Open Targets Platform 26.06 发布:新增单细胞与蛋白组表达数据并更新靶点优先级评分
Open Targets Platform 26.06 已上线,基线表达数据新增 Tabula Sapiens 单细胞 RNA 测序与 PRIDE 质谱蛋白组数据,可在组织层级之外浏览细胞类型层级表达。
推荐理由:该版本把单细胞与蛋白组表达数据纳入靶点优先级评分,并公开了临床挖掘与L2G管线的具体改动。
Open Targets Platform 26.06 已上线,基线表达数据新增 Tabula Sapiens 单细胞 RNA 测序与 PRIDE 质谱蛋白组数据,可在组织层级之外浏览细胞类型层级表达。
推荐理由:该版本把单细胞与蛋白组表达数据纳入靶点优先级评分,并公开了临床挖掘与L2G管线的具体改动。
MIT 的 Melis Anahtar 团队用含 38,650 个分子及其抑制淋球菌生长数据训练神经网络,再筛选 610 万分子,找到预测可靶向该菌的候选。实验室测试显示其中一个分子对多重耐药淋球菌有效且对人细胞毒性较低;用另外 152 个分子重训模型后又发现一个候选,该分子在体外杀死多重耐药菌株并在小鼠体内降低药物敏感菌株水平,进一步实验显示其抑制细菌细胞壁合成所需的一种酶。
推荐理由:研究用3.8万分子训练神经网络筛选610万分子,找到对多重耐药淋球菌有效且机制新颖的候选。
Valence Labs 的 Jason Hartford 介绍其 ICML 论文 f-Trajectory Balance,提出一族损失函数用于微调 GFlowNets、生成模型和 LLM,并支持离策略与在策略数据。
推荐理由:作者从损失函数角度解释生成模型探索与利用的权衡,为分子生成和 LLM 微调提供可迁移的方法视角。
Ginkgo在统一的knobs-into-holes CrossMab IgG1骨架上,用PROPHET-Ab高通量平台的10项检测表征了160个双特异性抗体及其65个亲本臂,并公开数据集。
推荐理由:研究用160个双抗与65个亲本臂的配对数据,区分哪些可开发性指标可从亲本预测、哪些必须在双抗层面测。
Genesis Molecular AI 的基础模型 Pearl 入选 Fast Company "2026 改变世界创意"榜单,被列为 21 个引领医疗健康未来的项目之一。
Verge Labs 发布精准神经病学基础模型 vBx-1.0,称可从常规抽血重建患者脑分子状态,准确率最高为此前最先进模型的 3 倍。
推荐理由:该模型以脑组织转录组数据从血液重建脑分子状态,并在帕金森病与ALS试验数据上给出响应与耐受预测。
Inductive Bio已加入HESI旗下OASIS联盟,参与评估不同药代动力学方法如何定义药物暴露以用于DILI预测,包括其Beacon-1 ADME模型提供的暴露估计。
MindWalk 发布 ReefIQ,一个由 HYFT 驱动的生物语境层,位于客户发现数据与 AI 推理工作流之间,用于 AI 药物发现和生物制品开发。该层在 AI 工作流处理前重新连接分散在文件、格式、系统、团队和工作流中的数据,将序列、结构、检测输出、组学、文献、证据、溯源和项目历史转化为可治理、可查询的关联生物语境。
Verge Labs 与 Tenacia Biotechnology 宣布战略平台合作,Verge 将用其 AI 平台和专有多模态人体组织数据,为 Tenacia 部分 CNS 项目优先排序并表征靶点。
推荐理由:Verge Labs 首个平台优先模式合作,展示多模态人脑组织数据如何用于 CNS 靶点优先级与表征。
Valence Labs @ Recursion 的 Ihab 在文章中讨论显微图像深度学习模型究竟学到了什么,指出在部分细胞培养显微任务中,多个已训练模型的表现与未训练网络和像素统计等简单基线相近,说明基准分数中有一部分信号并不需要高层生物学表征。
推荐理由:作者结合自身基准测试经验,讨论显微图像模型何时学到真实生物学信号、何时依赖技术捷径,并提出可解释基线的设计思路。
Genesis 称其 Pearl 系统在 OpenBind 的 EV-A71 2A 蛋白酶基准(802 个化合物,best-of-25)上零样本取得 78% 联合标准成功率(RMSD ≤ 2 Å、PoseBusters 有效、LDDT-PLI ≥ 0.8),高于 OpenBind 评测的全部共折叠模型。
推荐理由:Genesis 在 OpenBind 公开基准上对比 Pearl 与六种共折叠模型及对接方法,给出零样本与亚埃级精度的具体参照。
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。
Incyte 与 Genesis Molecular AI 扩大战略合作,Incyte 将共享自有实验数据用于训练 Genesis 的 GEMS 分子 AI 平台,并新增至少 5 个由 Incyte 选定的合作靶点。
