Google DeepMind 为 Antigravity 推出化学信息学技能，智能体一小时完成大环设计与合成路线
Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，让语言模型负责流程编排、确定性化学工具执行分子计算。
推荐理由：官方演示了智能体在真实肺癌药物数据上完成检索、配对分析与大环设计，可观察化学工作流的自动化边界。
#可开发性
Google DeepMind / Isomorphic精选AI 评分6363
Molence精选AI 评分7474 Molence 的 Mol-1 流程设计 VHH 可激活 4-1BB，EC50 低于 Utomilumab
Molence 称其 Mol-1 流程设计的两个 VHH-Fc 融合分子在 6 小时报告基因实验中激活 4-1BB，EC50 分别为 0.05 和 0.22 nM，对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM，两个设计均表现出高单体纯度、热稳定性和低自相互作用等理化性质。作者引用的前序内容显示，借助第一轮实验结果指导第二轮设计，功能性命中率从 2/30 提升到 51/60，其中 48 个在 0.03 nM 下超过 Utomilumab 阳性对照的平均激活水平。
推荐理由：Molence 展示其 Mol-1 流程设计的 VHH-Fc 在 4-1BB 激动活性上优于 Utomilumab 对照，并给出可开发性指标。
Molence精选AI 评分7070 Molence 报告 30 个设计 VHH-Fc 候选在 13 个靶点的生物物理筛选结果
Molence 对 30 个设计的 VHH-Fc 候选在 13 个靶点上做了四项生物物理筛选，23 个候选至少满足四项标准中的三项。分项通过率为 HIC 疏水性 80.0%、DSF 热稳定性 80.0%（Tm1 > 60°C）、AC-SINS 自相互作用 83.3%、BVP 非特异性结合 70.0%，13 个靶点中有 12 个至少有一个候选满足三项及以上标准。作者称这些结果可用于挑选进入后续开发的分子。
推荐理由：30 个 VHH-Fc 候选在 13 个靶点上的四项生物物理筛选通过率，为设计分子的可开发性筛选提供参照。
下一分子精选AI 评分6868 Anthropic收购一人药企Mithril Medicine
Anthropic于10月27日披露已收购由Cody Tranbarger一人运营的Mithril Medicine，交易实际于2026年7月完成，金额未披露。
推荐理由：文章拆解了Anthropic收购一人药企的交易细节与小鼠数据统计边界，区分模式验证与效率验证。
Insilico Medicine 英矽智能AI 评分3838 Chemistry42 推出类型化排除体积
🧪 #Chemistry42 全新 #FeatureFriday：类型化排除体积 排除体积并不新鲜，但类型化的排除体积是新的。现在你不仅能封锁某片空间区域，还能精确指定那里不允许出现什么：不许有芳香环、不许有氢键供体、不许有带正电的基团，随药物化学需求而定。 在这段短片中，我们用一个真实的 B-RAF 生长向量示例进行演示。 #PharmaAI #GenerativeChemistry
晶泰科技精选AI 评分6868 晶泰科技 siRNA 项目 9 个月确认 PCC，IgA 肾病候选分子展现同类最佳潜力
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子（PCC）用时 9 个月，候选分子拟用于 IgA 肾病治疗。临床前研究显示，该分子体外沉默活性达亚纳摩尔级，与同靶点临床阶段参照分子相比 IC50 降低数十倍；非人灵长类动物平行对照研究中单次给药后数月内持续维持高水平靶蛋白抑制，毒理试验显示更大安全窗口。
推荐理由：晶泰首个 siRNA 项目 9 个月确认 PCC，其临床前活性与长效性数据为观察 AI 序列设计在受限靶点空间中的实际产出提供参照。
CHARM Therapeutics精选AI 评分6868 CHARM Therapeutics 宣布 CHM-029 治疗急性髓系白血病的 I/II 期临床试验完成首例患者给药并完成首队列入组
CHARM Therapeutics 宣布其 menin 抑制剂 CHM-029 在复发或难治性急性髓系白血病（AML）患者的 I/II 期试验（NCT07751991）中完成首例患者给药，并完成首队列入组，初步数据预计 2027 年公布。
推荐理由：CHARM 的 CHM-029 进入临床，是蛋白-配体共折叠模型设计分子首次推进到人体试验的案例。
晶泰科技精选AI 评分5858 晶泰科技生发管线进入IND-enabling阶段，候选分子以5%米诺地尔百分之一浓度起效
