Project Encore获NIH资助并招聘
我们拿到资助了！！！而且在普渡大学和Broad研究所都在招人！ JT Neal获得了NIH主任变革性研究奖，用于Project Encore。我们将利用成像技术并行测试160万+药物-疾病组合，为罕见遗传病进行药物重定位 https://www.linkedin.com/feed/update/urn:li:activity:7513244403222609923/
全部 AI 制药动态
Anne CarpenterAI 评分2222 BiopharmaTrendAI 评分2828 WhiteLab Genomics 融资2600万美元
突发：AI生物技术公司WhiteLab Genomics（@WhitelabG）融资2600万美元，以攻克基因治疗最难的问题：递送。🚛
Broad Institute (布罗德研究所)AI 评分2323 Broad研究所三位研究员获NIH高风险高回报项目资助
Broad研究所核心成员Erin Chen、Sam Peng获NIH主任新创新者奖，研究所科学家JT Neal获NIH主任变革性研究奖，三人属于该项目58名获奖研究者。
RecursionAI 评分2525 Recursion如何用实验验证AI预测靶点
Recursion在平台系列第四部分中说明，其基础模型提出潜在靶点后，会进入逐步加严、针对具体疾病的验证级联，在实验台上对计算发现进行降风险。公司称最终可证明模型预测的生物学与实验室观察到的物理现实一致，并以全球药企合作伙伴内部项目的高标准测试这些靶点。
Patrick HsuAI 评分33 无明确主体，无法概括
请来一杯内格罗尼，加一颗大冰块中微子
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
insitro · Publications & Press精选AI 评分7272 insitro 与礼来在 TuneLab 推出体内 PK 预测机器学习模型
insitro 与礼来在 Lilly TuneLab 平台上线体内 PK 预测模型，可跨小鼠、大鼠、狗和猴四种临床前物种预测血浆清除率、稳态分布容积和平均驻留时间。
推荐理由：该模型用礼来历史数据直接预测体内PK，并与体外外推法对比，为小分子成药性评估提供参照。
晶泰科技精选AI 评分6868 晶泰科技公布XGlue™分子胶管线进展，活性提升超千倍
晶泰科技在Discovery on Target 2026大会上公布分子胶平台XGlue™进展，针对自身免疫疾病靶点的项目从微摩尔级Hit分子出发，数月内将活性推进至纳摩尔级甚至更低，实现千倍以上提升，正迈向PCC阶段。
推荐理由：晶泰披露分子胶平台在难成药靶点上的阶段性数据，展示了计算筛选与机器人实验迭代如何收窄化学空间。
Kevin K. YangAI 评分5858 Kevin K. Yang 提出结合化学知识、生成建模与结构预测的酶设计流程
Kevin K. Yang 提出将化学知识、生成建模与结构预测组合成一条流程，用于为新自然界化学反应设计酶。推文未披露该流程的具体方法、实验验证或性能数据。
Amir ShanehsazzadehAI 评分6060 Anthropic 与 Adaptyv 蛋白设计竞赛第二题锁定 TNF-α 结合剂
Anthropic 与 Adaptyv 蛋白设计竞赛公布第二道挑战，目标是为 TNF-α 设计更优结合剂，并要求其在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。该设计还需同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计；Amir Shanehsazzadeh 转发称该靶点本身对结合剂设计就很难，pH 要求进一步加大难度。
Adaptyv Bio精选AI 评分5858 Adaptyv Bio 与 Anthropic 蛋白设计竞赛第二期：设计 pH 6.0 选择性释放的 TNF-α 结合剂
Adaptyv Bio 宣布 Anthropic x Adaptyv 蛋白设计竞赛第二期，目标是设计优于现有药物的 TNF-α 结合剂，并能在细胞内体 pH 6.0 条件下选择性释放以改善药物半衰期。设计要求还包括同时结合人源和小鼠 TNF-α，以便在临床前模型中测试同一设计。
推荐理由：比赛把 TNF-α 结合剂设计放到 pH 6.0 选择性释放和跨人鼠结合的双重约束下，可观察设计如何兼顾亲和力与可开发性。
