物理模拟大规模生成数据需警惕失效模式
Valence Labs 发文指出,DFT、FEP 等物理模拟工具正被转用于数据集开发,已能在缺乏人工密切监督下产出数千万条合成数据。但研究显示,某些计算数据集中多达 58% 的 DFT 生成数据在物理上不可能。作者 Ihor 在评论文章中介绍了若干低成本且有效的方法,用于规避物理模拟中的隐蔽失效模式,提醒在大规模使用这类方法时保持谨慎。
Valence Labs 发文指出,DFT、FEP 等物理模拟工具正被转用于数据集开发,已能在缺乏人工密切监督下产出数千万条合成数据。但研究显示,某些计算数据集中多达 58% 的 DFT 生成数据在物理上不可能。作者 Ihor 在评论文章中介绍了若干低成本且有效的方法,用于规避物理模拟中的隐蔽失效模式,提醒在大规模使用这类方法时保持谨慎。
Valence Labs 的 Ihor Neporozhnii 撰文指出,DFT 与 FEP 等物理模拟输出正被当作训练与验证的基准真值,但这些工具原本面向专家逐条人工检查,规模化后会出现静默失效。
推荐理由:文章梳理 DFT 与 FEP 在规模化自动流程中的静默失效模式,并给出可内置管线的物理不变量与收敛检查。
Envisagenics与勃林格殷格翰达成多年研究合作及选择权协议,将验证其SpliceCore平台筛选出的肿瘤特异性靶点,用于开发实体瘤精准疗法。勃林格殷格翰可在研究项目完成后独家许可选定靶点,并可能将其用于抗体偶联药物、T细胞衔接器和多特异性抗体等模态。
推荐理由:该合作把RNA剪接来源的肿瘤特异性靶点交给MNC验证,并覆盖ADC、T细胞衔接器等多种模态,可观察AI靶点发现如何进入产业管线。
深势科技与国家人工智能应用中试基地(医疗)·北京建设运营方北京医疗健康大模型有限公司签署战略合作协议,将围绕共建AI4S药物设计计算平台及药物研发智能体、靶点发现、医药医疗高质量语料库与循证模型等五大方向联合攻关。
要解码生物学,我们希望理解干预(遗传或分子层面)如何改变细胞状态。 挑战在于规模:约有10⁶⁰种类药分子,我们希望理解它们在许多不同细胞背景下的效应。 即便在最先进的实验室中,覆盖如此大的搜索空间也是不可行的。 但充分的数据多样性对于训练能够泛化的扰动预测模型至关重要。 那么,我们该怎么做?
EMBL-EBI 研究负责人 Julio Saez-Rodriguez 等人在一篇 Perspective 文章中讨论生物医学基础模型的基准评测,提出数据质量、模型仓库与评测框架三个相互关联的支柱,并主张将性能评估与方法开发隔离、由独立方在未见数据上评测。
推荐理由:EMBL-EBI 研究负责人系统梳理生物医学基础模型基准评测的三角框架与独立评测原则,为理解模型评测争议提供参照。
Inductive Bio 于 9 月 17 日发布 Beacon-2,该系统可直接从小分子化学结构预测人体有效剂量,先预测吸收、分布、代谢、排泄与毒性等决定剂量的性质并估算效力,再通过药代动力学机制模型整合。
推荐理由:Beacon-2 把人体有效剂量作为可从结构计算的指标,并给出在真实药物项目与公开化合物上的验证范围。
Inductive Bio 发布 Beacon-2,这是对 Beacon 系列模型的重大更新,可在 ADMET 之外直接从化学结构预测分子的有效人体剂量,由 ADMET-PK、效力与 PK/PD 三个可配置模块组成。
推荐理由:Beacon-2 把人体有效剂量作为可计算目标,并用 Indy 智能体的对照实验展示只优化效力会出现的偏差。
Ignota Labs发布白皮书,用SAFEPATH平台在CYP3A4活性低(i18F)和高(i30F)的两株女性iPSC来源肝细胞中,以五个吉非替尼浓度做RNA-seq,两株均抑制globo鞘脂代谢,独立复现此前的PRKD1/PRKD3-鞘脂机制。
推荐理由:同一机制在两种CYP3A4活性不同的肝细胞模型中收敛,但下游毒性通路分化,为解释吉非替尼肝毒性的人群差异提供了可检验假设。
2026年9月16日,安科生物与深势科技签署战略合作协议,围绕抗体偶联药物(ADC)载荷分子的设计与优化开展合作。双方将依托深势科技在分子模拟、自由能计算、定量构效关系分析及ADMET预测等方面的能力,开展载荷候选分子的结构生成与虚拟筛选、关键理化性质预测及转运体外排相关耐药风险评估,并通过计算设计、实验验证、数据回流闭环改进预测模型与分子设计。
推荐理由:合作聚焦ADC载荷分子的设计与成药性优化,并规划计算与实验数据回流闭环,可作为AI4S落地具体研发课题的观察样本。
Ginkgo Datapoints 宣布与 Lilly TuneLab 合作,为 TuneLab 内的生物技术公司提供小分子 ADME 和抗体可开发性数据生成服务。其机器学习就绪的结果可直接接入 TuneLab 的预测模型,目标是缩小 AI 模型与实验室数据之间的差距。
推荐理由:该合作把 ADME 与抗体可开发性数据生成接入 Lilly TuneLab,展示了实验数据与预测模型对接的一种路径。
临港实验室元生·开物发布新版本,上线协作空间与OriBench Structure Viewer,支持多人多Agent协作、蛋白结构叠合与靶点注释,并开放自定义套件能力。
