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。
张阳团队开发的 D-I-TASSER 利用深度学习从氨基酸序列预测蛋白质三维构象，以攻克复杂蛋白质结构。该工具将 AI 与物理方法结合，相关结构模型已由计算预测给出。
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
【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。
【全文节选总结】Yang Zhang Lab 提出分子基础模型 Ouroboros，采用表示、重建与性质预测三个正交模块，表示模块以构象空间药效团相似性（CSPS）和分子指纹相似性预训练，在 126248 个分子上构建约 47 亿条相似性标签。
推荐理由：该工作把构象空间与药效团相似性纳入分子基础模型预训练，并在虚拟筛选与多靶点抑制剂发现中给出湿实验证据。
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。
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。
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。
【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。
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。
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。
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 在 2025 年 Protein & Antibody Engineering Summit（PEGS）展示海报，主题为通过平台整合快速工程化双特异性抗体。原文仅提供海报展示信息与打开链接，未披露具体方法、实验数据或结果。
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。
A-Alpha Bio 在 2025 Festival of Biologics 会议展示海报，介绍结构域特异性深度学习亲和力预测模型 AlphaBind 用于加速抗体优化。原文仅提供海报入口，未披露模型性能数据或实验结果。
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 称其文章获 Digital Discovery 刊载，Masarone、Beckwith、Lane、Hosseini-Gerami 等人综述了药物发现中的毒理学预测，涵盖多种建模技术与器官芯片等新型数据源。
A-Alpha Bio 在 2025 年美国癌症研究协会年会上展示海报，介绍通过大规模识别可成胶的连接酶-靶点对来发现分子胶。海报内容未在原文中披露具体方法、数据或结果。
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。
A-Alpha Bio 发布 AlphaBind 抗体优化模型，基于约 750 万条抗体-抗原结合数据预训练，在四个抗体-抗原体系中仅用一轮实验室数据生成数千个高亲和力变体。BLI 验证的 10 个候选（最多 11 个突变）全部表达且结合力优于亲本抗体；模型以 MIT 许可开源，代码与微调数据已公开。公司称该模型已用于管线与合作的抗体发现，并计划推出 AlphaBind2。
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。
Ignota Labs与Broad Institute合作，基于美国FDA的DICTrank数据集构建药物诱导心脏毒性（DICT）预测分类器，成果发表于《Journal of Chemical Information and Modelling》。
推荐理由：研究基于FDA的DICTrank数据集构建公开分类器，比较化学与生物特征对药物心脏毒性的预测能力。
A-Alpha Bio 发布预印本，用 AlphaSeq 技术对 33 种单克隆抗体与数千个 SARS-CoV-2 变异株进行结合测试，在抗体与 RBD 刺突蛋白变异体之间识别出超过 15 万对蛋白质-蛋白质相互作用。作者指出，许多抗体药物正针对 RBD 刺突开发，意外突变可能使病毒逃逸抗体治疗。
推荐理由：A-Alpha Bio 用 AlphaSeq 大规模筛查 33 种抗体与数千个变异株的结合，为变异逃逸评估提供高通量方法参照。
A-Alpha Bio 宣布介绍 AlphaSeq 的论文已在 PNAS 发表。文中展示可通过重编程酵母交配同时表征数千个蛋白质-蛋白质相互作用，并观察到改变细胞外环境后相互作用强度的变化。
推荐理由：AlphaSeq 通过重编程酵母交配实现数千蛋白互作并行表征，为结合剂筛选提供可规模化的实验方法。