Recursion三季报：临床新数据与现金跑道
Recursion在2026年第三季度业绩更新中披露，REC-4881治疗FAP的TUPELO试验可评价15人中13人总息肉负荷下降、中位降幅47%，REC-1245在较高剂量组12人中11人达到疾病控制并含2例确认部分缓解。
#深度观点
下一分子AI 评分3636 晶泰科技AI 评分3838 从 AI 预测到 AI 原生，药物发现如何向前一步？
晶泰科技联合创始人兼首席创新官赖力鹏在 SWITCH 2026 期间该公司举办的研讨会上提出，AI 药物发现正从“AI 预测”走向“AI 原生”，即让验证、数据与新认识回流模型。
下一分子AI 评分4747 Formation Bio设6亿美元药物开发加速基金：押注Ⅰ、Ⅱ期临床资产
Formation Bio于10月28日宣布设立药物开发加速基金，获6亿美元资本承诺，用于投资组合内药物项目的获取与开发。基金计划未来3至5年取得10至15个项目，优先收购或授权引进Ⅰ期和Ⅱ期资产，目标在取得项目后2至4年内实现重大临床里程碑。6亿美元为认缴承诺，非已支出研发费用，AI系统仅用于支持项目选择、适应症匹配、试验设计与开发运营。
Insilico Medicine 英矽智能AI 评分2222 英矽智能谈O3DC开放基准指数
英矽智能提出，AI药物发现领域过度关注模型性能，却很少追问支撑这些数字的基准是否合适。其参与发起的O3DC联盟推出Benchmark Index，作为社区资源用于查找、比较和讨论药物发现领域的开放基准。推文同时征集各领域值得关注的基准。
Generate:BiomedicinesAI 评分2222 Generate:Biomedicines 谈与 Anthropic 合作及 AI 智能体应用
Generate:Biomedicines CEO Mike Nally 与应用开发副总裁讨论其科学家如何将 AI 智能体与自有模型及实验能力结合，以拓展可探索的生物学问题。该内容出自 Endpoints 对 Anthropic 生物制药布局的报道，涉及双方合作。Mike 称这些工具正以极其重要的方式帮助解析生物学复杂性。
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。
英矽智能AI 评分3838 Fast Company专栏｜英矽智能CEO Alex Zhavoronkov：AI或实现人类寿命倍增
英矽智能创始人兼CEO Alex Zhavoronkov在Fast Company“影响力委员会”专栏撰文称，AI有潜力倍增人类寿命，但这只是愿景而非近期可验证的科学预测。
下一分子精选AI 评分6060 Anthropic递交S-1冲刺纳斯达克
Anthropic于10月26日向美国SEC公开递交S-1注册文件，拟在纳斯达克上市，股票代码ANT，招股书把生物学和医学列为AI最有望改善人类生活的四大方向之首。
推荐理由：梳理Anthropic招股书中的生命科学布局，并区分客户覆盖与AI制药收入、早期发现与药物候选。
下一分子精选AI 评分5858 前OpenAI科学副总裁Kevin Weil创办的Warp Sciences获2.15亿美元融资
前OpenAI首席产品官兼科学副总裁Kevin Weil联合创办的Warp Sciences结束隐身状态，宣布完成2.15亿美元融资，由Lightspeed领投，Premji Invest、Mayfield、IVP、Lux等参投。
推荐理由：融资事件之外，文章把按交付计费的本土化学CRO模式与离岸外包放在同一成本维度上比较。
下一分子AI 评分6969 礼来与剂泰科技达成战略合作，聚焦组织特异性LNP递送
剂泰科技10月19日宣布与礼来达成战略合作，用其AiLNP可离子化脂质发现与优化平台研究组织特异性递送的新型脂质纳米颗粒方案，礼来提供药物发现、开发和商业化专长。
下一分子精选AI 评分5858 OpenAI收购Orchestra Bio并并入生命科学工具品牌Rosalind
OpenAI于2026年10月20日宣布收购Orchestra Bio，并将其团队与技术并入生命科学工具品牌Rosalind。Orchestra Bio的能力是让科学家与AI智能体协作监测和跟踪药物开发项目，识别生产批次失败等事件影响的工作与时间线，而非靶点发现或分子生成。此次交易未披露收购金额、支付方式、客户名单与整合上线时间，公告中的场景属功能描述，没有对照数据。
