Differentia Bio称其针对IgG4相关性疾病（IgG4-RD）的机制预测先后获得独立人体临床研究支持：2025年4月靶向CD19+的inebilizumab获FDA批准用于该适应症，2026年1月第三方公布的dupilumab早期研究中5名患者有4名出现临床改善及血清IgG4水平下降。
推荐理由：文章梳理了Differentia Bio先预测后获独立临床证据支持的案例，为评估AI疾病模型提供参照。
在神经衰老领域，AI驱动的靶点发现将一类难成药适应证转化为可命名的下一代靶点，供合作伙伴尽职调查。Iosif M. Gershteyn 于 #ARDD2026 演讲。照片：https://agingpharma.org/photos2026
和MTS聊AI for science的快速进展、以及我们为医学带来超级智能的努力，非常有趣。未来正在加速到来。
RCSI与英国癌症研究院领衔的国际团队整合约2000例结直肠癌肿瘤的多组学、单细胞与临床数据，开发AI工具iPhenMap构建肿瘤生物学图谱，识别出MSS结直肠癌此前未被发现的弱点。在实验室模型中，靶向药trametinib与其他药物联用可显著抑制肿瘤生长并延长生存，研究结果发表于Cancer Cell，仍属临床前阶段。团队称该结果可为现有药物重定位和新药开发提供路线图，并可能推广至其他瘤种。
推荐理由：研究整合约2000例结直肠癌肿瘤的多组学与单细胞数据，为MSS CRC的联合用药与老药新用提供临床前线索。
Turbine 团队将于 10 月 23–26 日在马德里 ESMO 2026 的 8107 号展位（8 号厅）与肿瘤研究者及生物制药方交流。其展示内容包括：用虚拟试验预测 PDX 模型中的 ADC 响应并提出可验证的生物标志物假设、以免疫细胞表型虚拟模型预测患者药物响应，以及胰腺癌 KRAS 靶点识别筛选产出机制、生物标志物和联合用药假设。
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。
推荐理由：文章梳理了scTransMIL从样本表型定位到细胞与基因线索的路径，并给出OGT靶点在动物实验中的验证链条。
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
PerturbAI、OpenAI 及合作者在 bioRxiv 预印本中报告，其分布式 AI 推理框架用数千个智能体在 32 分钟内分析 PerturbAI 全脑图谱数据，在未接触原稿的情况下复现了原研究结论，并预测了留出扰动效应。
同一新闻，精选展示《OpenAI与PerturbAI、Scripps用约1946个智能体并行解读小鼠全脑CRISPR扰动图谱》
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。
推荐理由：作者团队用PandaOmics分析人脑数据集，并在线虫与人神经元中验证候选靶点，呈现AI与湿实验闭环的靶点发现路径。
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。
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。
推荐理由：Recursion 披露其工业规模神经元培养与全基因组扰动平台，并说明 Genentech 已选择首个神经科学靶点进入联合早期发现。
FutureHouse在Nature发表其首篇论文，介绍多智能体系统Robin，该系统将新假设生成与实验数据分析整合进同一连续工作流。研究团队将Robin用于干性年龄相关性黄斑变性，由其提出药物重定位假设并在实验室验证，包括在原代人视网膜色素上皮（RPE）干细胞中验证。
推荐理由：该工作展示多智能体系统从假设生成到湿实验验证的完整链路，为AI驱动发现提供可参照案例。
insitro 在 Keystone Symposia 肥胖治疗会议上报告，基于 UK Biobank 影像队列（n=69,598）的 Dixon MRI 脂肪信号分数图构建 AI 推导的棕色脂肪（BAT）表型，并完成首个 BAT 全基因组关联分析，识别 81 个独立遗传位点、精细定位到 45 个基因。