AI制药日报｜2026-10-31
Ginkgo Datapoints旗下虚拟细胞药理学计划于2026年10月27日以CC BY 4.0许可开放ReFRAME化合物库的DRUG-seq转录组数据，覆盖12,949种化合物，注册免费账户即可获取。
全部 AI 制药动态
下一分子AI 评分7272 MIT Jameel Clinic · NewsAI 评分2020 MIT Jameel Clinic 在 NeurIPS 2026 三地会场展示的 10 张海报
MIT Jameel Clinic 研究者在 NeurIPS 2026 三地会场（悉尼主会场，亚特兰大与巴黎卫星会场）展示 10 张海报，涵盖生物医学域泛化、化学反应模拟与全原子共折叠等方向。
Molence精选AI 评分7373 Molence 用 Mol-1 早期检查点构建 VHH 设计平台，17 个靶点湿实验命中率 6%–63%
Molence 基于 Mol-1 的早期检查点搭建了内部从头 VHH 设计平台，设计以 VHH-Fc 融合形式在自有湿实验中测试，覆盖全部 17 个多样化靶点并均获得结合命中。靶点层面的初始命中率在 6% 至 63% 之间，涵盖可溶性蛋白、受体胞外域和 GPCR，包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 与 CCR5。该平台将分子预测与经实验测试的抗体设计相连接。
推荐理由：Molence 披露其内部 VHH 设计平台在 17 个靶点上的湿实验命中率区间，可作为从头结合剂设计的实测参照。
Absci精选AI 评分5858 Absci 的 Origin 抗体设计平台迁移至 AMD Instinct GPU，共折叠打分提速 3 倍
Absci 宣布其 Origin 抗体设计平台已运行在 AMD Instinct GPU 上，并将 AMD 开源 Triton kernels 集成进共折叠结合过滤工具 AbsciBind，在 AMD Instinct GPU 上相较生产基线取得 3 倍加速且输出质量无损失。
推荐理由：Absci 披露 Origin 平台在 AMD GPU 上的推理加速与集群部署，可作为抗体设计算力适配的参考。
Molence精选AI 评分7474 Molence：一轮实验反馈将4-1BB设计功能命中率从7%提升至85%
Molence报告在4-1BB靶点上用第一轮实验结果指导第二轮设计，功能命中数从第一轮2/30提升到第二轮51/60，功能命中率由7%升至85%。在0.03 nM下，51个第二轮激动剂中有48个超过Utomilumab阳性对照的平均激活水平，结果以VHH-Fc形式测得。同系列引文还称，针对BCMA的零样本设计30个中有12个结合命中，两个VHH-Fc候选的SPR KD为43 pM和1.1 nM，细胞表面BCMA结合EC50为0.19和0.16 nM，同一实验体系中belantamab生物类似药为4.1 nM。
推荐理由：材料展示了单轮实验反馈后功能命中率从7%升至85%的设计迭代结果，可作为蛋白设计干湿闭环的参照。
Molence精选AI 评分7474 Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence精选AI 评分7373 Molence 计算设计的 VHH 可拮抗 GPCR CXCR6 信号
Molence 报告其计算设计的 VHH 以 VHH-Fc 融合形式结合表达 CXCR6 的细胞，EC50 为 39 nM。在 cAMP 实验中，30 nM CXCL16 使响应降至仅含 forskolin 对照的 70.6%，加入 167 nM 该 VHH 后恢复至 92.6%，作者据此认为该结合剂拮抗 CXCL16 诱导的 CXCR6 信号。
推荐理由：该设计通过细胞结合与 cAMP 回复实验，给出计算设计 VHH 拮抗 CXCR6 信号的具体证据。
Molence精选AI 评分7272 Molence设计VHH实现单一结合剂识别两种细胞因子
Molence报告其设计的VHH可识别两种非直系同源细胞因子，二者无空位序列一致性为54%。30个设计以VHH-Fc融合形式测试，其中5个同时结合两种抗原，同一设计集对细胞因子A和B分别得到11个和7个命中。作者称双抗原识别可作为设计流程中的明确目标。
推荐理由：作者以双抗原识别为明确设计目标，报告30个设计中5个同时结合两种细胞因子的实验结果。