Justas Dauparas精选AI 评分7272 Xaira 发布 X-Design，针对真实治疗靶点从头设计抗体
Xaira 的 Justas Dauparas 介绍团队开发的 X-Design，称其能针对真实治疗靶点生成抗体，其中一个靶点此前难以用常规发现方法攻克。相关细节见 Xaira 官网新闻页，推文未披露具体靶点、实验数据或验证结果。
推荐理由：Xaira 员工披露 X-Design 针对真实治疗靶点生成抗体，其中一个靶点此前难以用常规方法发现。
A-Alpha Bio 官网资讯AI 评分7272 A-Alpha Bio 联合 GSK、Boltz、Cradle、Dyno 发起 Atlas 数据联盟
A-Alpha Bio 于 7 月公开启动 Atlas Data Consortium，创始成员包括 GSK、Boltz、Cradle 和 Dyno Therapeutics，成员每季度各设计一个含 100 万条蛋白-蛋白亲和力测量的 Data Block，由 A-Alpha 在 AlphaSeq 平台上统一生成后按非独占许可共享给全体成员。
Adaptyv BioAI 评分2222 Adaptyv蛋白设计竞赛EGFR挑战赛剩两天
Adaptyv Bio蛋白质设计竞赛第一项挑战赛距截止还有两天，提交截止时间为10月6日（周二）。该挑战要求设计能在肿瘤酸性环境中结合EGFR、而在健康细胞中性pH下不结合，且须同时结合人源与鼠源EGFR变异体以便临床前测试。设计需通过ProteinBase平台提交。
DrugIntel精选AI 评分6262 Rowan 测试不同 Pose Ranking 方法对 RBFE 计算的影响
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
Frank NoéAI 评分33 Frank Noé 与 CecClementi 的助眠推文
如果你睡不着，就数叶羊跳过沙粒……和@CecClementi一起
LeapFun精选AI 评分6565 罗氏称约40%研发管线决策有AI贡献，并展示Lab-in-the-Loop闭环
在Roche Pharma Day 2026演讲中，Aviv Regev介绍罗氏正在建设的Lab-in-the-Loop，将AI、基础模型、自动化实验与临床数据嵌入从靶点发现到临床验证的环节；2025年第四季度至2026年第二季度约40%的研发管线决策存在可追踪的AI或计算贡献。
推荐理由：罗氏披露AI在研发管线决策中的实际占比与闭环建设路径，为评估药企AI落地程度提供参照。
Brian HieAI 评分3838 Minerva模型接入Proto MCP
我们现已在 Proto MCP 上部署了 Minerva 语言模型及其交互头！ 以下是一个使用 @ChatGPT 重新查看非编码 RNA 现有注释的示例：https://chatgpt.com/share/6abe9cea-c494-83e9-910d-f0d91b97ca41
Absci精选AI 评分5858 Absci 公布 AI 设计抗体 ABS-201 治疗子宫内膜异位症的 2 期 STORYLINE 试验设计细节
Absci 公布其计划中的 2 期 STORYLINE 临床试验的关键设计细节，该试验评估 AI 设计的抗体 ABS-201 治疗子宫内膜异位症相关疼痛。ABS-201 靶向催乳素受体，拟提供非性激素的新疗法路径；公司称全球约 1.9 亿女性受子宫内膜异位症影响，现有 FDA 批准的药物治疗均为影响雌激素的性激素疗法，手术切除病灶五年内复发率接近 50%。
推荐理由：Absci 披露 AI 设计抗体 ABS-201 的 2 期试验设计细节，为观察非性激素类子宫内膜异位症疗法提供参照。
TurbineAI 评分4242 Turbine在World ADC大会展示vLab® ADC发现数据
Turbine科学项目负责人Jerzy Woźnicki在圣地亚哥World ADC大会报告vLab®如何指导ADC发现，覆盖体外载荷选择到ADC体内转化。海报涵盖约1400个细胞系模型的ADC敏感性图谱、预测克服耐药性的协同组合，以及靶点表达之外的生物标志物识别，用于临床前患者模型选择；公司称预测与已有临床和实验证据一致。
Marinka Zitnik精选AI 评分6262 生物推理模型是否真正使用生物输入
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
BioSymetricsAI 评分2222 BioSymetrics用纵向数据识别患者表型
