Isomorphic Labs 两场智能体AI研讨会
欢迎参加我们的研讨会: 面向生物发现的智能体AI:AgenticLS 悉尼 | 12月11日 | Eli M Carrami https://agenticls.github.io/schedule.html ML4Molecules:面向分子科学的智能体系统 巴黎 | 12月13日 | Michael Schaarschmidt https://moleculediscovery.github.io/workshop2026/
欢迎参加我们的研讨会: 面向生物发现的智能体AI:AgenticLS 悉尼 | 12月11日 | Eli M Carrami https://agenticls.github.io/schedule.html ML4Molecules:面向分子科学的智能体系统 巴黎 | 12月13日 | Michael Schaarschmidt https://moleculediscovery.github.io/workshop2026/
研究团队用肽条形码、尺寸排阻色谱与质谱结合的混合方法,在大肠杆菌统一生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。AtomLM-9b以全原子结构分词器将生物分子几何压缩为离散结构token,在CASP14和CASP15上全原子lDDT分别为0.832和0.835。单细胞基础模型基准评测显示,五种模型在跨物种注释与扰动预测上优于简单基线,但同物种内优势有限。
本期日报收录谷歌DeepMind的Antigravity化学信息学技能演示,智能体可整理文献与分子数据、调用化学工具分析并协助提出待验证设计方案,官方称部分原需多天的工作可在约一小时内完成,但设计结果仍须实验验证。
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。
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口,再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由:预印本把靶点裁成表位局部窗口以降低结合剂设计算力,并给出截短重折叠与完整靶点的一致性对照。
Google 发布智能体科研工作台 Google Antigravity,并用它从 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染病原体有活性的新型抗菌肽候选,该先导物正在接受湿实验验证。
推荐理由:展示智能体工作台如何把跨库检索、功能注释与结构查看串成一次会话,为抗菌肽早期发现提供可迁移流程。
Google DeepMind 发布 Gemini 4 Argon,通过 API、AI Studio、Gemini 平台及 Antigravity 等入口向开发者、企业和科研人员开放,输入定价为每百万 token 2 美元、输出为每百万 token 10 美元。
推荐理由:Gemini 4 Argon 在数小时内完成丝氨酸酯酶设计,并经实验室测试确认催化活性,为通用模型参与酶工程提供了具体案例。
今天,Isomorphic Labs 作为创始成员加入虚拟生物学计划(VBI)。 我们正在帮助为全球研究界构建一个开放资源,以加速我们对疾病的理解和治疗。 在此了解更多:https://www.isomorphiclabs.com/articles/isomorphic-labs-joins-the-virtual-biology-initiative
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。
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。
Google DeepMind 推出面向合成生物学的 SynthID Bio 水印方法,可在蛋白序列和 AlphaFold 3 预测的 3D 结构中嵌入可检测签名,并在实验室测试中保持生物功能。
推荐理由:介绍一种嵌入蛋白序列与预测结构的可验证水印方法,并给出湿实验与检测稳健性证据。
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。
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作,在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构,优先覆盖已知感染人类的病毒科。
推荐理由:AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构,为疫苗与诊断靶点研究提供开放基础数据。
Isomorphic Labs 推出药物设计引擎 IsoDDE,称其可覆盖从小分子到复杂生物药的多模态药物空间。推文以保守估计的小分子化学搜索空间约 10^60 作对比,称可观测宇宙恒星数量仅约 10^22 至 10^24。公司称该引擎使其具备在这一空间中导航的能力,但未披露具体方法、验证结果或实验数据。
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。
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。