Citrini Research公开讲述与Anthropic合作、用Claude设计蝎毒结合蛋白的经历，20万美元预算推进到体外研究材料包阶段。其送测的211个设计中有17个符合研究结合标准，覆盖五种毒素中的四种，但未实现多毒素达标结合，也未验证毒素中和或动物保护。披露的计算支出为49,997美元，两家实验服务商账单合计接近15万美元，随后约两个月主要用于等待实验周转。
推荐理由：文章拆解Citrini用Claude设计蝎毒结合蛋白的支出、人员与实验周转，区分计算预测与湿实验证据。
OpenAI于当地时间10月20日宣布收购药物研发项目协调软件公司Orchestra Bio，将其团队和技术并入生命科学产品线Rosalind，双方未披露交易金额。
推荐理由：以OpenAI收购Orchestra Bio为切口，横向比较几家头部AI公司在生命科学的不同下注方式。
西湖大学等机构在Nature发表Pinal，一个160亿参数的基础模型，可直接从自然语言功能描述生成候选蛋白质。模型在17亿合成蛋白质-文本对上训练，采用文本到结构再生成序列的两阶段框架，在荧光蛋白、PET水解酶、醇脱氢酶和代谢H蛋白四个任务中均实验观察到预期功能。其中设计的pinalH02在多酶CO₂固定通路中甘氨酸滴度达11.1 mM，比天然大肠杆菌H蛋白高1.7倍，且无需迭代实验优化。
推荐理由：该研究用两阶段文本到结构再到序列的框架，把自然语言功能描述直接转成可实验验证的蛋白质，并给出四个任务的湿实验证据。
深圳理工大学合成生物学院王晓瑞课题组公开招聘科研助理教授1名、博士后2名、科研助理1名，研究方向为人工智能辅助合成规划、酶催化预测与智能酶设计及专业化科研智能体。申请者需具备人工智能、化学信息学、计算化学、生物信息学、药学或合成生物学等相关背景，博士后原则上取得博士学位不超过3年、年龄不超过35周岁。
瑞士眼科专科公司 Alcon 以 5.5 亿美元首付款收购 Neurotech Pharmaceuticals，并可能在后续支付额外款项。Tezspire 在最新一项 III 期试验中取得积极结果。
Endpoints News 的旗舰 AI 活动 AI Day 给出五大要点，涵盖智能体、AI 垃圾内容与生物安全。该活动由 Endpoints News 于 2024 年发起，原因是当时生物制药会议对 AI 的讨论仅停留在表面。
南京医科大学赵杨、陆茵团队在Advanced Science发表研究，证实内皮细胞MEKK3启动脑海绵状血管畸形（CCMs）病灶形成，小胶质细胞MEKK3则通过MEKK3–NF-κB通路加剧病灶晚期进展。借助AI辅助药物设计与结构优化，团队获得强效MEKK3抑制剂DPDH，可恢复血管屏障完整性并抑制小胶质细胞活化及对受损内皮的吞噬。研究据此提出DPDH作为CCMs候选药物的潜力。
Anthropic 公布一项生物学研究，Claude 在约 64 小时、约 1 万 GPU 小时内自主调用 12 种蛋白设计工具，针对 Cn2、Ts1、AaH I、AaH II、LqhIII 五种蝎毒神经毒素生成 318484 个微型结合蛋白设计，并完成超过 55 万组蛋白—毒素结构预测。
生物AI公司Radical Numerics于10月20日发布新一代生物学AI模型Omnii-1，研究人员用其设计的噬菌体已通过同情用药途径给予一名耐药细菌感染患者，公司称这是全球首例用于人体治疗的AI设计噬菌体。
推荐理由：报道梳理了Omnii-1的多模态预训练思路与AI设计噬菌体同情用药案例，并明确临床效果未披露。
NewLimit 在 2026 夏季进展中称，其首个重编程药物候选（LNP-RNA 递送重编程因子 RNA 至肝细胞）已完成放大生产工艺，单批产量超过 2025 年全年总和，制造规模较年初提升 314 倍、部分质量指标提升 13 倍，并在最相关非临床模型中观察到肝脏递送。
推荐理由：NewLimit 披露首个重编程药物候选的放大生产、动物递送与监管沟通进展，并给出载荷筛选与细胞年龄预测模型的具体提升幅度。
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。
今天在GTC上，我们很高兴宣布与百时美施贵宝（Bristol Myers Squibb）达成合作，将最新的Boltz模型引入BMS的药物发现工作流程。@bmsnews @boltz_bio 🚀🧵
