Valence Labs 回顾药物发现中结合亲和力预测的历史
Valence Labs 的 Daniel Ramirez 撰文梳理靶向药物发现中结合亲和力预测的两条路线：基于物理的对接与分子动力学方法可泛化到新靶点和新化学型，但速度慢且需要起始结构；Boltz-2、Nesso-1 等共折叠模型速度快、无需起始结构，却会在训练数据之外无预警失效。
推荐理由：梳理结合亲和力预测从物理模拟到共折叠模型的两条路线，并说明两者互补的融合方向。
#深度观点
Valence Labs 官网资讯精选AI 评分5858 水木分子AI 评分3838 水木分子CEO王卓智：AI智能体ChatDD赋能大分子创新药，临床前候选分子研发周期缩短至10个月以内
水木分子CEO王卓智在2026网易未来大会上称，依托自研AI智能体ChatDD，抗体类大分子药物临床前候选分子研发周期由传统18至24个月缩短至10个月以内。ChatDD覆盖立项调研、靶点评估、分子设计、优化筛选及临床前设计等环节，公司已服务50多家海内外药企和机构，2026年订单数预计增长200%以上。
Corin WagenAI 评分4242 LLM 逆折叠能力引热议
Ishaan 在这里做了很酷的工作。这似乎是一个有趣的“临界能力”案例：零样本逆折叠（IF）并不真正奏效，但给出几个示例（以及一些迭代）后，模型就具备了不容小觑的能力。 很期待看到这一方向如何发展。把 LLM 整合进蛋白质设计流程的想法有些奇怪，但也许目前（或不久的将来）相当合理？
OwkinAI 评分2525 Owkin 谈多模态数据与 K Pro 癌症预测
Owkin 称其 AI 科学家 K Pro 通过 MOSAIC 数据集获取每位患者的 6 种模态数据，可预测癌症生物学并建议新的 ADC 候选分子，单模态数据无法做到。
晶泰科技AI 评分3838 从AI预测到干湿闭环：AI for Science 正在跨越临界点
晶泰科技自2021年起自建机器人实验室，已建成超300台机器人实验工站的实验集群，整体实验效率较传统人工模式提升5至8倍。该体系由AI生成候选分子与实验方案，机器人完成合成、筛选与测试，实验数据再反哺模型迭代，形成猜想—验证—迭代闭环。其援引的《AI in Science: Early Insights》报告显示，41%受访科学家积压的待测试假设比三年前更多。
BioAge Labs精选AI 评分5858 BioAge与诺华在ARDD公布Project APEx靶点发现合作首批结果
BioAge与诺华在2026年ARDD会议上公布靶点发现合作Project APEx的首批结果，该合作聚焦运动与衰老。报告内容包括心衰诊断前近二十年的血液分子信号、阿尔茨海默病抗性人群的蛋白特征、区分十年体能保持与衰退者的蛋白，以及合作识别的一个新靶点，其证据覆盖心脏、代谢、肌肉和体能性状。APEx结合BioAge基于数十年纵向分子谱与健康寿命指标构建的发现平台和诺华的运动会生理数据。
推荐理由：BioAge与诺华公开靶点发现合作的首批结果，展示纵向人群分子数据如何指向衰老相关疾病信号。
Isomorphic LabsAI 评分2222 Isomorphic：AI生成设计攻克难成药靶点
此前，85%与人类疾病相关的蛋白质被认为难以成药——它们的形状和功能使其不太适合实验室中的传统化学筛选。从实验筛选转向计算机上的AI生成设计，我们看到这些靶点大幅打开了以原子精度设计分子的潜力，从根本上扩展了我们能够治疗的疾病数量。
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。
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。
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。
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。
BiopharmaTrendAI 评分4040 Isomorphic AI 效果如何验证
27亿美元的问题：我们如何知道 Isomorphic Labs 的 AI 是否有效？ https://www.biopharmatrend.com/business-intelligence/the-27b-question-how-do-we-know-if-isomorphics-ai-works/
Fabian TheisAI 评分2020 Theis在MICCAI谈生物世界模型与虚拟人
