Nat. Biotechnol.:单细胞多组学动力学模型DynaVelo预测B细胞功能缺失与恢复的扰动效应
研究人员开发了基于神经常微分方程的生成式深度动力学模型DynaVelo,联合单细胞RNA表达与转录因子结合基序可及性重建细胞状态转变向量场,并模拟基因功能缺失与挽救扰动。
推荐理由:该研究用单细胞多组学动力学模型预测基因功能缺失与挽救,并在小鼠B细胞中做了双杂合突变验证。
研究人员开发了基于神经常微分方程的生成式深度动力学模型DynaVelo,联合单细胞RNA表达与转录因子结合基序可及性重建细胞状态转变向量场,并模拟基因功能缺失与挽救扰动。
推荐理由:该研究用单细胞多组学动力学模型预测基因功能缺失与挽救,并在小鼠B细胞中做了双杂合突变验证。
Sobi公布URAT1抑制剂pozdeutinurad(AR882)3期REDUCE-2研究达到主要终点,811例痛风患者中75 mg和50 mg组第6个月血清尿酸达标率分别为69.2%和56.6%,安慰剂组为8.1%(p<0.0001)。
AI在药物发现前端已能系统排序靶点、生成候选分子并优化临床试验设计,英矽智能的Rentosertib从靶点识别到提名临床前候选药物约用18个月。但湿实验与临床验证仍是瓶颈:截至2025年中超过75个AI设计分子进入人体试验,尚无一款通过III期并获批上市。Rentosertib的III期GENESIS-IPF-3已于2026年9月完成首例患者给药,计划在47个中心招募约320名患者。
生物学的虚拟模型,只有当它们明确指出扰动之后什么变得可检验时,才值得审慎对待。@omarabudayyeh 于 #ARDD2026。照片:https://agingpharma.org/photos2026
Walid M. Abdelmoula 等在《Nature Methods》发表大规模比较研究,用 JUMP–CP 约 177 万张未标注图像预训练四类自监督模型,并在多个独立数据集检验细胞扰动识别。
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》
Flagship Pioneering 于 10 月 29 日宣布整合 Cellarity、Etiome、Empress Therapeutics 三家公司的平台技术,成立新型药物发现公司 Etcelera,由 GSK 老将 Adrian Rawcliffe 任 CEO,莫德纳联合创始人 Noubar Afeyan 为联合创始人。
推荐理由:Flagship 将三家平台公司合并为 Etcelera,其细胞状态与扰动数据整合方式为观察 AI 制药平台组织提供了案例。
AI for Science企业扰动之心完成数千万元天使轮及天使+轮融资,由清松资本领投,同阳基金及多家药企跟投,并正式走出隐匿模式。公司拥有PerturbSeek™生态下全球首个虚拟细胞状态推演世界模型AlphaCell 1.0 Pro,标准参数量1B,可裁剪至300M的AlphaCell 1.0 Flash或扩展至50B的AlphaCell 1.0 Mega。
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。
扰动之心(PerturbMind AI)完成数千万元天使轮及天使+轮融资,由清松资本领投,同杨基金及多家药企跟投。公司发布 PerturbSeek™ 生态下的虚拟细胞状态推演世界模型 AlphaCell 1.0 Pro,标准参数量 1B,可向下裁剪至 300M 的 AlphaCell 1.0 Flash、向上扩展至 50B 的 AlphaCell 1.0 Mega。
DoveTree Medicines与晶泰科技的合作项目中已有一项进入IND申报前研究阶段,其余仍处早期发现阶段。双方在研讨会上强调,AI可探索的化学空间远超实体化合物库,难成药靶点可能只是库里缺那个分子,晶泰以合成数据加物理模拟为起点、再由自动化实验室合成100至500个新化合物迭代。于利华同时指出,研发最贵环节是IND-enabling和临床开发,AI原生应同时消解科学与流程两端的摩擦。
英矽智能创始人兼CEO Alex Zhavoronkov在Fast Company“影响力委员会”专栏撰文称,AI有潜力倍增人类寿命,但这只是愿景而非近期可验证的科学预测。
David Baker团队与苏黎世联邦理工学院等合作在Nature发表从头设计半胱氨酸蛋白酶研究,用RFD2-MI、ProteinMPNN和AlphaFold 3从Ulp1最小催化基序出发设计,69个实验设计中有13个出现肽键切割活性。
百奥几何宣布完成A+轮融资,A轮系列累计超1亿美元,本轮由国寿资本领投,老股东上海生物医药基金、达晨财智继续加码,国开科创、瑞力投资、国方创投及产业方跟投,指数资本担任独家财务顾问。
