“长江杯”2026全球AI蛋白质设计挑战赛于9月24日启动报名，聚焦AI蛋白质从头设计与真实湿实验验证，选手针对不同靶点设计纳米抗体或迷你结合蛋白。赛事奖金总额100万元人民币，计划对不低于5000条设计序列免费开展涵盖表达、纯化、检测的湿实验，报名10月31日截止。大赛由上海交通大学、上海人工智能实验室、临港实验室等共同发起主办，面向全球高校、科研院所、企业团队及个人开放。
推荐理由：赛事把纳米抗体与迷你结合蛋白设计同5000条序列的免费湿实验检测绑定，呈现AI蛋白设计的验证路径。
斯坦福大学James Zou团队在Science发表Virtual Biotech，一个模拟生物技术公司组织架构的多智能体AI系统，设虚拟首席科学官及靶点识别、靶点安全、模态选择、临床开发四个科学家智能体部门。
推荐理由：斯坦福团队用多智能体模拟药企部门，在三个真实决策点上展示跨尺度证据整合与失败试验复盘。
《Nature》2026年发表的这项研究针对6个靶点的18个先导化合物系统合成257个单原子水平类似物，发现11.3%的类似物效力提升至少10倍（95%置信区间7.5%–15.2%），但41.4%的类似物在肝微粒体稳定性、血浆游离分数或膜通透性中至少一项恶化超过3倍。
推荐理由：研究用257个单原子类似物建立配体优化的随机背景，量化效力提升与PK恶化的权衡。
百图生科与艾玮得生物于2026年9月21日签署战略合作协议，以“AI大模型+器官芯片”为切入点共建器官芯片数据工厂并联合开发垂直领域大模型。双方将基于器官芯片湿实验数据与生命科学大模型共建专用数据库与数据管理平台，使湿实验数据以“AI-Ready”格式服务模型训练迭代，并构建“AI设计—芯片验证—数据回馈”的干湿闭环智能数据飞轮。
EMBL-EBI 与 Google DeepMind、NVIDIA 等合作，在 AlphaFold 数据库中开放 2800 多种病毒的 AI 预测蛋白复合物结构，优先覆盖已知感染人类的病毒科。
推荐理由：AlphaFold 数据库新增 2800 多种病毒的蛋白复合物预测结构，为疫苗与诊断靶点研究提供开放基础数据。
Absci 创始人兼 CEO Sean McClain 在播客访谈中解析了 AI 设计抗体 ABS-201 用于模式性脱发的潜在再生机制。该抗体正处于 1/2a 期临床试验，被设计为靶向与毛囊微小化相关的关键生物学通路。访谈还讨论了其背后的新科学与临床进展。
Adaptyv Bio 宣布被英国 ARIA 选为激活伙伴，并将在伦敦开设实验室，与 ARIA 资助团队合作搭建其蛋白质设计项目所需的实验能力。新增检测方法与模态将接入 Adaptyv 现有的实验室与数据基础设施，使其获得与平台其他部分相同的规模、速度和访问便利性。该实验基础设施将在英国建设和运营，公司称此举将扩展 ARIA 资助团队及英国蛋白设计生态可构建和测试的范围。
推荐理由：Adaptyv Bio 成为 ARIA 激活伙伴并在伦敦设实验室，为英国蛋白设计团队提供实验能力与平台接入。
🚀🚀🚀 太棒了 @viswacolluru @brieski @augustallen 和团队！
侯廷军、康玉团队联合澳门理工大学刘焕香团队在Nature Protocols发布AI驱动的虚拟筛选平台CVSP-AIE，整合KarmaDock、CarsiDock与RTMScore重打分模型，通过分层调用平衡筛选速度与精度。
推荐理由：该平台把三种自研对接与打分模型整合为分层筛选流程，并给出在线与本地两种使用方式，便于比较速度与精度的取舍。
Turbine 发布 Virtual Biology Meetup 第三期完整回放，该期于9月15日围绕虚拟检测如何赢得真实研发决策信任展开。Xaira 的 Ci Chu 介绍大规模扰动数据集如何训练虚拟细胞模型应对未见过的生物学场景，Turbine 的 Krishna Bulusu 则讨论从“能否预测”转向“能否改变决策”。
深势科技AI算法负责人高志锋在清华大学专场以《AI4S：重新理解科学发现》为题，分享团队从分子预训练大模型Uni-Mol到科研智能体SpecXMaster、再到材料产线的三段实践。
英灵殿科技团队提出 OFoldNA，将二级结构信息编码为已知配对、已知非配对和未知三种状态注入全原子扩散模型，统一支持核酸单体折叠与蛋白–核酸共折叠。
推荐理由：团队把二级结构编码进全原子扩散模型，并在 FoldBench 上与 AlphaFold 3 等基线逐项对比，可看核酸结构建模的评测细节。
截至2026年6月30日全球累计获批ADC达23款，2026年6月百利天恒/BMS的izalontamab brengitecan获NMPA批准，成为全球首个获批的双特异性ADC。文章梳理2024—2026年载荷多机制化、靶点下沉、双抗与定点偶联等前沿主线及抗原丢失、载荷外排等耐药机制，并提出以MaXFlow、SDH、iLabPower覆盖抗体模拟、载荷设计、DAR工艺优化与数据治理的连续路径。
