Inductive Bio 推出药化智能体 Indy,称数据质控准确率 89% 高于 Claude 与 GPT
Inductive Bio 发布小分子药化助手 Indy,内嵌于其 Compass 平台,可做剂量响应数据质控、FEP 提交、人体剂量预测与 SAR 幻灯片生成。
推荐理由:Inductive 公开其药化智能体 Indy 与 Claude、GPT 在数据质控和常规设计动作上的对照评测,可看判断力差距落在哪。
Inductive Bio 发布小分子药化助手 Indy,内嵌于其 Compass 平台,可做剂量响应数据质控、FEP 提交、人体剂量预测与 SAR 幻灯片生成。
推荐理由:Inductive 公开其药化智能体 Indy 与 Claude、GPT 在数据质控和常规设计动作上的对照评测,可看判断力差距落在哪。
Proxima 已将 NVIDIA 今日发布的 BioNeMo Inference Runtime 用于其蒸馏与重折叠管线的生产环境,使 Neo 在 H100 上获得 1.6 至 1.9 倍吞吐提升,短输入场景最高 3 倍。公司称集成仅耗时数小时,一个使用 BioNeMo agent skill 的编码智能体一次性完成接入,尽管 Neo 架构与参考模型差异很大,此后已持续运行。
推荐理由:Proxima 披露 Neo 接入 NVIDIA BioNeMo 推理运行时后的吞吐提升与集成耗时,可作为评估推理栈落地成本的参照。
西雅图研究联盟AI BioDesign于9月3日宣布成立,由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建,David Baker与Jay Shendure共同领导。
推荐理由:该联盟把计算设计、高通量实验与开放资源放在同一循环中,为观察蛋白质设计平台的组织方式提供参照。
Inceptive 用自建 CAR-T 数据微调序列设计模型,生成编码同一抗 CD19 CAR 蛋白的 mRNA 设计,并将 5 条序列推进 NSG-PBMC 人源化小鼠,与 Capstan 的抗 CD19 序列在同一 CD8 靶向 LNP(Amplitude Therapeutics 提供)下以 0.1 mg/kg 给药、24 小时终点比较。
推荐理由:Inceptive 用自建 CAR-T 数据微调序列设计模型,并在人源化小鼠中与 Capstan 基准序列做头对头比较,展示了模型排序到体内功能读数的转化路径。
我们的CTO @edunov 做客 @AI_in_the_AM,与 @labenz 和 @8teAPi 一起讨论了分子基础模型、基于物理的模拟、湿实验数据、智能体工作流以及制药合作,以及它们如何共同服务于AI药物发现这一复杂任务。 他们还谈到了Anthropic的蛋白质结合剂设计报告、为什么亚埃级精度很重要,以及为什么生物学是AI研究中最令人兴奋的前沿领域。 观看链接:https://www.youtube.com/watch?v=JHglTBoaGTk
LabGenius Therapeutics 计算科学与工程副总裁 Winston Haynes 指出,多特异性抗体优化因缺乏公开功能数据,仍主要依赖人工直觉,而连接子结构等组装方式的小改动即可显著改变效力与选择性。其提出将多特异性抗体构建与高通量自动化实验耦合,用智能体主动学习让 AI 模型与自动化实验室形成闭环,从每次实验数据中持续优化设计。
感谢 Alexis 到访 Medra 办公室 🦾
MindWalk在旧金山AMD Advancing AI 2026大会上首次公开展示其面向AI药物发现的生物上下文层ReefIQ,运行于AMD Instinct平台。该演示被纳入AMD Instinct Demo Showcase四个定制演示短片之一,并配有通过AMD渠道分发的视频访谈。
Latent Labs 宣布药物设计智能体 Latent-Y 向全球研究者开放,获批研究者每天可免费获得 250 个设计。公司同时公布早期访问研究者的首批实验室结果,包括阻断离子通道的分子、在体内杀伤肿瘤细胞的 CAR-T 细胞,以及疟原虫难以通过突变逃逸的结合剂。
推荐理由:Latent Labs 开放其药物设计智能体 Latent-Y,并给出早期用户离子通道抑制剂与 CAR-T 的实验室结果。
Terray Therapeutics分享了其生成式合成规划器TerraSynth的工作,针对小分子药物发现中的合成瓶颈。该工具将合成规划纳入设计循环,而非事后处理,以减少生成模型提出难合成分子对DMTA循环的拖慢。TerraSynth已整合进其EMMI平台,帮助聚焦值得合成的分子以推进项目。
NVIDIA 发布 BioNeMo Agent Toolkit,这是一个开放的、面向智能体的工具包,为任意 AI 智能体提供蛋白质结构预测、分子对接、生成式化学和基因组分析等可调用工具。Medra 转发该消息并表示正与 NVIDIA 合作构建由智能体决定下一步运行什么、再由物理 AI 实验室执行的闭环,称期待将其投入使用。
Medra 发布 Physical AI Scientist 平台的科学推理层 AI Experimentalist,可将自然语言科研目标与人工撰写的实验方案转化为可执行、可测量并迭代改进的实验。
