FutureHouse在Nature发表Robin多智能体系统，用于干性年龄相关性黄斑变性药物重定位
FutureHouse在Nature发表其首篇论文，介绍多智能体系统Robin，该系统将新假设生成与实验数据分析整合进同一连续工作流。研究团队将Robin用于干性年龄相关性黄斑变性，由其提出药物重定位假设并在实验室验证，包括在原代人视网膜色素上皮（RPE）干细胞中验证。
推荐理由：该工作展示多智能体系统从假设生成到湿实验验证的完整链路，为AI驱动发现提供可参照案例。
#论文/预印本
FutureHouse精选AI 评分7474
Mol.AIAI 评分4747 硬核重现！从100万晶体结构到毒性预测，这个化学"基础模型"有多强？
基于剑桥大学Emma King-Smith用约100万个CCDC有机晶体结构预训练的MPNN化学基础模型，本次重现将其迁移至TDC急性毒性数据集，在1,477个测试分子上取得MAE 0.5277，与论文参考值0.52几乎一致。模型已部署为在线应用，输入SMILES即可预测log LD50，但训练数据仅含口服LD50，未涵盖代谢活化、物种差异与慢性毒性，分布外分子可靠性下降。
AI4Protein精选AI 评分6767 清华与字节团队AnewOmni：跨尺度统一分子生成模型
字节AI制药团队与清华AIR团队开发统一分子生成模型AnewOmni，可设计小分子、多肽和纳米抗体，训练数据超过500万个生物分子复合物。模型支持可编程图提示，可施加化学约束、拓扑约束与几何转向，并生成非天然氨基酸、手性分子、共价结合等非标准化学结构。
推荐理由：介绍统一分子生成模型在KRAS G12D与PCSK9上的跨模态设计结果，可作为多模态药物设计的参照。
Eikon Therapeutics 官网资讯AI 评分3838 单分子追踪加速优化：发现强效 RUVBL1/2 抑制剂以评估 MYC 驱动癌症靶向治疗
研究团队通过单分子追踪（SMT）驱动的构效关系优化，发现强效 RUVBL1/2 抑制剂化合物 18。活细胞高通量 RUVBL SMT assay 的效力测定与细胞活力和 MYC 降解强相关，而 ADP-Glo 生化 assay 在其实验条件下动态范围有限、重现性差。化合物 18 在 MYC 依赖性 Burkitt 淋巴瘤异种移植模型中，以显著低于 CB-6644 的剂量显示出更优疗效。
David Mobley精选AI 评分6262 SepTop方法用于片段连接与跃迁的相对结合自由能计算并发表论文
David Mobley团队发表论文，测试其SepTop方法在片段连接、拼接与跃迁场景下的相对结合自由能计算，作者称效果相当好。论文发表于J. Chem. Inf. Model.，链接为https://pubs.acs.org/doi/10.1021/acs.jcim.5c03091。
推荐理由：作者团队测试SepTop在片段连接与跃迁的相对结合自由能计算，为片段生长策略提供方法参照。
HouMed精选AI 评分7373 LaMGen：基于大语言模型的多靶点3D分子生成框架发表于Nature Communications
浙江大学康玉、侯廷军团队联合澳门理工大学刘焕香团队在Nature Communications发表LaMGen，一个仅输入靶蛋白氨基酸序列即可生成3D活性分子的多靶点药物设计框架。
推荐理由：研究用LLM从蛋白序列直接生成多靶点3D分子，并在分布外靶点对上与DualDiff比较。
Mol.AI精选AI 评分6363 浙江大学团队在Nature Communications发表CycloPepper，用机器学习预测环肽环化位点并上线在线工具
浙江大学李承熙团队在《Nature Communications》发表CycloPepper，用机器学习预测治疗性环肽的环化结果并优化合成。研究基于全自动环肽合成平台CycloBot构建306个环肽数据集，采用SVC模型结合One-hot编码、氨基酸组成、二肽组成及16维理化特征，交叉验证准确率84%，实验验证一致性86%。
推荐理由：该研究用自动化合成数据训练环化位点预测模型，为环肽合成路线选择提供了可复用的在线工具。
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。
Jason Yim精选AI 评分7474 DISCO：序列-结构联合扩散模型设计C(sp³)–H插入酶
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