Ginkgo 的虚拟细胞药理学计划 VCPI 宣布，现有及未来全部数据集在发布时即向所有注册用户开放，采用 CC BY 4.0 许可。三个版本合计覆盖超过 14,000 个化合物。
推荐理由：VCPI 将全部数据集即时开放给注册用户，为虚拟细胞药理学研究提供了可复用的数据入口。
Broad研究所刘如谦团队在Nature发表研究，提出以AI重新设计的更稳定蛋白作为定向进化起点，可进化出活性、特异性和稳定性更优的蛋白。研究以肉毒神经毒素蛋白酶为对象，先用AI设计更稳定的版本，再通过功能进化使其切割包括神经退行性疾病相关蛋白ataxin-2在内的多种靶标，所得蛋白在稳定性和针对该功能的特异性上优于从天然蛋白酶出发的进化结果。
推荐理由：该研究把 AI 设计的稳定蛋白作为定向进化起点，与天然起点直接比较，为酶工程提供可迁移思路。
我找到了我最喜欢的新画作
BioSymetrics 母公司 Lunaibio 宣布与 Tanaist 达成全球独家许可与合作协议，将人类细胞表型能力加入其 AI 驱动的帕金森病平台。该合作把实验验证环节纳入平台，具体交易金额与资产细节未在推文中披露。
推荐理由：BioSymetrics 母公司 Lunaibio 与 Tanaist 达成帕金森病平台合作，可了解细胞表型数据如何接入 AI 药物发现流程。
Isomorphic Labs 推出药物设计引擎 IsoDDE，称其可覆盖从小分子到复杂生物药的多模态药物空间。推文以保守估计的小分子化学搜索空间约 10^60 作对比，称可观测宇宙恒星数量仅约 10^22 至 10^24。公司称该引擎使其具备在这一空间中导航的能力，但未披露具体方法、验证结果或实验数据。
Valence Labs 发文指出，DFT、FEP 等物理模拟工具正被转用于数据集开发，已能在缺乏人工密切监督下产出数千万条合成数据。但研究显示，某些计算数据集中多达 58% 的 DFT 生成数据在物理上不可能。作者 Ihor 在评论文章中介绍了若干低成本且有效的方法，用于规避物理模拟中的隐蔽失效模式，提醒在大规模使用这类方法时保持谨慎。
Valence Labs 的 Ihor Neporozhnii 撰文指出，DFT 与 FEP 等物理模拟输出正被当作训练与验证的基准真值，但这些工具原本面向专家逐条人工检查，规模化后会出现静默失效。
推荐理由：文章梳理 DFT 与 FEP 在规模化自动流程中的静默失效模式，并给出可内置管线的物理不变量与收敛检查。
你要么在整合长尾，要么就在长尾之中
西湖大学郭天南团队联合多家机构在Nature发表ProteinTalks，一个以神经常微分方程为核心的虚拟细胞模型，基于18种乳腺癌细胞系、63种FDA批准药物扰动生成的超过3800万条时序蛋白质丰度数据训练。
推荐理由：该研究用3800万条时序蛋白质组数据训练虚拟细胞模型，为药物响应预测提供了不同于转录组路线的参照。
Apple 与 Mila 等机构提出 SimpleDesign，在同一个 Transformer 中联合生成蛋白序列与三维结构，不依赖结构 tokenizer，也不使用 SE(3) 等变网络。
推荐理由：论文用消融说明去掉结构 tokenizer 后联合生成仍有竞争力，同时保留与几何模型的差距。
分子之心与引加生物宣布达成深度战略合作，将分子之心的AI蛋白质生成式设计与引加生物的微量高通量无细胞蛋白表达、全自动化筛选及工艺放大能力结合，构建从AI设计到产业化交付的“周级”闭环。
推荐理由：分子之心与引加生物把AI设计与无细胞表达、自动化筛选对接，展示了蛋白研发缩短验证周期的合作路径。
Envisagenics与勃林格殷格翰达成多年研究合作及选择权协议，将验证其SpliceCore平台筛选出的肿瘤特异性靶点，用于开发实体瘤精准疗法。勃林格殷格翰可在研究项目完成后独家许可选定靶点，并可能将其用于抗体偶联药物、T细胞衔接器和多特异性抗体等模态。
推荐理由：该合作把RNA剪接来源的肿瘤特异性靶点交给MNC验证，并覆盖ADC、T细胞衔接器等多种模态，可观察AI靶点发现如何进入产业管线。
研究者 Andrés M. Bran 对微软研究院发表于 Nature 的逆合成预测模型 RetroChimera 做了评测，认为它在单步模型类别中是较强的方法。他强调预测必须经过实验室验证，而验证的前提是先把分子合成出来。微软研究院的原帖称该模型用于加速化学合成、帮助研究者探索更广泛的分子。
推荐理由：作者以实测评测视角指出逆合成模型需先合成再验证，并给出单步模型类别中的定位参照。
Marwin Segler 团队在 Nature 发表逆合成模型 retroChimera，称其推进了 AI 合成规划模型的边界。作者指出合成是药物发现的主要瓶颈，AI 合成规划可帮助提出更优路线，并使生成式分子设计更可行。推文未披露具体评测指标与实验细节。