推荐理由:该平台把自然语言科研目标转成可执行实验并闭环优化,展示了自动化实验室与推理层结合的具体形态。
Proxima借助NVIDIA BioNeMo Agent Toolkit,将其AI智能体用于整合基础模型训练、化学、生物学与蛋白质组学,以更快把新生物学转化为治疗假设并推进项目。该工具包由NVIDIA Health在BIO 2026发布,Proxima称其为合作方之一。
蛋白质设计研究所(IPD)与 NVIDIA 合作,将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中,在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由:IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上,展示了设计模型与底层算力栈协同优化的路径。
Nabla Bio 发布 JAM-2 模型报告,将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体,T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍;并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体,在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。
推荐理由:Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节,可作为评估零样本抗体设计的参照。
NVIDIA 发布 BioNeMo Agent Toolkit,将十余年积累的生命科学库、工具与开放模型封装为智能体可调用的技能,覆盖蛋白结构预测、分子对接、生成式化学、基因组分析、蛋白设计与生物标志物发现。
推荐理由:英伟达把十余年生命科学库与模型封装成智能体可调用工具,并列出多家药企与平台的接入情况。
Medra 发布 AI Experimentalist,作为其 Physical AI Scientist 平台的科学推理层,与湿实验室执行层 Physical AI Lab 组成设计、执行、解读、改进的闭环系统。
推荐理由:Medra 公布 AI Experimentalist 与湿实验室闭环平台,抗体筛选案例给出周期压缩的具体路径。
LabGenius Therapeutics与LG Chem签署多年研究合作、选择权及许可协议,将用其AI/ML驱动的抗体发现平台EVA设计针对一种在多种难治癌症中表达的实体瘤抗原的肿瘤选择性多特异性抗体,目标是克服现有免疫疗法的脱靶毒性等局限。
推荐理由:协议披露了首付款、早期里程碑与选择权行权后的潜在里程碑结构,可对照同类抗体发现合作的分层设计。
Terray Therapeutics宣布其药物发现平台EMMI(实验遇见机器智能)入选Fast Company“改变世界创意”榜单。EMMI将AI与实验整合,用于探索化学空间中的“暗区”,以发现并优化针对难治疾病的新型小分子药物。
Cradle 发布 Guided Rounds,把运行机器学习引导蛋白质工程轮次的最佳实践内置到平台,用户输入蛋白类型、是否有实验数据及设计或筛选目标后即可获得默认配置与分步引导。该功能今日面向所有用户上线,覆盖用户最常运行的轮次类型,并可视化数据集、模型训练、设计与审核之间的决策路径以提升可追溯性。需要逐参数控制的科学家仍可自行配置单项任务,计算科学家也可通过 API 扩展自有预测器与评分。
Cradle 汇总其零样本抗体多样化流程在 SARS-CoV-2 RBD、HER2 和 EGFR 上的七组实验,其中 4/7 实验、2/3 靶点出现显著亲和力提升,弱结合剂 Ty2 的 KD 改善达 350 倍。
推荐理由:Cradle 汇总七组零样本抗体多样化实验,给出功能率与亲和力提升幅度,并对照文献单突变扫描基线。
Lundbeck 与 Cradle 宣布合作,将部署 Cradle 的 AI 蛋白设计平台,用于发现和优化针对脑部疾病的生物疗法,初期推进两个靶向 CNS 疾病的抗体项目。
推荐理由:Cradle 与 Lundbeck 签约,把生成式蛋白设计接入两条 CNS 抗体项目,并形成实验回流的迭代闭环。
Inceptive 称其基础模型在不足一个月、极少 CAR-T 专用训练数据下零样本设计 mRNA 序列,在 PBMC 表达与杀伤实验中与行业领先的抗 CD19 CAR 序列相当,并结合 Mana.bio 的被动靶向 LNP 在体内实现接近完全的 B 细胞清除。
推荐理由:Inceptive 称零样本设计的 mRNA 序列在体外与体内 CAR-T 指标上对标行业基准,展示了基础模型跨靶点迁移的一种路径。
Ginkgo Bioworks旗下Datapoints与Tangible Scientific、Inductive Bio联合推出高通量ADME平台ADME-One,将五项Tier 1 ADME检测、Inductive Bio的AI人体PK预测和化合物管理整合为一项服务。
推荐理由:三家合作方把高通量ADME实验、AI人体PK预测与化合物管理打包成一体化服务,展示AI与湿实验衔接的一种落地形态。