OpenAI 宣布收购成立于 2022 年的 AI 生物制药公司 Orchestra Bio，并将其团队与技术融入面向生命科学的 Rosalind 模型与工具，CTO Andy Xu 毕业于北京大学。
推荐理由：OpenAI 收购 Orchestra Bio 并并入 Rosalind，与 Anthropic 同期生物学进展形成对照，呈现两家 AI 公司向生命科学延伸的不同路径。
UW 蛋白质设计研究所（IPD）与 NVIDIA 联合发布开源蛋白设计模型 RFD4-Proteina，已接入 NVIDIA BioNeMo。据 NVIDIA 介绍，该模型在 200 个残基长度下生成速度比 RFdiffusion3 快 13 倍，在 12 项以上蛋白设计任务上达到当前最优，并支持自定义设计输入与在难题上使用测试时计算。官方提供结合剂设计教程与项目主页 rfd4-proteina.org。
推荐理由：IPD 与 NVIDIA 联合发布开源蛋白设计模型，给出相对 RFdiffusion3 的生成速度与任务覆盖对比。
NVIDIA 与华盛顿大学医学院蛋白设计研究所发布开放模型 RFD4-Proteina，将可编程蛋白设计与搜索能力结合，可按分子输入、约束和评分目标生成并优化蛋白设计。
推荐理由：该开放模型把可编程蛋白设计与搜索结合，并在四类基准上报告了相对基线的设计成功率与吞吐表现。
@carterra_bio 推进实验室在环药物发现 https://www.ddw-online.com/carterra-advances-lab-in-the-loop-drug-discovery-44367-202610/ 关注DDW；面向全球科学界的商业洞察 #DrugDiscovery
牛津蛋白信息学小组博客解读Leash Bio两位联合创始人的预印本，作者用Bemis-Murcko骨架划分训练模型，仅凭分子结构识别1,815位药物化学家中的作者，top 5准确率60%、top 1准确率27%。
推荐理由：文章解读一项预印本发现，化学家风格信号可能混淆公开基准上的活性预测，并指出作者预测任务的评估局限。
认识研究者：David Adler 教授 https://www.ddw-online.com/meet-the-researcher-professor-david-adler-44331-202610/ 关注 DDW；面向全球科学界的商业洞察 #DrugDiscovery
Frank Noé 表示，微软研究院 AI for Science 的生物分子结构、动力学与功能基础模型 BioEmu2 已可在 Tamarind Bio 平台使用。该模型以开放权重、MIT 许可发布，代码托管于 GitHub；引用内容展示了 BioEmu2 模拟无序肽 PUMA 与 MCL-1 受体结合的示例。
推荐理由：BioEmu2 开放权重并上线第三方平台，为关注生物分子结构与动力学生成模型的人提供可访问入口。
这些共折叠模型最有趣的特点之一，就是1个接触对结构预测精度的帮助有多大——我在开发这些模型时反复看到这一结果
OpenAI宣布收购AI药物研发管理平台Orchestra Bio，交易金额未披露，其团队与技术将整合进生命科学AI平台Rosalind。Orchestra Bio成立于约四年前，其AI智能体面向生物技术与制药企业，覆盖药物发现、临床前研究、生产制造和临床开发环节的进度跟踪、任务协调与风险识别。
推荐理由：OpenAI收购研发管理平台而非分子设计公司，显示AI制药竞争正从单点工具转向研发流程整合。
该文汇总了David Baker团队已发表的六项靶向无序序列或无序蛋白（IDPs/IDRs）的从头蛋白质设计工作，并逐篇解读设计策略与实验结果。其中Logos法在43个靶点中39个获得结合物（90.7%），RFdiffusion扩散方法在7个IDP/IDR靶点上均获3–100 nM亲和力结合物，最新MYC结合物在多种肿瘤模型中抑癌效果优于Omomyc。
英矽智能在ESMO 2026官网公布了口服泛TEAD抑制剂ISM6331针对间皮瘤及其他晚期实体瘤的1期首次人体试验摘要，详细及更新数据将于10月25日简短口头报告环节公布。
Anthropic 公布一项生物学研究，Claude 在 64 小时计算设计阶段生成 318484 种针对 5 种蝎毒神经毒素的微型结合蛋白设计，筛选出 211 个候选交由 Adaptyv Bio 和 Twist Bioscience 实验验证，最终 17 个达到预设结合标准。