推荐理由:交易条款与数据授权范围披露较完整,可观察大药企自有实验数据进入分子AI训练的具体安排。
Biohub 宣布支持 15 个研究项目,与合成生物学专家共同搭建免疫细胞工程的基础工具包,包括逻辑电路、合成受体、结合剂文库和传感平台。获资助团队包括 David Baker 团队设计可读取多种生物信号并作出响应的蛋白电路、James Collins 团队构建 RNA 分子电路、Wendell Lim 团队汇编传感器与逻辑电路模块目录。
推荐理由:Biohub 公布 15 个免疫细胞重编程资助项目,展示合成生物学工具包的模块化分工与团队布局。
PrecisionLife 与 Ovation.io 达成协议,将 PrecisionLife 对 Ovation 的 GLP-1 受体激动剂数据集的分析结果商业化,计划在 2026 年推出 GLP-1 分层实验室开发检测(LDT)和面向消费者的 GLP-1 DNA 检测。
推荐理由:两家公司基于真实世界 GLP-1 数据达成商业化合作,并披露减重与血糖控制标志物不同的初步结果。
Ignota Labs 入选 AI for Science Datasets RFP 十大获胜者,其提案是构建数据集以加深对药物毒性根源及缓解方式的理解。该公司与 Arctoris 合作,针对一批存在显著选择性挑战的癌症相关激酶,绘制分子结构微小改动引发行为显著变化、常导致意外副作用的化学边界,并称这是首个此类资源。
1910 Genetics在J. Med. Chem.发表题为PEGASUS的论文,介绍用基于大规模并行生物实验构建的AI模型解析细胞穿透环肽的极性。论文链接为https://pubs.acs.org/doi/10.1021/acs.jmedchem.5c01836,具体模型性能与实验数据未在帖文中披露。
推荐理由:该论文介绍基于大规模并行生物实验数据构建的AI模型,用于理解细胞穿透环肽的极性规律。
Theodoris Lab 发布时序 AI 模型 MaxToki,用于生成动态轨迹中的过去、中间与未来细胞状态,并预测诱导目标状态转变的干预。模型基于近 1 万亿基因 token 训练,覆盖约 1.75 亿单细胞转录组和约 1 亿条跨人类一生的细胞状态轨迹,采用连续数值 tokenization 与两阶段训练(上下文长度从 4096 扩至 16384)。
推荐理由:该模型把细胞状态建模扩展到时间轴,并在人源细胞与小鼠中验证了预测的促衰老靶点。
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。
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。
虚拟细胞药理学倡议(VCPI)发布首个开源转录组数据集,在 THP-1 细胞中以 6 个剂量(0.03 至 10 µM)、24 小时处理约 2280 个小分子,采用阵列式 DRUG-seq 获得化合物特异的转录组谱。
推荐理由:VCPI 首次公开约 2280 个小分子的 THP-1 转录组数据,为虚拟细胞药物响应模型提供可复用训练集。
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法,采用非变性洗脱并跳过中间噬菌体扩增步骤,在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍,获得的独特命中化合物最多多六倍且亲和力范围较广,并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性,材料仅为论文摘要。
推荐理由:该方法把多轮噬菌体展示筛选压缩到一天,并报告了命中多样性与亲和力范围的对照结果。
PrecisionLife与Ovation公布合作首阶段结果,称基于4,600名患者数据识别出2,500余个与GLP-1受体激动剂疗效相关的遗传特征,映射到1,100个基因和15个主要机制,并称疗效标志物在100%患者中被识别。
推荐理由:该合作披露了基于真实世界组学数据识别GLP-1疗效遗传标志物的首阶段结果与扩样计划,可作为药物响应分层商业化的参照。
Ignota Labs 发文指出,AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集,难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例,说明模型学到的是数据集特征而非药物-蛋白结合机制,并批评二元毒性标签忽略剂量、药代与遗传差异,hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由:Ignota Labs 结合 DUD-E 类似物偏倚等案例,说明毒理预测指标为何难对应真实安全性决策,并提出外部验证思路。
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。