Molence精选AI 评分7070 Molence 报告 30 个设计 VHH-Fc 候选在 13 个靶点的生物物理筛选结果
Molence 对 30 个设计的 VHH-Fc 候选在 13 个靶点上做了四项生物物理筛选，23 个候选至少满足四项标准中的三项。分项通过率为 HIC 疏水性 80.0%、DSF 热稳定性 80.0%（Tm1 > 60°C）、AC-SINS 自相互作用 83.3%、BVP 非特异性结合 70.0%，13 个靶点中有 12 个至少有一个候选满足三项及以上标准。作者称这些结果可用于挑选进入后续开发的分子。
推荐理由：30 个 VHH-Fc 候选在 13 个靶点上的四项生物物理筛选通过率，为设计分子的可开发性筛选提供参照。
Molence精选AI 评分6060 Molence 设计 VHH 靶向 TNFR2 与 IL-4Rα 天然配体结合区
Molence 针对 TNFR2 和 IL-4Rα 的天然配体结合区设计 VHH，在顺序 BLI 竞争实验中，预先结合 TNFα 或 IL-4 会降低相应设计 VHH 的后续结合。作者称这些实验支持 VHH 识别预期区域，将表位定向设计目标与实验证据相连。此前该系列报告 30 个 VHH-Fc 候选跨 13 个靶点的四项生物物理筛选结果，其中 23 个至少满足四项中的三项。
推荐理由：该工作把表位定向设计目标与BLI竞争实验证据相连，展示了设计VHH结合位点可被实验检验的路径。
Molence精选AI 评分6060 Molence 称 Mol-1 在 Runs N' Poses 八个相似度分箱均领先基线
Molence 称其 Mol-1 在 Runs N' Poses 配体预测评测中于全部八个相似度分箱领先所评估基线，成功标准为配体 RMSD < 2 Å 且 lDDT-PLI > 0.8。在相似度最低的 0–20 分箱，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%；通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Molence 公布 Mol-1 在 Runs N' Poses 各相似度分箱的配体预测结果，可与 AlphaFold 3 直接对照。
Molence精选AI 评分6565 Molence 的 Mol-1 在 MGBench 分子胶预测中报告低同源条件 28.6% 联合成功率
Molence 的 Mol-1 在 MGBench 分子胶预测基准上报告联合成功率：已见条件 92.2%、高同源 74.6%、低同源 28.6%，最强评测基线在低同源条件为 19.1%。联合成功需同时满足配体 RMSD < 2 Å、lDDT-PLI > 0.8 和蛋白界面 DockQ > 0.23。作者同时引用的另一条内容称，在 Runs N' Poses 的 0–20 最低相似度区间，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%，通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Mol-1 在 MGBench 上同时考核配体位姿与蛋白界面，低同源条件下与最强基线的差距提供了具体参照。
Molence精选AI 评分5858 Molence 发布 Mol-1 在 MolBench-Peptide-26 上的蛋白-肽预测结果
Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。
推荐理由：Mol-1 在肽复合物预测上按 DockQ 阈值分层报告成绩，并对比加入结合位点约束后的变化。
Molence精选AI 评分6060 Molence 发布 Mol-1-constraint：表位信息提升抗体-抗原复合物预测
Molence 公布 Mol-1-constraint，在提供表位信息时，四个抗体-抗原基准上 DockQ > 0.23 的成功率均高于基础模型：FoldBench-AB 从 75.0% 升至 88.3%，AF3-AB 从 62.7% 升至 84.2%，PXMeter-AB 从 58.3% 升至 77.5%，MolBench-AB-26 从 57.3% 升至 79.4%。作者称表位可作为预测输入，基础模型与 Mol-1-constraint 均可在 lab.molence.com 获取。该帖为系列第 14 条，引用内容另报告 Mol-1 在 MolBench-Peptide-26 上的肽-蛋白预测结果。
