深度智耀与VivaMed BioPharma达成战略合作,为BioAtlas候选方向衔接科学验证
深度智耀(DIP)与VivaMed BioPharma于10月8日宣布达成战略合作,将围绕VivaMed的AI治疗机会发现引擎BioAtlas生成的候选方向,衔接证据分析、专家审查、计算研究与验证准备工作。
深度智耀(DIP)与VivaMed BioPharma于10月8日宣布达成战略合作,将围绕VivaMed的AI治疗机会发现引擎BioAtlas生成的候选方向,衔接证据分析、专家审查、计算研究与验证准备工作。
课题组两个项目在浙江省国际大学生创新大赛(2026)获双金,其中LynxMind以高教主赛道本科生创意组人工智能+赛道第一名斩获金奖。LynxMind聚焦中枢神经系统药物发现,整合血脑屏障穿透性预测、分子生成与优化及可解释性分析;PROTACnova以自主智能体连接信息检索、分子生成、连接子优化与理化评估,面向蛋白降解药物设计。
@bot 取代了 open claw 和 hermes。@elonmusk 是个天才。
英矽智能提名口服、外周限制性VAV1分子胶降解剂ISM9546为临床前候选化合物,拟用于炎症性肠病和类风湿性关节炎等自身免疫性疾病。该分子由生成式化学平台Chemistry42经多轮设计-合成-测试-分析迭代优化得到,在多种细胞实验中显示亚纳摩尔级VAV1降解活性。
Chai Discovery于2026年10月9日宣布与GSK达成合作,GSK获得其蛋白质折叠与分子设计模型平台的使用权限,用于全管线研发。验证阶段Chai模型以零样本模式针对GSK靶点生成设计方案,GSK内部湿实验室测试显示所有受试靶点均筛选出结合分子,GSK称设计方案展现出很强的结合亲和力,并称其与基于自有湿实验数据持续重训练的内部模型互补。
推荐理由:GSK用内部湿实验验证Chai零样本设计在多个靶点筛出结合分子,为评估AI设计平台提供实证案例。
上海人工智能实验室、复旦大学、香港科技大学(广州)等团队在arXiv发布AblateCell,一个面向AI虚拟细胞代码仓库的“先复现、后消融”多智能体系统,在CPA、GEARS、BioLORD三个单细胞扰动预测模型上取得88.9%的端到端任务成功率和93.3%的关键组件识别准确率(Acc@5)。
推荐理由:研究把模型复现与消融实验串成自主流程,并在三个单细胞扰动预测模型上给出与人工组对比的成功率数据。
Envisagenics 获美国国家癌症研究所(NCI)SBIR Direct to Phase II 资助,两年内提供逾 200 万美元,用于推进 SpliceCore 及其新机器学习算法 SpliceDisco 的开发与商业化。
华盛顿大学等团队提出Prompteina,以自然语言为统一接口联合生成蛋白质全原子结构与序列,在18项结构控制任务中15项领先,CATH折叠类别准确率96.0%。
Anthropic × Adaptyv 蛋白质设计竞赛第三题开放,要求参赛者设计能激活 GLP1R 的蛋白质。GLP1R 是司美格鲁肽(Ozempic、Wegovy)和替尔泊肽在 2 型糖尿病与肥胖中作用的受体。
用深度学习将癌蛋白K-Ras(G12C)转化为自标记荧光蛋白标签! @Jody_Mou @insitubiology @nickpolizzi_
感谢@nathanbenaich和@airstreet发布年度《State of AI Report》。我们很高兴因REC-4881相关工作被收录,这是一种MEK1/2抑制剂,目前处于针对FAP的2期临床试验。同样被收录的还有Nesso-1:一个开源模型,可在数秒内预测结合亲和力,助力更快的早期药物发现。
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质 binder 协同设计模型 CODesign,通过一致性蒸馏构建约 10.5 万对二聚体样本 Codimer,并用多模态联合流匹配与一致性感知联合重采样(CAR)保持序列与结构一致。
研究人员在Science Advances报告了一套整合多重荧光酵母展示、深度测序与AlphaFold 3复合物预测的VHH纳米抗体发现框架,以长链三指型α-神经毒素为对象。
推荐理由:研究把酵母展示筛选与AlphaFold 3结构优选串成一条VHH发现流程,并给出精确率与召回率的实测权衡。
Aspen Neuroscience向SEC递交IPO申请,拟募资1亿美元,用于推进帕金森病自体iPSC衍生细胞疗法sasineprocel(ANPD001)的1/2a期临床并为3期试验备资。该疗法已完成15例患者给药,获FDA再生医学先进疗法(RMAT)和快速通道资格认定。公司累计融资超3.4亿美元,OpenAI CEO Sam Altman与联合创始人Greg Brockman均为个人投资人。
医药魔方数据显示,今年前三季度Biotech在美股共有38起IPO、总计融资75.07亿美元,其中纳斯达克占35起、72.51亿美元。彭博行业研究称2026年美国生物科技企业IPO平均募资额达3.29亿美元,为2018年以来最高。同期中国完成12起IPO、融资19.27亿美元,剂泰科技为前三季度亚洲规模最大的生物科技IPO。