患者生物学如何让药物开发决策更精准？我们从纵向人体数据和机器学习出发，识别患者表型。#帕金森病 #生物标志物 #药物发现
TurbineAI 评分3030 Turbine 将携 vLab ADC 平台亮相 World ADC
Turbine 团队将赴圣迭戈参加 World ADC，并推介 vLab® ADC Intelligence 平台，可在投入湿实验资源前开展虚拟实验。该平台覆盖 113 种药物及组合（含 6 种 ADC 和 21 种 payload）、1348 个映射至患者亚型的生物样本，并支持用户自建分子与样本建模，用于适应证定位、联合方案协同性与体外结果向 PDX 模型的可转化性评估。
Valence LabsAI 评分2222 Valence Labs 用 CIP 标签区分分子镜像
正如你的两只手互为镜像，人体内的许多分子也是如此。 但镜像并不相同，它们的差异具有生物学相关性。 这是我们的模型即使带有手性标签也可能悄然未能捕捉到的事实。 于是引入了 CIP 标签。 想了解体内化学物质如何被标记，以便 AI 工具能区分镜像，请看下方 Cristian 的视频。 完整视频：https://youtu.be/0tT-UqhHbpI
RecursionAI 评分2222 Recursion用BioHive-2训练基础模型绘制生物学图谱
Recursion利用全球最快超级计算机之一BioHive-2训练基础模型，为每个已完成的细胞扰动生成独特嵌入指纹，并汇总为一张覆盖高维数据的综合生物学图谱。通过将已知疾病指纹与该图谱比对，可找出产生相似效应的其他基因操作，从而识别驱动或挽救疾病状态的靶点、生成新假设。该流程被其CTO称为“lab-in-the-loop”，即数据训练模型、模型指向靶点。
BioAge LabsAI 评分4444 BioAge与诺华合作挖掘运动相关抗衰老靶点
BioAge与诺华正合作从运动生物学中寻找抗衰老药物靶点，双方在ARDD会议上联合报告了合作进展。BioAge提供纵向人类衰老队列及基于数据的靶点发现平台，诺华提供运动生物学专长，包括人体对训练反应的详细蛋白质组图谱。双方共同识别与心血管代谢健康、身体功能、认知和长寿相关的运动激活通路，并优先推进为药物靶点，两家公司均将把合作发现的靶点推进药物开发。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室 NeurIPS 论文提出 pCoMole，将生物分子缩小同时保留功能
Pranam Chatterjee 团队在已被 NeurIPS 接收的论文中提出 pCoMole，目标是在保留或提升分子功能的前提下缩小生物分子尺寸，以降低合成、制造与递送难度。论文编号为 arXiv:2610.01663，模型已在 Hugging Face 的 ChatterjeeLab/pCoMole 页面公开。推文未披露具体分子模态、评测指标与实验结果。
推荐理由：作者团队提出面向生物分子的缩小化生成方法，为在保持功能前提下压缩分子尺寸提供了可复用的建模思路。
DrugIntel精选AI 评分7474 预印本追踪 Boltz-2 的 Pose→Affinity 信息流：亲和力头实际读取第二套结构
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
晶泰科技精选AI 评分5858 晶泰科技生发管线进入IND-enabling阶段，候选分子以5%米诺地尔百分之一浓度起效
晶泰科技宣布其脱发治疗创新药管线进入IND-enabling研究阶段，将围绕药效、GLP毒理及CMC开展研究。公司称自研候选分子可激活毛囊干细胞“乳酸—自噬”信号轴，在DHT诱导雄激素性脱发小鼠模型中，仅需5%米诺地尔百分之一的浓度即可达到与5%米诺地尔相当的毛发生长评分。该管线依托XtalPi Science平台的AI分子生成、FEP计算与机器人实验进行优化，目前正与国内医疗机构推进后续验证。
推荐理由：晶泰自研生发小分子进入IND-enabling阶段，其低浓度起效的动物数据为观察AI驱动管线推进提供参照。
Evaxion Biotech 官网资讯AI 评分4040 Evaxion将在SITC 2026年会公布个性化癌症疫苗EVX-01的新免疫数据
Evaxion将于11月4-8日在SITC 2026年会以口头和壁报形式公布AI设计的个性化癌症疫苗EVX-01的新免疫数据，展示其联合pembrolizumab在晚期黑色素瘤患者中疫苗特异性T细胞应答之外的全身免疫调节效应。
Andrés M. BranAI 评分1212 b12Labs 预告新进展