晶泰科技宣布其脱发治疗创新药管线进入IND-enabling研究阶段，将围绕药效、GLP毒理及CMC开展研究。公司称自研候选分子可激活毛囊干细胞“乳酸—自噬”信号轴，在DHT诱导雄激素性脱发小鼠模型中，仅需5%米诺地尔百分之一的浓度即可达到与5%米诺地尔相当的毛发生长评分。该管线依托XtalPi Science平台的AI分子生成、FEP计算与机器人实验进行优化，目前正与国内医疗机构推进后续验证。
推荐理由：晶泰自研生发小分子进入IND-enabling阶段，其低浓度起效的动物数据为观察AI驱动管线推进提供参照。
Collaborations Pharmaceuticals 官网资讯AI 评分2828 Collaborations Pharmaceuticals 案例研究：过去十年 AI 的安全实际应用
Collaborations Pharmaceuticals 以十余个简要案例研究披露其过去十年面向制药、化工和消费品客户的 AI 服务项目，涵盖预测 ADME/Tox、脱靶预测、选择性 ADORA3 激动剂生成设计、PROTAC 的 hERG 与溶解度优化及眼部生物利用度算法开发。公司称这些收费项目多数因保密未公开，此次仅作高层级描述，并强调其 AI 应用建立在数十年经验与验证之上。
英矽智能精选AI 评分6868 英矽智能提名新一代小分子GIPR拮抗剂ISM1354
英矽智能提名靶向GIPR的全新小分子临床前候选化合物ISM1354，用于肥胖、2型糖尿病及相关代谢疾病。
推荐理由：英矽智能用Chemistry42提名新一代GIPR拮抗剂，并给出与临床阶段同靶点分子的安全性对比数据。
Ginkgo Datapoints · Updates精选AI 评分5858 Ginkgo Datapoints 与 Apheris 宣布 AbbVie、argenx、Lundbeck、Takeda 成为抗体可开发性联盟创始成员
Ginkgo Datapoints 与 Apheris 宣布抗体可开发性联盟（Antibody Developability Consortium）成立，创始成员为 AbbVie、argenx、Lundbeck 和 Takeda。该联盟计划共建其称为领域内规模最大的标准化抗体可开发性数据集，包含 1 万条抗体，并交付一个基础模型，通过 Apheris 的联邦基础设施实现。
推荐理由：四家药企以创始成员身份加入抗体可开发性联盟，共建标准化数据集与基础模型，呈现产业数据协作的组织方式。
Ginkgo Datapoints · Updates精选AI 评分5858 Ginkgo Datapoints 与 Lilly TuneLab 合作，为后者提供小分子 ADME 与抗体可开发性数据生成服务
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。
AbsciAI 评分3838 Absci的AI设计抗体ABS-201登上彭博社报道
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。
Ginkgo Datapoints · Updates精选AI 评分7070 GDPa5：基于大规模IgG数据预测VHH-Fc可开发性
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。
Claude Science / Anthropic Science精选AI 评分8282 Anthropic 报告 Claude 蛋白结合剂设计与 NMR、LC-MS 化学分析研究
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
LabGenius Therapeutics · NewsAI 评分4242 LabGenius：超越结合剂设计，AI 的下一个前沿是多特异性抗体设计
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。
Nabla Bio精选AI 评分6565 Nabla Bio 转发 Twist Bioscience 关于 JAM-2 选择性抗体设计的客户成果
Nabla Bio 转发 Twist Bioscience 的客户成果介绍，称 JAM-2 通过设计高选择性抗体靶向此前被认为无法在细胞内触及的蛋白，并附报告链接。Nabla Bio 自身正文仅表达对 Twist Bioscience 的致意，未补充技术细节或数据。
Cradle Bio Blog精选AI 评分6767 AI 如何改变抗体优化的第一轮：Cradle 七个多样化campaign的实测
Cradle 在七个抗体多样化campaign中，用基于进化序列数据训练的模型生成每个携带2-8个突变的多突变变体库，设计变体的结合保留率为56%-92%，其中四个campaign在未针对亲和力优化的情况下出现2倍至350倍亲和力提升。