推荐理由：收购把竞争焦点从科研推理推向药物项目协调与执行层，但金额、客户与成效均未披露。
BioAge LabsAI 评分2222 BioAge在抗衰老会议分享从人类队列到候选药物路径
BioAge首席商务官Peng Leong在温哥华CTGN第三届年会上介绍公司如何将纵向人类衰老队列转化为药物候选：平台从数十年连续留存的样本、健康记录和功能测量中识别与功能衰退、疾病风险和生存相关的分子变化，再针对这些通路开发药物。两个项目分别为处于两项2期试验的口服NLRP3抑制剂BGE-102，以及处于IND申报准备阶段的APJ激动剂运动模拟项目。
晶泰科技AI 评分5050 挑战“不可成药”三十余年，这位哈佛科学家为何将目光投向中国？
哈佛大学化学荣休教授、DoveTree Medicines 创始人 Gregory Verdine 近日到访晶泰科技上海职场，围绕 AI+机器人技术在创新药研发中的应用、难成药靶点攻关策略及双方战略合作下一步规划展开交流。
深势科技 DP Technology精选AI 评分5858 让科学智能真正走进消费品研发现场：联合利华与深势科技的AI4S实践
深势科技与联合利华在联合利华中国研发中心成立30周年之际集中展示两项合作研究成果：从8000多种原料中借助AI模型与实验验证筛出3个具良好抗菌活性的候选分子，MIC处于0.01%—0.075%区间，低于同测试中苯氧乙醇的0.36%—0.64%，相关成分将用于联合利华规模达1.7亿欧元的全球创新项目。
推荐理由：两家公司披露抗菌活性物筛选与衣物护理配方模拟两项合作成果，展示了计算筛选进入实际产品研发的路径。
MIT Jameel Clinic · NewsAI 评分1818 芝加哥大学公布2026年Pritzker AI科学研究卓越奖得主：Kristin Persson与Barzilay、Collins团队
芝加哥大学将2026年Pritzker AI科学研究卓越奖授予Kristin Persson，以及Regina Barzilay与James J. Collins组成的团队，各获奖者奖金5万美元。
Insilico Medicine 英矽智能AI 评分2828 英矽智能CEO谈AI与衰老及三期临床
📺 我们的创始人兼CEO做客@FoxBusiness：#AI#、#衰老#，以及三期临床究竟意味着什么 Alex Zhavoronkov博士与Fox Business坐下来谈了英矽智能的现状：管线中有40多个候选药物，其中一款治疗特发性肺纤维化（#IPF#）——一种平均发病年龄65岁的致命肺部疾病——现已进入三期临床试验，即获批前的最后阶段。
Insilico Medicine 英矽智能AI 评分1212 英矽智能：ARDD 2026 长寿生物技术新纪元
ARDD 2026 标志着长寿生物技术的新纪元，前沿 AI、大型制药公司与科学先驱齐聚哈佛 https://firstwordpharma.com/story/8206940
Generate:BiomedicinesAI 评分4040 Generate与Zealand合作开发多特异性蛋白减肥药
Generate:Biomedicines与Zealand Pharma合作开发肥胖症药物，Bloomberg记者报道称该领域竞争正加剧。Generate称其方法为围绕目标生物功能设计蛋白而非筛选现有分子，实验数据会反馈至模型以改进后续设计。报道聚焦于提升疗效、耐受性与便利性的探索，以及多特异性蛋白在单一治疗中干预多种疾病机制的潜力。
英矽智能精选AI 评分5858 Pharma.AI 2026 秋季发布回顾：以专业模型与 AI 智能体重构新药研发
英矽智能在2026年Pharma.AI秋季网络研讨会上发布MMAI Gym科学后训练与评估框架，并展示激酶活性、GPCR活性、ADMET预测、单步逆合成和治疗靶点发现五款专业模型，公司称其在70多项化学与生物学基准任务中达到或超越当前SOTA。
推荐理由：英矽智能一次性披露Pharma.AI秋季多项更新，含专业模型基准表现与逆合成对比数据，可作平台能力横向参照。