@b12Labs 那边正在酝酿着什么 🔥 化学并不总是这么酷。但光化学常常如此！
Kevin K. YangAI 评分88 Kevin Yang预告即将展示项目
在我向你介绍的时候，应该把这个投出来
Sergey OvchinnikovAI 评分55 Sergey Ovchinnikov 发推预热
正在为今天做准备……😅
Generate:Biomedicines精选AI 评分5858 Generate:Biomedicines 与 Roswell Park 开发 AI 设计 MUC16 CAR T 候选物 GB-5267
Generate:Biomedicines 与 Roswell Park 合作开发 GB-5267，这是一款针对卵巢癌、经 AI 设计识别肿瘤锚定 MUC16 的 CAR T 疗法。公司博客以“Engineering CAR T-Cells to Function Where Others Fail”为题说明其设计思路，并提出一期临床需要回答的问题。
推荐理由：Generate:Biomedicines 与 Roswell Park 公布 AI 设计的 MUC16 CAR T 候选物，并说明其设计思路与一期临床待解问题。
Brian HieAI 评分1818 Evo-Φ36冷冻电镜结构获PDB月度分子
很高兴我们的Evo-Φ36冷冻电镜结构在PDB 55周年的“月度分子”文章中获重点介绍！ 获得这个结构是@_David_Li @samuelhking @driscoll_cl @maxewilkinson的出色工作。 https://pdb101.rcsb.org/motm/322
Generate:Biomedicines精选AI 评分5858 Generate:Biomedicines与Roswell Park的IL-18装甲CAR-T疗法GB-5267完成首例患者给药
Generate:Biomedicines宣布其IL-18装甲CAR-T疗法GB-5267在卵巢癌Phase 1研究中完成首例患者给药，该疗法与Roswell Park合作开发并用AI设计。公司称借助The Generate Platform针对效力、增殖和持久性大规模设计并评估CAR结构，而非仅关注CAR结合强度。该研究针对铂类化疗后复发的卵巢癌，公司称此类患者治疗选择有限。
推荐理由：该疗法以T细胞功能需求为导向设计CAR结构，首例患者给药标志着AI设计细胞疗法进入临床阶段。
Frank NoéAI 评分5555 社区驱动的原子尺度机器学习生态战略路线图发布
Frank Noé 在 X 上分享了一份社区驱动的原子尺度机器学习生态战略路线图，并特别致谢 Michele Ceriotti 在汇总工作中的大量投入。路线图全文见 arXiv 预印本 2609.39090，推文未披露具体内容与结论。
Collaborations Pharmaceuticals 官网资讯AI 评分2828 Collaborations Pharmaceuticals 案例研究：过去十年 AI 的安全实际应用
Collaborations Pharmaceuticals 以十余个简要案例研究披露其过去十年面向制药、化工和消费品客户的 AI 服务项目，涵盖预测 ADME/Tox、脱靶预测、选择性 ADORA3 激动剂生成设计、PROTAC 的 hERG 与溶解度优化及眼部生物利用度算法开发。公司称这些收费项目多数因保密未公开，此次仅作高层级描述，并强调其 AI 应用建立在数十年经验与验证之上。
Marinka ZitnikAI 评分5858 Marinka Zitnik 评述 DeepMind 为 AI 生成蛋白质加水印的研究
Marinka Zitnik 评述 Google DeepMind 一项为 AI 生成蛋白质加水印的新工作，称其能在保持蛋白质功能和 AI 设计质量的同时嵌入标记。她提到曾与 Science 讨论追踪生物学中生成式 AI 输出的水印等策略，并称前学生 Zaixi Zhang 在 Nature 上讨论了该工作及团队相关方法 FoldMark。她引用的 Nature 内容指出，这类数字标记可被擦除。
Isomorphic LabsAI 评分3838 Isomorphic Labs 推出药物设计引擎 IsoDDE
Isomorphic Labs 的药物设计引擎 IsoDDE 可智能搜索庞大化学空间，设计面向真实世界的功能性分子，将过去数月的实验室工作缩短为计算数天完成。其药物设计智能体从生物靶点和目标分子性质等严格设计规范出发，在 2-4 天内自主迭代生成新分子设计，公司称带来真实世界功能性进展。