为什么N-烷基化有利于透膜性？N/Cα双取代骨架位阻机制解读
文章解读东京大学Jumpei Morimoto与Shinsuke Sando团队的研究，指出N-烷基肽的高被动膜渗透性除去除酰胺N–H外，还来自N/Cα双取代产生的骨架位阻约束。
推荐理由：文章拆解东京大学团队关于N/Cα双取代骨架位阻促进肽透膜的机制研究，为口服环肽设计提供可迁移的结构判断依据。
#分子动力学
环肽与药物发现精选AI 评分5959
予路乾行AI 评分2828 予见｜予路乾行刘文朗：AI时代，药物发现为何更加需要物理模拟？
予路乾行计算化学总监刘文朗认为，分子动力学模拟的价值在于揭示药物分子与靶点在动态环境下的结合机制，而非仅给分子打分。其参与的与北京鞍石合作的下一代c-Met候选分子已进入中美双I期临床，计算分析用于提前排除高风险设计方向、安排合成优先级。予路乾行还推出BioTrajectory AI平台，用于早期立项的信息汇总与技术脉络追踪。
环肽与药物发现精选AI 评分5858 JMC研究解析浅灰霉素的反向分子变色龙性
JMC发表的研究以天然抗菌大环肽浅灰霉素为对象，结合PAMPA、Caco-2、EPSA测定与溶液NMR、蒙特卡洛构象搜索及NAMFIS分析，解析其在极性与非极性环境中的构象分布。
推荐理由：文章解读JMC研究如何用构象集合解释大环肽渗透性反常，为环肽可开发性评估提供构象层面的参照。
予路乾行精选AI 评分5858 予路乾行用分子动力学设计DYRK1B选择性抑制剂，选择性从约2倍提升至近20倍
予路乾行为一家海外生物技术公司完成DYRK1B选择性抑制剂项目，6个月内设计并合成20个化合物，交付IC50小于5nM、对DYRK1A选择性指数近20倍的分子。
推荐理由：项目展示了用分子动力学捕捉同源激酶动态构象差异、指导选择性设计的可复用路径。
Valence Labs 官网资讯精选AI 评分7272 Valence Labs 发布全原子显式溶剂玻尔兹曼采样模型 AquaGen
Valence Labs 发布 AquaGen，称其为首个全原子、显式溶剂、考虑周期性边界条件的生成模型，可从玻尔兹曼分布生成分子构型。该模型用 3D 图神经网络将噪声转为药物分子与水的全原子三维排布，再以力场评估能量、以灰盒方式计算绝对水合自由能，约需数百个样本即可获得相对 MD 参考约 1 kcal/mol 误差的结果，速度约为 MD 的 10 倍。
推荐理由：介绍首个全原子显式溶剂玻尔兹曼采样模型，说明其相对分子动力学的速度与误差权衡。
予路乾行AI 评分1818 招行思享会2026｜予路乾行郑铮博士谈AI重塑新药研发
予路乾行创始人兼CEO郑铮博士在招商银行与苏州日报联合推出的“招行思享会2026”栏目中接受专访，谈AI重塑新药研发。予路乾行打造多尺度分子动力学模拟平台与创新药早研决策AI平台，为小分子、多肽、大分子等药物研发提供Hits-to-PCC一体化研发平台。公司称已与超50家国内外生物医药企业合作推进80余条新药研发管线。
HouMed精选AI 评分7474 浙大团队在Nature Communications发表机器学习增强采样工作流，解析AR-NTD配体识别并发现新型拮抗剂K53
浙江大学李丹、侯廷军团队在Nature Communications发表机器学习增强采样工作流，用于解析本征无序蛋白AR-NTD的构象景观与配体识别机制，并发现新型AR-NTD拮抗剂K53。
推荐理由：该工作把增强采样、机器学习集合变量与虚拟筛选串成流程，用于本征无序蛋白的构象与配体识别研究。
David Mobley精选AI 评分7373 Open Free Energy 团队发布覆盖 15 家药企的自由能方法开放基准研究
Open Molecular Software Foundation 旗下 Open Free Energy 团队宣布完成迄今规模最大的自由能方法开放基准研究，称在 15 家制药公司参与的测试中达到经行业验证的准确度。David Mobley 转发该消息并附上 Business Wire 新闻稿链接，未披露具体误差指标或测试体系。
David Mobley精选AI 评分5858 自动检测分子动力学中慢速扭转重排的论文发表于JCIM
David Mobley 团队关于自动检测分子动力学中慢速扭转重排的首版方法论文已发表于 JCIM，DOI 为 10.1021/acs.jcim.6c00134。无访问权限的读者可查看 chemRxiv 预印本版本（chemrxiv.10001647/v1）。
推荐理由：作者团队提出自动检测分子动力学中慢速扭转重排的首版方法，为构象采样分析提供可复用思路。
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。
Mol.AIAI 评分3838 药物研发效率工具：一键预测分子 AlogP，独立测试集 R² 达 0.7615
基于Mordred提取的1800余个分子描述符经筛选保留604个关键特征，超参数调优后的XGBoost模型在独立测试集上预测AlogP的R²达0.7615。特征重要性分析显示支链化程度（NsssCH）、电荷分布特性（AATSC0c）与3D饱和度（HybRatio）是影响AlogP的核心因素。
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。
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。
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。
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
唯信计算AI 评分4646 唯信计算助力复宏汉霖打造研发专属AI OS，药研加速器完成私有化部署上线
复宏汉霖与唯信计算联合打造的“药研加速器”已于2025年11月28日在复宏汉霖数据中心完成私有化部署并正式上线运行。平台采用唯信计算的AI工作流框架，在抗体可开发性评估环节将分子动力学模拟与AI预测耦合，实现从抗体序列输入到可开发性评估报告输出的一键自动化。
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。