推荐理由:临港实验室发布元生·开物工作台升级,展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
我们已开始将我们的AI-Immunology™平台应用于自身免疫疾病,从而扩大了我们的治疗重点,并实现了公司2026年的又一里程碑。 更多内容见我们的新闻稿:https://evaxion.ai/investors/press-releases/?press_release_id=11321 #EVAX
9月13日,第十九届浦江创新论坛专题分论坛未来医药创新论坛在张江科学会堂举行,创新药物国家实验室体系人工智能医药创新联合体正式启动。该联合体由临港实验室牵头,联合科研机构、医院与企业组建,旨在建立跨主体协同机制、支撑原创新药攻关。论坛同期发布面向全国开放申报的“元因·百靶”计划,并展示“虚拟疾病生物学家·元生”平台从OriGene、GeneClaw到OriBench的能力布局。
Evaxion已启动将AI-Immunology™平台应用于自身免疫疾病,正在对两款基于该平台的治疗概念开展实验测试:一款为耐受性疫苗概念,一款为自身抗体结合剂概念。相关实验数据将于2026年11月18日在葡萄牙里斯本举行的PEGS Europe上公布。公司称这两款概念有望以高特异性针对潜在疾病病理,可能实现比现有疗法更高的疗效和更少的副作用。
Inductive Bio 发布 AI 化学助手 Indy,面向其合作项目开放,公司称已在内部合作项目中使团队产能翻倍。Indy 可解析 CRO 报告、QC 剂量响应曲线、分析历史 SAR、运行生成化学算法、搭建 FEP 计算并生成项目汇报幻灯片,并接入 Inductive 的 ADMET 与 PK 模型。
推荐理由:Indy 在真实剂量响应曲线上的准确率对比通用大模型,展示了药化专用助手与通用模型的差距。
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。
英灵殿科技创始人张昊天入选甲子光年9月12日发布的「AI NEXT 20」榜单,该榜单寻找兼具科研训练与创业能力的AI Scientist-Founders。张昊天师承2024年诺贝尔化学奖得主David Baker,出身Baker Lab,提出"全模态分子设计"范式。
英灵殿科技(Valhalla Technology)联合香港中文大学、浙江大学和斯坦福大学提出ADMET-EvO,一种面向异质任务持续开展自主研究、驱动任务专用算法演化的科学智能体。
推荐理由:该工作把端点理解、假设检验与算法演化串成研究闭环,为药物研发智能体的评测方式提供了可参照的架构。
华盛顿大学蛋白质设计研究所David Baker团队提出RFOptimization(RFO),冻结RF3参数,从Pairformer后的distogram与置信度头提取梯度,在离散序列空间用梯度引导MCMC搜索,并与Boltz加ProteinMPNN/LigandMPNN的结构循环分支交替使用,AlphaFold3仅作独立评估。
推荐理由:该工作把全原子结构模型的内部梯度用于已有候选的序列优化,并给出跨模型一致性与算力成本的对照。
BioSymetrics 已启动针对 CDKL5 缺乏症(CDD)——一种罕见遗传性癫痫——的合作项目。我们正与 BrainStorm Therapeutics 及学术合作方共同发现并验证治疗候选药物。#CDKL5 #RareEpilepsy #DrugDiscovery
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。
Terray Therapeutics 在 H100 GPU 上以自有生产架构 TerraBind 为基准,测试 NVIDIA 新发布的 BioNeMo Inference Runtime 内核(CuTeDSL),结果显示其比标准 PyTorch 注意力最高快 7.1 倍,比其现有优化内核栈 cuEquivariance 最高快 1.8 倍。
推荐理由:Terray 在自有生产架构上实测 NVIDIA 新推理内核,给出相对 PyTorch 与现有内核的加速幅度及适用规模。
在湿实验室数据上训练的模型,可能学到的不是底层生物学,而是某个研究实验室的怪癖。 “批次效应”指的是生物样本所反映的更多是关于谁做了实验、何时做的、在哪个仪器上做的,而非所关注的生物学本身。 观看 Zeinab 解释实验室如何应对批次效应,以确保 AI 模型学到的是底层生物学,而非噪声。
深势科技发布药物分子专利解析智能体PharmMaster·Patent,基于文档解析引擎Uni-Parser 1.4,可从专利PDF中提取分子结构并关联活性数据、实验条件与权利要求,每条结论保留来源页码可回溯原文。
推荐理由:该工具把专利中的分子结构、活性数据与权利要求关联成可核验记录,展示了跨页证据整理的具体做法。
PostEra 宣布 EMD Serono(默克集团美国医疗健康业务)已收购其两个针对生育适应证的项目。公告未披露交易金额、项目代号、所处研发阶段及具体适应证。
推荐理由:PostEra 将两个生育相关项目出售给 EMD Serono,可观察 AI 制药平台资产被跨国药企收购的路径。
