下一分子整理 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项评测资源
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas，收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由：清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类，便于对照选用。
#ADMET
下一分子精选AI 评分5858
Inductive Bio 官网资讯精选AI 评分6363 Inductive 在 OpenADMET CYP 抑制盲测中夺冠，连续第四次登顶 AI 药物发现基准
Inductive 在 OpenADMET CYP Direct Inhibition 盲测中排名第一，领先来自生物制药、学术与 AI 机构的 270 余名参赛者，NVIDIA 与 Recursion 分列第三、第四。
推荐理由：Inductive 在 OpenADMET CYP 抑制盲测中领先 270 余支队伍，可对照其连续四次登顶的 ADMET 建模路线。
下一分子AI 评分3636 AI制药日报｜2026-11-01
bioRxiv预印本在569个已上市药物上评测35种毒性预测读出，发现没有任何学习表征优于普通指纹，毒性专用工具中仅一种高于随机，且无一能匹敌仅凭批准年份的预测器。作者认为瓶颈在于分子结构作为输入本身的局限，进展或需纳入暴露与代谢信息。
Insilico Medicine 英矽智能精选AI 评分6363 英矽智能发布DDDBench Core：59项药物发现基准与实时榜单
英矽智能发布DDDBench Core，从Foundations的300余项基准中选出59项，覆盖五个药物研发领域，并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一；其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由：英矽智能从300余项基准中筛出59项，覆盖五个药物研发域，并给出通用与专用模型的实时榜单对比。
Insilico Medicine 英矽智能AI 评分4242 英矽智能推出MMAI KINOME激酶预测模型
67 种激酶。你的分子还可能命中什么？🎯 认识 MMAI KINOME，英矽智能专用于预测激酶活性、探索选择性的 AI 模型。 带上你的分子。探索预测结果。免费试用。 👉 https://playground.insilico.com
Insilico Medicine 英矽智能AI 评分4040 英矽智能免费开放MMAI ADMET模型
1个模型。28项关于你分子的预测。🧪 它会被人体吸收吗？可能有毒性吗？作为潜在药物它会有怎样的表现？ 认识MMAI ADMET，我们用于药物发现的SOTA模型家族的一员。🧪 🚀 现已免费开放试用！ 👉 https://playground.insilico.com
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。
Insilico Medicine 英矽智能AI 评分3636 英矽智能免费开放四款药物发现模型
4 款最先进的药物发现模型。免费试用。🧪 有化合物吗？来测试一下。 💊 ADMET。激酶选择性。GPCR 相互作用。合成化学。 你的化合物。实时预测。零成本试用。 👉 https://playground.insilico.com
RecursionAI 评分3838 Recursion 详解其 AI 药物设计平台流程
Recursion 的药物设计高级副总裁 Donovan Chin 介绍，其 AI 原生引擎可在约一天内跑完一轮计算设计循环，将数百万分子快速筛选为可合成的高质量候选短名单。流程先用 Nesso-1 等 3D 结构模型评估结合亲和力，再整合 ADME、效力、模拟与 AI 逆合成等数百个模型，使化学家能探索全新化学空间并预测合成路线。公司称这些分子不仅在计算上有前景，而且在送实验室前即可实际合成。
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
insitro · Publications & Press精选AI 评分7272 insitro 与礼来在 TuneLab 推出体内 PK 预测机器学习模型
insitro 与礼来在 Lilly TuneLab 平台上线体内 PK 预测模型，可跨小鼠、大鼠、狗和猴四种临床前物种预测血浆清除率、稳态分布容积和平均驻留时间。
推荐理由：该模型用礼来历史数据直接预测体内PK，并与体外外推法对比，为小分子成药性评估提供参照。
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。
Inductive Bio 官网资讯精选AI 评分7272 Inductive Bio 发布 Beacon-2，可由化学结构预测小分子人体有效剂量
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 官网资讯精选AI 评分7373 Inductive Bio 发布 Beacon-2 模型，从化学结构直接预测人体有效剂量