别再退而求其次用替代指标——为什么生物药的稳定性测试应直接测量分子间相互作用 https://www.ddw-online.com/stop-settling-for-the-proxy-why-stability-tests-for-biologics-should-measure-intermolecular-interactions-directly-44191-202610/ 关注DDW;面向全球科学界的商业洞察 #生物药
丹纳赫10月7日宣布将推出公司首个AI驱动自主实验室,设在旗下抗体与试剂公司Abcam,用于加速定制抗体及其他分子工具研发,预计2027年初规模化运营。实验室以设计—制造—测试—学习(DMTL)闭环运转,AI设计候选亲和试剂后由系统自动构建与测试,结果实时回流模型;丹纳赫称目标是把亲和试剂从构想到完成验证的速度提升最多8倍,年试剂产出从数十个提升至数百个。
英灵殿科技联合香港中文大学、华盛顿大学等提出全原子蛋白质binder协同设计模型CODesign,通过一致性蒸馏构建约105,000对二聚体数据Codimer,并用多模态联合流匹配与一致性感知联合重采样(CAR)保持序列与结构一致。
推荐理由:作者团队提出以一致性为核心的蛋白binder协同设计方法,并用消融实验拆解数据与采样环节各自的贡献。
第13届衰老研究与药物开发大会(ARDD)于10月1日至3日在哈佛大学举行,聚焦前沿AI、大规模生物数据与药物创新融合如何重塑长寿科学。FDA官员提出两条长寿疗法审批路径:证明对两到三种年龄相关疾病有效,或采用涵盖认知、虚弱度及视力的复合功能终点。英矽智能在会上介绍了其“虚拟衰老细胞”多智能体模拟框架,并披露Rentosertib在特发性肺纤维化II期高剂量组给药12周后FVC增加98 mL。
AI公司正通过自建实验室、云实验室合作与资助虚拟生物学计划等方式参与生物数据生产。Anthropic组建基础生物学研究团队和实验室,用实验检验Claude模型的生物学设想;Biohub扩大虚拟生物学计划,Google DeepMind、Isomorphic Labs和Meta合计承诺投入3亿美元,整项计划总投入约18亿美元。
成都先导开启OpenDEL®限时优惠,活动期为2026年10月15日至12月31日。该DEL自助筛选产品包含约40亿独特结构分子(38亿小分子和2亿环肽/线性肽)与59个子库,并可选配大环DNA编码化合物库试剂盒。麻省理工学院与哈佛大学研究显示,基于OpenDEL®训练的AI模型对未知化合物预测准确率最高,所预测库外分子的验证成功率最高。
晶泰科技在GitHub开源化学反应产率定量AI模型lcms2yield,同步开放模型权重、推理代码及训练与评测数据集。
推荐理由:晶泰科技开源可预测紫外校正因子的模型,为高通量实验的产率定量提供了可复现的替代路径。
天鹜科技将于10月13-15日在瑞士巴塞尔参加Festival of Biologics 2026,其AI Lab技术科学家谭扬将在Protein Engineering专场介绍以LLM为核心控制器的蛋白质研发智能体,并展示干湿闭环平台MatwingsVenus™(晓鹜™)。
2026年第三季度,两款采用不同诱导接近机制的新药获美国FDA批准:百时美施贵宝的CELMoD疗法iberdomide(Zenbexus)于8月13日加速获批用于多发性骨髓瘤,Revolution Medicines的RAS三元复合体抑制剂daraxonrasib(Rasonque)于8月26日获批用于转移性胰腺腺癌。
Adaptyv Bio 宣布,Google DeepMind 的 SynthID Bio 模型相关全部实验结果已在 Proteinbase 上线。据其引用的说明,SynthID Bio 是把水印写入 AI 设计蛋白质氨基酸序列的方法,Adaptyv Bio 在其实验室对这些蛋白质做了验证,实验数据现可在 Proteinbase 查看。
推荐理由:Google DeepMind 的 SynthID Bio 蛋白水印序列已由 Adaptyv Bio 完成实验验证,结果公开在 Proteinbase。
当智能体执行计算:Schrödinger的Robert Abel谈人类仍在何处做决定 https://www.biopharmatrend.com/interviews/interview-with-robert-abel-from-schrodinger/
按 boltz-2 一次预测折算约 200 残基生物 token 计算,其单价为 125 美元/百万 token,是 rosalind 输入价格的 25 倍、输出价格的 5 倍。原文仅提出这一折算与差异来源的疑问,未给出进一步核算或结论。
研究人员提出主动学习、高通量实验与几何图神经网络组成的闭环流程,用于数据稀缺条件下的C–H硼化反应预测。经3轮主动学习新增50种底物、4,821次高通量实验,最终数据集含6,865条反应记录和568种底物,独特Bemis–Murcko骨架由105个增至147个。
