AI制药日报｜Pallatom2 全原子生成模型发布；多项预印本成果发布
力文所发布全原子生成模型Pallatom2，可同时生成氨基酸序列与主侧链原子构型并指定靶点结合界面；据该帖介绍，210个候选中确认112个具结合活性，10个靶点均获结合剂，其中6个靶点经BLI测定报告pM量级KD。
#扰动预测
下一分子AI 评分7474
深势科技 DP Technology精选AI 评分7474 深势科技合作开发的虚拟细胞模型ProteinTalks登上Nature，并推进药效预测落地
深势科技与合作团队在《Nature》发表虚拟细胞模型ProteinTalks，将大规模动态蛋白质组与神经常微分方程预训练结合，用于药物扰动响应预测。
推荐理由：深势科技作为论文合作方，梳理了ProteinTalks在单药筛选、联用与耐药机制上的实验验证路径。
Valence Labs精选AI 评分5858 Valence Labs 提出 trajectory replay 持续学习技术，用于 flow matching 与扩散模型
Valence Labs 提出 trajectory replay，一种面向 flow matching 和扩散模型等连续时间生成模型的持续学习技术，通过用前一模型生成路径的速度场重训模型来提醒其已学内容，全程不生成完整样本。
推荐理由：该方法用前一模型生成路径的速度场重训，避免生成完整样本，为连续时间生成模型的持续学习提供更省成本的替代方案。
TurbineAI 评分4242 Turbine在World ADC大会展示vLab® ADC发现数据
Turbine科学项目负责人Jerzy Woźnicki在圣地亚哥World ADC大会报告vLab®如何指导ADC发现，覆盖体外载荷选择到ADC体内转化。海报涵盖约1400个细胞系模型的ADC敏感性图谱、预测克服耐药性的协同组合，以及靶点表达之外的生物标志物识别，用于临床前患者模型选择；公司称预测与已有临床和实验证据一致。
RecursionAI 评分4242 Recursion详解端到端平台：基因组规模扰动与数据工厂
Recursion神经科学副总裁Chris Winrow在平台系列第二部分介绍，公司用声学液体处理器将2.5纳升CRISPR-Cas9试剂移入1,536孔板、每周最多200万次，并刻意随机化实验，使机器学习模型学到真实生物学而非实验假象。通过对同一批细胞成像和测序，单次实验可获数千项测量，形成可反复挖掘、供AI基础模型学习的可复用数据集。
TurbineAI 评分2222 Turbine虚拟生物学Meetup第三期回放上线
Turbine 发布 Virtual Biology Meetup 第三期完整回放，该期于9月15日围绕虚拟检测如何赢得真实研发决策信任展开。Xaira 的 Ci Chu 介绍大规模扰动数据集如何训练虚拟细胞模型应对未见过的生物学场景，Turbine 的 Krishna Bulusu 则讨论从“能否预测”转向“能否改变决策”。
Valence LabsAI 评分2020 Valence Labs谈扰动预测数据规模挑战
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 News精选AI 评分5858 EMBL-EBI 视角：基准评测如何支撑生物医学 AI 的可靠性
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。
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 回顾表型组学演进：从监督迁移学习到生成式基础模型
Valence Labs 的 Inside Valence 文章梳理细胞表型组学从监督迁移学习走向自监督与生成式基础模型的路径，起点是 2019 年 Recursion 的 RxRx1 Kaggle 竞赛，该任务覆盖约 1,100 个 siRNA 条件、125,510 张图像，并在 50 多个实验批次中重复筛选。
推荐理由：梳理细胞表型组学从监督迁移学习到生成式基础模型的演进，并说明RxRx3数据集在虚拟细胞研究中的支撑作用。
Valence Labs 官网资讯AI 评分3636 Valence Labs 回顾 ICML 2026：AI4Bio 论文占比 2.5%，聚焦模型效率与扰动预测
Valence Labs 回顾 ICML 2026，AI for biology 与健康方向论文占全部接收论文的 2.5%，在主题领域排名第 5。会议聚焦模型效率与转录组扰动预测，PerturbDiff、scBIG 等采用流匹配报告了当前最优性能，PerturbODE 则借助神经常微分方程推断基因调控网络。
NewLimit · Progress Blog精选AI 评分6868 NewLimit 2026年5-6月进展：先导资产放大120倍、AI系统实现跨细胞类型泛化
NewLimit 在2026年5-6月进展更新中称，其先导重编程药物已完成生产放大超过120倍，足以支持关键非临床研究，并计划明年进入临床。其AI系统Ambrosia首次实现跨细胞类型泛化，在预测内皮细胞重编程效果时用少于三分之一的实验数据达到与谱系专用模型相当的性能。公司还发现5个可恢复衰老内皮细胞年轻基因表达与再生潜力的重编程载荷，并完成C轮融资。
推荐理由：NewLimit 披露先导资产放大生产与跨细胞类型泛化的进展，呈现重编程药物从发现走向临床前的具体路径。
Theodoris Lab精选AI 评分8282 Theodoris Lab 发布时序 AI 模型 MaxToki，预测细胞状态轨迹与干预靶点
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 · Progress Blog精选AI 评分6060 NewLimit 2026年1-2月进展：首个候选药物进入规模化生产，多任务Ambrosia模型使发现效率提升逾2倍
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。
NewLimit · Progress Blog精选AI 评分7272 NewLimit 2025 年度回顾：首个临床前候选与 AI 系统 Ambrosia
NewLimit 在 2025 年度回顾中称，公司提前建成首个临床前候选，其重编程载荷可在老年肝细胞中恢复多项年轻功能，并在动物模型中未见肝毒性或肿瘤。公司还推出 AI 系统 Ambrosia，称其在扰动预测任务上达到该领域领先水平，并将载荷设计环节的发现速率相对基线提升逾 2 倍。
推荐理由：NewLimit 复盘其重编程药物发现引擎，披露 AI 系统 Ambrosia 在扰动预测与载荷设计上的表现及首个临床前候选。
Cellarity精选AI 评分7474 Cellarity在Science发表细胞状态矫正药物发现框架并公开单细胞扰动数据集
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。