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。
#数据/基准
Valence Labs 官网资讯精选AI 评分6060 Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 的 Pearl 系统在 OpenBind 基准上零样本超越全部共折叠模型
Genesis 称其 Pearl 系统在 OpenBind 的 EV-A71 2A 蛋白酶基准（802 个化合物，best-of-25）上零样本取得 78% 联合标准成功率（RMSD ≤ 2 Å、PoseBusters 有效、LDDT-PLI ≥ 0.8），高于 OpenBind 评测的全部共折叠模型。
推荐理由：Genesis 在 OpenBind 公开基准上对比 Pearl 与六种共折叠模型及对接方法，给出零样本与亚埃级精度的具体参照。
OpenFold精选AI 评分7272 Rocklin Lab发布MGnify稳定性数据集，覆盖180万蛋白结构域
Rocklin Lab发布MGnify Stability Dataset，提供180万个多样蛋白结构域的折叠稳定性测量数据，覆盖超过20万个序列家族。该数据集由OpenFold首席研究员@grocklin团队公开，可用于蛋白稳定性相关的训练与评测。
推荐理由：该数据集覆盖超20万序列家族的180万蛋白结构域稳定性测量，为蛋白稳定性预测提供大规模训练与评测资源。
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。
Inductive Bio 官网资讯精选AI 评分6060 Ginkgo Datapoints、Tangible Scientific与Inductive Bio推出高通量ADME平台ADME-One
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。
David Mobley精选AI 评分7373 Open Free Energy 团队发布覆盖 15 家药企的自由能方法开放基准研究
Open Molecular Software Foundation 旗下 Open Free Energy 团队宣布完成迄今规模最大的自由能方法开放基准研究，称在 15 家制药公司参与的测试中达到经行业验证的准确度。David Mobley 转发该消息并附上 Business Wire 新闻稿链接，未披露具体误差指标或测试体系。
HouMed精选AI 评分7474 侯廷军团队在ChemRxiv发布LiTENexus量子化学驱动端到端AI药物发现系统
浙江大学侯廷军团队联合澳门理工大学于2026年5月15日在ChemRxiv发布LiTENexus系统，提出量子化学信息注入（QCII）机制，将势能面、电荷分布、偶极矩等规律编码进神经算子，构建端到端虚拟药物发现平台。
推荐理由：侯廷军团队把量子化学信息注入神经算子，在ADMET与分布外化学空间给出可对照的基准结果。
Genesis Therapeutics 官网资讯精选AI 评分7171 Incyte 与 Genesis Molecular AI 扩大合作，120 亿美元级条款训练 GEMS 平台
Incyte 与 Genesis Molecular AI 扩大战略合作，Incyte 将共享自有实验数据用于训练 Genesis 的 GEMS 分子 AI 平台，并新增至少 5 个由 Incyte 选定的合作靶点。
推荐理由：交易条款与数据授权范围披露较完整，可观察大药企自有实验数据进入分子AI训练的具体安排。
Mol.AIAI 评分4747 硬核重现！从100万晶体结构到毒性预测，这个化学"基础模型"有多强？
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。
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。
Mol.AIAI 评分3838 基于 ProteinMPNN 架构与 CyclicPepedia 数据的多肽设计探索：v6 实验版模型
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。
Alex RivesAI 评分5151 Biohub 发起虚拟生物学计划，五年投入 1 亿美元构建细胞预测模型
Biohub 发起 Virtual Biology Initiative，计划生成数据以解锁生物学中的规模定律并构建准确的细胞预测模型，未来五年投入 1 亿美元支持 Biohub 之外的工作。
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。
HouMed精选AI 评分7373 LaMGen：基于大语言模型的多靶点3D分子生成框架发表于Nature Communications
浙江大学康玉、侯廷军团队联合澳门理工大学刘焕香团队在Nature Communications发表LaMGen，一个仅输入靶蛋白氨基酸序列即可生成3D活性分子的多靶点药物设计框架。
推荐理由：研究用LLM从蛋白序列直接生成多靶点3D分子，并在分布外靶点对上与DualDiff比较。
Ignota Labs 官网资讯AI 评分4141 Ignota Labs 入选 AI for Science Datasets RFP 十大获胜者，将构建激酶药物毒性数据集
Ignota Labs 入选 AI for Science Datasets RFP 十大获胜者，其提案是构建数据集以加深对药物毒性根源及缓解方式的理解。该公司与 Arctoris 合作，针对一批存在显著选择性挑战的癌症相关激酶，绘制分子结构微小改动引发行为显著变化、常导致意外副作用的化学边界，并称这是首个此类资源。
