跳到正文
11月8日周日
  1. 下一分子65

    AI制药日报|头条:多样计算策略发现p38α−MK2分子胶

    下一分子日报头条介绍一项结合自由能扰动与机器学习的研究,从多种化学来源配体中筛选并优先排序,识别出多个结构多样、高效力且高选择性的p38α−MK2分子胶。先导化合物14和28在人全血中达到覆盖EC50的暴露水平,并在脂多糖小鼠模型中口服给药后显著降低TNFα水平,结果基于摘要报告。

11月6日周五
  1. Inductive Bio 官网资讯63

    Inductive 在 OpenADMET CYP 抑制盲测中夺冠,连续第四次登顶 AI 药物发现基准

    Inductive 在 OpenADMET CYP Direct Inhibition 盲测中排名第一,领先来自生物制药、学术与 AI 机构的 270 余名参赛者,NVIDIA 与 Recursion 分列第三、第四。

    推荐理由:Inductive 在 OpenADMET CYP 抑制盲测中领先 270 余支队伍,可对照其连续四次登顶的 ADMET 建模路线。

  2. DrugAI38

    从NVL-655专利突破到分子设计:望石智慧MolVortex如何赋能ALK四代抑制剂研发

    望石智慧以ALK第四代抑制剂为例,展示MolVortex药物研发智能体如何串联项目立项、专利分析、分子生成与成药性评价。在海思科专利WO2026219300的NVL-655 Fast Follow案例中,代表性化合物49-A的ALK G1202R/L1196M酶活性IC50为0.08 nM,食蟹猴AUC@3mpk达1605 ng*h/ml,小鼠药效试验21天抑瘤率107%。

  3. BioTender58

    Chai Discovery 与罗氏达成合作,将 AI 分子设计平台引入其药物发现项目

    Chai Discovery 宣布与罗氏达成合作,将其 AI 模型及计算分子设计平台引入罗氏多个治疗领域的药物发现项目,双方将围绕 AI 驱动的分子设计与药物发现展开探索。Chai Discovery 此前已与 Eli Lilly、Pfizer、Novartis、Bristol Myers Squibb、GSK 等药企建立合作。材料未披露交易金额、首付款与具体项目资产。

    推荐理由:Chai Discovery 与罗氏达成合作,其合作药企名单再添一家,可观察 AI 分子设计平台在大型药企研发场景中的部署进展。

  4. DeepTech深科技60

    AI开始搞药了,药企靠什么竞争?我们和哈佛教授、连续创业者Gregory Verdine聊了聊

    哈佛化学荣休教授、连续创业者 Gregory Verdine 在 DeepTech 访谈中表示,AI 目前最明确的价值是优化已有候选分子,而非从零设计全新小分子,后者受限于复杂结构的合成周期与水分子的物理计算难题。

    推荐理由:连续创业者从分子设计、合成瓶颈与组织分工三层谈 AI 在药研中的实际边界,并以与晶泰的合作作为观察样本。

  5. 望石智慧33

    MolVortex大师班第2期:高效构效关系分析助力分子设计新路径

    望石智慧在MolVortex大师班第2期展示其全栈式小分子早研智能体MolVortex针对CBL-b别构抑制剂的靶点调研与分子生成流程。该流程先做知识产权全景调研与专利解析,再自动抽取分子结构与活性数据并输出构效关系分析报告,随后以五种设计模式单批生成100个有效分子,并对接靶点口袋预测结合构象与结合打分。

11月5日周四
  1. 下一分子32

    AI制药日报|大分子/小分子/虚拟细胞多项研究进展

    研究团队用肽条形码、尺寸排阻色谱与质谱结合的混合方法,在大肠杆菌统一生产条件下量化了超过39000个天然蛋白结构域变体、从头设计蛋白和纳米抗体的单体产量。AtomLM-9b以全原子结构分词器将生物分子几何压缩为离散结构token,在CASP14和CASP15上全原子lDDT分别为0.832和0.835。单细胞基础模型基准评测显示,五种模型在跨物种注释与扰动预测上优于简单基线,但同物种内优势有限。

  2. 王初课题组30

    化学蛋白质组学策略开发靶向PqsC的铜绿假单胞菌抗毒力化合物

    研究者以绿脓素合成作为筛选指标,从亲电性抑制剂中筛出化合物D3,其可在不影响铜绿假单胞菌生长的前提下抑制绿脓素合成。通过荧光胶与DIA无标定量蛋白质组学,确认D3共价标记绿脓素合成关键蛋白PqsC的Cys129,并抑制其体外酶活。基于该结合位点将β-内酯替换为氯乙酰胺warhead并经SAR优化,所得共价化合物处理后的细菌上清液对哺乳动物细胞毒力弱于未处理对照。

  3. DrugAI68

    浙江大学侯廷军团队发布PROTAC-DB 4.0,整合分子胶与XTAC并引入LLM问答

    浙江大学侯廷军团队联合中国药科大学等在Nucleic Acids Research发表PROTAC-DB 4.0,将数据库从PROTAC扩展至分子胶和XTAC。

    推荐理由:该论文把PROTAC、分子胶与XTAC数据整合进统一知识库,并给出LLM加RAG的检索架构,可作为靶向降解数据资源与AI建模的参照。

  4. 英灵殿科技Valhalla20

    英灵殿科技携全模态分子世界模型AlloDesign亮相亚马逊云科技创业加速营巅峰路演,入选Top 5

    英灵殿科技在2026亚马逊云科技创业加速营巅峰路演中,凭全模态分子世界模型AlloDesign与AI科研平台AlloScience成为最终胜出的五支团队之一。AlloDesign以统一架构理解并设计蛋白质、DNA、RNA及小分子,并建模分子间相互作用,现场展示了阶段性实验验证成果。AlloScience基于AWS云服务构建,覆盖信息检索、研究规划、分子设计、数据分析与结果可视化等科研工作流环节。

