西湖大学郭天南团队发表ProteinTalks：基于扰动蛋白质组学的虚拟细胞模型
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。
#数据/基准
AI蛋白质精选AI 评分8383 DrugIntel精选AI 评分6969 Apple 与 Mila 提出 SimpleDesign：单个 Transformer 联合生成蛋白序列与三维结构
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。
Andrés M. Bran精选AI 评分5858 研究者评微软 RetroChimera：单步逆合成模型中的强方法
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。
创药网AI 评分3838 新型AI药物研发工具/平台（下篇）
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。
奥泊生科精选AI 评分5858 清华博士徐罡与诺奖团队用跨模态迁移做RNA设计，奥泊生科讲述干湿闭环路线
奥泊生科技术顾问徐罡与复旦大学马剑鹏团队以ESM-2为起点做跨模态迁移，先后开发ProtRNA和ProtmRNA，用于RNA结构预测与mRNA密码子优化。ProtRNA于2025年发表于Cell Systems，在bpRNA测试集上结构预测F1为0.646，对比RiNALMo的0.594，且RNA训练阶段只调整约八分之一参数、使用六分之一RNA数据。
推荐理由：奥泊生科团队讲述如何把蛋白质语言模型迁移到RNA与mRNA设计，并解释干湿闭环为何依赖实验经验回传。
创药网AI 评分3838 新型AI药物研发工具/平台（上篇）
文章简述了近期国外代表性AI药物研发工具/平台：Isomorphic Labs的IsoDDE可预测蛋白质与药物、抗体相互作用，在Runs N' Poses最难任务上准确度达AlphaFold 3两倍以上。
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
深势科技 DP TechnologyAI 评分5050 深势科技与国家中试基地（北京）达成战略合作，共建AI4S药物设计计算平台与药物研发智能体
深势科技与国家人工智能应用中试基地（医疗）·北京建设运营方北京医疗健康大模型有限公司签署战略合作协议，将围绕共建AI4S药物设计计算平台及药物研发智能体、靶点发现、医药医疗高质量语料库与循证模型等五大方向联合攻关。
Mohammed AlQuraishi精选AI 评分7676 AlQuraishi 团队与 Apheris 用五家药企私有数据训练 OpenFold3p2
Mohammed AlQuraishi 表示，团队与 Apheris 合作，在五家药企内部的蛋白-配体复合物数据库上训练了 OpenFold3p2。由于 PDB 中类药化合物相对稀少，这批数据使相关结构数据量增加 3-4 倍，并带来精度显著提升。作者称训练数据未离开各药企内部环境。
推荐理由：作者披露 OpenFold3p2 在五家药企私有蛋白-配体结构上联合训练，给出数据规模与精度变化的具体参照。
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？
EMBL-EBI News精选AI 评分5858 EMBL-EBI 视角：基准评测如何支撑生物医学 AI 的可靠性
EMBL-EBI 研究负责人 Julio Saez-Rodriguez 等人在一篇 Perspective 文章中讨论生物医学基础模型的基准评测，提出数据质量、模型仓库与评测框架三个相互关联的支柱，并主张将性能评估与方法开发隔离、由独立方在未见数据上评测。
推荐理由：EMBL-EBI 研究负责人系统梳理生物医学基础模型基准评测的三角框架与独立评测原则，为理解模型评测争议提供参照。
Oxford Protein Informatics Group · BlogAI 评分4343 用果蝇连接组做分子对接：MaleCNS 驱动刚性对接模拟
作者把雄性果蝇中枢神经系统连接组 MaleCNS（38,128 个神经元、300 万个突触）接入一个刚性对接模拟器，让果蝇“操控”星形孢菌素进入 CDK2（PDB 1AQ1）的结合口袋。仅训练边缘两层、约十万次强化学习后，果蝇从包括 9 Å 外且倒置的各个起始位置把分子对接到晶体构象 2 Å 以内。作者明确表示这并未解决药物发现，且模拟物理为自制、连接组本身未经训练。
BioMap 百图生科AI 评分3333 从生命科学基础模型走向世界模型的2123天探索
BioMap百图生科在BIOHK2026论坛上总结其2123天进展：已构建数十万亿tokens的AI-ready数据、模型参数达数千亿，使前沿AI建模平均数据消耗降低90%。公司称已赋能数十个first-in-class项目，并计划在北京、上海建设高通量实验室，终极目标是建立覆盖分子到人体尺度的“生命科学世界模型”以部分替代临床试验。