Mol.AI精选AI 评分6363 浙江大学团队在Nature Communications发表CycloPepper，用机器学习预测环肽环化位点并上线在线工具
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。
1910 Genetics精选AI 评分6363 1910 Genetics在J. Med. Chem.发表PEGASUS：用大规模并行生物实验数据构建AI模型解析细胞穿透环肽极性
1910 Genetics在J. Med. Chem.发表题为PEGASUS的论文，介绍用基于大规模并行生物实验构建的AI模型解析细胞穿透环肽的极性。论文链接为https://pubs.acs.org/doi/10.1021/acs.jmedchem.5c01836，具体模型性能与实验数据未在帖文中披露。
推荐理由：该论文介绍基于大规模并行生物实验数据构建的AI模型，用于理解细胞穿透环肽的极性规律。
Mol.AIAI 评分4040 实测ETH开源算法BIMODAL：91.7%命中率，109次尝试即得100个全新化合物
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。
Emma LundbergAI 评分4848 ProtiCelli 生成模型可视化细胞内蛋白
一次性看到单个人类细胞内约13,000种蛋白质会是什么样？ 我们分享 ProtiCelli——一个让这成为可能的生成模型。除了基准测试，我们还展示了它在许多任务中的实用性。 预印本：https://bit.ly/3NY175q 一个线程 🧵👇
Theodoris Lab精选AI 评分8282 Theodoris Lab 发布时序 AI 模型 MaxToki，预测细胞状态轨迹与干预靶点
Theodoris Lab 发布时序 AI 模型 MaxToki，用于生成动态轨迹中的过去、中间与未来细胞状态，并预测诱导目标状态转变的干预。模型基于近 1 万亿基因 token 训练，覆盖约 1.75 亿单细胞转录组和约 1 亿条跨人类一生的细胞状态轨迹，采用连续数值 tokenization 与两阶段训练（上下文长度从 4096 扩至 16384）。
推荐理由：该模型把细胞状态建模扩展到时间轴，并在人源细胞与小鼠中验证了预测的促衰老靶点。
Philippe Schwaller精选AI 评分5858 多机构合作发布通用科研智能体 SAGA，可自我演化目标并完成湿实验验证
多机构合作发布通用科研智能体 SAGA（Scientific Autonomous Goal-evolving Agents），其特点是不仅优化固定目标，还会像人类研究者一样自行细化目标。该工作在化学、生物学与材料科学中设置五项发现任务，并包含湿实验验证，示例任务包括从头纳米抗体设计与永磁材料。作者 Philippe Schwaller 转发并称其为一项大规模多机构合作成果。
推荐理由：SAGA 把目标自我演化引入通用科研智能体，并在化学、生物与材料任务上做湿实验验证，可供比较智能体自主性设计。
NewLimit · Progress Blog精选AI 评分6060 NewLimit 2026年1-2月进展：首个候选药物进入规模化生产，多任务Ambrosia模型使发现效率提升逾2倍
NewLimit 将其表观遗传重编程计划中首个候选药物推进至大规模生产，生产进度达20%，并新发现一个可在衰老肝细胞中恢复多种年轻功能的 payload。
推荐理由：NewLimit 披露重编程 payload 进入规模化生产，并展示多任务模型与实验闭环将发现效率提升一倍以上。
Cradle Bio Blog精选AI 评分5858 Cradle与UC Berkeley Keasling实验室合作，用机器学习优化酵母生产疫苗佐剂QS-21的酶
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。
Argonne · GenSLMAI 评分1212 GenSLM v0.0.6a1 发布：修复 attention_mask 形状并迁移至 pydantic v2
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。
Ginkgo Datapoints · Updates精选AI 评分6060 VCPI 发布首个开源转录组数据集：在 THP-1 细胞中分析 2200 余种化合物
虚拟细胞药理学倡议（VCPI）发布首个开源转录组数据集，在 THP-1 细胞中以 6 个剂量（0.03 至 10 µM）、24 小时处理约 2280 个小分子，采用阵列式 DRUG-seq 获得化合物特异的转录组谱。
推荐理由：VCPI 首次公开约 2280 个小分子的 THP-1 转录组数据，为虚拟细胞药物响应模型提供可复用训练集。
OpenFold精选AI 评分6262 OpenFold 发布 OpenFold3 更新，经 AWS 开放数据注册表公开训练数据
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。
HouMed精选AI 评分7474 侯廷军团队等发布全模态分子设计基座模型ODesign
侯廷军教授课题组、OTeam创始人张昊天领衔，联合临港实验室郑双佳团队、浙江大学谢昌谕团队等发布全模态分子设计基座模型ODesign，在统一框架内支持蛋白质、核酸（RNA/DNA）、小分子与离子的相互作用生成，并可在分子整体、功能基序、提示原子三种粒度下可控设计。
推荐理由：该模型把蛋白、核酸与小分子设计放进同一生成框架，并给出跨模态基准对比，便于判断多模态分子设计的当前进展。
