跳到正文
下一分子聚焦AI制药
10月31日周六
  2. Alex Zhavoronkov40

    英矽智能Rentosertib进III期

    @gpetruzella 在《伯克希尔鹰报》谈AI的事实与炒作。Rentosertib：AI设计的靶点+分子，现处于IPF III期，是对预测的真正检验。看这些系统实际交付了什么。 https://www.berkshireeagle.com/opinion-columnists/ai-is-advancing-faster-than-we-can-explain-it-heres-how-to-separate-fact-from-hype/5048392

  3. Brian Hie74

    Brian Hie 团队两篇基因组语言模型 ICL 预印本上线 bioRxiv

    Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。

    推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。

  6. 澪乃ゆい20

    RFD4-Proteina 论文讲解直播

    📅 11/1 10AM (JST) 将进行论文讲解直播！ 本次主题是 RFD4-Proteina 蛋白质设计进化到了什么程度？ 将讲解利用 Latent Reasoning 的新型生物分子设计模型 周日上午，和ゆい一起学习最新研究吧！ 初次观看的朋友也欢迎！✨ 直播链接在回复🔽

  7. 澪乃ゆい12

    澪乃ゆい介绍RFD4-Proteina研究

    【#PaperTalk #18】生物信息学最新研究介绍 2026年11月 RFD4-Proteina【#澪乃ゆい】【#vtuber】 https://www.youtube.com/live/PDQ5Aw4JCXQ?si=Z_iIgfOs7HNPz8j6

  9. LeapFun58

    Claude驱动AI Agent自主完成小鼠脑内基因治疗注射实验

    Exin Therapeutics联合创始人兼CEO Gabriel Ocana-Santero公开一项实验，由Claude驱动的AI Agent从19种候选基因治疗载体中选择方案，确定外侧内嗅皮层为注射靶区，并操控自建电动定位装置完成小鼠脑内注射，人类仅负责开颅缝合与审批。

    推荐理由：该实验展示AI从方案选择到设备执行的连接方式，也暴露了自主实验的安全边界问题。

  10. BioAIDesign58

    实测 Mol-1 本地部署与网页使用：纳米抗体能否找准 GFP 结合位点

    作者实测 Molence Bio 的 Mol-1 基础版，输入 GFP 与 LaG24 纳米抗体序列预测复合物结构，五个候选的 ipTM 约 0.890、平均 pLDDT 约 89.8，对齐 GFP 后 LaG24 的 Cα RMSD 为 0.97–1.19 Å，天然界面接触恢复 90.2%–91.8%。

    推荐理由：作者在本地与网页两条路径实测 Mol-1 对纳米抗体复合物的预测，并说明高分结构与界面指标各自能说明什么。

  11. iNature12

    横琴澳门大学高等研究院招收多糖生信Dry Lab博士后

    横琴澳门大学高等研究院招收1名多糖生信Dry Lab博士后，奖助金额52万/年，工作地址为澳门大学或横琴澳门大学高等研究院。研究方向包括多糖天然产物AIDD全流程研发与大分子AI预测模型搭建、AI驱动多组学数据挖掘探索多糖功效相关生物标志物，以及多糖专属自动化AI分析Pipeline与专项数据库建设。要求生物信息学、药学、计算机等专业本科及以上学历，熟悉分子对接和大分子AIDD技术体系，招满即止。

  12. 药化猩球58

    用开源结构模型 Mol-1 设计 KRAS G12D pMHC 纳米抗体的实战复盘

    作者以开源结构预测模型 Mol-1 对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽设计 VHH 纳米抗体，从 40 个候选序列中筛出 Top 20，排名第一的 VHH_039 在计算中 VHH-肽接触分数为 0.4855、对野生型仅 0.0526。

    推荐理由：作者用开源结构模型 Mol-1 完成 KRAS G12D pMHC 纳米抗体计算设计，并公开全部候选序列与评分，可作为同类流程的参照。

  13. 智药邦58

    npj Drug Discov｜TechBio 3.0：AI制药如何把预测、设计与实验连成闭环

    牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述，用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式，并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。

    推荐理由：文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环，并借两个企业案例说明证据边界。

  14. LeapFun58

    Bruce Booth警告：AI药物供给过剩，Biotech将迎来消化不良

    Atlas Venture 合伙人 Bruce Booth 在 LifeSciVC 发文《The Fruits of AI Drug Abundance: Indigestion In The Near Term》，判断 AI 长期能帮制药做出更好的药，但未来 3–5 年在分子设计层面更可能先制造一轮药物丰裕，把行业整体研发生产率推得更糟。

    推荐理由：文章转述投资人 Bruce Booth 对 AI 药物丰裕的判断，并梳理评论区关于差异化与估值的分歧。

  16. Gabriele Corso73

    Ebolathon 团队用 Boltz API 设计分子，140 个中筛出 11 个埃博拉假病毒选择性命中

    Gabriele Corso 表示，Ebolathon 黑客松团队使用 Boltz API 设计新分子，共测试 140 个分子，在埃博拉假病毒实验中筛出 11 个选择性命中。他称这体现了黑客松想法转化为实验结果，并附 muni.bio 的研究链接。

    推荐理由：记录一场黑客松用 Boltz API 设计分子并在埃博拉假病毒实验中筛出选择性命中，呈现从计算到湿实验的转化路径。

  18. Niko McCarty15

    H5N1奶牛疫苗研究登上《自然·生物技术》

    YouTube：https://www.youtube.com/watch?v=hnKK9SlGeAs （这项刚于昨日发表在《自然·生物技术》上的研究也来得正是时候，关于一种用于奶牛的H5N1疫苗：https://www.nature.com/articles/s41587-026-03343-6

