跳到正文
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。

  2. A-Alpha Bio 官网资讯68

    A-Alpha Bio 推出 Atlas 平台,以实验结合数据缓解 AI 蛋白设计的数据瓶颈

    A-Alpha Bio 推出名为 Atlas 的网页平台,提供可授权的机器学习就绪蛋白相互作用数据,并支持按需生成新的结合数据。平台由高通量平台 AlphaSeq 产生数据,采用统一实验条件与标准化对照,使不同实验的数据集可合并用于模型训练与基准评测。

    推荐理由:该平台把标准化实验产生的结合数据组织成可授权数据集,为抗体设计模型的训练与基准评测提供数据来源。

7月3日周五
  1. Genesis Molecular AI36

    Genesis分子AI将在ICML首尔GenBio 2026展示DeCAF

    期待下周在首尔@icmlconf举办的GenBio 2026研讨会。 ➡️ 高级员工ML研究科学家Pranav Murugan将展示聚光灯海报:"Few-step Cofolding with All-Atom Flow Maps",介绍DeCAF——Pearl的蒸馏版本,专为少步推理构建:https://arxiv.org/abs/2606.08375 ➡️ 关于我们自豪地联合赞助的研讨会的更多详情:https://genbio-workshop.github.io/2026/

7月1日周三
  1. MindWalk / ImmunoPrecise Antibodies28

    MindWalk为HYFT生物数据架构申请专利

    MindWalk(NASDAQ: HYFT)已就围绕HYFT®模式锚点构建的多维生物表征层提交专利申请,该层为模型无关的上下文层,用于支持ReefIQ™、LensAI™及客户自选AI工作流在药物发现中检索、比较和推理可追溯的关联生物学数据。公司称该架构旨在让模型与智能体工作流保留数据来源并跨项目复用知识,此次申请意在保护HYFT®技术的核心架构。

  2. 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。

  3. 予路乾行18

    招行思享会2026|予路乾行郑铮博士谈AI重塑新药研发

    予路乾行创始人兼CEO郑铮博士在招商银行与苏州日报联合推出的“招行思享会2026”栏目中接受专访,谈AI重塑新药研发。予路乾行打造多尺度分子动力学模拟平台与创新药早研决策AI平台,为小分子、多肽、大分子等药物研发提供Hits-to-PCC一体化研发平台。公司称已与超50家国内外生物医药企业合作推进80余条新药研发管线。

6月30日周二
  1. Inductive Bio 官网资讯58

    Inductive Bio 加入 Anthropic 生命科学生态,通过 Claude 提供 ADMET 预测

    Inductive Bio 宣布加入 Anthropic 生命科学生态,并发布 Model Context Protocol(MCP)连接器,让 Claude 和 Claude Science 用户可用自然语言对任意化学结构获取 ADMET 性质预测。

    推荐理由:Inductive Bio 把其 ADMET 预测模型接入 Claude,为小分子设计中的性质评估提供了一种对话式调用入口。

6月27日周六
6月25日周四
  1. Profluent20

    Profluent谈生物学AI机遇

    生物学的复杂度不亚于文本,而且(在我们有偏见的看法中)影响力要大得多。然而,世界上只有一小部分AI人才和算力投向这一领域。 这个领域远远未被充分开发。 观看 @thisismadani 与 @nathanbenaich @airstreetcapital 的对谈,聊聊这一机遇。

  2. 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。

  3. Open Targets · Blog58

    Open Targets Platform 26.06 发布:新增单细胞与蛋白组表达数据并更新靶点优先级评分

    Open Targets Platform 26.06 已上线,基线表达数据新增 Tabula Sapiens 单细胞 RNA 测序与 PRIDE 质谱蛋白组数据,可在组织层级之外浏览细胞类型层级表达。