Punit Kumar Jha精选AI 评分6969 SandboxAQ研究用合成数据改进蛋白-配体结合亲和力预测
SandboxAQ在预印本中分析合成结构数据如何增强深度学习蛋白-配体结合亲和力预测，生成约8万次绝对自由能扰动（AFEP）计算并构建SAIR-FEP与SAIR-OOD两个数据集。研究发现基于结构的模型对输入结构质量高度敏感，从Boltz-1x筛选高置信度共折叠复合物可带来可预测的性能提升，而盲目加入低质量结构会使指标饱和。合成与实验数据联合训练在CASF 2016上使RMSE最多降低8%、相关性指标提升9-11%，且仅在使用高质量合成结构时重现神经缩放规律。
推荐理由：研究用约8万次AFEP计算构建合成数据集，比较合成与实验数据联合训练对亲和力预测的影响。
LabGenius Therapeutics · News精选AI 评分5858 LabGenius 发表 3in1 噬菌体展示筛选法，一天完成全部筛选轮次
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。
PrecisionLife 官网资讯精选AI 评分5858 PrecisionLife与Ovation公布GLP-1疗效遗传标志物首阶段结果并扩至2.5万患者
PrecisionLife与Ovation公布合作首阶段结果，称基于4,600名患者数据识别出2,500余个与GLP-1受体激动剂疗效相关的遗传特征，映射到1,100个基因和15个主要机制，并称疗效标志物在100%患者中被识别。
推荐理由：该合作披露了基于真实世界组学数据识别GLP-1疗效遗传标志物的首阶段结果与扩样计划，可作为药物响应分层商业化的参照。
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。
insitro · Publications & Press精选AI 评分7272 insitro 用 AI 从 MRI 推导棕色脂肪表型并完成首个 BAT 全基因组关联分析
insitro 在 Keystone Symposia 肥胖治疗会议上报告，基于 UK Biobank 影像队列（n=69,598）的 Dixon MRI 脂肪信号分数图构建 AI 推导的棕色脂肪（BAT）表型，并完成首个 BAT 全基因组关联分析，识别 81 个独立遗传位点、精细定位到 45 个基因。
e-therapeutics / Tangram TherapeuticsAI 评分2828 LLibra OS 支撑 RNAi 药物发现
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 🔗
EMBL-EBIAI 评分4242 EMBL-EBI扰动目录更新
🔬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
EMBL-EBI精选AI 评分5858 IHI Europe启动LIGAND-AI项目，生成开放蛋白-配体相互作用数据集
IHI Europe启动LIGAND-AI项目，由苏格兰药物发现中心（@thesgconline）与辉瑞英国（@Pfizer_UK）牵头，目标是生成开放的蛋白-配体相互作用数据集，用于训练AI药物发现模型。EMBL-EBI将负责归档数据，并把结果整合进ChEMBL数据库。
推荐理由：该项目由多方联合推进，计划产出开放蛋白-配体相互作用数据集并汇入ChEMBL，为AI药物发现模型提供数据基础。
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。
David Mobley精选AI 评分6060 OpenFF 发布新力场与更快电荷模型预印本
OpenFF 团队发布新力场和速度更快的电荷模型预印本，论文链接见 chemrxiv。作者未在推文中披露力场版本、电荷模型方法及精度或速度的具体数据。
推荐理由：OpenFF 团队发布新力场与更快电荷模型的预印本，为分子模拟中电荷参数化的效率取舍提供参考。
NVIDIA Healthcare & BioNeMo精选AI 评分7272 NVIDIA 扩展 BioNeMo 平台，礼来与 Thermo Fisher 等接入 AI 药物发现生态
NVIDIA 宣布扩展开放开发平台 BioNeMo，新增 Clara 开放模型中的 RNAPro（RNA 结构预测）与 ReaSyn v2（确保 AI 设计药物可合成），并推出 BioNeMo Recipes 与 GPU 加速化学信息学库 nvMolKit。
推荐理由：BioNeMo 扩展出 RNA 结构预测与可合成性模型，并接入礼来、Thermo Fisher 的实验室闭环，呈现平台化路径。
Marwin Segler精选AI 评分5858 Marwin Segler 报告用于合成步骤生成的推理模型
Marwin Segler 报告团队推出面向合成步骤生成的推理模型，针对该任务采用专门的思维链监督微调（SFT on COT）与可验证奖励强化学习（RLVR）。其表示语言模型在处理结构与丰富自然语言并存的化学任务（如合成）时带来新能力。
推荐理由：作者披露其合成路线生成推理模型采用SFT与RLVR训练，为化学语言模型的能力边界提供一手说明。
PrecisionLife 官网资讯AI 评分3333 PrecisionLife 与 Ovation 合作开发首个精准医学检测，用于指导 GLP-1 药物报销
PrecisionLife 与 Ovation.io 宣布合作开发 GLP-1 受体激动剂疗法的药物响应生物标志物，相关结果有望支撑一项面向支付方的检测，依据患者在特定适应证中对药物的耐受与响应潜力指导报销政策。该合作旨在支持 GLP-1 药物的价值导向报销模式。