JKO方案与Energy Matching论文讲解
周一 Starkly Speaking：我们有一场与 @X_MichalB 的会议，讲解基于“Energy Matching”论文的 Jordan–Kinderlehrer–Otto（JKO）方案 https://arxiv.org/abs/2504.10612 Zoom 时间：美东中午12点 / 中欧夏令时下午6点：http://hannes-stark.com/starkly-speaking
#深度观点
Hannes StärkAI 评分2626
Ali MadaniAI 评分3333 Profluent获政府支持个性化治愈药物
政府正在支持我们开展一项设计*个性化治愈性*药物的登月计划。很高兴能与GemmaBio合作，并与世界顶尖医疗中心为伍。 每个词都有分量。 个性化 = 为每位患者量身定制[这正是AI可编程生物学能直接发挥作用的地方] 治愈性 = 持久解决方案，不仅控制疾病，更能治愈疾病。这正是我们Profluent的使命所在——真正治愈疾病。 让我们开始建设吧！
ProfluentAI 评分4242 Profluent AI设计碱基编辑器平台
一套AI设计的碱基编辑器，全部源自同一骨架。每位患者唯一不同的部分只是向导RNA。 这就是AI带来的转变：罕见病从"一次一个药物"走向平台化，旨在降低成本、惠及更多患者。 下方是我们与GEMMABio合作、现获@ARPA_H的THRIVE项目支持的更多内容。
ProfluentAI 评分4848 Profluent 以 AI 设计模块化基因编辑器
罕见病的瓶颈在于设计：突变太多，一次只能编辑一个。AI 能解锁这一点。 很自豪能与他们一起在 @ARPA_H 的 THRIVE 项目下构建 GemmaBio 的平台。我们正将前沿 AI 模型和碱基编辑器投入这项工作，设计可跨多种突变扩展的模块化基因编辑器。
Biohub · NewsAI 评分4848 Biohub 年度回顾：蛋白质世界模型、激光相位板与患者驱动科研
Biohub 发布基于下一代 ESM 的蛋白质生物学世界模型，可预测蛋白质折叠、相互作用与功能并设计新蛋白，科学家已用其设计抗体候选物，在针对癌症和免疫相关靶点的早期实验室测试中显示积极结果。该机构还与 UC Berkeley 团队合作推出全球首个电子显微镜激光相位板，并联合多家研究机构发起 Virtual Biology Initiative，以构建人类细胞的预测性虚拟模型。
予路乾行AI 评分1818 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。
Hannes StärkAI 评分4242 Xaira 谈结合剂设计评估标准
很高兴看到 @Xaira_Thera 这篇博客文章，它基于我们近期关于评估结合剂设计模型的笔记！ 把候选分子称为结合剂的好标准 :) 让我们更多传播关于合理结合剂分类与报告的意识！ https://www.xaira.com/news/progressable-binders-the-binders-that-matter
ProfluentAI 评分2222 Profluent称AI生物处GPT-1.5时代
我们仍处在AI×生物学的GPT 1.5时代 早期模型已经奏效（信号：我们与礼来22.5亿美元的合作），但我们离天花板还很远 我们正尽可能快地奔向GPT 5 @thisismadani 与 @nathanbenaich @airstreet
ProfluentAI 评分2020 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。
Amy X. LuAI 评分1515 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）
AI4Protein精选AI 评分5858 力文所Pallatom全原子蛋白质设计模型从V1演进到Lévin智能体
杭州力文所介绍其Pallatom系列全原子生成模型，从V1端到端生成主链、侧链与序列，到V2面向靶点界面与结合位点做功能分子设计，再到以Agent组织模型与结构分析工具的Pallatom-Lévin。
推荐理由：梳理力文所Pallatom系列从全原子生成到Agent闭环的版本演进，并列出多靶点binder实验成功率。