华盛顿大学David Baker团队在预印本中提出Chaperone，一个将RFdiffusion3与ProteinMPNN、AlphaFold3等50多种蛋白质设计工具集成到统一DataFrame接口的轻量级智能体框架。
北京大学团队提出 CheMoDesign，以修饰基团或非天然氨基酸为设计起点，基于预训练全原子结构模型 Boltz-2 生成蛋白结合界面，并在凝血酶、HER2、IL-7Rα、Trop-2、CA IX 和 PD-L1 等靶标上测试。
推荐理由：该预印本把非天然化学基团作为设计起点，并用配对替换与酶活实验检验其是否真正参与结合。
华盛顿大学 David Baker 领导的蛋白质设计研究所（IPD）在 Nature 发表两篇论文，用 AI 程序生成新型蛋白酶，分别设计出金属蛋白酶（DOI: 10.1038/s41586-026-11167-2）和半胱氨酸蛋白酶（DOI: 10.1038/s41586-026-11143-w）。
DelveInsight 评选出 ESMO 2026 五大值得关注的首创药物项目。我们的 AI 设计泛 TEAD 抑制剂 ISM6331 位列其中，正处于针对间皮瘤和晚期实体瘤的 I 期临床阶段。马德里，10 月 23-27 日。 https://www.delveinsight.com/esmo-conference-2026/article/5-first-in-class-therapies-to-look-out-for-at-esmo-2026
我对@TwistBioscience团队感激不尽！Claude是分子设计的重大加速器和赋能者，但直到在实验室看到结果，这一切才有意义。这些蝎毒素非常难处理，Twist团队完成了一项漂亮的Cn2竞争实验，让我们对结果有了更大的信心🦂
Anthropic 公布内部研究模型 Claude 在 Claude Science 上针对五种蝎神经毒素从头设计 minibinder 的技术报告，约 64 小时内生成 318,484 个设计，最终 211 条送 Adaptyv Bio 与 Twist Bioscience 用 SPR 湿实验验证，按双实验室硬标准 17 条达标。
@BigHatBio 重返 X！
“如果我们能构建模块化催化剂，合成多样化的自然中不存在的新产物、条件响应型疗法、能量转换机器和信息处理网络……并具备超越进化所探索的可编程行为，那会怎样？” 蛋白质设计综述！
Rowan 发布若干更新以提升 FEP 计算精度，并推出新的配体参数化方法 Mango。作者称 Mango 在标准 8 体系 FEP+ 基准集上降低了能量误差，并提高了排序相关性指标。
推荐理由：Rowan 更新 FEP 计算流程并引入 Mango 配体参数化方法，给出其在标准 8 体系基准上的误差与排序相关性变化。
罗氏与翰森制药启动第二项癌症ADC合作，潜在总额超150亿美元，将开发两个翰森临床前ADC项目及多个基于罗氏靶点的ADC项目，适应症与靶点未披露。此前罗氏获翰森HS-20110（抗CDH17抗体偶联TOPOi载荷）除中国内地、香港、澳门和台湾外的全球独家许可，首付款8000万美元、潜在里程碑最高14.5亿美元并另付销售提成。消息公布后翰森港股两日涨近10%，罗氏两类股票同期各涨约3%。
微软研究院 AI for Science 团队于 2026 年 10 月 20 日公开预览 BioEmu2，定位为同时覆盖结构、动力学与功能相关构象行为的生物分子基础模型，权重与代码以 MIT 协议开源。
推荐理由：微软公开预览 BioEmu2，把平衡系综采样与时间传播并入同一模型接口，并给出可复用的开源权重。
Recursion在平台系列第7篇中介绍其自动化化学平台：候选分子在计算机设计后直接进入自动化DMTL实验室，可规模化执行多步药物化学合成，并自动完成后处理、纯化与数字化样品追踪。其自研AI智能体还协助科学家规划高效合成路线；公司称因设计、合成、测试在同一集成系统内完成，消除了团队间数据交接的摩擦与时间损耗。
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
辉瑞终止了在罕见自身免疫病原发性免疫性血小板减少症中测试 PF-06835375 的 2 期研究。Lycia 则瞄准 2.27 亿美元 IPO。
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。
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。