推荐理由：Cradle 用七个抗体多样化campaign的实测数据，对比单点扫描与多突变首轮的取舍，给出首轮实验设计的具体参照。
Nabla Bio精选AI 评分7474 Nabla Bio 发布 JAM-2 报告：零样本设计多特异性抗体与 KRAS G12 双变异结合剂
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。
Ginkgo Datapoints · Updates精选AI 评分7171 Ginkgo发布160个双特异性抗体可开发性数据集与设计规则
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。
MindWalk / ImmunoPrecise AntibodiesAI 评分3838 MindWalk 推出 ReefIQ 生物语境层
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。
Cradle Bio Blog精选AI 评分6767 Cradle 展示零样本抗体多样化：七组实验与单突变扫描基线对比
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。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio：概率化人体剂量预测如何改变候选化合物优先级
Inductive Bio 提出一套将临床前数据转化为人体剂量分布并显式传播实验与模型外推不确定性的框架，在与 Aleksia Therapeutics 的合作中用于三个后期先导化合物的排序。
推荐理由：以三个候选化合物的剂量分布对比说明概率化人体剂量预测如何改变优先级判断，并指出体外重复实验最能降低不确定性。
LabGenius Therapeutics · NewsAI 评分5050 LabGenius Therapeutics 将在 AACR 2026 展示 LGTX-101 临床前数据
LabGenius Therapeutics 宣布将在 AACR 2026 展示其选择性增强的 Nectin-4 x CD3 T 细胞衔接器 LGTX-101 的临床前数据。
Cradle Bio BlogAI 评分4242 Cradle Bio 用桑基图可视化多属性蛋白质优化中的权衡
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。
Yang Zhang Lab精选AI 评分7474 Ouroboros分子基础模型：将构象空间与药效团相似性纳入表示学习
【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。
Latent LabsAI 评分5050 Latent Labs与GenScript验证Latent-X2
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。
Latent LabsAI 评分2020 Latent Labs 谈药物发现分子难题
“药物发现之所以困难，是因为当我们进入临床阶段时，我们仍然没有合适的分子。在 Latent，我们正致力于改变这一点。” AI 可以设计出能结合的分子。但是否具备成药性？这一直是悬而未决的问题。
Latent Labs精选AI 评分5858 Latent Labs 发布 Latent-X2：AI 生成抗体具备类药可开发性与低免疫原性
Latent Labs 在 Latent-X1 发布 5 个月后推出 Latent-X2，称其 AI 生成抗体在人体样本中表现出类药可开发性和低免疫原性，且为零样本生成。该模型目前面向部分合作伙伴开放使用，公司未披露具体实验数据与评测细节。
推荐理由：Latent Labs 公布从 Latent-X1 到 Latent-X2 的迭代，并给出 AI 生成抗体在可开发性与免疫原性上的自述结果。
LabGenius Therapeutics · News精选AI 评分8282 LabGenius 发表 EVA 平台闭环优化 HER2×CD3 多特异性抗体研究
【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。
Ignota Labs 官网资讯AI 评分2525 Ignota Labs 谈药物开发中失败知识的流失与 SAFEPATH 平台
Ignota Labs 提出以药物“扭转”模式回收失败项目中的知识，其 SAFEPATH 平台通过映射脱靶结合、梳理生物通路并在受控系统中重现问题来解析药物行为机制。公司称约 10% 至 20% 的失败药物属机制可解决类别，且多数项目在被放弃前已完成 80% 至 90%。文中援引 56% 的药物因安全性问题失败，并认为新化学实体、新盐型、新晶型等可形成新知识产权。