推荐理由：Molence 公布 Mol-1-constraint 在四个抗体-抗原基准上的表位条件预测结果，可与基础模型逐项对照。
Molence精选AI 评分6060 Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
Molence精选AI 评分7676 Molence 报告从头设计 BCMA 结合剂：SPR 亲和力达 43 pM
Molence 报告其从头设计的 BCMA 结合剂在零样本条件下取得 43 pM 的 SPR 亲和力。30 个设计中 12 个为结合命中，两个候选以 VHH-Fc 融合形式测得 SPR KD 分别为 43 pM 和 1.1 nM。两者结合细胞表面 BCMA 的 EC50 为 0.19 和 0.16 nM，同一实验体系中 belantamab 为 4.1 nM。
推荐理由：材料给出从头设计的 BCMA 结合剂从 SPR 亲和力到细胞表面结合的实测数据，并设了 belantamab 对照。
生物药大时代AI 评分3838 杭州RNA小分子药企砺博生物完成近亿元A轮融资
砺博生物完成近亿元人民币A轮融资，由正心谷资本、创新工场美元基金、某产业医疗基金联合领投，老股东元生创投继续追加。公司成立于2022年，专注AI4S赋能的靶向RNA小分子创新药研发，已建立人类基因组RNA三级结构“自持发现引擎（SSDE）”AI4S框架。首发管线RP-0172靶向HTT mRNA治疗亨廷顿舞蹈症，正在开展I期临床试验，本轮融资将用于既有管线临床研发及全球商业化布局。
英矽智能AI 评分2222 从进博会到中东前沿峰会：英矽智能力证 AI 制药落地硬实力
英矽智能将参展第九届进博会并出席中国医疗健康峰会、FHIM、CMCS2026及迪拜下一代医学大会等多场活动。公司2026年前10个月提名11款临床前候选化合物，2021年以来PCC提名总量达35款；截至8月中旬已在自研与合作管线达成8项临床里程碑。Rentosertib（ISM001-055）治疗特发性肺纤维化已进入III期临床试验。
下一分子精选AI 评分7474 NVIDIA 发布 BindClaw 技术报告：以机制计算测定串联蛋白结合剂设计
NVIDIA 在 10 月 28 日的技术报告中提出 BindClaw，一套智能体辅助的蛋白结合剂设计流程，可从生物学目标或论文出发识别靶点与结合位点、建立抑制或降解等五类机制相关计算测定，再调用 RFD4-Proteina、Proteina-Complexa 等后端生成并迭代候选物。
推荐理由：NVIDIA 技术报告把机制相关计算测定嵌入蛋白结合剂设计流程，并给出钙调蛋白状态选择性的湿实验数据。
下一分子AI 评分4747 Formation Bio设6亿美元药物开发加速基金：押注Ⅰ、Ⅱ期临床资产
Formation Bio于10月28日宣布设立药物开发加速基金，获6亿美元资本承诺，用于投资组合内药物项目的获取与开发。基金计划未来3至5年取得10至15个项目，优先收购或授权引进Ⅰ期和Ⅱ期资产，目标在取得项目后2至4年内实现重大临床里程碑。6亿美元为认缴承诺，非已支出研发费用，AI系统仅用于支持项目选择、适应症匹配、试验设计与开发运营。
下一分子AI 评分3434 AI制药日报｜2026-10-30
Brian Hie 团队报告 Evo 2 在仅给四个示例、不做额外训练时可生成金属结合蛋白、从头抗体与完整噬菌体基因组，作者称其为训练时未预料到的生成式上下文学习。
Insilico Medicine 英矽智能AI 评分2222 英矽智能谈O3DC开放基准指数
英矽智能提出，AI药物发现领域过度关注模型性能，却很少追问支撑这些数字的基准是否合适。其参与发起的O3DC联盟推出Benchmark Index，作为社区资源用于查找、比较和讨论药物发现领域的开放基准。推文同时征集各领域值得关注的基准。
Generate:BiomedicinesAI 评分2222 Generate:Biomedicines 谈与 Anthropic 合作及 AI 智能体应用