Fabian Theis在MICCAI 2026主旨演讲中提出MAP→PREDICT→STEER路径：先学习生物状态表征，再学习状态变化（含干预下），最后反推如何将系统导向目标状态。他以规模为第二轴对比细胞层面（深度测量、受控扰动、可闭环实验）与患者层面（大规模观察队列、纵向记录与影像、受控干预少），并认为虚拟人应是跨尺度、跨数据条件的模型组合而非单一巨型模型。
BiopharmaTrendAI 评分2323 质疑AI药物发现成功衡量标准
适度的批评是健康的……但在这种情况下，数药物候选分子的数量真的能衡量AI的成功吗？
RecursionAI 评分4242 Recursion详解端到端平台：基因组规模扰动与数据工厂
Recursion神经科学副总裁Chris Winrow在平台系列第二部分介绍，公司用声学液体处理器将2.5纳升CRISPR-Cas9试剂移入1,536孔板、每周最多200万次，并刻意随机化实验，使机器学习模型学到真实生物学而非实验假象。通过对同一批细胞成像和测序，单次实验可获数千项测量，形成可反复挖掘、供AI基础模型学习的可复用数据集。
Isomorphic LabsAI 评分2525 Isomorphic Labs：AI 重塑药物设计
经验方法 → 精心设计的分子 几个世纪以来，我们制造新药的方式不断演进，但现代 AI 代表着迄今最大的飞跃：从资源密集的迭代式设计—制造—测试循环，转向工程化的精准设计。
BioMap 百图生科AI 评分2828 南华早报专访百图生科刘维：为生物世界绘制一张地图
百图生科联合创始人、CEO刘维在南华早报专访中表示，公司基于进化树上超百万个物种、逾200亿条蛋白质序列训练生命科学基础大模型，并在300多个任务模型上平均将所需数据量减少90%。他称未来五至十年基础模型、生物数据与AI原生实验室协同，有望降低First-in-Class药物研发成本，并提及数十个具First-in-Class潜力的药物设计已在临床前研究中得到验证。
Fabian TheisAI 评分2020 Theis在ESSB2026谈从单细胞扰动到空间干预
Fabian Theis在西班牙Sitges开幕的ESSB2026（逾700名科学家参加）作开场主旨演讲，主题为“Closing the loop: from single-cell perturbations to spatial interventions”。
望石智慧AI 评分3838 望石智慧周杰龙提出“微观世界模型”：AlphaFold救不了AI制药
望石智慧创始人兼CEO周杰龙提出“微观世界模型”，主张把建模单元从原子下推到电子尺度，以量子力学和统计力学规则模拟分子相互作用，并称望石智慧正在打造首个“全电子”微观分子世界模型。
Valence LabsAI 评分4242 Valence Labs 用 PRDC 评估生成模型
一个生成模型表面上看起来在正常工作，却仍可能无法输出你最关心的疾病相关细胞群或小分子。 幸运的是，我们有技术手段来诊断并纠正这些失败。 在最新一期 Valence at the Whiteboard 中，Liam 讲解了如何使用精确率、召回率、密度和覆盖率（PRDC）来评估生成模型，以发现细微的失败模式并了解如何应对。 完整视频：https://youtu.be/teIoP92Aeow
深势科技 DP TechnologyAI 评分2222 深势科技高志锋在清华大学分享AI4S实践：从分子模型Uni-Mol到材料产线
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。
Valence LabsAI 评分3838 物理模拟大规模生成数据需警惕失效模式
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 官网资讯精选AI 评分5858 Valence Labs 谈模拟时代如何守住数据可靠性：DFT 与 FEP 的静默失效与自动检查
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。
分子之心MoleculeMindAI 评分3838 “十五五”规划定调AI制药系统化落地，分子之心以NewOrigin、QuantaMind与MoleculeOS构建AI生物研发基础设施
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AI 评分3838 转载｜途深智合加入上海国投生物医药产业生态，共筑产业创新未来
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AI 评分3131 赖才达博士在京台科技论坛演讲：Biological AI核心竞争力在于持续积累真实实验数据并转化为模型能力
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。
