并称已记录400次实验、850次代码提交。

Fabian Theis谈AI如何改变癌症研究

Fabian Theis在重庆Nature会议“AI时代的癌症免疫学”开幕主旨演讲中提出，科学是搜索，AI让搜索巨大干预空间更系统化。他以免疫治疗为例：检查点抑制剂仅约八分之一患者响应，需为每位患者找到正确干预。其报告“从细胞图谱到AI设计干预”展示绘制肿瘤免疫生态等细胞状态、预测扰动响应并将细胞导向目标状态，并介绍肿瘤图谱、人类细胞因子字典及扰动模型开放基准等工作。

英矽智能在虚拟细胞论坛展示虚拟衰老细胞模拟框架

英矽智能全球AI平台负责人Petrina Kamya在虚拟细胞论坛介绍了公司的虚拟衰老细胞模拟框架，该框架基于12年自有数据与基准测试构建，覆盖分子、细胞内、细胞间、组织/器官和机体五个生物学尺度。系统在每个生物层级使用约43个专用AI智能体，以患者种子基线图谱模拟干预后的细胞状态转变。Kamya表示，公司正在全自动机器人实验室中对机制未知的新分子开展前瞻性验证，以检验预测并排除对文献的记忆。

PandaOmics分析77个人脑数据集，线虫与人神经元验证阿尔茨海默病候选靶点

Insilico Medicine的Alex Zhavoronkov介绍，团队用PandaOmics读取77个人脑数据集寻找阿尔茨海默病新靶点，并用线虫和人神经元检验这些答案。该工作以AI与湿实验闭环的方式推进靶点发现，已发表于Alzheimer's & Dementia，DOI为10.1002/alz.71680。

Nature Biotechnology研究提出指标校准框架，重新评估AI虚拟细胞扰动预测模型

英国Shift Bioscience与多伦多大学等团队在《Nature Biotechnology》发表研究，分析14个基因扰动数据集和18种评估指标，指出MSE和基于对照细胞的表达变化Pearson相关系数等常用指标校准不足，可能低估深度学习模型的扰动预测能力。

上海人工智能实验室等发布AblateCell智能体，实现虚拟细胞模型自主复现与消融

上海人工智能实验室、复旦大学、香港科技大学（广州）等团队在arXiv发布AblateCell，一个面向AI虚拟细胞代码仓库的“先复现、后消融”多智能体系统，在CPA、GEARS、BioLORD三个单细胞扰动预测模型上取得88.9%的端到端任务成功率和93.3%的关键组件识别准确率（Acc@5）。

ARDD 2026｜前沿AI、全球药企与科学先驱齐聚哈佛，共探长寿科技新未来

第13届衰老研究与药物开发大会（ARDD）于10月1日至3日在哈佛大学举行，聚焦前沿AI、大规模生物数据与药物创新融合如何重塑长寿科学。FDA官员提出两条长寿疗法审批路径：证明对两到三种年龄相关疾病有效，或采用涵盖认知、虚弱度及视力的复合功能终点。英矽智能在会上介绍了其“虚拟衰老细胞”多智能体模拟框架，并披露Rentosertib在特发性肺纤维化II期高剂量组给药12周后FVC增加98 mL。

Turbine 对话赛诺菲：虚拟细胞何时可信

Turbine 首席科学官 Daniel Veres 与赛诺菲系统与疾病生物学负责人 Giorgio Gaglia 对谈，讨论虚拟细胞模型目前能支撑哪些研发决策、信任与实用性边界在哪里。Gaglia 正实际评估这类模型的可信度，节目另有两期后续。