推荐理由:融资事件之外,材料还梳理了GeoFlow三代迭代与RSI干湿闭环的布局,并标注公司披露数据未经独立验证。
英矽智能称其现有40余个项目,其中35个已过PCC/DC,并含新机制药物,强调项目质量与数据室深度才是关键。公司正与Grok Bot、xPharma.ai合作开发项目级端到端推理与数据室工具,并认为前沿实验室将大规模收购有产出的生物技术公司。
珞米智能在杭州发布「Nanomics AI4S科学智能闭环平台」,由LLM Agent、6-DOF机械臂自主实验室与自研AIVC-2.0虚拟细胞模型组成,形成Design→Robot→Validate→Redesign干湿闭环。
北京大学周沛劼、加州大学欧文分校Qing Nie等团队在bioRxiv发布CellCompass,一套围绕实验数据选择、改写和检验细胞动力学模型的科学智能体系统。
推荐理由:预印本提出用智能体按实验线索选择与改写细胞动力学模型,并在模拟基准和四类真实数据上给出对照结果。
AI Native生物制药公司百奥几何宣布完成A+轮融资,由国寿资本领投,上海生物医药基金等老股东加码,A轮系列融资累计超1亿美元。资金将用于GeoFlow(分子水平)与GeoCell(细胞水平)两大微观世界模型迭代、高通量自动化实验室扩建及自研管线商业化。公司称GeoFlow V3在20余个靶点上苗头分子平均命中率接近20%,多条双抗管线计划2027年进入IND阶段。
投资者愿意支持那些明确聚焦应用场景、拥有高保真人类数据、并具备降低资产风险的清晰路径的虚拟细胞项目。Manish Sharma 在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
伦敦大学学院联合剑桥大学在Cell Reports Medicine发表研究,用符号AI基于患者基因组信息构建个性化三阴性乳腺癌肿瘤数字孪生,在PARTNER试验31名患者数据上回顾性模拟化疗及化疗联合奥拉帕利等方案,疗效预测准确率为74%。
推荐理由:研究用符号AI为三阴性乳腺癌患者构建肿瘤数字孪生,在31例回顾性数据上给出疗效预测与联合用药假设。
虚拟细胞世界模型一旦点明哪些生物学问题变得可检验,就具备了可合作性。Le Song(@dasongle)在 #ARDD2026 上发言。照片:https://agingpharma.org/photos2026
百图生科联合创始人兼CEO刘维预计,AI制药行业真正迎来破局点还需3–5年,并将发展划分为工具效率提升、管线赋能与研发组织变革三个阶段。他称百图生科已用虚拟细胞与干湿实验闭环平台推进20多个First-in-Class靶点发现项目,均完成早期验证,部分进入临床前研究。公司坚持基础设施定位,通过系统许可、AI模型及Agent工具赋能药企。
当预测目标足够具体、可供尽职调查时,健康与死亡世界模型就变得可合作了。Kejun Ying(@KejunYing)在 #ARDD2026 上。照片:https://agingpharma.org/photos2026
途深智合创始人兼CEO王宇光在第12届BiG IMPACT年会上参与“AI前沿创新者×一线投资机构深度对话”圆桌交流,与AI领域创新者及投资机构代表探讨行业发展议题。该年会10月24日在上海张江收官,设主论坛、四大分论坛及三场闭门会,聚焦难成药靶点突破、AI虚实之辩、CNS与自免研发及BD/NewCo出海等议题。
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M,构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
推荐理由:该图谱以亿级单细胞数据刻画药物扰动表型,并揭示同靶点药物的周期效应差异,为扰动预测模型提供训练资源。
2026年10月,粒曼生物完成数千万元天使轮融资,由上海弘晖领投,兴华鼎立、杭州润苗基金跟投,川越周期担任财务顾问。
天津大学教授段学欣创办的康沃思生物,基于GHz特声波MEMS芯片开发全自动细胞悬液制备、无标记细胞分选及HyperDrop皮升级活细胞打印系统,为AI for Science提供标准化细胞实验执行端与可追溯数据。
虚拟细胞药理学计划(VCPI)发布其迄今最大规模的数据集,为 ReFRAME 药物重定位化合物库提供阵列式 DRUG-seq 转录组图谱,覆盖 12,949 个化合物。数据在 THP-1 细胞中以 10 μM 剂量、每孔一个化合物进行筛选,注册用户可在 thevirtualcell.com 免费获取,并以 CC BY 4.0 开放。
推荐理由:该发布提供覆盖近1.3万临床阶段化合物的转录组扰动数据,可作为药物响应与虚拟细胞研究的公开数据资源。