Ignota Labs 官网资讯AI 评分3838 Ignota Labs 联合创始人 Layla Hosseini-Gerami：如何用 AI 将失败药物转化为新药
Ignota Labs 联合创始人 Layla Hosseini-Gerami 在 Nature 访谈中介绍其 AI 驱动平台：先从数千个失败药物中筛出因意外安全性问题（如肝毒性）而搁置、但患者潜力大的候选，再用深度学习结合生物信息学、化学信息学和多模态数据定位安全性问题根因并制定缓解策略。核心目标是以最小化学改动让这些药物尽快重回临床。
NewLimit · Progress BlogAI 评分4242 NewLimit 2026 进展更新：AI 系统将发现速度提升至 2 倍
NewLimit 在 2026 进展更新中称，其 AI 系统将发现速度提升至 2 倍，治疗项目从 2 个增至 3 个，并有 1 个候选药物走向临床试验。此次更新还涵盖公司创始假设与历史、酒精相关恢复研究、临床开发计划及现场问答。
Verge Genomics (Verge Labs)精选AI 评分6060 Verge Labs 与 Tenacia 达成 CNS 管线平台合作，用人类组织数据表征靶点
Verge Labs 与 Tenacia Biotechnology 宣布战略平台合作，Verge 将用其 AI 平台和专有多模态人体组织数据，为 Tenacia 部分 CNS 项目优先排序并表征靶点。
推荐理由：Verge Labs 首个平台优先模式合作，展示多模态人脑组织数据如何用于 CNS 靶点优先级与表征。
Valence Labs 官网资讯精选AI 评分6060 显微图像深度学习究竟学到了什么：Valence Labs 作者谈基准与可解释性
Valence Labs @ Recursion 的 Ihab 在文章中讨论显微图像深度学习模型究竟学到了什么，指出在部分细胞培养显微任务中，多个已训练模型的表现与未训练网络和像素统计等简单基线相近，说明基准分数中有一部分信号并不需要高层生物学表征。
推荐理由：作者结合自身基准测试经验，讨论显微图像模型何时学到真实生物学信号、何时依赖技术捷径，并提出可解释基线的设计思路。
Ali MadaniAI 评分4242 Profluent称AI设计碱基编辑器覆盖扩大10倍
AI能规模化吗？ 本月在ASGCT上，我们展示了在设计碱基编辑器（即Verve/礼来公告背后的分子）时，AI可将可及覆盖范围扩大约10倍，以及其他优势。 这意味着通过大幅拓展治疗性基因编辑的可及靶点，为患者带来突破。 我们不希望这只是一次性的突破。我们想要一台可重复的引擎。
Mol.AIAI 评分3838 基于 Uni-Mol 重现血脑屏障渗透性预测并上线在线工具
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。
Thomas ClozelAI 评分2222 与阿斯利康合作推进药企智能体AI转型
与@AstraZeneca合作太棒了，最终用智能体AI助力药企转型！全生命周期增强！
Biohub · News精选AI 评分5858 Biohub 资助 15 个团队构建免疫细胞重编程工具包
Biohub 宣布支持 15 个研究项目，与合成生物学专家共同搭建免疫细胞工程的基础工具包，包括逻辑电路、合成受体、结合剂文库和传感平台。获资助团队包括 David Baker 团队设计可读取多种生物信号并作出响应的蛋白电路、James Collins 团队构建 RNA 分子电路、Wendell Lim 团队汇编传感器与逻辑电路模块目录。
推荐理由：Biohub 公布 15 个免疫细胞重编程资助项目，展示合成生物学工具包的模块化分工与团队布局。
SynBioBeta NewsAI 评分3838 Anthropic 招聘生物学家、自建湿实验室，并收购 Coefficient Bio 押注药物发现
Anthropic 正招聘生物学家、开设湿实验室，并于上月收购成立八个月的初创公司 Coefficient Bio，以引入靶点选择、模态选择和管线规划等生物技术项目运营经验。
PrecisionLife 官网资讯精选AI 评分5858 PrecisionLife 与 Ovation 达成合作，2026 年推出 GLP-1 分层 LDT 与消费者 DNA 检测
PrecisionLife 与 Ovation.io 达成协议，将 PrecisionLife 对 Ovation 的 GLP-1 受体激动剂数据集的分析结果商业化，计划在 2026 年推出 GLP-1 分层实验室开发检测（LDT）和面向消费者的 GLP-1 DNA 检测。
