英矽智能谈衰老单细胞数据
衰老是动态且异质的，因此随时间对单细胞读数进行共配准，可构建出合作伙伴真正能用于训练的AI就绪数据。Hao Pei 在 #ARDD2026 上发言。照片：https://agingpharma.org/photos2026
#数据/基准
Alex ZhavoronkovAI 评分1818 下一分子AI 评分7474 Edison Scientific与普林斯顿发布ChefNMR2：从一维NMR与分子式生成候选结构
Edison Scientific与普林斯顿大学合作发布ChefNMR2，输入分子式和一维NMR峰表，由原子级流匹配模型生成候选平面结构，再由智能体核对谱图与文献。
DrugAI精选AI 评分7474 Science Advances：基于AlphaFold 3从序列通用预测T细胞受体抗原特异性
研究人员提出AF3-PTI-PAE方法，用AlphaFold 3预测MHC–抗原肽–TCR三元复合物结构，并以TCR–抗原肽界面预测排列误差判别抗原特异性，无需针对特定抗原训练。
推荐理由：研究用AF3预测三元复合物界面置信度推断TCR抗原特异性，并给出独立验证与敏感性限制。
DeepTech深科技AI 评分4343 对话科理新序张载熙：在最冷门时入局AI4S，他想构建科学原生基座模型
科理新序创始人张载熙正训练一个多模态科学基座模型，用自定义scientific token统一蛋白质结构、组学矩阵、基因序列与分子动力学等模态，使模型直接在科学空间推理。
医药魔方AI 评分3838 伊米诺康全人源兔平台落地：为AI抗体设计建起跨物种「数据生产线」
伊米诺康宣布其跨物种抗体动物工程平台在兔底盘取得关键突破，通过一步原位替换技术在兔内源免疫球蛋白基因座完成Mb级别人源基因元件的定点替换，完整保留目标基因座结构与功能调控元件。
AI蛋白质精选AI 评分7474 牛津大学推出SAbDab2结构抗体数据库，含2.2万抗体实例与ML级训练测试拆分
牛津大学团队在NAR发布SAbDab2，为机器学习时代重新设计的结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
推荐理由：介绍牛津团队为机器学习重设计的抗体结构数据库，含标准化训练测试拆分与统一标识符，便于复用与比较。
AI药物设计实验室精选AI 评分7474 Prompteina 用自然语言设计蛋白质：89 个受测设计中 9 个结合 GM2A
华盛顿大学等机构提出 Prompteina，以自然语言描述整体形状、局部结构和结合界面，联合生成蛋白质全原子结构与序列。团队构建 Prompteina-Data，含约 180 万个蛋白结构条目和 5240 万条文字描述，基于 Complexa 加入全局与残基级文本条件通路。
推荐理由：预印本用自然语言条件生成蛋白结构与序列，并在 GM2A 上给出 SPR 结合数据，可看文本接口的控制边界。
药化猩球AI 评分6060 Anthropic有的，中国也有！全球AI蛋白质设计大赛"长江杯"今日开赛！
“长江杯”2026全球AI蛋白质设计挑战赛于9月24日开赛，面向全球开放报名，承诺为不少于5000条从头设计的纳米抗体或迷你结合蛋白提供免费湿实验检测，并按亲和力排名颁发总额100万元人民币税前奖金。
BioTender精选AI 评分7878 MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
LeapFun同新闻AI 评分6363 莱顿大学等预印本审计抗体免疫原性数据：同一抗体ADA发生率0—86%
莱顿大学医学中心与代尔夫特理工大学的一项预印本审计了抗体免疫原性预测常用数据，将数据集清理扩展到231个抗体，并为其中110个抗体追溯426条临床记录。
同一新闻，精选展示《研究称免疫原性标签限制抗体设计进展》
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
BioTenderAI 评分6767 长江杯全球AI蛋白质设计挑战赛公布七大靶点，约7000条设计将进入湿实验
“长江杯”全球AI蛋白质设计挑战赛于2026年11月1日公布七大靶点与竞赛规则，计划对每个赛道1000条、合计约7000条AI从头设计的候选蛋白序列统一做表达、纯化和亲和力检测，并按实测KD排名。
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。
