跳到正文
9月22日周二
9月17日周四
  1. Inductive Bio 官网资讯72

    Inductive Bio 发布 Beacon-2,可由化学结构预测小分子人体有效剂量

    Inductive Bio 于 9 月 17 日发布 Beacon-2,该系统可直接从小分子化学结构预测人体有效剂量,先预测吸收、分布、代谢、排泄与毒性等决定剂量的性质并估算效力,再通过药代动力学机制模型整合。

    推荐理由:Beacon-2 把人体有效剂量作为可从结构计算的指标,并给出在真实药物项目与公开化合物上的验证范围。

9月12日周六
  1. 英灵殿科技Valhalla74

    英灵殿科技发布ADMET-EvO自演化科学智能体,在22项TDC ADMET任务中综合排名第一

    英灵殿科技(Valhalla Technology)联合香港中文大学、浙江大学和斯坦福大学提出ADMET-EvO,一种面向异质任务持续开展自主研究、驱动任务专用算法演化的科学智能体。

    推荐理由:该工作把端点理解、假设检验与算法演化串成研究闭环,为药物研发智能体的评测方式提供了可参照的架构。

9月3日周四
  1. Inceptive78

    Inceptive 微调模型设计 in vivo CAR-T mRNA,5 条序列中 3 条在体内优于 Capstan 基准

    Inceptive 用自建 CAR-T 数据微调序列设计模型,生成编码同一抗 CD19 CAR 蛋白的 mRNA 设计,并将 5 条序列推进 NSG-PBMC 人源化小鼠,与 Capstan 的抗 CD19 序列在同一 CD8 靶向 LNP(Amplitude Therapeutics 提供)下以 0.1 mg/kg 给药、24 小时终点比较。

    推荐理由:Inceptive 用自建 CAR-T 数据微调序列设计模型,并在人源化小鼠中与 Capstan 基准序列做头对头比较,展示了模型排序到体内功能读数的转化路径。

8月28日周五
  1. Pranam Chatterjee63

    ActFlow:用不确定性引导与验证器反馈扩展流模型与扩散模型的可生成空间

    Pranam Chatterjee 转发介绍 ActFlow,这是一种持续预训练方案,通过不确定性引导探索和验证器反馈,让流模型与扩散模型扩展到新的有效区域,作者称之为可生成集合扩展,并将其定位为面向分布外生成建模的新学习原则。

    推荐理由:该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间,为分布外生成提供可迁移思路。

8月13日周四
8月11日周二
  1. Philippe Schwaller82

    SynthEx:面向复杂天然产物的策略优先合成规划智能体

    Schwaller 团队发布预印本 SynthEx,一个以语言模型生成原子级图编辑断键、由多智能体分工提出策略、扩展路线并模拟修复的合成规划器。在 1,098 个无报道全合成的复杂天然产物上,近乎穷举的 AiZynthFinder 解出 13.8%,SynthEx 达到 63.9%,分子越复杂差距越大。

    推荐理由:该工作用智能体规划复杂天然产物合成路线,并以专家盲评比较机器与人类步骤,提供了可参照的评测设计。

7月31日周五
7月23日周四
  1. Andrés M. Bran55

    b12 Labs 向学术与非营利研究者开放逆合成工具 Selenium

    b12 Labs 宣布向学术和非营利研究者免费开放其逆合成工具 Selenium,用户可通过 app.b12-labs.com 注册使用。该工具主打策略优先的合成路线规划,官方邀请研究者提交高难度目标分子或 AI 设计结构进行尝试。Andrés M. Bran 转发了这一开放消息并附上注册入口与博客链接。

7月7日周二
  1. Simon Kohl58

    Latent Labs 将抗体设计智能体 Latent-Y 上线平台,开放全球免费每日额度

    Latent Labs 宣布抗体设计智能体 Latent-Y 即将上线 Latent Labs Platform,面向全球研究者开放并提供免费每日额度,其核心是首次向研究者开放的抗体设计生成模型 Latent-X2。

    推荐理由:Latent Labs 将抗体设计智能体接入平台并开放免费额度,可了解其从自然语言到实验可用序列的产品化路径。

7月1日周三
  1. Valence Labs 官网资讯72

    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。

6月25日周四
  1. Medra58

    NVIDIA 发布 BioNeMo Agent Toolkit,Medra 称将接入其物理 AI 实验室

    NVIDIA 发布 BioNeMo Agent Toolkit,这是一个开放的、面向智能体的工具包,为任意 AI 智能体提供蛋白质结构预测、分子对接、生成式化学和基因组分析等可调用工具。Medra 转发该消息并表示正与 NVIDIA 合作构建由智能体决定下一步运行什么、再由物理 AI 实验室执行的闭环,称期待将其投入使用。