推荐理由:研究把主动学习选样与几何图神经网络结合,在C–H硼化上展示数据稀缺条件下的实验闭环路径。
Baker团队在Nature Communications发表方法学工作,用SAPP和DMX两套流程把蛋白设计的实验表征规模化:SAPP将从基因片段到SEC纯化与标准化表征压缩到约48小时、每天可处理数百个设计,DMX用组合条形码和Nanopore长读长测序把廉价oligo pool转为数千个序列验证后的阵列化克隆。
推荐理由:该工作把蛋白设计的实验表征推到每天数百个设计,并展示寡聚几何等变量如何影响功能。
Chai Discovery 的 chai-3 于 2026 年 6 月发布,按此计算其拿下 6 家 MNC 实际用时 4 个月而非 9 个月。chai-2 报告强调 24 孔板,湿实验整体 hit 率为 16%,据此推测 chai-3 的 hit 率在 32%-40%。其最新一轮投后估值为 38 亿美元,与晶泰、英矽、剂泰的市值处于同一量级。
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench,用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法,其中10种从头生成、7种先导优化。
推荐理由:该基准把分子生成评估从合规性推进到活性空间找回,并揭示先导优化与从头设计的差距。
Ginkgo Bioworks旗下Ginkgo Datapoints与Apheris宣布启动抗体可开发性联盟,创始成员包括AbbVie、argenx、Lundbeck和Takeda,联盟仍开放更多企业加入。
Envisagenics于2026年9月22日宣布与勃林格殷格翰达成多年期研究合作及选择权协议,针对选定的肿瘤特异性靶点开展验证,开发用于实体瘤治疗的first-in-class精准疗法,总价值超10亿美元。
推荐理由:合作把可变RNA剪接产生的肿瘤特异性靶点推进到ADC、T细胞衔接器等形式验证,呈现AI靶点发现的一种切入路径。
ToolUniverse 推出 GPU 环境自动配置功能,使智能体可在复杂生物数据集上调用机器学习模型并把输出用于发现流程。
推荐理由:ToolUniverse 新增 GPU 环境自动配置,让智能体直接调用蛋白设计与结构预测模型,并附可复用的 EGFR 设计流程。
北京大学来鲁华课题组在 Nature Machine Intelligence 发表 SynCraft,让大语言模型提出原子和化学键级编辑指令,由 RDKit 执行、SimpRetro 搜索逆合成路线,以改善生成分子的可合成性。
推荐理由:研究提出让大模型输出原子级编辑指令、由化学软件执行并检验逆合成的分子可合成性优化方法,为生成分子的后续改造提供可复用流程。
韩国科学技术院(KAIST)的 Hyosoon Jang、Taewon Kim 和 Sungsoo Ahn 在 arXiv 预印本 Co-folding with a Soup of Representations 中提出 SoupFold。
推荐理由:该预印本把多个结构模型的成对表征融合后重新生成结构,并给出抗体抗原与分子胶基准上的对照结果。
利太智药完成近5000万元种子轮融资,由讯飞创投、L2F光源创业者基金及知名产业方联合投资,光源资本担任独家财务顾问。资金将用于核心管线研发、算力投入、专利布局、人才招募及日常运营。该公司以生成式AI设计多肽新药,搭建“数据—模型—分子”三层技术体系及72小时多肽“生成—合成”闭环平台,覆盖线性肽和环肽的AI设计、化学合成、生物测试与结构解析全流程。
《Nature Communications》在线发表的这项研究提出 MALVINA 工作流,将宿主—病原体共培养、高内涵成像与深度学习分类结合,分析 1320 个微孔、约 130 万个人结肠上皮细胞,同时读出细菌入侵宽度、入侵深度、感染细胞直接基因毒性和未感染细胞群体基因毒性四项指标。
推荐理由:该研究把细菌入侵与宿主基因毒性拆成单细胞读数,为抗菌药物评价提供杀菌之外的观察维度。
RouteFlow 将分子优化转化为连续合成路径潜在空间中的搜索,为解码成功的候选分子同时给出由构建块和反应模板组成的合成路线。研究用 270,423 个 Enamine 构建块、115 个反应模板和最多五步路线训练路线自编码器,并以奖励引导流匹配加循环一致性约束进行优化。
推荐理由:该预印本把合成路线编码为连续潜在空间做分子优化,为兼顾性质与可合成性提供了一种可迁移的搜索思路。
Bindwell 团队复盘了从9月3日到10月1日自建8000平方英尺湿实验室的过程,目标是绕开CRO为模型规模化产出数据。团队向美中英印乌近40家CRO发出规格书,39家中26家回复、仅15家按规格交付,体内实验交付中位数10个月、中位成本28.9万美元,生化检测中位2周、2.6万美元。
推荐理由:作者以自建实验室的实测数据对比CRO报价与周期,为分子发现的数据规模化路径提供了一手成本参照。