下一分子AI 评分3838 AI制药月报｜2026年10月
下一分子10月月报收录33项进展，蛋白质设计重点从生成候选延伸至功能验证，虚拟细胞数据规模继续扩大，产业合作聚焦递送与蛋白疗法。月报以时间线梳理Baker Lab及IPD的14项研究，涵盖模型工具、功能设计与可开发性。其他进展包括RFdiffusion3正式发表、RFD4开源，以及剂泰与礼来就LNP递送达成合作，首付款逾千万美元、里程碑最高11亿美元。
Sam Rodriques同新闻AI 评分6060 Sam Rodriques 发布 ChefNMR2：从 NMR 谱图推断分子结构
Sam Rodriques 发布 ChefNMR2，这是一个与普林斯顿 Ellen Zhong 合作训练的模型，可从 NMR 谱图推断分子结构，现已上线 Kosmos。在 2,031 个分子上，该模型 top-1 准确率为 82%，而单独使用 Claude Opus 5 为 52%。作者称这让天然产物结构推断更容易，从而减少药物发现中的一个瓶颈。
Brian Hie精选AI 评分7474 Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
下一分子AI 评分7272 AI制药日报｜2026-10-31
Ginkgo Datapoints旗下虚拟细胞药理学计划于2026年10月27日以CC BY 4.0许可开放ReFRAME化合物库的DRUG-seq转录组数据，覆盖12,949种化合物，注册免费账户即可获取。
MIT Jameel Clinic · NewsAI 评分2020 MIT Jameel Clinic 在 NeurIPS 2026 三地会场展示的 10 张海报
MIT Jameel Clinic 研究者在 NeurIPS 2026 三地会场（悉尼主会场，亚特兰大与巴黎卫星会场）展示 10 张海报，涵盖生物医学域泛化、化学反应模拟与全原子共折叠等方向。
GEN (基因工程与生物技术新闻)精选AI 评分5858 Parse Biosciences 与 Nomic Bio 合作构建 1 亿细胞免疫扰动数据集 Cascade
Parse Biosciences（QIAGEN 旗下公司）与 Nomic Bio 宣布合作生成 Cascade，一个用于理解人类免疫反应的 1 亿细胞基础数据集。
推荐理由：该合作把单细胞转录组与分泌蛋白组配对，为免疫扰动数据缺口提供规模化来源。
Oxford Protein Informatics Group · Blog精选AI 评分5858 别再用胜率：跨基准任务比较模型排名的统计方法
牛津蛋白信息学组博客指出，化学信息学论文常用胜率（模型在任务中排名第一的比例）评估基准表现，但该指标会掩盖微小差距、缺乏统计检验，并隐藏模型在部分任务上的严重失败。
推荐理由：文章用模拟数据演示胜率指标如何掩盖模型弱点，并给出任务内与跨任务的统计比较替代流程。
奶牛猫的CADD实验室精选AI 评分6363 arXiv 预印本：GEOM-DRUGS 参考集遗漏低能构象，影响构象生成模型评分
一篇 arXiv 预印本系统检验 GEOM-DRUGS 参考构象集的完整性，发现五种生成模型（GeoMol、GeoDiff、Torsional Diffusion 等）在 384 个分子上生成的构象中，有 2.3%–7.0% 经 GFN2-xTB 优化与合理性检查后属合理低能构象却未被参考集覆盖。
推荐理由：研究指出构象基准参考集本身可能遗漏低能构象，为生成模型的评测方式提供了具体参照。
MolenceAI 评分5858 Molence 发布 Mol-1：在陌生结合环境中配体预测优于 AlphaFold 3
Molence 发布配体预测模型 Mol-1，在 Runs N' Poses 基准的全部八个相似度分箱中领先所评估的基线。在相似度最低的 0–20 分箱中，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%；通过 Mol-1-constraint 提供结合位点信息后，该分箱成功率提升至 63.9%。
Molence精选AI 评分6565 Molence 的 Mol-1 在 MGBench 分子胶预测中报告低同源条件 28.6% 联合成功率