英矽智能AI 评分3434 ARDD 2026｜前沿AI、全球药企与科学先驱齐聚哈佛，共探长寿科技新未来
第13届衰老研究与药物开发大会（ARDD）于10月1日至3日在哈佛大学举行，聚焦前沿AI、大规模生物数据与药物创新融合如何重塑长寿科学。FDA官员提出两条长寿疗法审批路径：证明对两到三种年龄相关疾病有效，或采用涵盖认知、虚弱度及视力的复合功能终点。英矽智能在会上介绍了其“虚拟衰老细胞”多智能体模拟框架，并披露Rentosertib在特发性肺纤维化II期高剂量组给药12周后FVC增加98 mL。
TurbineAI 评分2222 Turbine 对话赛诺菲：虚拟细胞何时可信
Turbine 首席科学官 Daniel Veres 与赛诺菲系统与疾病生物学负责人 Giorgio Gaglia 对谈，讨论虚拟细胞模型目前能支撑哪些研发决策、信任与实用性边界在哪里。Gaglia 正实际评估这类模型的可信度，节目另有两期后续。
Valence LabsAI 评分3838 预测结合亲和力：物理还是AI？
要预测结合亲和力，你会选择借鉴物理学的经验还是AI的经验？ 无论你选哪个选项，你都不太可能到达你想去的地方。 来看看Daniel Ramirez的评论文章，他在文中提出了第三种选项，这一选项有潜力比任何单一领域走得更远。 评论文章链接：https://valencelabs.substack.com/p/chasing-the-grail-a-history-of-binding?r=1ttm57&utm_campaign=post&utm_medium=web
Valence Labs 官网资讯精选AI 评分5858 Valence Labs 回顾药物发现中结合亲和力预测的历史
Valence Labs 的 Daniel Ramirez 撰文梳理靶向药物发现中结合亲和力预测的两条路线：基于物理的对接与分子动力学方法可泛化到新靶点和新化学型，但速度慢且需要起始结构；Boltz-2、Nesso-1 等共折叠模型速度快、无需起始结构，却会在训练数据之外无预警失效。
推荐理由：梳理结合亲和力预测从物理模拟到共折叠模型的两条路线，并说明两者互补的融合方向。
OwkinAI 评分2525 Owkin 谈多模态数据与 K Pro 癌症预测
Owkin 称其 AI 科学家 K Pro 通过 MOSAIC 数据集获取每位患者的 6 种模态数据，可预测癌症生物学并建议新的 ADC 候选分子，单模态数据无法做到。
晶泰科技AI 评分3838 从AI预测到干湿闭环：AI for Science 正在跨越临界点
晶泰科技自2021年起自建机器人实验室，已建成超300台机器人实验工站的实验集群，整体实验效率较传统人工模式提升5至8倍。该体系由AI生成候选分子与实验方案，机器人完成合成、筛选与测试，实验数据再反哺模型迭代，形成猜想—验证—迭代闭环。其援引的《AI in Science: Early Insights》报告显示，41%受访科学家积压的待测试假设比三年前更多。
BioAge Labs精选AI 评分5858 BioAge与诺华在ARDD公布Project APEx靶点发现合作首批结果
BioAge与诺华在2026年ARDD会议上公布靶点发现合作Project APEx的首批结果，该合作聚焦运动与衰老。报告内容包括心衰诊断前近二十年的血液分子信号、阿尔茨海默病抗性人群的蛋白特征、区分十年体能保持与衰退者的蛋白，以及合作识别的一个新靶点，其证据覆盖心脏、代谢、肌肉和体能性状。APEx结合BioAge基于数十年纵向分子谱与健康寿命指标构建的发现平台和诺华的运动会生理数据。
推荐理由：BioAge与诺华公开靶点发现合作的首批结果，展示纵向人群分子数据如何指向衰老相关疾病信号。
Isomorphic LabsAI 评分2222 Isomorphic：AI生成设计攻克难成药靶点
此前，85%与人类疾病相关的蛋白质被认为难以成药——它们的形状和功能使其不太适合实验室中的传统化学筛选。从实验筛选转向计算机上的AI生成设计，我们看到这些靶点大幅打开了以原子精度设计分子的潜力，从根本上扩展了我们能够治疗的疾病数量。
RecursionAI 评分2525 Recursion如何用实验验证AI预测靶点