Generate:Biomedicines CEO Mike Nally 与应用开发副总裁讨论其科学家如何将 AI 智能体与自有模型及实验能力结合，以拓展可探索的生物学问题。该内容出自 Endpoints 对 Anthropic 生物制药布局的报道，涉及双方合作。Mike 称这些工具正以极其重要的方式帮助解析生物学复杂性。
e-therapeutics / Tangram Therapeutics 官网资讯AI 评分2828 Tangram 宣布 TGM-148 一期试验完成首例受试者给药，用于出血性疾病的 RNAi 新药
Tangram Therapeutics 宣布其 GalOmic RNAi 药物 TGM-148 的一期试验已在健康志愿者中完成首例给药，初步数据预计 2027 年公布。TGM-148 靶向肝脏中的 ZPI，计划用于血管性血友病（VWD），设计为每年四次或更少的皮下给药；临床前在四种遗传模型中显示疗效，超治疗剂量下耐受良好。该试验评估单次递增剂量的安全性、耐受性、药代动力学和药效学。
Cellarity精选AI 评分5858 Cellarity 镰状细胞项目 CLY-124 独立运营，早期临床显示胎儿血红蛋白升高
Cellarity 宣布其镰状细胞项目 CLY-124 不并入创始人 Flagship Pioneering 新组建的 Etcelera，而将以保留 Cellarity 名称的独立公司继续临床开发，由 John H. Leaman 领导。
推荐理由：Cellarity 拆分镰状细胞项目为独立公司，并披露 CLY-124 早期临床数据与后续剂量爬坡计划。
下一分子精选AI 评分6868 Anthropic收购一人药企Mithril Medicine
Anthropic于10月27日披露已收购由Cody Tranbarger一人运营的Mithril Medicine，交易实际于2026年7月完成，金额未披露。
推荐理由：文章拆解了Anthropic收购一人药企的交易细节与小鼠数据统计边界，区分模式验证与效率验证。
下一分子AI 评分3434 AI制药日报｜2026-10-29
原字节跳动Protenix核心成员肖文之团队开源生物分子基础模型Mol-1并公开39页技术报告，基于Protenix技术体系提升抗体、分子胶与多肽结构预测能力。晶泰科技自研肠道限制性高选择性pan-TRK抑制剂KQTD-126获FDA IND许可，临床前pan-TRK抑制活性IC₅₀＜1 nM，肠道组织与血液暴露量比值超过1000:1，拟用于IBS与IBD相关慢性肠道疼痛。
下一分子精选AI 评分7474 Molence开源生物分子基础模型Mol-1，VHH单靶点结合命中率最高63%
前字节跳动Protenix核心成员创立的Molence Bio于10月28日发布开源生物分子基础模型Mol-1，公开39页技术报告，代码以Apache 2.0开放、基础版权重可下载，约束版权重未同样开放。
推荐理由：报道梳理了Mol-1的结构预测与VHH设计数据，并逐项标注队列不匹配与早期checkpoint等证据边界。
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。
HotSpot Therapeutics 官网资讯AI 评分2525 HotSpot Therapeutics 将在 ACR Convergence 2026 展示小分子 IRF5 抑制剂 HST-2011 的临床前数据
HotSpot Therapeutics 宣布将在 2026 年 11 月 6-11 日于奥兰多举行的 ACR Convergence 2026 上以海报（编号 0146）展示小分子 IRF5 抑制剂 HST-2011 的临床前数据。
英矽智能AI 评分3838 Fast Company专栏｜英矽智能CEO Alex Zhavoronkov：AI或实现人类寿命倍增
英矽智能创始人兼CEO Alex Zhavoronkov在Fast Company“影响力委员会”专栏撰文称，AI有潜力倍增人类寿命，但这只是愿景而非近期可验证的科学预测。
下一分子AI 评分3232 AI制药日报｜2026-10-28
David Baker团队与苏黎世联邦理工学院等合作在Nature发表从头设计半胱氨酸蛋白酶研究，用RFD2-MI、ProteinMPNN和AlphaFold 3从Ulp1最小催化基序出发设计，69个实验设计中有13个出现肽键切割活性。
下一分子精选AI 评分6060 百奥几何完成A+轮融资，A轮系列累计超1亿美元