Marinka ZitnikAI 评分3838 生物医学世界模型的定义与数据需求
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 👇
途深智合AI 评分2222 途深智合参与“向新而生·智链未来”生物医药产业生态沙龙，谈AI蛋白设计干湿闭环
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。
德睿智药AI 评分4040 医药工业“十五五”规划发布，AI制药迎政策利好，德睿智药MDR-001推进Ⅲ期临床
工信部等十部门9月18日联合发布《医药工业发展“十五五”规划》，将深化人工智能赋能升级纳入重点任务，并设“AI制药高价值应用场景培育”专栏，涵盖智能靶点筛选与药物发现等五类场景。德睿智药称其自研AI制药引擎MAP与生命科学基座模型体系Intera与规划方向契合，其GLP-1 RA口服小分子MDR-001从立项到启动Ⅲ期临床用时约4.5年，Ⅲ期研究正在推进。
Jacob KimmelAI 评分1212 Jacob Kimmel谈科学之美与影响力
科学之美与影响力竟出人意料地相关
Marinka ZitnikAI 评分3838 AI衰老研究机遇与开放基准
很高兴与@Nature讨论在衰老研究中使用和评估AI的机遇，并重点介绍@biogerontology在@CellCellPress上发表的最新论文，该论文为衰老生物学中的AI引入了开放基准和语言模型 https://www.nature.com/articles/d41586-026-02913-7
Roshan Rao精选AI 评分6565 Anthropic 称 Claude 为 30 多个开源生物分子模型优化推理，平均提速 4 倍
Anthropic 在 Science Blog 中称，Claude 为 30 多个用于分子结构建模、类药分子设计和基因突变效应预测的开源模型优化推理，平均提速 4 倍，部分通过编写 GPU 定制软件实现，并将全部优化代码开源。Roshan Rao 转发该内容并称，Anthropic 的工作显示折叠与结合剂设计可大幅加速；他所在团队也将 Claude 用于此类问题，模型训练 MFU 提升一倍。
推荐理由：Anthropic 用 Claude 为 30 多个开源生物分子模型优化推理，并开源优化代码，可作为评估模型推理加速路径的参照。
环肽与药物发现精选AI 评分5858 全球环肽药物公司介绍05：Orbis Medicines
Orbis Medicines于2026年9月17日与Novo Nordisk达成多靶点战略合作，利用nGen平台针对心血管代谢疾病开发口服大环药物，协议含首付款、研发及商业里程碑，总潜在金额最高14亿美元，另有分级销售特许权使用费，Novo同时将对Orbis进行战略股权投资。
推荐理由：梳理Orbis的融资、nGen平台与Novo合作条款，可对照其口服大环从动物暴露走向人体PK的待解环节。
途深智合AI 评分1818 途深智合获第六届“海聚英才”大赛“产业价值奖”
途深智合凭ToursynClaw大分子药物设计科学超智能体平台获第六届“海聚英才”大赛“产业价值奖”。该平台融合自研蛋白大模型、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。
Valence LabsAI 评分2020 Valence Labs谈扰动预测数据规模挑战
要解码生物学，我们希望理解干预（遗传或分子层面）如何改变细胞状态。 挑战在于规模：约有10⁶⁰种类药分子，我们希望理解它们在许多不同细胞背景下的效应。 即便在最先进的实验室中，覆盖如此大的搜索空间也是不可行的。 但充分的数据多样性对于训练能够泛化的扰动预测模型至关重要。 那么，我们该怎么做？
途深智合AI 评分3333 转载｜“海聚英才”大赛首次设立AI4S专项赛，AI正在“读懂”生命的源代码
第六届“海聚英才”全球创新创业大赛首次设立AI4S专项赛，30个项目从上海200余个科学智能项目中选出，在生命科学、物质科学与新材料、工程技术三大赛道角逐。途深智合展示ToursynClaw科学超智能体平台，打通AI分子设计与自动化湿实验闭环，称约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。
予路乾行AI 评分2222 予见｜予路乾行徐戚轩：如何在真实药物研发中理解计算化学的价值？
予路乾行项目负责人徐戚轩在访谈中讲述从计算化学工程师到项目负责人的成长，并复盘一项分子胶研究：计算方法构建分子胶体系的准确度已接近晶体结构，可更快捕捉关键相互作用位点。该工作借助自研DIVAMICS平台从三维结构叠加时间维度刻画结合机理，论文发表于JCIM，投稿修改意见累计近100条。