Nabla Bio精选AI 评分6565 Nabla Bio 发布 JAM-2 抗体设计模型，称可从计算机直接生成成药级抗体
Nabla Bio 发布 JAM-2，称其为首个能从计算机直接生成成药级抗体的 AI 模型。公司称在 26 个靶点中有一半在每靶点测试少于 45 个设计的情况下获得皮摩尔至个位数纳摩尔级结合剂，直接针对细胞表面 GPCR 的结合剂成功率最高达 11%，超过 50% 的设计在零优化下通过核心行业可开发性标准，并称已与多家大型药企合作部署 JAM-2。上述结果来自公司自述与白皮书，尚未见独立验证。
推荐理由：Nabla Bio 公布 JAM-2 在 26 个靶点上的抗体设计成功率与可开发性数据，可供对照评估从头抗体设计的能力边界。
CHARM Therapeutics精选AI 评分6868 CHARM Therapeutics 将下一代 menin 抑制剂 CHM-029 推进为 AML 开发候选
CHARM Therapeutics 宣布将 AI 发现的下一代 pan-menin 抑制剂 CHM-029 推进为急性髓系白血病（AML）开发候选，计划于 2026 年第二季度启动首次人体试验。
推荐理由：CHARM 公布其 DragonFold 平台发现的 menin 抑制剂进入开发候选，并给出耐药突变与体内药效的临床前依据。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8686 Baker Lab在Nature发表RFantibody：用RFdiffusion从头设计全长抗体
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。
Ignota Labs 官网资讯AI 评分2525 Ignota Labs 以 AI 解析药物毒性机制、挽救安全性失败资产
Ignota Labs 提出以 AI 从机制层面解析药物毒性问题，重新设计存在安全性隐患的化合物，使原本可能被放弃的资产推进至临床。其首席科学官 Jordan Lane 称，目标是理解现有化合物相关问题并再造为安全有效的药物。该内容由 Nature 旗下 Biopharma Dealmakers 刊载。
Ignota Labs 官网资讯AI 评分5151 Ignota Labs 完成 690 万美元种子轮融资，用于挽救失败药物
Ignota Labs 于 2025 年 2 月 26 日宣布完成 690 万美元（550 万英镑）种子轮融资，由 Montage Ventures 和 AIX Ventures 共同领投，Modi Ventures、Blue Wire Capital 和 Gaingels 参投。
A-Alpha Bio 官网资讯AI 评分2222 A-Alpha Bio：顺式作用、亲和力调优的IL-21免疫细胞因子用于癌症免疫治疗的临床前开发海报
A-Alpha Bio在2024年Antibody Engineering & Therapeutics会议上展示顺式作用、经亲和力调优的IL-21免疫细胞因子用于癌症免疫治疗的临床前开发海报。海报可通过官网链接在新标签页打开。
A-Alpha Bio 官网资讯AI 评分7878 A-Alpha Bio 发布 AlphaBind 抗体优化模型并公开预训练权重
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 官网资讯AI 评分3838 Ignota Labs 谈可解释 AI 如何挽救失败药物项目
Ignota Labs 首席科学官 Jordan Lane 在播客中介绍，公司用可解释 AI 挽救因安全性问题而失败或搁置的药物项目。其 Safe Path 平台整合化学信息学与生物信息学以处理药物安全问题，并分享了应用 AI 工具挽救制药资产的实际案例。讨论还涉及 AI 模型偏见、透明度以及 FDA 和 EMA 等监管机构对 AI 驱动方案采用的影响。
Ignota Labs 官网资讯AI 评分1818 Ignota Labs 联合创始人 Layla Hosseini-Gerami 登上《The Biochemist》讲述数据科学之路
Ignota Labs 首席数据科学官兼联合创始人 Layla Hosseini-Gerami 在《The Biochemist》撰文，讲述其从利兹大学化学专业、Optibrium 计算化学实习到剑桥大学化学信息学博士的历程。她于2022年2月与 Jordan、Sam 共同创立 Ignota Labs，公司2023年10月起全职运营，专注用可解释 AI 方法预测、理解并扭转药物发现中的安全性问题。