    推荐理由:该版本把单细胞与蛋白组表达数据纳入靶点优先级评分,并公开了临床挖掘与L2G管线的具体改动。

  4. Profluent50

    Profluent回顾OpenCRISPR突破

    OpenCRISPR是首个证明AI能够从头设计基因组编辑器的演示。我们利用AI模型构建了一种自然界不存在的、针对特定功能的蛋白质,并且它奏效了。 观看@thisismadani与@nathanbenaich @airstreetcapital的对谈,了解我们从那时起走到了哪里(以及我们将走向何方)

6月24日周三
  1. MIT Jameel Clinic · News73

    机器学习筛选出抗耐药淋球菌的新型抗生素候选分子

    MIT 的 Melis Anahtar 团队用含 38,650 个分子及其抑制淋球菌生长数据训练神经网络,再筛选 610 万分子,找到预测可靶向该菌的候选。实验室测试显示其中一个分子对多重耐药淋球菌有效且对人细胞毒性较低;用另外 152 个分子重训模型后又发现一个候选,该分子在体外杀死多重耐药菌株并在小鼠体内降低药物敏感菌株水平,进一步实验显示其抑制细菌细胞壁合成所需的一种酶。

    推荐理由:研究用3.8万分子训练神经网络筛选610万分子,找到对多重耐药淋球菌有效且机制新颖的候选。

  2. Cradle Bio Blog67

    AI 如何改变抗体优化的第一轮:Cradle 七个多样化campaign的实测

    Cradle 在七个抗体多样化campaign中,用基于进化序列数据训练的模型生成每个携带2-8个突变的多突变变体库,设计变体的结合保留率为56%-92%,其中四个campaign在未针对亲和力优化的情况下出现2倍至350倍亲和力提升。

    推荐理由:Cradle 用七个抗体多样化campaign的实测数据,对比单点扫描与多突变首轮的取舍,给出首轮实验设计的具体参照。

  3. Medra 官网资讯58

    Medra 发布 AI Experimentalist 并宣布获 DARPA 资助项目

    Medra 发布 Physical AI Scientist 平台的科学推理层 AI Experimentalist,可将自然语言科研目标与人工撰写的实验方案转化为可执行、可测量并迭代改进的实验。

    推荐理由:该平台把自然语言科研目标转成可执行实验并闭环优化,展示了自动化实验室与推理层结合的具体形态。

6月23日周二
  1. Baker Lab · IPD (蛋白质设计研究所)58

    Baker Lab 蛋白质设计研究所与 NVIDIA 合作加速 RF3 推理,256 残基蛋白预测从 5.8 秒降至 2.5 秒

    蛋白质设计研究所(IPD)与 NVIDIA 合作,将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中,在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。

    推荐理由:IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上,展示了设计模型与底层算力栈协同优化的路径。

  2. Nabla Bio74

    Nabla Bio 发布 JAM-2 报告:零样本设计多特异性抗体与 KRAS G12 双变异结合剂

    Nabla Bio 发布 JAM-2 模型报告,将零样本药物设计从结合扩展到多功能药物与胞内蛋白质组。报告称其全计算设计出针对五种肽-MHC 的多特异性抗体,T 细胞激活/杀伤 EC50 达皮摩尔级、选择性超过 100 倍;并生成靶向 KRAS G12V 与 G12C 的双变异多特异性抗体,在皮摩尔至个位数纳摩尔效力下杀伤呈递细胞且不伤野生型。

    推荐理由:Nabla Bio 公开 JAM-2 在五类肽-MHC 与 KRAS G12 双变异多特异性抗体上的设计与湿实验验证细节,可作为评估零样本抗体设计的参照。

  3. 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。

  4. Medra 官网资讯58

    Medra 推出 AI Experimentalist,与 Physical AI Lab 组成闭环实验平台

    Medra 发布 AI Experimentalist,作为其 Physical AI Scientist 平台的科学推理层,与湿实验室执行层 Physical AI Lab 组成设计、执行、解读、改进的闭环系统。