BindCraft2 已发布，代码当天开源，学术与工业使用均免费，作者团队未等论文发表即提前放出。该版本通过支持更多模态与靶点扩大了分子设计搜索空间，速度也更快，并可用于 Adaptyv 竞赛；Amir Shanehsazzadeh 表示 Claude 在复杂搜索空间中表现最好，相关竞赛由 Anthropic 与 Adaptyv Bio 共同赞助。
推荐理由：BindCraft2 提前开源并扩大分子设计搜索空间，为结合剂设计竞赛提供了可直接上手的工具。
Martin Pacesa 表示 Adaptyv 蛋白质设计竞赛中的靶点交叉反应问题正是 BindCraft2 的原生适用场景，并给出工具概览与 GitHub 代码入口。他同时列出 Lennart Nickel 和 Paul Kittner 基于 BindCraft1 的多靶点 notebook 变体链接。被引用的竞赛帖称将提供最高 100 万美元 Claude 额度并实验验证社区提交的 5000 个设计，赛题涵盖物种交叉反应、pH 敏感性和肽-MHC 特异性等。
推荐理由：作者以 BindCraft2 作者身份指出该工具原生支持 Adaptyv 竞赛中的靶点交叉反应设计任务，并给出代码入口。
Adaptyv Bio 表示，BindCraft2 已在其与 Anthropic 的新蛋白质设计竞赛开始前开源，该竞赛将有超过 5000 个设计在其实验室接受实验测试。作者回顾称，BindCraft1 在 2024 年其蛋白质设计基准中表现突出，赢得首届 EGFR 竞赛，并在后续轮次中被广泛使用。所引用的发布信息显示，BindCraft2 完整代码已放出，学术和工业用途均可免费使用，论文尚未发表。
推荐理由：BindCraft2 在 Adaptyv 新竞赛前开源，可对照其上一代在 EGFR 基准中的表现理解方法迭代。
BindCraft2 已发布，作者未等论文发表便提前放出完整代码，学术与工业用途均可免费使用。代码托管在 GitHub 的 PacesaLab/BindCraft2 仓库，作者称可立即用于设计，并可用于当前的 Adaptyv 竞赛。
针对“十五五”规划将医药垂类大模型、智能体等列为核心方向，分子之心以蛋白质基础大模型NewOrigin、分子动态反应模拟引擎QuantaMind和AI原生研发操作系统MoleculeOS构建AI生物研发基础设施。
途深智合加入上海国投生物医药产业生态，成为上海国投公司子基金及直投项目集中签约的40余家单位之一。其ToursynClaw大分子药物设计平台融合蛋白大模型、科学智能体与全自动机器人实验产线，公司称可约1.5个月完成抗体设计及功能实验验证，半年内推动16条抗体药管线完成PCC阶段验证。
剂泰科技联合创始人、董事长兼CEO赖才达博士在第29届京台科技论坛发表主旨演讲，提出Biological AI的核心是持续积累真实实验数据并转化为模型能力，架构分为干湿实验数据平台、垂类模型与智能体三层。
天鹜科技将于9月22日至23日同步参加2026 BPD Singapore与S创上海2026，围绕高质量数据驱动的蛋白质设计智能体及智能体与自动化实验协同分享实践。
寻明生科开源全原子生物分子基座模型OpenDDE，在PXMeter-AB、FoldBench-AB和2026ARK-AB三项抗体-抗原共折叠基准上成功率分别为51.0%、70.0%和66.4%，模型约655M可训练参数。
在这篇文章中，我们讨论了如何在生物医学中定义世界模型，它们与基础模型、智能体及其他模型类别的关系，以及我们今天可以使用哪些数据集、还需要哪些数据集 👇
望石智慧在2026华为全联接大会展出全栈式医药早研智能体MolVortex与AI 3D分子生成平台MolVado，并获“2026年度华为全球卓越伙伴表彰——技术突破奖”。其与广药集团、华为联合打造的AI药研方案基于国产算力，两周完成POC验证、3个月落地，经华为算力优化后平台性能相较同类方案提升1.08倍。公司称已整合超400万条复合物数据，为PDB公开数据库的40倍。
途深智合创始人兼CEO王宇光在9月18日“向新而生·智链未来”生物医药产业生态沙龙圆桌讨论上，分享了公司AI蛋白质从头设计的干湿闭环研发模式。公司称其ToursynClaw平台可实现约1.5个月完成抗体设计及功能实验验证，半年内推动16条抗体药管线完成PCC阶段验证。王宇光同时指出，AI设计分子从体外结合活性到表达、稳定性、药代动力学等成药性仍存在开发障碍。
途深智合在剑桥 Cambridge Tech Week 2026 的 Innovation Alley 展区展示 ToursynClaw 科学超智能体平台，该平台连接 AI 蛋白设计、科学智能体与自动化湿实验，形成设计—验证—数据反馈—模型迭代的研发闭环。