Molence 的 Mol-1 在 MGBench 分子胶预测基准上报告联合成功率：已见条件 92.2%、高同源 74.6%、低同源 28.6%，最强评测基线在低同源条件为 19.1%。联合成功需同时满足配体 RMSD < 2 Å、lDDT-PLI > 0.8 和蛋白界面 DockQ > 0.23。作者同时引用的另一条内容称，在 Runs N' Poses 的 0–20 最低相似度区间，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%，通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Mol-1 在 MGBench 上同时考核配体位姿与蛋白界面，低同源条件下与最强基线的差距提供了具体参照。
Molence精选AI 评分6060 Molence 发布 Mol-1 agent：单张 NVIDIA H20 上预测大型蛋白组装
Molence 发布 Mol-1 agent，称可在单张 NVIDIA H20 上完成大型蛋白组装预测，在 10 例评测（8,000–60,120 残基）中 8 例 TM-score ≥0.9。
推荐理由：Molence 公布 Mol-1 在大型蛋白组装上的自评结果，并主动说明与 Anthropic 结果并非受控对比。
Leo ZangAI 评分2222 又一届AI蛋白质设计大赛开启
又一届AI蛋白质设计大赛来了！
智药邦精选AI 评分7878 上海药物所郑明月等发布MolGenBench：系统评测17种AI药物生成模型
同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文，构建结构基础药物发现评测基准MolGenBench，在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法，覆盖从头设计与苗头到先导优化两个阶段。
推荐理由：该研究用120个靶点和600个化合物系列横向比较17种分子生成方法，为判断生成模型能否产出真实活性分子提供参照。
BioTender精选AI 评分7878 从理解生命序列到设计生命序列：Evo 2 的下一步
Brian Hie 团队于 2026 年 10 月 29 日公开两篇 Evo 2 稿件，探索用少量示例做上下文学习来设计调控序列与蛋白。酵母任务中 4 条示例即可生成预测活性接近高活性对照的序列，但人类 5′ UTR 用 16 条示例时预测活性过阈值比例才超过 40%，且这些曲线并非湿实验结果。
推荐理由：文章逐项拆解 Evo 2 两篇稿件的计算与实验证据，区分预测活性、标记纯度与实测特异性。
药化猩球精选AI 评分7878 Syndirella：以合成导向的片段延伸把单个母核扩展出5085个候选分子
牛津大学 OPIG、Diamond Light Source 与 IBM Research 在 Chemical Science 发表 Syndirella，以合成导向的片段延伸（Synthesis Directed Elaborations）把可采购反应物按 SMIRKS 反应规则组合成候选分子。
推荐理由：文章拆解了以可采购反应物为导向的片段延伸流程，并给出合成成功率与姿态偏差的具体数据。
下一分子AI 评分3434 AI制药日报｜2026-10-30
Brian Hie 团队报告 Evo 2 在仅给四个示例、不做额外训练时可生成金属结合蛋白、从头抗体与完整噬菌体基因组，作者称其为训练时未预料到的生成式上下文学习。
BioAIDesign精选AI 评分7676 专题综述 | Evo 2 学会举一反三：Arc × 斯坦福用少量序列引导生物设计
Arc Institute、斯坦福 Brian Hie 团队及合作者于 2026-10-29 在 Zenodo 公开两项预印本，显示预训练基因组模型 Evo 2 可用少量功能相近序列作为示例做上下文学习，不更新参数即可调整生成方向。
推荐理由：综述梳理 Evo 2 少样本上下文学习的两项预印本，区分计算筛选与湿实验证据，并给出跨任务适用边界。
DrugAI同新闻AI 评分7272 Nat. Methods 比较四种自监督学习模型的细胞形态扰动表征
研究人员在JUMP–Cell Painting数据集约177万张高内涵图像上预训练DINO、MAE、iTPN和DINOv2，并在独立化合物、不同细胞类型和遗传扰动数据集上比较其细胞形态扰动表征。