Jason Yim精选AI 评分8383 字节跳动发布 Protenix-v2 生物分子建模系统，支持结构预测与零样本抗体设计
字节跳动发布 Protenix-v2 生物分子建模系统，用于结构预测与零样本抗体设计。据引用介绍，其在抗体-抗原结构预测上较 Protenix-v1 在 DockQ>0.23 指标最高提升 13 点，5 个种子的表现超过此前 1000 个种子的结果；零样本 VHH 设计在受控靶点上达到 100% 靶点级成功率，BLI 确认的命中率为 2%–48%，命中物热稳定性、自相互作用和多反应性通过率分别为 100%、98% 和 93%。在暴露表位小而灵活的 GPCR 靶点上，VHH-Fc 格式命中率为 16%–88%，mAb 格式最高 50%，每个靶点仅测试 16–30 个设计。代码与论文见 github.com/bytedance/Protenix。
推荐理由：Protenix-v2 在抗体-抗原结构预测与零样本 VHH 设计上给出多项指标，并附 BLI 验证的命中率与可开发性数据。
Emma LundbergAI 评分4848 ProtiCelli 生成模型可视化细胞内蛋白
一次性看到单个人类细胞内约13,000种蛋白质会是什么样？ 我们分享 ProtiCelli——一个让这成为可能的生成模型。除了基准测试，我们还展示了它在许多任务中的实用性。 预印本：https://bit.ly/3NY175q 一个线程 🧵👇
Philippe Schwaller精选AI 评分5858 多机构合作发布通用科研智能体 SAGA，可自我演化目标并完成湿实验验证
多机构合作发布通用科研智能体 SAGA（Scientific Autonomous Goal-evolving Agents），其特点是不仅优化固定目标，还会像人类研究者一样自行细化目标。该工作在化学、生物学与材料科学中设置五项发现任务，并包含湿实验验证，示例任务包括从头纳米抗体设计与永磁材料。作者 Philippe Schwaller 转发并称其为一项大规模多机构合作成果。
推荐理由：SAGA 把目标自我演化引入通用科研智能体，并在化学、生物与材料任务上做湿实验验证，可供比较智能体自主性设计。
Mol.AIAI 评分2828 AI + 药物发现：从FDA已上市药物中虚拟筛选c-Abl激酶抗癌候选
一项计算模拟研究用AutoDock Vina将FDA已上市的前500个药物对接至c-Abl激酶（1IEP）活性口袋，筛出13个结合能低于-12.0 kcal/mol的分子。
Yang Zhang LabAI 评分3838 当 AI 遇见物理：D-I-TASSER 解锁复杂蛋白质结构以加速生物医学突破
张阳团队开发的 D-I-TASSER 利用深度学习从氨基酸序列预测蛋白质三维构象，以攻克复杂蛋白质结构。该工具将 AI 与物理方法结合，相关结构模型已由计算预测给出。
Proxima精选AI 评分6060 Proxima 与 NVIDIA 合作发布预印本：用 Fold-CP 多 GPU 预测大型蛋白复合物结构
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
David MobleyAI 评分4343 OMSF与开源软件在计算化学中的作用
我们关于OMSF以及开源软件在计算化学中日益增长的作用的Perspective文章已在JCIM发表！https://dx.doi.org/10.1021/acs.jcim.5c03137 （讽刺的是，由于ACS的政策，这篇文章并非开放获取，但你可以在chemRxiv上免费阅读完整版本。https://chemrxiv.org/doi/full/10.26434/chemrxiv-2026-6n5lz/v2 ）
David Mobley精选AI 评分5858 David Mobley团队发布预印本：结合机器学习与物理方法数据驱动预测配体效力
David Mobley团队发布新预印本，提出将机器学习与基于物理的方法结合，以数据驱动方式估计配体效力。其思路是当模型对特定靶点足够准确后，由机器学习模型接管预测。预印本全文见 chemrxiv.org/doi/pdf/10.26434/chemrxiv.15000463/v1。
推荐理由：作者团队提出按靶点精度切换机器学习与物理方法的配体效力预测流程，为混合计算策略提供可参考设计。
Punit Kumar Jha精选AI 评分6969 SandboxAQ研究用合成数据改进蛋白-配体结合亲和力预测