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。
MIT Jameel Clinic 研究附属成员、Boltz 联合创始人兼 CEO Gabriele Corso 入选 MIT Technology Review 2026 年“35 岁以下创新者”榜单生物技术类别。
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。
Absci称其AI设计的抗PRLR抗体ABS-201近日获彭博社在脱发治疗创新专题中报道,该在研抗体正被评估为模式性脱发的潜在同类最佳疗法。ABS-201旨在阻断催乳素受体信号、推动毛发生长周期转向活跃生长期,机制区别于任何FDA已批准的模式性脱发疗法。正在进行的1期临床试验中期数据显示其迄今安全性和耐受性良好,公司预计今年晚些时候发布中期概念验证数据。
Inductive Bio 在 OpenADMET 2026 年 PXR 激活预测盲测中从 350 多名研究者中排名第一,其负责人 Duncan Muir 在 webinar 中完整讲解建模路径。
推荐理由:Inductive Bio 复盘其在 OpenADMET PXR 盲测中的建模路径,为 ADMET 预测的误差分析与数据融合提供可迁移做法。
衡量细胞内部发生的变化有很多种方法。 单独来看,每种测量都是不完整的。综合起来,我们才能开始预测细胞响应、了解机制,并将这些发现跨细胞类型泛化。 遗憾的是,整合不同数据模态并不像听起来那么简单。 想了解更多,请看 Ali Denton 的 Valence at the Whiteboard。 🎥 完整视频链接见下方
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
Valence Labs 的 Dominique Beaini 用可抢占 GPU 对 9,000 个靶点与 50 万配体运行 AlphaFold-Multimer 和 Boltz-2 共折叠及亲和力预测,累计 1 亿次,构建名为 affinity-prints 的数据集,并借助 Recursion 的表型组学图谱检验预测相互作用与细胞实验数据的对应关系。
推荐理由:作者用上亿次共折叠预测搭建亲和力指纹,并检验其与细胞表型数据的对应关系,为共折叠与虚拟细胞的衔接提供了一套可迁移的评测思路。
Biohub 与哥伦比亚大学等机构的研究者开发 AI 系统,用 ARACNe 与 VIPER/metaVIPER 从单细胞 RNA 测序数据中识别控制肿瘤细胞状态的 Master Regulators,发现同一瘤种的患者共享近乎相同的恶性细胞状态集合,相关结果发表于两篇 Nature Genetics 论文。
推荐理由:两篇 Nature Genetics 论文用单细胞数据刻画肿瘤细胞状态,并在 DMG 模型中验证组合用药的协同生存获益。
Inductive Bio 随 OpenAI Rosalind Workbench 发布,将其 ADMET 模型接入 OpenAI 生态(含 ChatGPT、Codex 与 Rosalind Workbench);此前 6 月已作为 Claude Science 生态伙伴进入 Claude,本月早些时候通过 ModelHub 进入 Benchling。
推荐理由:Inductive Bio 的 ADMET 模型接入三家主流平台,展示了化学预测模型嵌入现有科研软件栈的分发路径。
Ginkgo发布GDPa5,一个含160个成员的VHH-Fc库,在PROPHET-Ab平台上用10项生物物理实验进行表征,并同步发布bioRxiv预印本。在559个IgG上训练的跨格式模型优于仅用GDPa5训练的模型,作者认为优势来自标准化IgG数据的规模而非格式本身。
推荐理由:该预印本公开VHH-Fc可开发性数据集,并比较IgG训练模型与格式内训练模型的跨格式迁移表现。
Valence Labs 介绍其置信度预测新工作,用于判断药物分子预测结果中哪些可信、哪些需回实验室补数据。推文指出生成式AI模型很少按已有证据校准置信度,在药物发现中这种虚假自信会浪费时间和资金。视频由 Tristan 讲解。
Valhalla Technology 等提出 NACraft,将 Boltz-1 全原子结构模型的可微分反馈反向传播到核苷酸序列,在推理阶段统一支持 de novo、similarity-guided 和 target-selective 三类 RNA/DNA 适配体设计,无需针对任务重新训练。
推荐理由:该工作把全原子结构模型的反向反馈用于核酸适配体设计,并给出跨靶标与选择性任务的评测结果。
Evaxion 在 2026 年第二季度业务更新中宣布,个性化癌症疫苗 EVX-01 的三年临床数据将于 10 月 ESMO 2026 大会公布,并扩展了靶向胶质母细胞瘤的现货型疫苗 EVX-05。EVX-04 在 EHA 2026 公布的数据显示其可在人细胞中完整表达、分泌并驱动小鼠与人类细胞的特异性免疫应答,公司计划年底前提交其临床试验监管申请。公司现金可支撑运营至 2027 年下半年。