Roshan Rao 宣布已完全开源其结合剂设计流程，该流程可生成纳摩尔亲和力的 scFv。代码忠实复现了论文中描述的管线，也正是产出其设计所用的同一套流程，入口为 https://tinyurl.com/7jnsuzv5。所引用的教程 notebook 位于 Biohub 的 esm 仓库，支持通过 @modal 扩展结合剂生成，相关 ESMFold2、ESMC、ESM Atlas 与完整结果见论文 https://biohub.ai/papers/esm_protein.pdf。
推荐理由：作者开源了论文中实际使用的结合剂设计流程，可复现生成纳摩尔亲和力 scFv 的完整管线。
基于 ICLR 2023 的 Uni-Mol 框架微调血脑屏障渗透性分类模型，在留出测试集上取得 ROC-AUC 0.9199、PRC-AUC 0.9686。训练使用约 2000 多个 BBBP 分子，经 RDKit 规范化后剔除 11 个非法分子，微调 10 个 Epoch。
Ginkgo Bioworks旗下Datapoints与Tangible Scientific、Inductive Bio联合推出高通量ADME平台ADME-One，将五项Tier 1 ADME检测、Inductive Bio的AI人体PK预测和化合物管理整合为一项服务。
推荐理由：三家合作方把高通量ADME实验、AI人体PK预测与化合物管理打包成一体化服务，展示AI与湿实验衔接的一种落地形态。
基于剑桥大学Emma King-Smith用约100万个CCDC有机晶体结构预训练的MPNN化学基础模型，本次重现将其迁移至TDC急性毒性数据集，在1,477个测试分子上取得MAE 0.5277，与论文参考值0.52几乎一致。模型已部署为在线应用，输入SMILES即可预测log LD50，但训练数据仅含口服LD50，未涵盖代谢活化、物种差异与慢性毒性，分布外分子可靠性下降。
个人开发者参考 ProteinMPNN 编码器-解码器框架，用 CyclicPepedia 环肽结构数据经 150 轮迭代独立训练出聚焦多肽的 v6 实验版模型。引入位置编码并增至 6 层 GCN 后，模型在内部验证集上的序列恢复率从约 23.3% 提升至 46.7%。该模型已部署为在线 Demo，可上传多肽 PDB 骨架获取序列设计建议，但仅处实验探索阶段，指标仅代表内部测试表现。
推出 Medra Lab 001。数百台机器人，不到 90 天建成。现已开放。
Medra 宣布建成 Medra Lab 001（ML001），称其为美国最大的自主实验室，面积 38,000 平方英尺、部署数百台机器人并 24/7 运行，在 90 天内建成。
推荐理由：Medra 公布其自主实验室的规模与在产合作范围，为观察物理 AI 科学家的落地形态提供参照。
唯信工坊将于2026年4月27日在北京中关村开设AI辅助大分子药物设计课程，基于WeMol平台讲解结构预测、生成式蛋白质设计、虚拟亲和力成熟、免疫原性预测与抗体人源化等内容。课程由唯信计算应用科学团队主讲，培训费1200元/人，2人8折、3人及以上7折。
浙江大学李承熙团队在《Nature Communications》发表CycloPepper，用机器学习预测治疗性环肽的环化结果并优化合成。研究基于全自动环肽合成平台CycloBot构建306个环肽数据集，采用SVC模型结合One-hot编码、氨基酸组成、二肽组成及16维理化特征，交叉验证准确率84%，实验验证一致性86%。
推荐理由：该研究用自动化合成数据训练环化位点预测模型，为环肽合成路线选择提供了可复用的在线工具。
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
对ETH Zurich Schneider团队开源框架BIMODAL的实测显示，109次生成尝试得到100个兼具有效性、新颖性与唯一性的分子，成功率91.7%。所用BIMODAL_random_512_aug_5模型经5倍数据增强，基于ChEMBL22中271,914个高活性生物分子训练，采样温度设为0.7。该结果来自生成环节的合规性与去重统计，部分分子仍需进一步确认。
基于Mordred提取的1800余个分子描述符经筛选保留604个关键特征，超参数调优后的XGBoost模型在独立测试集上预测AlogP的R²达0.7615。特征重要性分析显示支链化程度（NsssCH）、电荷分布特性（AATSC0c）与3D饱和度（HybRatio）是影响AlogP的核心因素。
Cradle与UC Berkeley Keasling实验室合作，将机器学习嵌入酵母生产疫苗佐剂QS-21的酶优化流程。该实验室2024年在Nature报告用38个植物基因使酵母从简单糖类合成QS-21，但产量远低于商业化水平。
推荐理由：案例展示机器学习如何嵌入植物酶优化流程，为替代植物提取的合成生物制造提供可迁移路径。
GenSLM 发布 v0.0.6a1，修复 attention_mask 形状问题并将依赖迁移至 pydantic v2，同时合并开发分支的依赖更新与兼容性修复。该版本还更新了长序列示例图片与 install.sh，并新增 @saforem2 为首位贡献者。
OpenFold 官方账号转发其研究员 Mohammed AlQuraishi 关于 OpenFold3 新预览版 OF3p2 的介绍，并引导读者阅读更多内容。据被引内容，OF3p2 在多数模态上缩小了与 AlphaFold3 的差距，并公开包括训练集与配置在内的全部内容，使其成为当前可从头训练且可复现的 AF3 类模型。上述性能与可复现性表述来自被引推文，本推文未补充细节。