推荐理由：两家公司基于真实世界 GLP-1 数据达成商业化合作，并披露减重与血糖控制标志物不同的初步结果。
HouMedAI 评分2020 碳硅智慧将于4月17日举办智能药物研发前沿交流会暨DrugFlow3.0发布会
碳硅智慧宣布将于2026年4月17日线上举办“智能药物研发前沿交流会暨DrugFlow3.0发布会”，届时正式发布以DrugFlow、BioFlow、SciGPT、Inno-FEP为核心的产品矩阵。会议将聚焦AIDD最新学术进展与产业落地路径，设置ADMET模型、全生物分子模态从头设计、知识增强科学工具智能体等主题报告及圆桌讨论。
Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio：概率化人体剂量预测如何改变候选化合物优先级
Inductive Bio 提出一套将临床前数据转化为人体剂量分布并显式传播实验与模型外推不确定性的框架，在与 Aleksia Therapeutics 的合作中用于三个后期先导化合物的排序。
推荐理由：以三个候选化合物的剂量分布对比说明概率化人体剂量预测如何改变优先级判断，并指出体外重复实验最能降低不确定性。
insitro · Publications & Press精选AI 评分6868 insitro与百时美施贵宝扩大ALS合作，新增两个由Virtual Human平台发现的靶点
insitro宣布与百时美施贵宝扩大针对肌萎缩侧索硬化（ALS）的战略合作，BMS新提名ALS-2和ALS-3两个靶点，二者均由insitro的Virtual Human平台发现，与2024年12月提名的ALS-1并列。
推荐理由：合作扩展新增两个ALS靶点并触发里程碑付款，同时披露靶点在iPSC运动神经元中的验证结果。
David MobleyAI 评分4343 OMSF与开源软件在计算化学中的作用
我们关于OMSF以及开源软件在计算化学中日益增长的作用的Perspective文章已在JCIM发表！https://dx.doi.org/10.1021/acs.jcim.5c03137 （讽刺的是，由于ACS的政策，这篇文章并非开放获取，但你可以在chemRxiv上免费阅读完整版本。https://chemrxiv.org/doi/full/10.26434/chemrxiv-2026-6n5lz/v2 ）
Cradle Bio BlogAI 评分4242 Cradle Bio 用桑基图可视化多属性蛋白质优化中的权衡
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。
奥泊生科AI 评分2525 AI如何“读懂”生命？诺奖得主携复旦团队探寻答案
诺贝尔化学奖得主Michael Levitt与马剑鹏在复旦大学共建复杂体系多尺度研究院并联合创立奥泊生科OpusBio，以干湿结合闭环推进AI蛋白质设计与药物研发。
LabGenius Therapeutics · NewsAI 评分3838 《In Vivo》两篇系列报道：谁在构建自主实验室及其对药物发现的影响
《In Vivo》以两篇系列报道梳理自主实验室的建设者、架构与商业模式选择，及其对药物发现组织、外部研发合作和操作人员的影响。报道认为自主实验室并非现有自动化的渐进升级，而是对仍发生在手工实验台上的99%药物发现研发支出的结构性挑战。
Ignota Labs 官网资讯AI 评分2020 Ignota Labs 入选 Labiotech.eu 2026 年值得关注的 18 家英国生物科技初创企业
Ignota Labs 入选 Labiotech.eu 的“2026 年值得关注的 18 家英国生物科技初创企业”名单。该公司用结合先进机器学习模型与多模态数据的 AI 平台解析毒性机制，为失败药物提供解决毒性成因、优化给药方案和临床重定位的可执行洞察，推动其尽快重返临床。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
Nimbus TherapeuticsAI 评分2828 Nimbus Therapeutics将在第21届ECCO大会上公布新型SIK2抑制剂临床前与转化数据