百奥几何宣布完成A+轮融资，A轮系列累计超1亿美元，本轮由国寿资本领投，老股东上海生物医药基金、达晨财智继续加码，国开科创、瑞力投资、国方创投及产业方跟投，指数资本担任独家财务顾问。
推荐理由：融资事件之外，材料还梳理了GeoFlow三代迭代与RSI干湿闭环的布局，并标注公司披露数据未经独立验证。
下一分子精选AI 评分6060 Anthropic递交S-1冲刺纳斯达克
Anthropic于10月26日向美国SEC公开递交S-1注册文件，拟在纳斯达克上市，股票代码ANT，招股书把生物学和医学列为AI最有望改善人类生活的四大方向之首。
推荐理由：梳理Anthropic招股书中的生命科学布局，并区分客户覆盖与AI制药收入、早期发现与药物候选。
晶泰科技精选AI 评分6868 晶泰科技自研 pan-TRK 抑制剂 KQTD-126 获 FDA 临床试验许可
晶泰科技宣布其自主研发的肠道限制性高选择性 pan-TRK 抑制剂 KQTD-126 获得美国 FDA 新药临床试验（IND）许可，计划近期开展临床试验。该候选药物面向肠易激综合征（IBS）及炎症性肠病（IBD）相关慢性肠道疼痛，临床前研究显示其 pan-TRK 抑制活性 IC₅₀＜1 nM，肠道组织与血液暴露量比值超过 1000:1。
推荐理由：晶泰自研 pan-TRK 抑制剂获 FDA 临床试验许可，披露了肠道限制性设计与临床前活性数据。
下一分子精选AI 评分5858 前OpenAI科学副总裁Kevin Weil创办的Warp Sciences获2.15亿美元融资
前OpenAI首席产品官兼科学副总裁Kevin Weil联合创办的Warp Sciences结束隐身状态，宣布完成2.15亿美元融资，由Lightspeed领投，Premji Invest、Mayfield、IVP、Lux等参投。
推荐理由：融资事件之外，文章把按交付计费的本土化学CRO模式与离岸外包放在同一成本维度上比较。
下一分子AI 评分6969 礼来与剂泰科技达成战略合作，聚焦组织特异性LNP递送
剂泰科技10月19日宣布与礼来达成战略合作，用其AiLNP可离子化脂质发现与优化平台研究组织特异性递送的新型脂质纳米颗粒方案，礼来提供药物发现、开发和商业化专长。
下一分子精选AI 评分5858 OpenAI收购Orchestra Bio并并入生命科学工具品牌Rosalind
OpenAI于2026年10月20日宣布收购Orchestra Bio，并将其团队与技术并入生命科学工具品牌Rosalind。Orchestra Bio的能力是让科学家与AI智能体协作监测和跟踪药物开发项目，识别生产批次失败等事件影响的工作与时间线，而非靶点发现或分子生成。此次交易未披露收购金额、支付方式、客户名单与整合上线时间，公告中的场景属功能描述，没有对照数据。
推荐理由：收购把竞争焦点从科研推理推向药物项目协调与执行层，但金额、客户与成效均未披露。
Generate:Biomedicines精选AI 评分6565 Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 受体信号域，缩短约 70% 并提升体外杀瘤
Generate:Biomedicines 与 Anthropic 合作，六名科学家用 Claude 结合自有模型、计算工具和湿实验数据，重构用于实体瘤的 CAR-T 受体。重新设计的信号组件比标准设计缩短约 70%，为新增功能留出空间，并在实验室测试中提升了对癌细胞的杀伤。相关结果以预印本形式发布，公司称该流程把数年工作压缩到数月、成本仅为原方案的一小部分。
推荐理由：Generate:Biomedicines 与 Anthropic 合作重构 CAR-T 胞内信号域，展示大模型参与蛋白设计的可迁移流程。
BigHat Biosciences精选AI 评分7272 BigHat 与 Anthropic 联合演示智能体驱动的抗体工程优化
BigHat Biosciences 与 Anthropic 发布联合演示，展示用前沿 AI 驱动可被智能体接入的快速反馈湿实验，加速抗体工程难题。BigHat 构建了 Agentic Lab Control Harness，将计算与实验工作流纳入同一控制平面，并称被 Anthropic 选为首个抗体治疗合作伙伴。
推荐理由：BigHat 与 Anthropic 联合演示智能体接入湿实验闭环优化抗体，提供人机团队协作的实验流程参照。