HUPO 2026 大会在新加坡汇聚 45 国 1,428 名代表,主题为“Proteomics Plus: Transforming Lives”。中国发起的 π-HuB 计划提出在三十年内投入数十亿元人民币,目标预测个体一生的蛋白质组状态;西湖大学郭天南则报告了覆盖 58 种主要组织类型、251 种细分组织类型和 25 种癌型的空间蛋白质组工作,以及针对三阴性乳腺癌的扰动蛋白质组虚拟细胞模型。
Xinyu Yuan、Xixian Liu 等人的预印本《Plausibility Is Not Prediction》检验细胞扰动二分类差异表达预测,发现忽略扰动身份的 Gene-prior Voting 基线在 C32 黑色素瘤任务总体 AUROC 仍达 0.990,但改为同基因内比较扰动的 macro-per-gene 评测后该基线 AUROC 只有 0.500。
推荐理由:研究用分基因评测揭示总体 AUROC 高分可能绕开扰动区分,为虚拟细胞扰动预测的评测方式提供参照。
Morgan Levine 在《Biology Beyond Human Intuition》中提出,细胞类型标签、实验条件和论文叙述构成的选择性观测,会成为语言模型学习生命的边界。
蛋白领域真正在发生的是蛋白基础模型吸收单任务模型,而非通用大模型吞并蛋白模型。Anthropic将Basecamp Research的280亿参数EDEN接入Claude Science,Xaira的X-Scientist以通用大模型作调度、X-Cell与X-Design等蛋白模型作执行引擎。
OpenAI、Anthropic、NVIDIA 与 Google、微软近期密集发布动作,争夺科学家科研工作流的发起入口。OpenAI 披露数千个 GPT-Rosalind 代理用 32 分钟分析数百万鼠脑细胞既有数据,Google 的 VERID 经三轮适配体设计反馈将命中率从首轮 10.2% 提升至第三轮 33.5%。
insitro与阿斯利康达成全球独家研究合作,针对MASH与心肌病开展新靶点与创新疗法发现,insitro获4000万美元首付款,并有资格获得最高约14.6亿美元里程碑付款及个位数比例销售提成。
推荐理由:梳理阿斯利康与insitro的MASH与心肌病合作条款,并拆解insitro虚拟人类平台从靶点发现到分子设计的链路。
单细胞表征数据已成公共品,CZ CELLxGENE 的 Census 构建版收录2.18亿个细胞,可免费训练细胞基座模型;但扰动配对数据因单细胞测序的破坏性、公共扰动库浅或小、组合空间巨大而必须自采。Recursion 内部 RPI-93M 含9276万张显微图像、覆盖395.7万个扰动,其开源的 RxRx3 不到内部数据1%;Insitro 与 Xaira 同样以自建湿实验生产配对数据。
上海交通大学陈洛南团队与东京大学合原一幸团队在Nature Methods发表CauTrigger,将深度潜变量建模与基于do-calculus的干预性因果推断结合,从组学数据中识别状态转变的潜在触发因素及级联因果路径,并做虚拟扰动预测。
推荐理由:该框架把驱动因素识别、级联路径与虚拟扰动预测串成一条链,为状态转变研究提供可复用的分析思路。
Marinka Zitnik 团队提出生成模型 CONCERT,用于预测基因敲除等扰动效应如何从被扰动细胞扩散到邻近组织区域。作者指出同一敲除在肿瘤核心与组织边界可产生不同响应,相关预印本已发布于 bioRxiv(10.1101/2025.11.08.686890v3)。
推荐理由:该预印本提出跨组织传播扰动效应的生成模型,为空间语境下的扰动响应预测提供参照。
西湖大学与浙江大学团队提出PACE,以细胞状态空间的局部几何为约束,交替更新跨时间配对与连续路径,从离散单细胞快照推断群体演化,相关研究被NeurIPS 2026接收。
推荐理由:西湖大学团队用局部几何约束跨时间配对与路径学习,为单细胞快照间的轨迹推断提供了可检验的方法参照。
Turbine 团队将于 10 月 23–26 日在马德里 ESMO 2026 的 8107 号展位(8 号厅)与肿瘤研究者及生物制药方交流。其展示内容包括:用虚拟试验预测 PDX 模型中的 ADC 响应并提出可验证的生物标志物假设、以免疫细胞表型虚拟模型预测患者药物响应,以及胰腺癌 KRAS 靶点识别筛选产出机制、生物标志物和联合用药假设。
Pathos AI 宣布与 Bristol Myers Squibb 和 Tempus AI 达成多年战略合作,为阿尔茨海默病及其他神经疾病构建专用数据集与智能体 AI 能力。
推荐理由:Pathos 与 BMS、Tempus 围绕神经疾病数据与 AI 平台达成合作,可观察 AI 平台如何介入临床开发决策。
腾讯AILabHealthcare团队在Nature Communications发表scTransMIL,用多实例学习把样本级癌症表型与单细胞表达连接,同时输出细胞疾病分数和基因注意力线索。
推荐理由:文章梳理了scTransMIL从样本表型定位到细胞与基因线索的路径,并给出OGT靶点在动物实验中的验证链条。