同一新闻，精选展示《Nature Methods研究系统评测细胞形态图谱的自监督表征学习》
Insilico Medicine 英矽智能AI 评分2222 英矽智能谈O3DC开放基准指数
英矽智能提出，AI药物发现领域过度关注模型性能，却很少追问支撑这些数字的基准是否合适。其参与发起的O3DC联盟推出Benchmark Index，作为社区资源用于查找、比较和讨论药物发现领域的开放基准。推文同时征集各领域值得关注的基准。
BioAICraft精选AI 评分7373 David Baker团队发布MINT方法：在保留蛋白功能的同时降低CD8⁺ T细胞免疫原性
David Baker、Nir Hacohen等人在bioRxiv发布预印本，提出MINT方法，在保留蛋白质功能的前提下降低CD8⁺ T细胞免疫原性。
推荐理由：该预印本把免疫原性纳入蛋白设计目标，并用小鼠实验比较高低表位设计的T细胞反应，为去表位设计提供了可参照的验证路径。
Brian HieAI 评分5858 Brian Hie 回顾 Evo 2 一年项目：把 DNA 当作需要沟通的外星语言
Brian Hie 表示 Evo 2 项目历时约一年，过程让他联想到科幻作品中与外星人建立通信的描写。他认为 Evo 2 在很多方面是一个精通 DNA 这种外星语言的模型，找到与这类模型有效沟通的方式，可能解锁生物设计与发现中的新能力。
Relation精选AI 评分5858 Relation 开发 prime-editing perturb-seq 新方案，为 DNA 基础模型生成训练数据
Relation Therapeutics 在 bioRxiv 发布预印本，提出一套用于 prime-editing perturb-seq 的新实验方案，目标是生成 DNA 基础模型所需的训练数据。公司称其不仅构建药物发现 AI 模型，也改进底层数据生成的基础。预印本链接为 https://www.biorxiv.org/content/10.64898/2026.10.28.762453v1。
推荐理由：Relation 公开了面向 DNA 基础模型训练数据的 prime-editing perturb-seq 新实验方案，可作为扰动数据生成的参考。
BioArt精选AI 评分7373 清华大学团队在Nature Communications发表可解释AI引导的可降解脂质肝脏mRNA递送研究
清华大学深圳国际研究生院颜昊、康飞宇团队在Nature Communications发表研究，建立模块化合成、高通量筛选、可解释机器学习与动物验证的两阶段框架，从520种实验脂质扩展到10,920种虚拟候选，筛出可降解可电离脂质PA97MD101。
推荐理由：研究把可解释机器学习用于可降解脂质筛选，并用独立动物实验检验体外预测的边界。
AI蛋白质AI 评分7878 斯坦福与华盛顿大学发布Virtual Biotech多智能体框架，用37075个智能体注释55984项试验
斯坦福大学与华盛顿大学团队在Science发表Virtual Biotech，一个以药企组织为蓝本的多智能体框架，由虚拟首席科学官统筹靶点发现、安全性、modality选择与临床开发四个部门智能体，并设科学审查员质控。
药化猩球精选AI 评分7878 Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
药明康德AI 评分4444 药明康德TidesID®平台将复杂多肽代谢产物鉴定提速约30%，9个工作日交付
药明康德DMPK团队用自主开发的TidesID®一站式化合物鉴定平台，为一家全球药企完成复杂多肽代谢产物结构解析，9个工作日交付结果。该平台已迭代至2.0版本，覆盖多肽和寡核苷酸等复杂分子；据项目实践，整体MetID项目周转时间可缩短约30%。
澪乃ゆいAI 评分6262 PartiDesign：面向实用全类型生物分子设计的结构-序列协同设计范式
澪乃ゆい在 X 上分享了一篇 bioRxiv 预印本，题为 PartiDesign: A structure-sequence co-design paradigm for practical all-to-all biomolecules design，链接为 https://www.biorxiv.org/content/10.64898/2026.11.03.763860v1。该帖仅给出标题与链接，未披露具体方法、实验设置或结果数据。