Nimbus Therapeutics将于2月18-21日在斯德哥尔摩第21届ECCO大会上以两张海报公布其新型SIK2抑制剂的临床前与转化数据。该公司称，基于结构的药物设计使其高选择性SIK2抑制剂对SIK1和SIK3的选择性超过300倍，在临床前模型和人源离体模型中显示抑制炎症与促进黏膜愈合的双重机制。该SIK2项目正推进至炎症与自身免疫疾病的首次人体研究。
Ignota Labs 官网资讯AI 评分2222 长寿医学面临的最大挑战：长期安全性
Ignota Labs 指出，长寿疗法的核心瓶颈不是找到可调控通路，而是确认其能否长期安全使用。此类疗法靶向核心细胞过程、面向慢性或终身使用且可能用于无症状人群，标准安全上限不足，累积毒性和情境依赖性风险需在发现早期就纳入评估。该公司正构建毒理学模型，将毒理学与计算建模结合以支持更安全药物的开发。
Biohub · NewsAI 评分3838 Andrea Califano：用 AI 重编程免疫系统的 6 项策略
Biohub 的 AI 研究者、免疫学家与生物工程师提出 6 项策略，用 AI 结合单细胞生物学和 iPSC 技术重编程免疫细胞，使其检测疾病、报告物理变化并递送治疗。
Biohub · NewsAI 评分3838 Shana Kelley：测量炎症的5种新方法
Biohub正以工程化思路开发5种测量炎症的新方法，目标是在人体组织中实时观察免疫细胞活动。具体包括基于质谱的活组织蛋白质组与代谢组非侵入检测、可对免疫细胞基因做CRISPR扰动并读出影响的功基因组平台，以及用高通量T细胞/抗原筛选结合AI解码细胞识别、预测免疫细胞决策的Decoder工具。
Nabla Bio精选AI 评分5858 Nabla Bio 称其为武田设计的分子获武田总裁在 JPM 公开评价
Nabla Bio 表示，其为武田设计的一个原本面临终止、无推进路径的项目交付了多个候选分子并奏效，武田总裁 Andy Plump 在 JPM 上以“浴火凤凰”形容该分子。Plump 称传统方法无法自行得到这一分子，但双方未披露适应证、分子数量细节与实验数据。Nabla Bio 还称其 JAM-2 平台与整合湿实验室已在业界数十个项目中运行，武田正将 AI 整合进其发现流程。
推荐理由：Nabla Bio 披露其为武田设计的分子被武田高管在 JPM 上公开评价，可作为 AI 设计分子进入大药企管线的合作案例参照。
Patrick WaltersAI 评分3838 Axiom Bio用细胞成像与机器学习预测毒性
一篇关于Axiom Bio结合细胞成像与机器学习预测毒性的有趣文章
Latent LabsAI 评分2020 Latent Labs 谈药物发现分子难题
“药物发现之所以困难，是因为当我们进入临床阶段时，我们仍然没有合适的分子。在 Latent，我们正致力于改变这一点。” AI 可以设计出能结合的分子。但是否具备成药性？这一直是悬而未决的问题。
Nabla BioAI 评分2626 STAT News审视AI设计抗体进展，Nabla Bio CEO谈压缩发现周期
STAT News对AI设计抗体的现状做了平衡报道，既呈现实际进展也保留质疑。Nabla Bio CEO Surge Biswas表示，公司开发AI以压缩药物发现周期，针对难成药靶点、新功能和更优药物特性设计更好的药物，并与领先药企团队紧密合作。
Relation精选AI 评分6262 Relation Therapeutics 与诺华达成合作，加速特应性疾病药物靶点发现
Relation Therapeutics 宣布与诺华合作，加速特应性疾病药物靶点发现。合作结合诺华在免疫学方面的能力与 Relation 的患者来源数据和 AI 平台，双方称这类疾病影响全球数亿人。Relation CEO David Roblin 在 Bloomberg 表示，许多项目失败源于起步阶段对生物学的理解不足。
推荐理由：Relation 与诺华围绕特应性疾病靶点发现达成合作，可了解其患者数据与 AI 平台在免疫学管线中的角色。
Ignota Labs 官网资讯AI 评分2222 老药新用：AI 助力挽救失败药物
Jordan Lane 与 Layla Hosseini-Gerami 在 ELRIG Drug Discovery 2025 上介绍用 AI 揭示药物毒性隐藏机制、挽救已显示潜力却在临床试验中因脱靶效应失败的分子。他们称这与业内多数用 AI 往研发管线里塞入更多药物的做法不同，重点是在药物掉出管线时将其救回，以期缩短开发周期、降低临床风险并减少碳排放。