推荐理由：OpenFold3 预览版开放训练集与配置，为复现和从头训练 AF3 类结构模型提供了可操作入口。
OpenFold 宣布 OpenFold3 更新，并通过 Amazon Web Services（AWS）的 Registry of Open Data 公开发布其训练数据。原帖未披露更新涉及的具体模型版本、性能指标或数据规模。
推荐理由：OpenFold3 更新并公开训练数据，为结构预测模型的复现与数据来源比较提供了可查入口。
Cradle Bio 将桑基图用作多属性蛋白质生成项目的核心可视化，展示序列在活性、表达、稳定性、安全性和可开发性等约束下的通过或失败流向，以定位设计瓶颈。这些结果均为预测，序列尚未合成或经湿实验验证。两个虚构示例中，将次要安全性约束放宽约10%后序列流量打开；在抗体案例中放宽次要疏水性约束后，主要活性从起始模板的1.5倍提升至2.7倍。
David Mobley 团队发布新预印本，介绍一种用于发现蛋白-配体复合物常见模拟中采样问题的简单分析工具，其做法是统计扭转态之间的跃迁次数。作者称该方法简单但出乎意料地有用，预印本已发布于 ChemRxiv。
推荐理由：作者发布预印本，介绍一种通过统计扭转态跃迁来识别蛋白-配体复合物模拟采样问题的简单分析工具。
LLibra OS 的灵活基础设施，支撑我们整合不断演进的生物学与 AI 进展，以发现差异化的 RNAi 药物。阅读 AWS 案例研究，了解我们如何构建并扩展 LLibra OS，以支持发现和开发我们 GalOmic 药物的团队。链接见下 🔗
🔬扰动目录（Perturbation Catalogue）全新更新！ 全新设计的界面、更丰富的数据集和强大的分析工作流，让探索遗传扰动数据比以往更加便捷。https://www.ebi.ac.uk/perturbation-catalogue/ #生物信息学 #功能基因组学 @OpenTargets
我们发布了一篇新预印本，探讨开源软件在分子建模中日益增长的作用！https://chemrxiv.org/engage/chemrxiv/article-details/69430a5e6e8e74030e0d7239 #compchem
Baker Lab 的蛋白质设计研究所发布开源模型 RFdiffusion3，可生成与细胞内常见各类分子相互作用的新蛋白质。
推荐理由：RFdiffusion3 以原子级扩散统一蛋白、DNA 与小分子结合设计，并开放训练代码与权重，便于复用与改造。
Baker Lab 报告开发 RFdiffusion2，可直接以活性位点原子排布为输入生成酶，无需实验室优化即具备催化活性。在 Nature Methods 研究的计算基准中，该模型解决 41 项酶设计挑战中的 41 项，此前最佳工具为 16 项。
推荐理由：RFdiffusion2 以活性位点结构为输入直接生成酶，并在计算基准中解决全部 41 项设计挑战，为酶设计提供了新的可复用工具。
复宏汉霖与唯信计算联合打造的“药研加速器”已于2025年11月28日在复宏汉霖数据中心完成私有化部署并正式上线运行。平台采用唯信计算的AI工作流框架，在抗体可开发性评估环节将分子动力学模拟与AI预测耦合，实现从抗体序列输入到可开发性评估报告输出的一键自动化。
首届药物研发智能技术论坛暨WeMol用户大会11月8日在上海张江举办，由唯信计算主办，汇聚数十家生物医药企业研发领袖与200余位WeMol用户。唯信计算称WeMol平台已整合200余个计算模块、2025年新增50余个AI功能模块，服务超70家药企及数百家科研机构，云端累计完成超30万项计算任务。
OpenFold3 团队转发 NVIDIA 关于 OpenFold3 的技术博客，并指向 NVIDIA 推出的 OpenFold3 NIM。据 NVIDIA 介绍，该模型可用于预测蛋白质、核酸与配体的复合物结构，定位为生产可用模型，博客链接为 https://nvda.ws/3JxauqA。
推荐理由：OpenFold3 以 NIM 形式提供蛋白、核酸与配体复合物预测，可了解其生产化部署形态。
A-Alpha Bio 宣布在其 AlphaSeq 平台上新增 AlphaSeq 3D，可在单次实验中用数百个预验证效应蛋白和靶点筛选数千个小分子，覆盖数千万种潜在三元复合物。
推荐理由：A-Alpha Bio 系统介绍了其分子胶发现平台的工作流，从扩展效应蛋白库到 AlphaSeq 3D 多重筛选，为理解诱导邻近药物的发现路径提供了具体参照。
↓ 如何为具有挑战性的靶点发现抗体 ↓ 我们开发了一个AI驱动的抗体设计平台，用于GPCR及其他具有挑战性的靶点。通过这些简短的图文面板了解更多关于我们技术工作原理的信息。 #人工智能 #生物制品 #科技生物
Ignota Labs与Broad Institute合作在《Journal of Chemical Information and Modelling》发表研究，提出先预测九项代理DILI标签、再与化学结构特征结合预测药物性肝损伤的DILIPredictor模型。
推荐理由：该研究把体外与体内代理指标并入特征，比较其对DILI预测的提升，并给出可复用的公开模型。
A-Alpha Bio 宣布获得美国国家科学基金会 SBIR 二期资助，用于继续开发其 AlphaSeq 平台以发现分子胶。AlphaSeq 结合合成生物学与二代测序，可同时测量两个蛋白库之间的数百万蛋白-蛋白亲和力；一期中公司已在平台上表达 E3 泛素连接酶与靶蛋白，并正确观察到由现有分子胶增强的蛋白相互作用。
推荐理由：A-Alpha Bio 公布 AlphaSeq 在分子胶发现上的可行性验证，并获 NSF SBIR 二期资助继续开发。