推出 Medra Lab 001。数百台机器人,不到 90 天建成。现已开放。
Medra 宣布建成 Medra Lab 001(ML001),称其为美国最大的自主实验室,面积 38,000 平方英尺、部署数百台机器人并 24/7 运行,在 90 天内建成。
推荐理由:Medra 公布其自主实验室的规模与在产合作范围,为观察物理 AI 科学家的落地形态提供参照。
Crown Bioscience 与 Turbine 宣布战略合作,将 Turbine 的 in silico Virtual Assays 与基于 HUB Organoid Technology 的肿瘤类器官试验整合为从预测到验证的闭环流程。
推荐理由:该合作把计算预测与类器官湿实验验证串成闭环,为肿瘤转化研究中预测与验证的衔接提供了一种组织方式。
Tamarind Bio与A-Alpha Bio宣布合作,Tamarind Bio用户可将用RFdiffusion、ProteinMPNN等蛋白设计模型生成的抗体序列直接提交至A-Alpha Bio的AlphaSeq平台,获得抗体-靶点对的定量结合亲和力数据。
推荐理由:合作把计算设计的抗体序列接入高通量亲和力测量,为评估AI设计到实验验证的衔接提供参考。
NewLimit 将其表观遗传重编程计划中首个候选药物推进至大规模生产,生产进度达20%,并新发现一个可在衰老肝细胞中恢复多种年轻功能的 payload。
推荐理由:NewLimit 披露重编程 payload 进入规模化生产,并展示多任务模型与实验闭环将发现效率提升一倍以上。
Cradle与UC Berkeley Keasling实验室合作,将机器学习嵌入酵母生产疫苗佐剂QS-21的酶优化流程。该实验室2024年在Nature报告用38个植物基因使酵母从简单糖类合成QS-21,但产量远低于商业化水平。
推荐理由:案例展示机器学习如何嵌入植物酶优化流程,为替代植物提取的合成生物制造提供可迁移路径。
《In Vivo》以两篇系列报道梳理自主实验室的建设者、架构与商业模式选择,及其对药物发现组织、外部研发合作和操作人员的影响。报道认为自主实验室并非现有自动化的渐进升级,而是对仍发生在手工实验台上的99%药物发现研发支出的结构性挑战。
很高兴看到@GenScript团队的这项工作。 在验证Latent-X2时,我们需要快速推进抗体、纳米抗体和大环化合物的相关工作。我们的内部湿实验室能承担很多工作,但GenScript帮助我们扩大了规模,并更快地打通了计算与生物学之间的闭环。 结果是:AI设计的抗体具有类药可开发性,并在人源panel中显示低免疫原性,且已在实验室中得到验证。 感谢那些以尖端AI速度推进的合作伙伴。
NVIDIA 与礼来宣布成立首个 AI 联合创新实验室,双方将在五年内投入最高 10 亿美元用于人才、基础设施与算力,实验室落地旧金山湾区,预计今年初启动。
推荐理由:两家公司把算力、湿实验与模型开发放进同一实验室,为观察药企与芯片厂商共建干湿闭环提供具体样本。
NVIDIA 宣布扩展开放开发平台 BioNeMo,新增 Clara 开放模型中的 RNAPro(RNA 结构预测)与 ReaSyn v2(确保 AI 设计药物可合成),并推出 BioNeMo Recipes 与 GPU 加速化学信息学库 nvMolKit。
推荐理由:BioNeMo 扩展出 RNA 结构预测与可合成性模型,并接入礼来、Thermo Fisher 的实验室闭环,呈现平台化路径。
NewLimit 在 2025 年度回顾中称,公司提前建成首个临床前候选,其重编程载荷可在老年肝细胞中恢复多项年轻功能,并在动物模型中未见肝毒性或肿瘤。公司还推出 AI 系统 Ambrosia,称其在扰动预测任务上达到该领域领先水平,并将载荷设计环节的发现速率相对基线提升逾 2 倍。
推荐理由:NewLimit 复盘其重编程药物发现引擎,披露 AI 系统 Ambrosia 在扰动预测与载荷设计上的表现及首个临床前候选。
【全文总结】LabGenius 在论文中报告其 EVA 平台通过机器学习与高通量实验闭环,在 44,160 个 HER2×CD3 T 细胞衔接器设计空间中经 5 轮设计-构建-测试-学习循环筛选 980 个候选,命中率较 Sobol 准随机基线提升 14 倍。
推荐理由:该研究把多特异性抗体的价数、拓扑与亲和力纳入贝叶斯优化闭环,并以临床基准分子作对照,展示了亲合力门控选择性的可设计路径。
Valo Health 与默克 KGaA 达姆施塔特于 2025 年 11 月 20 日宣布战略合作,用 Valo 的 AI 人类因果生物学平台识别和验证帕金森病及相关疾病的新靶点,并用闭环发现平台快速生成临床前化合物。
推荐理由:合作把 Valo 的人类因果生物学靶点发现与闭环化学平台接入帕金森病研发,可看 AI 平台在神经领域的落地方式。
A-Alpha Bio 宣布在其 AlphaSeq 平台上新增 AlphaSeq 3D,可在单次实验中用数百个预验证效应蛋白和靶点筛选数千个小分子,覆盖数千万种潜在三元复合物。
推荐理由:A-Alpha Bio 系统介绍了其分子胶发现平台的工作流,从扩展效应蛋白库到 AlphaSeq 3D 多重筛选,为理解诱导邻近药物的发现路径提供了具体参照。