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。
深势科技 DP Technology精选AI 评分6060 安科生物与深势科技签署战略合作，聚焦ADC载荷分子设计与成药性优化
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 · 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。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 推出 AI 化学助手 Indy，称可将药物化学家产能翻倍
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 官网资讯精选AI 评分6262 Inductive Bio 推出药化智能体 Indy，称数据质控准确率 89% 高于 Claude 与 GPT
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Valhalla精选AI 评分7474 英灵殿科技发布ADMET-EvO自演化科学智能体，在22项TDC ADMET任务中综合排名第一
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。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 分享 OpenADMET PXR 盲测夺冠方法
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。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 将 ADMET 模型接入 ChatGPT、Claude 与 Benchling
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。
Valence LabsAI 评分2222 Valence Labs 谈生成式AI置信度预测
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。
Inductive Bio 官网资讯精选AI 评分6060 Inductive Bio 在 OpenADMET PXR 盲测挑战中夺冠，为连续第三次获第一
Inductive Bio 在 OpenADMET 的 PXR Blind Challenge 中排名第一，击败来自大型药企、生物技术公司、学术机构和 AI 组织的 350 多名研究者。
推荐理由：Inductive Bio 在 PXR 盲测挑战中夺冠，可与该公司连续三次盲测成绩及 ADMET 建模的真实条件评测对照阅读。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 加入 Anthropic 生命科学生态，通过 Claude 提供 ADMET 预测
Inductive Bio 宣布加入 Anthropic 生命科学生态，并发布 Model Context Protocol（MCP）连接器，让 Claude 和 Claude Science 用户可用自然语言对任意化学结构获取 ADMET 性质预测。
推荐理由：Inductive Bio 把其 ADMET 预测模型接入 Claude，为小分子设计中的性质评估提供了一种对话式调用入口。
Inductive BioAI 评分4242 Inductive Bio加入OASIS联盟，聚焦肝毒性预测
Inductive Bio已加入HESI旗下OASIS联盟，参与评估不同药代动力学方法如何定义药物暴露以用于DILI预测，包括其Beacon-1 ADME模型提供的暴露估计。
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 联合创始人 Layla Hosseini-Gerami：如何用 AI 将失败药物转化为新药
Ignota Labs 联合创始人 Layla Hosseini-Gerami 在 Nature 访谈中介绍其 AI 驱动平台：先从数千个失败药物中筛出因意外安全性问题（如肝毒性）而搁置、但患者潜力大的候选，再用深度学习结合生物信息学、化学信息学和多模态数据定位安全性问题根因并制定缓解策略。核心目标是以最小化学改动让这些药物尽快重回临床。
Ginkgo Datapoints · UpdatesAI 评分5858 Ginkgo Datapoints、Tangible Scientific 与 Inductive Bio 联合推出 ADME-One
Ginkgo Datapoints、Tangible Scientific 与 Inductive Bio 联合推出 ADME-One，将完整的高通量 Tier 1 ADME 实验面板与 AI 驱动的人体 PK 预测及整合式化合物管理结合。三家机构称，该组合让团队可在命中化合物识别阶段就做出达到先导优化质量的决策。
Inductive Bio 官网资讯精选AI 评分6060 Ginkgo Datapoints、Tangible Scientific与Inductive Bio推出高通量ADME平台ADME-One