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 🔗
Biohub正以工程化思路开发5种测量炎症的新方法,目标是在人体组织中实时观察免疫细胞活动。具体包括基于质谱的活组织蛋白质组与代谢组非侵入检测、可对免疫细胞基因做CRISPR扰动并读出影响的功基因组平台,以及用高通量T细胞/抗原筛选结合AI解码细胞识别、预测免疫细胞决策的Decoder工具。
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。
PrecisionLife 与 Ovation.io 宣布合作开发 GLP-1 受体激动剂疗法的药物响应生物标志物,相关结果有望支撑一项面向支付方的检测,依据患者在特定适应证中对药物的耐受与响应潜力指导报销政策。该合作旨在支持 GLP-1 药物的价值导向报销模式。
Ginkgo 于 11 月 18 日宣布发起虚拟细胞药理学计划 VCPI,以社区协作方式构建面向 AI 药物发现的虚拟细胞数据。该计划采用高通量阵列式 DRUG-seq 筛选,依托 10 亿美元自动化设施和标准化细胞系,并将公开 10 万个高质量化合物的 RNA 谱数据,具体化合物由社区投票选择。
推荐理由:Ginkgo 以标准化细胞系和 DRUG-seq 构建虚拟细胞药理学数据,并公开征集化合物,为数据侧建设提供参照。
Cellarity在Nature Communications发表药物性肝损伤(DILI)预测框架ToxPredictor,并开源模型与验证数据。该框架基于原代人肝细胞转录组库DILImap,覆盖300种与DILI相关化合物在多个浓度下的转录特征;盲评中达到88%灵敏度、100%特异性,优于20余个行业标准临床前安全模型,并识别出动物研究未发现的若干3期临床安全性失败。
推荐理由:该框架用原代人肝细胞的转录组数据预测药物性肝损伤,并在盲评中与20余个临床前安全模型比较。
Numerion Labs(原 Atomwise)与 NVIDIA 专家合作在 arXiv 发布论文,提出 APEX(近似但穷举搜索)计算协议,可在单块 NVIDIA GPU 上于 30 秒内从 100 亿化合物的组合合成库中检索出评分最高的 100 万个候选分子。
推荐理由:该协议把十亿级组合库的穷举式筛选压缩到秒级,为超大化学空间检索提供了可复用的方法与基准。
Cellarity在Science发表论文,提出整合高通量转录组与AI模型的细胞状态矫正药物发现框架,采用实验室在环的深度学习迭代,称表型活性化合物回收率较行业标准方法提升13至17倍。公司同步公开三个单细胞数据集,其中扰动转录组数据集含逾1700个样本、126万个单细胞,可用于跨细胞类型药物响应映射与扰动预测方法基准测试。平台首个候选CLY-124正针对镰状细胞病开展1期临床试验。
推荐理由:该框架把高通量转录组与主动学习闭环结合,并公开扰动数据集,为表型筛选的评测提供参照。
A-Alpha Bio 宣布参与 DeNOVO Initiative,与劳伦斯利弗莫尔国家实验室等机构开展为期 3 年的合作,用高性能计算和人工智能方法设计可中和未来生物威胁的抗体。
推荐理由:介绍 A-Alpha Bio 参与的多机构抗体设计项目,说明其高通量蛋白互作数据在训练结合预测模型中的角色。
Chemical Research in Toxicology 于5月2日发表《Machine Learning for Toxicity Prediction Using Chemical Structures。
推荐理由:33位产学研作者联合提出毒性预测框架,并给出与FDA人相关药物开发目标衔接的落地路径。
Eikon Therapeutics 在 Nature Methods 发表论文,介绍其斜线扫描(OLS)技术,该技术可与公司单分子追踪(SMT)平台结合,在活细胞中以最高每秒 14 平方微米的速度评估蛋白运动。
推荐理由:Eikon 在 Nature Methods 披露 OLS 与单分子追踪平台的技术细节,为高通量蛋白动态测量提供方法参照。
Ignota Labs 联合创始人兼 CDSO Layla Hosseini-Gerami 获 Innovate UK 女性创新奖,每位获奖者获 7.5 万英镑资助。
A-Alpha Bio 发布 AlphaBind 预印本,称其为业界领先的抗体优化模型,并已测定第 10 亿次蛋白-蛋白相互作用,为预测蛋白结合提供关键训练数据。预印本链接指向 bioRxiv,具体评测结果与对照设置未在推文中披露。
推荐理由:A-Alpha Bio 公开 AlphaBind 预印本,并称已累计测定十亿次蛋白-蛋白相互作用,为抗体优化模型提供训练数据。
在世界关节炎日,我们正通过DeepLife的110个数据集和3千多项实验推进关节炎研究!🔬 我们的#OmicStore + #CellBlueprint帮助整合专有数据,加速临床前和1期研究,以带来更好的治疗方案。🌍 了解更多:https://www.deeplife.co