临港实验室精选AI 评分5555 临港实验室元生·开物发布AI原生制药工作台升级版
临港实验室元生·开物发布新版本，上线协作空间与OriBench Structure Viewer，支持多人多Agent协作、蛋白结构叠合与靶点注释，并开放自定义套件能力。
推荐理由：临港实验室发布元生·开物工作台升级，展示多模型配置在BiomniBench-DA上的对照结果与协作功能。
BioMap 百图生科AI 评分5252 百图生科与华大智造签署战略合作，联合构建虚拟细胞大模型与数据基础设施
百图生科与华大智造于 2026 年 9 月 11 日签署战略合作协议，将依托百图生科的虚拟细胞模型与华大智造的实验设备，联合构建专属虚拟细胞大模型，并面向虚拟细胞和虚拟扰动搭建高质量数据基础设施。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技发布ADMET-EvO自演化科学智能体，在22项TDC ADMET任务中综合排名第一
英灵殿科技（Valhalla Technology）联合香港中文大学、浙江大学和斯坦福大学提出ADMET-EvO，一种面向异质任务持续开展自主研究、驱动任务专用算法演化的科学智能体。
推荐理由：该工作把端点理解、假设检验与算法演化串成研究闭环，为药物研发智能体的评测方式提供了可参照的架构。
Valence LabsAI 评分4040 实验室批次效应与AI模型学习
在湿实验室数据上训练的模型，可能学到的不是底层生物学，而是某个研究实验室的怪癖。 “批次效应”指的是生物样本所反映的更多是关于谁做了实验、何时做的、在哪个仪器上做的，而非所关注的生物学本身。 观看 Zeinab 解释实验室如何应对批次效应，以确保 AI 模型学到的是底层生物学，而非噪声。
深势科技 DP Technology精选AI 评分6363 深势科技推出PharmMaster·Patent智能体，一键整理专利分子与活性数据
深势科技发布药物分子专利解析智能体PharmMaster·Patent，基于文档解析引擎Uni-Parser 1.4，可从专利PDF中提取分子结构并关联活性数据、实验条件与权利要求，每条结论保留来源页码可回溯原文。
推荐理由：该工具把专利中的分子结构、活性数据与权利要求关联成可核验记录，展示了跨页证据整理的具体做法。
北京科学智能研究院AISI精选AI 评分8282 北京科学智能研究院等团队在Nature发表蛋白质组虚拟细胞模型ProteinTalks
北京科学智能研究院与西湖大学、北京大学、深势科技、哈尔滨医科大学等单位合作，在Nature发表基于NeuralODE框架的蛋白质组虚拟细胞模型ProteinTalks，用于预测药物响应与发现耐药线索。
推荐理由：研究用时间分辨扰动蛋白质组训练动力学虚拟细胞，并给出药效预测与实验验证的完整链路。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分5858 华盛顿大学、Allen研究所与Fred Hutch联合成立AI BioDesign联盟，五年投入近9500万美元
西雅图研究联盟AI BioDesign于9月3日宣布成立，由华盛顿大学、Allen研究所和Fred Hutch癌症中心联合组建，David Baker与Jay Shendure共同领导。
推荐理由：该联盟把计算设计、高通量实验与开放资源放在同一循环中，为观察蛋白质设计平台的组织方式提供参照。
BioMap 百图生科精选AI 评分7272 百图生科联合江南大学等在ACS Catalysis提出MmALS框架，CsCE酶催化效率提升75.3%
百图生科联合江南大学、乳业国家技术创新中心在ACS Catalysis发表研究，提出多模态主动学习系统MmALS，用于CsCE（纤维二糖2-差向异构酶）的AI驱动定向进化。
推荐理由：研究用三轮主动学习闭环优化乳糖转化酶，每轮仅测约50个候选，为小样本酶工程提供可迁移流程。
Mohammed AlQuraishi精选AI 评分6565 预印本追踪训练时 MSA 深度分布对结构预测性能的影响并提出改进配方
Mohammed AlQuraishi 推荐一篇 bioRxiv 预印本，该论文系统追踪训练时 MSA 深度分布对结构预测性能的影响，并提出一个在 AF2/3 基础上取得明显改进的训练配方。原文未披露具体数据集、评测指标与改进幅度。
推荐理由：该预印本追踪训练时 MSA 深度分布对结构预测的影响，并给出相对 AF2/3 有改进的训练配方。
Mohammed AlQuraishiAI 评分3030 OpenBind-0 发布获评述
David Pearlman 对我们近期发布的 OpenBind-0 写了一篇非常出色且冷静客观的评述 https://substack.com/home/post/p-213732284