    推荐理由:Medra 公布 AI Experimentalist 与湿实验室闭环平台,抗体筛选案例给出周期压缩的具体路径。

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。

  2. Amy X. Lu15

    生物数据"苦涩教训"的苦涩教训

    生物数据"苦涩教训"的苦涩教训(仅限个人亲身经历)在于,天真的"苦涩教训"式做法永远是苦涩的😔 (但是!我仍然是"苦涩教训"的粉丝,只是它从来不是第一次尝试时预期的那种苦味,总还撒着别的香料) (这种总体感受和粉丝情怀也延伸到帖子里关于虚拟细胞的讨论)

  3. Ginkgo Datapoints · Updates71

    Ginkgo发布160个双特异性抗体可开发性数据集与设计规则

    Ginkgo在统一的knobs-into-holes CrossMab IgG1骨架上,用PROPHET-Ab高通量平台的10项检测表征了160个双特异性抗体及其65个亲本臂,并公开数据集。

    推荐理由:研究用160个双抗与65个亲本臂的配对数据,区分哪些可开发性指标可从亲本预测、哪些必须在双抗层面测。

6月18日周四
  1. Roshan Rao60

    Roshan Rao 发布用公开 API 复现 ESMFold2 规模扩展结果的仓库

    Roshan Rao 表示所有必要参数已更新,并发布仓库 esmfold2-inference-scaling,用于通过公开 API 复现 ESMFold2 的规模扩展结果。其引用的说明指出,规模扩展高度依赖对 pair representation 的扰动,论文结果设置了每轮随机 LM dropout mask、开头随机 LM 输入 mask、每轮重新随机 MSA 子采样和每轮变化的 MSA 列掩码,这些关键参数此前未在公开 API 中暴露,具体设置见补充材料。

    推荐理由:作者公开可复现 ESMFold2 规模扩展结果的推理仓库,并说明此前 API 缺失的关键参数已更新。

  2. LabGenius Therapeutics · News71

    LabGenius与LG Chem达成多年研究合作、选择权及许可协议,用EVA平台设计肿瘤靶向多特异性抗体

    LabGenius Therapeutics与LG Chem签署多年研究合作、选择权及许可协议,将用其AI/ML驱动的抗体发现平台EVA设计针对一种在多种难治癌症中表达的实体瘤抗原的肿瘤选择性多特异性抗体,目标是克服现有免疫疗法的脱靶毒性等局限。

    推荐理由:协议披露了首付款、早期里程碑与选择权行权后的潜在里程碑结构,可对照同类抗体发现合作的分层设计。

6月17日周三
  1. Amy X. Lu58

    Radical Numerics 以 5000 万美元种子轮结束隐身,预览基因组语言模型 Omnii

    Radical Numerics 宣布结束隐身状态,完成 5000 万美元种子轮融资,并预览基因组语言模型 Omnii。创始团队称曾训练 Evo 与 Evo 2(40B 参数、基于 DNA 序列训练、完全开源),Omnii 在致病因果变异检测和 AI 生成病原体识别上称达到 SOTA,并正与一家诊断公司合作用于胰腺癌及多癌种早筛、与美国国家实验室试点大流行检测。作者本人仅表示观察了该团队的人才密度并祝贺其结束隐身。

6月16日周二
  1. Cradle Bio Blog46

    Cradle 推出 Guided Rounds:将蛋白质工程轮次最佳实践内置到平台

    Cradle 发布 Guided Rounds,把运行机器学习引导蛋白质工程轮次的最佳实践内置到平台,用户输入蛋白类型、是否有实验数据及设计或筛选目标后即可获得默认配置与分步引导。该功能今日面向所有用户上线,覆盖用户最常运行的轮次类型,并可视化数据集、模型训练、设计与审核之间的决策路径以提升可追溯性。需要逐参数控制的科学家仍可自行配置单项任务,计算科学家也可通过 API 扩展自有预测器与评分。