SandboxAQ在预印本中分析合成结构数据如何增强深度学习蛋白-配体结合亲和力预测，生成约8万次绝对自由能扰动（AFEP）计算并构建SAIR-FEP与SAIR-OOD两个数据集。研究发现基于结构的模型对输入结构质量高度敏感，从Boltz-1x筛选高置信度共折叠复合物可带来可预测的性能提升，而盲目加入低质量结构会使指标饱和。合成与实验数据联合训练在CASF 2016上使RMSE最多降低8%、相关性指标提升9-11%，且仅在使用高质量合成结构时重现神经缩放规律。
推荐理由：研究用约8万次AFEP计算构建合成数据集，比较合成与实验数据联合训练对亲和力预测的影响。
LabGenius Therapeutics · News精选AI 评分5858 LabGenius 发表 3in1 噬菌体展示筛选法，一天完成全部筛选轮次
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。
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。
PrecisionLife 官网资讯精选AI 评分5858 PrecisionLife与Ovation公布GLP-1疗效遗传标志物首阶段结果并扩至2.5万患者
PrecisionLife与Ovation公布合作首阶段结果，称基于4,600名患者数据识别出2,500余个与GLP-1受体激动剂疗效相关的遗传特征，映射到1,100个基因和15个主要机制，并称疗效标志物在100%患者中被识别。
推荐理由：该合作披露了基于真实世界组学数据识别GLP-1疗效遗传标志物的首阶段结果与扩样计划，可作为药物响应分层商业化的参照。
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。
David Mobley精选AI 评分5858 David Mobley 团队发布预印本：用扭转态跃迁计数检测蛋白-配体模拟采样问题
David Mobley 团队发布新预印本，介绍一种用于发现蛋白-配体复合物常见模拟中采样问题的简单分析工具，其做法是统计扭转态之间的跃迁次数。作者称该方法简单但出乎意料地有用，预印本已发布于 ChemRxiv。
推荐理由：作者发布预印本，介绍一种通过统计扭转态跃迁来识别蛋白-配体复合物模拟采样问题的简单分析工具。
insitro · Publications & Press精选AI 评分7272 insitro 用 AI 从 MRI 推导棕色脂肪表型并完成首个 BAT 全基因组关联分析
insitro 在 Keystone Symposia 肥胖治疗会议上报告，基于 UK Biobank 影像队列（n=69,598）的 Dixon MRI 脂肪信号分数图构建 AI 推导的棕色脂肪（BAT）表型，并完成首个 BAT 全基因组关联分析，识别 81 个独立遗传位点、精细定位到 45 个基因。
David Mobley精选AI 评分6060 OpenFF 发布新力场与更快电荷模型预印本
OpenFF 团队发布新力场和速度更快的电荷模型预印本，论文链接见 chemrxiv。作者未在推文中披露力场版本、电荷模型方法及精度或速度的具体数据。
推荐理由：OpenFF 团队发布新力场与更快电荷模型的预印本，为分子模拟中电荷参数化的效率取舍提供参考。
David MobleyAI 评分4040 开源软件在分子建模中的作用新预印本
我们发布了一篇新预印本，探讨开源软件在分子建模中日益增长的作用！https://chemrxiv.org/engage/chemrxiv/article-details/69430a5e6e8e74030e0d7239 #compchem
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。
Jeff Ruffolo精选AI 评分6767 Profluent 发布蛋白质序列编码器模型 Profluent-E1
Profluent 公开其内部蛋白质序列编码器模型 Profluent-E1，称 E1 系列可作为现有蛋白质建模与设计工作流的直接替换组件以升级流程。作者同时给出 bioRxiv 预印本链接（10.1101/2025.11.12.688125v1），推文未披露具体评测结果与权重开放情况。
推荐理由：Profluent 公开其内部蛋白质序列编码器 E1，并给出可替换现有建模与设计流程的定位，便于对照其预印本方法。
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。
