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。
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。
GenSLM 发布 v0.0.6a1，修复 attention_mask 形状问题并将依赖迁移至 pydantic v2，同时合并开发分支的依赖更新与兼容性修复。该版本还更新了长序列示例图片与 install.sh，并新增 @saforem2 为首位贡献者。
Cradle Bio 将桑基图用作多属性蛋白质生成项目的核心可视化，展示序列在活性、表达、稳定性、安全性和可开发性等约束下的通过或失败流向，以定位设计瓶颈。这些结果均为预测，序列尚未合成或经湿实验验证。两个虚构示例中，将次要安全性约束放宽约10%后序列流量打开；在抗体案例中放宽次要疏水性约束后，主要活性从起始模板的1.5倍提升至2.7倍。
LLibra OS 的灵活基础设施，支撑我们整合不断演进的生物学与 AI 进展，以发现差异化的 RNAi 药物。阅读 AWS 案例研究，了解我们如何构建并扩展 LLibra OS，以支持发现和开发我们 GalOmic 药物的团队。链接见下 🔗
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。
Baker Lab 报告开发 RFdiffusion2，可直接以活性位点原子排布为输入生成酶，无需实验室优化即具备催化活性。在 Nature Methods 研究的计算基准中，该模型解决 41 项酶设计挑战中的 41 项，此前最佳工具为 16 项。
推荐理由：RFdiffusion2 以活性位点结构为输入直接生成酶，并在计算基准中解决全部 41 项设计挑战，为酶设计提供了新的可复用工具。
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。
↓ 如何为具有挑战性的靶点发现抗体 ↓ 我们开发了一个AI驱动的抗体设计平台，用于GPCR及其他具有挑战性的靶点。通过这些简短的图文面板了解更多关于我们技术工作原理的信息。 #人工智能 #生物制品 #科技生物
Ignota Labs与Broad Institute合作在《Journal of Chemical Information and Modelling》发表研究，提出先预测九项代理DILI标签、再与化学结构特征结合预测药物性肝损伤的DILIPredictor模型。
推荐理由：该研究把体外与体内代理指标并入特征，比较其对DILI预测的提升，并给出可复用的公开模型。
A-Alpha Bio 宣布获得美国国家科学基金会 SBIR 二期资助，用于继续开发其 AlphaSeq 平台以发现分子胶。AlphaSeq 结合合成生物学与二代测序，可同时测量两个蛋白库之间的数百万蛋白-蛋白亲和力；一期中公司已在平台上表达 E3 泛素连接酶与靶蛋白，并正确观察到由现有分子胶增强的蛋白相互作用。
推荐理由：A-Alpha Bio 公布 AlphaSeq 在分子胶发现上的可行性验证，并获 NSF SBIR 二期资助继续开发。