Ginkgo Bioworks旗下Datapoints与Tangible Scientific、Inductive Bio联合推出高通量ADME平台ADME-One，将五项Tier 1 ADME检测、Inductive Bio的AI人体PK预测和化合物管理整合为一项服务。
推荐理由：三家合作方把高通量ADME实验、AI人体PK预测与化合物管理打包成一体化服务，展示AI与湿实验衔接的一种落地形态。
Lantern PharmaAI 评分4040 Lantern将predictBBB升级为LQM
$LTRN 将 http://predictBBB.ai 升级为大型定量模型（LQM） ✓ 仅凭单个SMILES即可进行360°分子分析 ✓ 数秒内获得99+项特征 ✓ 网页原生、实时分子智能 ✓ 已集成至 @withzeta.ai 阅读更多：https://bit.ly/4tGcVc7
Ignota Labs 官网资讯AI 评分4141 Ignota Labs 入选 AI for Science Datasets RFP 十大获胜者，将构建激酶药物毒性数据集
Ignota Labs 入选 AI for Science Datasets RFP 十大获胜者，其提案是构建数据集以加深对药物毒性根源及缓解方式的理解。该公司与 Arctoris 合作，针对一批存在显著选择性挑战的癌症相关激酶，绘制分子结构微小改动引发行为显著变化、常导致意外副作用的化学边界，并称这是首个此类资源。
1910 Genetics精选AI 评分6363 1910 Genetics在J. Med. Chem.发表PEGASUS：用大规模并行生物实验数据构建AI模型解析细胞穿透环肽极性
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。
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。
Ignota Labs 官网资讯AI 评分2020 Ignota Labs 入选 Labiotech.eu 2026 年值得关注的 18 家英国生物科技初创企业
Ignota Labs 入选 Labiotech.eu 的“2026 年值得关注的 18 家英国生物科技初创企业”名单。该公司用结合先进机器学习模型与多模态数据的 AI 平台解析毒性机制，为失败药物提供解决毒性成因、优化给药方案和临床重定位的可执行洞察，推动其尽快重返临床。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
Ignota Labs 官网资讯AI 评分2222 长寿医学面临的最大挑战：长期安全性
Ignota Labs 指出，长寿疗法的核心瓶颈不是找到可调控通路，而是确认其能否长期安全使用。此类疗法靶向核心细胞过程、面向慢性或终身使用且可能用于无症状人群，标准安全上限不足，累积毒性和情境依赖性风险需在发现早期就纳入评估。该公司正构建毒理学模型，将毒理学与计算建模结合以支持更安全药物的开发。
Ignota Labs 官网资讯AI 评分2222 老药新用：AI 助力挽救失败药物
Jordan Lane 与 Layla Hosseini-Gerami 在 ELRIG Drug Discovery 2025 上介绍用 AI 揭示药物毒性隐藏机制、挽救已显示潜力却在临床试验中因脱靶效应失败的分子。他们称这与业内多数用 AI 往研发管线里塞入更多药物的做法不同，重点是在药物掉出管线时将其救回，以期缩短开发周期、降低临床风险并减少碳排放。
Cellarity精选AI 评分7171 Cellarity在Nature Communications发表药物性肝损伤预测框架ToxPredictor
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。
Ignota Labs 官网资讯AI 评分2828 Ignota Labs 在 ELRIG Drug Discovery 2025 谈用 SAFEPATH 复活废弃候选药物
Ignota Labs 首席科学官 Jordan Lane 在 ELRIG Drug Discovery 2025 介绍其 AI 驱动的 SAFEPATH 平台，通过识别毒性机制并指导理性重设计来复活已放弃的候选药物。
Ignota Labs 官网资讯AI 评分3232 Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会分享小分子药物毒理学 AI 应用最佳实践
Ignota Labs 的 Layla Hosseini-Gerami 在 Gordon Research Conferences 研讨会介绍了小分子药物毒理学中应用 AI 的最佳实践，涵盖如何选择合适训练数据集、复杂模型与简单模型的取舍，以及结合预期用途正确评估模型。
Ignota Labs 官网资讯AI 评分2828 修复失败药物：AI 应对药物发现中的毒性问题（第二部分）
Drug Target Review 刊发 Raminderpal Singh 博士与 Layla Hosseini-Gerami 博士对话的第二部分，讨论组学和细胞绘画等 AI 工具如何改变临床前研究中的毒性早期预测。