Numerion Labs精选AI 评分6868 Numerion Labs 与 NVIDIA 发布 APEX 协议，30 秒内筛选百亿虚拟化合物
Numerion Labs（原 Atomwise）与 NVIDIA 专家合作在 arXiv 发布论文，提出 APEX（近似但穷举搜索）计算协议，可在单块 NVIDIA GPU 上于 30 秒内从 100 亿化合物的组合合成库中检索出评分最高的 100 万个候选分子。
推荐理由：该协议把十亿级组合库的穷举式筛选压缩到秒级，为超大化学空间检索提供了可复用的方法与基准。
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。
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。
药渡CyberAI 评分3333 药渡Cyber解析一种具有强大体内抗MASH活性的高效选择性肝脏靶向HSD17B13抑制剂的发现
广东药科大学研究团队经多参数优化发现强效选择性HSD17B13抑制剂化合物32（IC50=2.5 nM），其肝微粒体稳定性和药代动力学特征优于BI-3231并具肝脏靶向性。
药渡CyberAI 评分3333 药渡Cyber解析新型高选择性IIb型c-Met激酶抑制剂KIN-8741的发现
研究以优化亲脂效率为目标，通过基于结构的药物设计发现高选择性IIb型c-Met抑制剂KIN-8741，对D1228X、Y1230X等获得性耐药突变及L1195X/F1200X后口袋突变具广谱抑制活性。
药渡CyberAI 评分3636 药渡Cyber解析口服选择性PLK4抑制剂RP-1664的发现
Repare Therapeutics研究团队通过基于结构的药物设计优化，从Centrinone B出发获得口服选择性PLK4抑制剂RP-1664，在临床前展现优异效力、激酶组选择性及药代动力学特征。
A-Alpha Bio 官网资讯AI 评分2626 A-Alpha Bio 在 PEGS 2025 展示海报：通过平台整合快速工程化双特异性抗体
A-Alpha Bio 在 2025 年 Protein & Antibody Engineering Summit（PEGS）展示海报，主题为通过平台整合快速工程化双特异性抗体。原文仅提供海报展示信息与打开链接，未披露具体方法、实验数据或结果。
Ignota Labs 官网资讯精选AI 评分6060 Chemical Research in Toxicology 发表基于化学结构的机器学习毒性预测框架
Chemical Research in Toxicology 于5月2日发表《Machine Learning for Toxicity Prediction Using Chemical Structures。
推荐理由：33位产学研作者联合提出毒性预测框架，并给出与FDA人相关药物开发目标衔接的落地路径。
A-Alpha Bio 官网资讯AI 评分4242 A-Alpha Bio 海报：用结构域特异性深度学习亲和力预测模型 AlphaBind 加速抗体优化
A-Alpha Bio 在 2025 Festival of Biologics 会议展示海报，介绍结构域特异性深度学习亲和力预测模型 AlphaBind 用于加速抗体优化。原文仅提供海报入口，未披露模型性能数据或实验结果。
Eikon Therapeutics 官网资讯精选AI 评分5858 Eikon Therapeutics 在 Nature Methods 发表斜线扫描（OLS）技术论文
Eikon Therapeutics 在 Nature Methods 发表论文，介绍其斜线扫描（OLS）技术，该技术可与公司单分子追踪（SMT）平台结合，在活细胞中以最高每秒 14 平方微米的速度评估蛋白运动。
推荐理由：Eikon 在 Nature Methods 披露 OLS 与单分子追踪平台的技术细节，为高通量蛋白动态测量提供方法参照。
Ignota Labs 官网资讯AI 评分4242 Ignota Labs 文章登上 Digital Discovery：预测毒理学如何克服障碍并塑造未来
Ignota Labs 称其文章获 Digital Discovery 刊载，Masarone、Beckwith、Lane、Hosseini-Gerami 等人综述了药物发现中的毒理学预测，涵盖多种建模技术与器官芯片等新型数据源。