  23. Alex Zhavoronkov12

    英矽智能ARDD2026多域推理演讲

    能够预测具名临床结局的多域推理，正是Salah Mahmoudi在#ARDD2026会议上的演讲可用于尽职调查的原因。照片：https://agingpharma.org/photos2026

  24. Molence73

    Molence 用 Mol-1 早期检查点构建 VHH 设计平台，17 个靶点湿实验命中率 6%–63%

    Molence 基于 Mol-1 的早期检查点搭建了内部从头 VHH 设计平台，设计以 VHH-Fc 融合形式在自有湿实验中测试，覆盖全部 17 个多样化靶点并均获得结合命中。靶点层面的初始命中率在 6% 至 63% 之间，涵盖可溶性蛋白、受体胞外域和 GPCR，包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 与 CCR5。该平台将分子预测与经实验测试的抗体设计相连接。

    推荐理由：Molence 披露其内部 VHH 设计平台在 17 个靶点上的湿实验命中率区间，可作为从头结合剂设计的实测参照。

  26. Absci58

    Absci 的 Origin 抗体设计平台迁移至 AMD Instinct GPU，共折叠打分提速 3 倍

    Absci 宣布其 Origin 抗体设计平台已运行在 AMD Instinct GPU 上，并将 AMD 开源 Triton kernels 集成进共折叠结合过滤工具 AbsciBind，在 AMD Instinct GPU 上相较生产基线取得 3 倍加速且输出质量无损失。

    推荐理由：Absci 披露 Origin 平台在 AMD GPU 上的推理加速与集群部署，可作为抗体设计算力适配的参考。

  27. 水木分子38

    水木分子入选央视「2026中国AI创业十骏」，AI生物制药双轮驱动跑出新范式

    水木分子入选央视「2026中国AI创业十骏」，成为十强中唯一聚焦AI制药的企业。其首个自研项目聚焦狼疮性肾炎双特异性抗体，从启动到确定PCC用时7个月，ChatDD支持机制分析与分子设计优化，计算候选进入湿实验验证并反馈下一轮设计。公司已拥有50多家药企客户，并与复星医药深化合作推进PharmAID项目建设。

  29. 智药局42

    Opentrons完成4000万美元E轮融资，扩展实验室机器人、软件与数据基础设施

    实验室自动化公司Opentrons完成4000万美元E轮融资，由Avego领投、BroadOak Capital Partners跟投，资金用于扩展机器人、软件和数据基础设施。其Opentrons Flex平台将机器人与AI系统结合，使实验设计、运行和改进形成持续循环，实验数据可用于训练AI。公司称已在全球80多个国家部署超过1.1万台机器人，全球排名前20的药企中90%在使用其设备。

  31. Oxford Protein Informatics Group · Blog58

    别再用胜率：跨基准任务比较模型排名的统计方法

    牛津蛋白信息学组博客指出，化学信息学论文常用胜率（模型在任务中排名第一的比例）评估基准表现，但该指标会掩盖微小差距、缺乏统计检验，并隐藏模型在部分任务上的严重失败。

    推荐理由：文章用模拟数据演示胜率指标如何掩盖模型弱点，并给出任务内与跨任务的统计比较替代流程。

  33. DeepTech深科技25

    Moderna总裁霍格：AI制药最大想象力是“一人一药”

    Moderna总裁斯蒂芬·霍格在黑石播客中表示，AI可加快药物发现与mRNA序列设计，但药物是否有效、疗效能持续多久仍需人体临床验证。他以个体化癌症疫苗为例：肿瘤样本测序后最多将34个新抗原编入mRNA，最多接种九剂，从收到合格样本到送回医院约六周。他认为AI难以同步加速制造、临床与监管环节，个体化医疗是其最看好的方向。

10月30日周五
  2. AI-Protein Design34

    AI蛋白质设计在神经退行性疾病领域的进展如何？

    针对阿尔茨海默病、ALS等神经退行性疾病，现有7项AI蛋白质设计研究覆盖金属蛋白酶降解Aβ与TDP43、靶向FUS/Amylin/Aβ/Tau/TDP43的binder设计及病理修饰检测，多数由David Baker团队完成。金属蛋白酶研究仅完成体外实验，细胞与动物验证仍是挑战；靶向无序蛋白的binder设计曾尝试polyQ但失败。整体研究数量不多，尚无AI设计蛋白药物进入AD治疗。

  4. 奶牛猫的CADD实验室63

    arXiv 预印本：GEOM-DRUGS 参考集遗漏低能构象，影响构象生成模型评分

    一篇 arXiv 预印本系统检验 GEOM-DRUGS 参考构象集的完整性，发现五种生成模型（GeoMol、GeoDiff、Torsional Diffusion 等）在 384 个分子上生成的构象中，有 2.3%–7.0% 经 GFN2-xTB 优化与合理性检查后属合理低能构象却未被参考集覆盖。

    推荐理由：研究指出构象基准参考集本身可能遗漏低能构象，为生成模型的评测方式提供了具体参照。

  6. 予路乾行58

    予路乾行参与的抗血栓药物发现研究发表：从2.2万化合物筛出2个先导分子

    上海交通大学朱芳芳团队与华南理工大学张译月团队等合作在《Journal of Advanced Research》发表研究，围绕P2Y12受体结合配体基与受体基双重虚拟筛选、分子对接、分子动力学模拟和MM/GBSA，从2.2万余个化合物中优选42个候选，并验证VS-5584和GNE-493的抗血小板与抗血栓活性。

    推荐理由：该研究展示从2.2万化合物经双重虚拟筛选收敛到42个候选、再经血小板与斑马鱼实验验证的完整路径。