Oxford Protein Informatics Group · Blog精选AI 评分5858 用机器学习预测ADME性质：两个描述符保留82%性能
OPIG的UNIQ+学生Zarif Shafiei复现Biogen ADME数据集上的模型比较结论，发现仅用RDKit的PEOE_VSA与SlogP_VSA两个向量描述符即可保留48描述符基线82%的预测性能（LightGBM、四端点5折交叉验证，平均R²由0.42降至0.36）。
推荐理由：作者复现Biogen ADME基准并检验其结论，发现两个RDKit描述符可保留82%预测性能，为特征选择提供参照。
Mohammed AlQuraishi精选AI 评分6262 OpenBind 发布首篇预印本，公开首批数据与新增虚拟筛选基准
OpenBind 发布首篇预印本，对首批 OpenBind 数据发布做更正式的分析，并扩展了此前的博客内容。该预印本补充了更多方法细节和额外分析，公开了输出与代码，并新增一个虚拟筛选基准。
推荐理由：OpenBind 首篇预印本公开首批数据与代码，并新增虚拟筛选基准，便于对照其数据与方法细节。
BioMap 百图生科精选AI 评分5858 百图生科提出虚拟细胞原生系统三层架构并披露 BioMap Cell OS 进展
百图生科在 2026 科学智能大会上首次系统提出虚拟细胞原生系统三层技术架构，并发布 BioMap Cell OS 的阶段性进展。三层分别为原生世界模型系统、原生数据进化系统和原生应用操作系统，后者将对虚拟细胞的操作抽象为 Initialize、Perturb、Evolve、Render、Compare、Uncertainty、Trace 和 Optimize 八类操作原语。
推荐理由：百图生科把虚拟细胞从单次扰动预测扩展为含世界模型、数据进化与操作原语的三层系统架构，可供观察其技术路线。
创腾科技AI 评分3838 不是所有工业AI都需要大模型：小模型如何进入研发闭环
创腾科技在「AI 进入研发现场」系列第三篇中提出，工业研发更需要面向具体任务的性能预测、实验代理优化与现场判别三类专用小模型，而非通用大模型。文章引用电解液配方优化、电池快充协议和液相色谱方法开发三个公开案例，说明代理模型与贝叶斯优化可在闭环中减少实验次数。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 分享 OpenADMET PXR 盲测夺冠方法
Inductive Bio 在 OpenADMET 2026 年 PXR 激活预测盲测中从 350 多名研究者中排名第一，其负责人 Duncan Muir 在 webinar 中完整讲解建模路径。
推荐理由：Inductive Bio 复盘其在 OpenADMET PXR 盲测中的建模路径，为 ADMET 预测的误差分析与数据融合提供可迁移做法。
百奥几何BioGeometry精选AI 评分5858 百奥几何与金斯瑞达成战略合作，以高质量蛋白数据驱动下一代 GeoFlow 大模型
百奥几何与金斯瑞生物科技正式达成战略合作，以标准化高质量蛋白功能标注数据推动 Data Scaling，持续迭代 GeoFlow 蛋白质基础大模型。金斯瑞及其关联公司（含 CDMO 平台蓬勃生物）将通过自动化实验平台与真实项目产出结构、功能、结合活性、稳定性与可开发性数据，百奥几何负责下一代模型的训练、评估与调优。
推荐理由：百奥几何与金斯瑞把实验数据接入 GeoFlow 迭代，展示了蛋白生成模型与产业级湿实验体系协作的一种路径。
AI4Protein精选AI 评分8080 Science 论文解读：Townley 等用深度学习从头设计 RNA 假结
Townley 等人在 Science 发表的工作用深度学习设计 RNA 假结，先做对二级结构与局部拓扑，再借助 RNA 自身折叠补全三维细节。
推荐理由：文章解读了深度学习设计 RNA 假结并用 SHAPE 与补偿突变验证的路线，也点出结构正确不等于功能保留。
结构生物学探索AI 评分2525 结构生物学BBS谈话录之233（结构测定106-蛋白质设计之“元宇宙”）
佰翱得方面在讨论中称，其正推进基于结构比对与相似性的蛋白“元宇宙”计划，已完成近100万结构的两两比对，拟将数十亿蛋白序列按结构聚类并叠加功能注释，建成共用数据库供检索使用。该体系被描述为可用于酶设计、蛋白骨架与PPI设计及酶工程，但讨论中多位参与者质疑“元宇宙”概念华而不实，认为结构比对与蛋白设计仍有距离。公司称目标开源，但因使用公司资源，尚不能保证开源免费。
Pranam Chatterjee精选AI 评分6262 Pranam Chatterjee团队用语言模型设计肽引导构建哺乳动物蛋白敲低筛选
Pranam Chatterjee团队报告构建了一种哺乳动物筛选体系，用语言模型设计的肽引导在多个疾病靶点上筛选蛋白敲低。该工作以预印本形式发布在bioRxiv，作者将其类比为蛋白质层面的CRISPR可编程筛选，具体筛选规模与命中结果未在推文中披露。