LabCompass预印本：用生成式逆向设计指导细胞实验

Fabian Theis团队发布预印本LabCompass，将实验设计的生成模型与细胞响应的前向模型耦合，在连续设计空间中按目标表型生成候选实验条件，并逐轮用实验测量反馈。

https://x.com/MartinPacesa/status/2107944175958426060

Isomorphic Labs 加入虚拟生物学计划

今天，Isomorphic Labs 作为创始成员加入虚拟生物学计划（VBI）。 我们正在帮助为全球研究界构建一个开放资源，以加速我们对疾病的理解和治疗。 在此了解更多：https://www.isomorphiclabs.com/articles/isomorphic-labs-joins-the-virtual-biology-initiative

美能源部与NIH联合发起虚拟生物学计划

美国能源部（DOE）与NIH宣布建立重大合作，目标是生成构建AI细胞预测模型所需的数据。Isomorphic、Google DeepMind和Meta作为创始伙伴加入"虚拟生物学计划"，Allen Institute、Broad Institute、Wellcome Sanger Institute及NVIDIA等机构共同参与这一国际科学项目。

Owkin 谈多模态数据与 K Pro 癌症预测

Owkin 称其 AI 科学家 K Pro 通过 MOSAIC 数据集获取每位患者的 6 种模态数据，可预测癌症生物学并建议新的 ADC 候选分子，单模态数据无法做到。

Project Encore获NIH资助并招聘

我们拿到资助了！！！而且在普渡大学和Broad研究所都在招人！ JT Neal获得了NIH主任变革性研究奖，用于Project Encore。我们将利用成像技术并行测试160万+药物-疾病组合，为罕见遗传病进行药物重定位 https://www.linkedin.com/feed/update/urn:li:activity:7513244403222609923/

Turbine在World ADC大会展示vLab® ADC发现数据

Turbine科学项目负责人Jerzy Woźnicki在圣地亚哥World ADC大会报告vLab®如何指导ADC发现，覆盖体外载荷选择到ADC体内转化。海报涵盖约1400个细胞系模型的ADC敏感性图谱、预测克服耐药性的协同组合，以及靶点表达之外的生物标志物识别，用于临床前患者模型选择；公司称预测与已有临床和实验证据一致。

Turbine 将携 vLab ADC 平台亮相 World ADC

Turbine 团队将赴圣迭戈参加 World ADC，并推介 vLab® ADC Intelligence 平台，可在投入湿实验资源前开展虚拟实验。该平台覆盖 113 种药物及组合（含 6 种 ADC 和 21 种 payload）、1348 个映射至患者亚型的生物样本，并支持用户自建分子与样本建模，用于适应证定位、联合方案协同性与体外结果向 PDX 模型的可转化性评估。

Recursion用BioHive-2训练基础模型绘制生物学图谱

Recursion利用全球最快超级计算机之一BioHive-2训练基础模型，为每个已完成的细胞扰动生成独特嵌入指纹，并汇总为一张覆盖高维数据的综合生物学图谱。通过将已知疾病指纹与该图谱比对，可找出产生相似效应的其他基因操作，从而识别驱动或挽救疾病状态的靶点、生成新假设。该流程被其CTO称为“lab-in-the-loop”，即数据训练模型、模型指向靶点。

Theis在MICCAI谈生物世界模型与虚拟人

Fabian Theis在MICCAI 2026主旨演讲中提出MAP→PREDICT→STEER路径：先学习生物状态表征，再学习状态变化（含干预下），最后反推如何将系统导向目标状态。他以规模为第二轴对比细胞层面（深度测量、受控扰动、可闭环实验）与患者层面（大规模观察队列、纵向记录与影像、受控干预少），并认为虚拟人应是跨尺度、跨数据条件的模型组合而非单一巨型模型。

Recursion详解端到端平台：基因组规模扰动与数据工厂

Recursion神经科学副总裁Chris Winrow在平台系列第二部分介绍，公司用声学液体处理器将2.5纳升CRISPR-Cas9试剂移入1,536孔板、每周最多200万次，并刻意随机化实验，使机器学习模型学到真实生物学而非实验假象。通过对同一批细胞成像和测序，单次实验可获数千项测量，形成可反复挖掘、供AI基础模型学习的可复用数据集。