6月23日周二
  1. NVIDIA Healthcare & BioNeMo72

    NVIDIA 发布 BioNeMo Agent Toolkit,为 AI 智能体提供生命科学工具

    NVIDIA 发布 BioNeMo Agent Toolkit,将十余年积累的生命科学库、工具与开放模型封装为智能体可调用的技能,覆盖蛋白结构预测、分子对接、生成式化学、基因组分析、蛋白设计与生物标志物发现。

    推荐理由:英伟达把十余年生命科学库与模型封装成智能体可调用工具,并列出多家药企与平台的接入情况。

6月19日周五
  1. Valence Labs 官网资讯58

    Valence Labs 提出 f-Trajectory Balance 损失族,用于分子生成与 LLM 的探索调优

    Valence Labs 的 Jason Hartford 介绍其 ICML 论文 f-Trajectory Balance,提出一族损失函数用于微调 GFlowNets、生成模型和 LLM,并支持离策略与在策略数据。

    推荐理由:作者从损失函数角度解释生成模型探索与利用的权衡,为分子生成和 LLM 微调提供可迁移的方法视角。

6月16日周二
  1. Genesis Molecular AI12

    Genesis Molecular AI 扩招以匹配药企合作与模型扩展

    Genesis Molecular AI 因药企合作扩大、基础模型规模提升而扩充团队,正招聘 ML 与分子模拟科学家及基础模型 ML 研究科学家等岗位。前者将用 3D 扩散模型、物理启发神经网络和大规模分子模拟推进其 GEMS 药物发现平台,后者聚焦深度学习、物理与计算化学交叉的生成式 AI 模型研究。公司同时在 ML 研究、应用 ML 科学、产品与软件工程等方向开放职位。

6月11日周四
  1. Genesis Molecular AI74

    Genesis Molecular AI 发布 DeCAF-Pearl 全原子共折叠流图模型,推理提速 5 倍

    Genesis Molecular AI 发布 DeCAF-Pearl,称其为首个用于全原子共折叠的流图模型,相比其 Pearl 模型推理提速 5 倍且质量几乎无损。

    推荐理由:DeCAF-Pearl 以更少计算步数在 Runs N' Poses 基准上超过多个全原子共折叠模型,为高通量筛选场景提供了速度参照。

5月23日周六
  1. AI4Protein58

    昌平国家实验室余其林讲座介绍抗体设计框架PPIFlow

    昌平国家实验室副研究员余其林将于2026年5月24日晚通过腾讯会议主讲抗体设计框架PPIFlow。据简介,该框架结合流匹配生成模型与新型体外成熟策略,无需实验优化即可直接生成皮摩尔至纳摩尔级亲和力的纳米抗体和迷你蛋白结合剂。

    推荐理由:讲座介绍PPIFlow以流匹配加计算机成熟生成高亲和力纳米抗体与迷你蛋白,可了解纯计算结合剂设计思路。

3月17日周二
1月8日周四
  1. Vilya, Inc.70

    Vilya 发布全原子基础模型 Vilya-1,用于大环结构预测与设计

    Vilya 发布全原子基础模型 Vilya-1,专门建模含非天然氨基酸等多样化学的大环结构。公司称在公开与内部大环晶体结构合并基准上,Vilya-1 恢复晶体构象的表现超过次优方法一倍以上,物理与规则方法恢复的构象不到其一半,深度学习方法更落后。Vilya-1 还可微调用于富集可渗透化合物,并生成构象集合以评估能量景观、筛选结合剂;公司表示已在多个内部项目中应用该模型。

    推荐理由:Vilya-1 以全原子模型覆盖非天然化学的大环结构预测,并给出与物理规则及深度学习方法的具体对比。

12月17日周三
  1. Marwin Segler58

    Marwin Segler 报告用于合成步骤生成的推理模型

    Marwin Segler 报告团队推出面向合成步骤生成的推理模型,针对该任务采用专门的思维链监督微调(SFT on COT)与可验证奖励强化学习(RLVR)。其表示语言模型在处理结构与丰富自然语言并存的化学任务(如合成)时带来新能力。

    推荐理由:作者披露其合成路线生成推理模型采用SFT与RLVR训练,为化学语言模型的能力边界提供一手说明。

7月10日周三
5月31日周五
4月12日周五