推荐理由：作者团队用语言模型设计肽引导构建哺乳动物筛选，为蛋白功能敲低提供可迁移的实验框架。
Valence Labs 官网资讯精选AI 评分6262 Valence Labs 作者运行 Boltz-2 一亿次，检验共折叠能否模拟细胞生物学
Valence Labs 的 Dominique Beaini 用可抢占 GPU 对 9,000 个靶点与 50 万配体运行 AlphaFold-Multimer 和 Boltz-2 共折叠及亲和力预测，累计 1 亿次，构建名为 affinity-prints 的数据集，并借助 Recursion 的表型组学图谱检验预测相互作用与细胞实验数据的对应关系。
推荐理由：作者用上亿次共折叠预测搭建亲和力指纹，并检验其与细胞表型数据的对应关系，为共折叠与虚拟细胞的衔接提供了一套可迁移的评测思路。
Biohub · News精选AI 评分7474 Biohub 用 AI 建模肿瘤细胞状态，在 DMG 小鼠中验证双药组合延长生存
Biohub 与哥伦比亚大学等机构的研究者开发 AI 系统，用 ARACNe 与 VIPER/metaVIPER 从单细胞 RNA 测序数据中识别控制肿瘤细胞状态的 Master Regulators，发现同一瘤种的患者共享近乎相同的恶性细胞状态集合，相关结果发表于两篇 Nature Genetics 论文。
推荐理由：两篇 Nature Genetics 论文用单细胞数据刻画肿瘤细胞状态，并在 DMG 模型中验证组合用药的协同生存获益。
成都先导AI 评分3131 成都先导2026半年报：营收3.46亿元、归母净利润8067.53万元均创同期新高
成都先导2026年上半年实现营业收入3.46亿元、归母净利润8067.53万元，同比分别增长52.41%和61.21%，均创历史同期新高。报告期内DEL板块获得IP转让及里程碑费合计约3700万元，带动整体利润提升，各主要业务板块收入全面增长。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 将 ADMET 模型接入 ChatGPT、Claude 与 Benchling
Inductive Bio 随 OpenAI Rosalind Workbench 发布，将其 ADMET 模型接入 OpenAI 生态（含 ChatGPT、Codex 与 Rosalind Workbench）；此前 6 月已作为 Claude Science 生态伙伴进入 Claude，本月早些时候通过 ModelHub 进入 Benchling。
推荐理由：Inductive Bio 的 ADMET 模型接入三家主流平台，展示了化学预测模型嵌入现有科研软件栈的分发路径。
Patrick WaltersAI 评分2222 marimo化学信息学笔记本竞赛
很高兴与@marimo合作，探索化学结构与生物数据之间的新关系。 发挥你的创造力，突破响应式笔记本的边界，赢取奖品！详情见下👇
Mohammed AlQuraishiAI 评分1515 OpenFold 团队招募 ML 与生物信息人才
OpenFold 团队在构建下一代生物分子模型之际，面向科学和工程方向扩招，并公开其开源承诺与招聘理念。团队称受资助条款约束，将开源全部训练代码基础设施与训练数据，发布结果可完全复现，且不会转型为初创公司或 API 模式。招聘重点为大规模训练模型的机器学习科学家/工程师，以及能整合复杂异构数据、搭建高效数据管线的生物信息学与计算生物学人才，薪资与算力对标工业界。
Mohammed AlQuraishi精选AI 评分7272 AlQuraishi 团队发布 OpenBind 系列首个模型 OpenBind-0，基于 OpenFold3 偏向小分子训练
Mohammed AlQuraishi 团队发布新系列 OpenBind 的首个模型 OpenBind-0，该模型基于 OpenFold3，并优先针对小分子进行训练。作者称 OB 系列模型将定期吸收 OpenBind 联盟与 PDB 的结构，持续更新并纳入 OpenFold 的最新功能。被引用的内容提到，OpenBind 计划收集数万条蛋白-配体结构与亲和力数据，此次同时发布 OpenBind-0 和 717 个新的配体结合结构。
推荐理由：OpenBind 系列首个模型基于 OpenFold3 并偏向小分子训练，可用于了解共折叠模型与结构数据收集的衔接方式。
Amir Shanehsazzadeh精选AI 评分6767 Amir Shanehsazzadeh 发布蛋白结合剂设计数据并谈 ipSAE 指标
Amir Shanehsazzadeh 表示其数据发布中包含了用全部10个共折叠模型、每个模型5个种子重新打分所得设计的PAE，希望这些数据与湿实验数据能帮助发现更好的结合与亲和力指标。
推荐理由：作者公开蛋白结合剂设计数据时说明纳入10个共折叠模型各5个种子的PAE，为结合亲和力指标改进提供素材。