Theis在ESSB2026谈从单细胞扰动到空间干预

Fabian Theis在西班牙Sitges开幕的ESSB2026（逾700名科学家参加）作开场主旨演讲，主题为“Closing the loop: from single-cell perturbations to spatial interventions”。

Recursion 称已培养超 1 万亿神经元构建全基因组图谱，Genentech 选择首个神经科学靶点

Recursion CEO Najat Khan 介绍，公司自 2021 年起规模化培养人神经元，累计培养超过 1 万亿个神经元，约相当于 12 个人脑，并执行系统性全基因组扰动与高维成像。这些 iPSC 来源神经元采用与 Roche 和 Genentech 合作开发的自有方案维持存活、一致性与生物学代表性。Genentech 已将合作中的首个神经科学靶点选择进入联合早期发现项目。

Valence Labs 用 PRDC 评估生成模型

一个生成模型表面上看起来在正常工作，却仍可能无法输出你最关心的疾病相关细胞群或小分子。 幸运的是，我们有技术手段来诊断并纠正这些失败。 在最新一期 Valence at the Whiteboard 中，Liam 讲解了如何使用精确率、召回率、密度和覆盖率（PRDC）来评估生成模型，以发现细微的失败模式并了解如何应对。 完整视频：https://youtu.be/teIoP92Aeow

Turbine虚拟生物学Meetup第三期回放上线

Turbine 发布 Virtual Biology Meetup 第三期完整回放，该期于9月15日围绕虚拟检测如何赢得真实研发决策信任展开。Xaira 的 Ci Chu 介绍大规模扰动数据集如何训练虚拟细胞模型应对未见过的生物学场景，Turbine 的 Krishna Bulusu 则讨论从“能否预测”转向“能否改变决策”。

Ginkgo 虚拟细胞药理学计划 VCPI 向所有注册用户即时开放全部数据集

Ginkgo 的虚拟细胞药理学计划 VCPI 宣布，现有及未来全部数据集在发布时即向所有注册用户开放，采用 CC BY 4.0 许可。三个版本合计覆盖超过 14,000 个化合物。

西湖大学郭天南团队发表ProteinTalks：基于扰动蛋白质组学的虚拟细胞模型

西湖大学郭天南团队联合多家机构在Nature发表ProteinTalks，一个以神经常微分方程为核心的虚拟细胞模型，基于18种乳腺癌细胞系、63种FDA批准药物扰动生成的超过3800万条时序蛋白质丰度数据训练。

Valence Labs谈扰动预测数据规模挑战

要解码生物学，我们希望理解干预（遗传或分子层面）如何改变细胞状态。 挑战在于规模：约有10⁶⁰种类药分子，我们希望理解它们在许多不同细胞背景下的效应。 即便在最先进的实验室中，覆盖如此大的搜索空间也是不可行的。 但充分的数据多样性对于训练能够泛化的扰动预测模型至关重要。 那么，我们该怎么做？

Ignota Labs白皮书：不同CYP3A4活性肝细胞模型中吉非替尼肝毒性机制分化

Ignota Labs发布白皮书，用SAFEPATH平台在CYP3A4活性低（i18F）和高（i30F）的两株女性iPSC来源肝细胞中，以五个吉非替尼浓度做RNA-seq，两株均抑制globo鞘脂代谢，独立复现此前的PRKD1/PRKD3-鞘脂机制。

实验室批次效应与AI模型学习

在湿实验室数据上训练的模型，可能学到的不是底层生物学，而是某个研究实验室的怪癖。 “批次效应”指的是生物样本所反映的更多是关于谁做了实验、何时做的、在哪个仪器上做的，而非所关注的生物学本身。 观看 Zeinab 解释实验室如何应对批次效应，以确保 AI 模型学到的是底层生物学，而非噪声。