Recursion在平台系列第四部分中说明，其基础模型提出潜在靶点后，会进入逐步加严、针对具体疾病的验证级联，在实验台上对计算发现进行降风险。公司称最终可证明模型预测的生物学与实验室观察到的物理现实一致，并以全球药企合作伙伴内部项目的高标准测试这些靶点。
Valence LabsAI 评分2222 Valence Labs 用 CIP 标签区分分子镜像
正如你的两只手互为镜像，人体内的许多分子也是如此。 但镜像并不相同，它们的差异具有生物学相关性。 这是我们的模型即使带有手性标签也可能悄然未能捕捉到的事实。 于是引入了 CIP 标签。 想了解体内化学物质如何被标记，以便 AI 工具能区分镜像，请看下方 Cristian 的视频。 完整视频：https://youtu.be/0tT-UqhHbpI
RecursionAI 评分2222 Recursion用BioHive-2训练基础模型绘制生物学图谱
Recursion利用全球最快超级计算机之一BioHive-2训练基础模型，为每个已完成的细胞扰动生成独特嵌入指纹，并汇总为一张覆盖高维数据的综合生物学图谱。通过将已知疾病指纹与该图谱比对，可找出产生相似效应的其他基因操作，从而识别驱动或挽救疾病状态的靶点、生成新假设。该流程被其CTO称为“lab-in-the-loop”，即数据训练模型、模型指向靶点。
BioAge LabsAI 评分4444 BioAge与诺华合作挖掘运动相关抗衰老靶点
BioAge与诺华正合作从运动生物学中寻找抗衰老药物靶点，双方在ARDD会议上联合报告了合作进展。BioAge提供纵向人类衰老队列及基于数据的靶点发现平台，诺华提供运动生物学专长，包括人体对训练反应的详细蛋白质组图谱。双方共同识别与心血管代谢健康、身体功能、认知和长寿相关的运动激活通路，并优先推进为药物靶点，两家公司均将把合作发现的靶点推进药物开发。
Isomorphic LabsAI 评分3838 Isomorphic Labs 推出药物设计引擎 IsoDDE
Isomorphic Labs 的药物设计引擎 IsoDDE 可智能搜索庞大化学空间，设计面向真实世界的功能性分子，将过去数月的实验室工作缩短为计算数天完成。其药物设计智能体从生物靶点和目标分子性质等严格设计规范出发，在 2-4 天内自主迭代生成新分子设计，公司称带来真实世界功能性进展。
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。
Isomorphic LabsAI 评分2525 Isomorphic Labs：AI 重塑药物设计
经验方法 → 精心设计的分子 几个世纪以来，我们制造新药的方式不断演进，但现代 AI 代表着迄今最大的飞跃：从资源密集的迭代式设计—制造—测试循环，转向工程化的精准设计。
Valence LabsAI 评分4242 Valence Labs 用 PRDC 评估生成模型
一个生成模型表面上看起来在正常工作，却仍可能无法输出你最关心的疾病相关细胞群或小分子。 幸运的是，我们有技术手段来诊断并纠正这些失败。 在最新一期 Valence at the Whiteboard 中，Liam 讲解了如何使用精确率、召回率、密度和覆盖率（PRDC）来评估生成模型，以发现细微的失败模式并了解如何应对。 完整视频：https://youtu.be/teIoP92Aeow
深势科技 DP TechnologyAI 评分2222 深势科技高志锋在清华大学分享AI4S实践：从分子模型Uni-Mol到材料产线
深势科技AI算法负责人高志锋在清华大学专场以《AI4S：重新理解科学发现》为题，分享团队从分子预训练大模型Uni-Mol到科研智能体SpecXMaster、再到材料产线的三段实践。
Valence LabsAI 评分3838 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 官网资讯精选AI 评分5858 Valence Labs 谈模拟时代如何守住数据可靠性：DFT 与 FEP 的静默失效与自动检查
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。
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。