11月4日周三
  1. 深度智耀AI33

    深度智耀与玻色量子达成战略合作,探索“专用量子计算+AI4S”药物与材料研发

    深度智耀与玻色量子达成战略合作,将结合前者的AI4S与AI智能体平台能力和后者的专用量子计算软硬件及算法,围绕创新药物发现、材料模拟设计、配方与工艺优化开展探索。玻色量子已在分子对接、分子相似性筛选、变构位点预测及新分子结构生成与优化等任务上开展技术探索,并提供专用量子算力支持。双方将以材料与分子体系计算需求为切入点,推进任务建模、方法适配与结果评估,探索专用量子计算与AI方法的协同路径。

  2. Genesis Molecular AI68

    Genesis Molecular AI 的 NeurIPS 2026 论文:分子优化达最强推理时搜索同等性能,oracle 调用少 58 倍

    Genesis Molecular AI 在 NeurIPS 2026 论文中报告,其方法在分子优化任务上达到与最强推理时搜索相同的性能,同时 oracle 调用次数减少 58 倍。该推文指出,预训练分子生成器掌握化学规律但不了解具体靶点,论文聚焦离散扩散设计选择对反馈效率的影响。

    推荐理由:该论文比较离散扩散分子生成中不同设计选择对反馈效率的影响,为优化时的 oracle 调用预算提供参照。

  3. Google DeepMind / Isomorphic63

    Google DeepMind 为 Antigravity 推出化学信息学技能,智能体一小时完成大环设计与合成路线

    Google DeepMind 为 Google Antigravity 发布 Cheminformatics Skills,基于 RDKit 并接入 ChEMBL 与 PubChem,让语言模型负责流程编排、确定性化学工具执行分子计算。

    推荐理由:官方演示了智能体在真实肺癌药物数据上完成检索、配对分析与大环设计,可观察化学工作流的自动化边界。

11月3日周二
  1. DrugAI66

    伯克利团队在Science提出刺激性蛋白降解SPD策略,小分子BD2激活CUL2-FEM1B改善线粒体功能

    加州大学伯克利分校Michael Rapé团队在《Science》发表研究,提出刺激性蛋白降解(SPD)策略,用小分子解除BEX蛋白对E3连接酶CUL2-FEM1B的抑制,促进其天然底物降解。

    推荐理由:研究提出激活E3连接酶天然底物清除的SPD策略,为多蛋白异常疾病提供不同于PROTAC的作用模式参照。

  2. DeepTech深科技67

    AI从700亿分子中发现9种新型抗生素候选物,MIT团队向超级细菌发起挑战

    麻省理工学院教授Regina Barzilay和James J. Collins获得2026年普利兹克AI科学研究卓越奖,其Antibiotics-AI Project已用AI虚拟筛选超过700亿个分子、对超过3.8万个分子开展抗菌实验,发现或设计出9种新型抗生素候选物。

    推荐理由:梳理MIT团队从虚拟筛选到生成式设计抗生素的多年路径,并点出合成与临床环节的落差。

11月2日周一
  1. BioTender78

    MolRSI:自进化分子发现智能体以跨任务经验优化工作流,抗菌筛选命中率15.9%

    东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI,把模型选择与组件组合等工作流作为优化对象,并用跨任务记忆积累可复用经验。

    推荐理由:研究把分子发现工作流本身作为优化对象,并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。

  2. 智药局62

    一位哈佛传奇科学家,把最难的靶点交给了中国AI

    DoveTree研发总裁Lihua Yu与晶泰科技主任科学家邹俊杰在闭门交流会上首次复盘双方2025年8月宣布的战略合作,该合作总价值达数十亿美元,覆盖肿瘤、免疫、神经、代谢等领域多个难成药靶点,目前已有项目进入IND-enabling研究阶段。

    推荐理由:复盘晶泰与DoveTree围绕难成药靶点的战略合作,披露从签约到IND-enabling的推进节奏与平台能力细节。

11月1日周日
  1. Sam Rodriques60

    Sam Rodriques 发布 ChefNMR2:从 NMR 谱图推断分子结构

    Sam Rodriques 发布 ChefNMR2,这是一个与普林斯顿 Ellen Zhong 合作训练的模型,可从 NMR 谱图推断分子结构,现已上线 Kosmos。在 2,031 个分子上,该模型 top-1 准确率为 82%,而单独使用 Claude Opus 5 为 52%。作者称这让天然产物结构推断更容易,从而减少药物发现中的一个瓶颈。

    同一新闻,精选展示《ChefNMR2:结合生成模型与推理智能体从 NMR 谱图解析小分子结构》

10月31日周六
  1. 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。

  2. 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。

  3. 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。

10月30日周五
  1. 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。

  2. 智药邦78

    上海药物所郑明月等发布MolGenBench:系统评测17种AI药物生成模型

    同济大学、中国科学院上海药物研究所、上海科技大学与临港实验室团队在《Nature Communications》发表论文,构建结构基础药物发现评测基准MolGenBench,在120个蛋白质靶点和600个化合物系列上系统评估17种分子生成方法,覆盖从头设计与苗头到先导优化两个阶段。

    推荐理由:该研究用120个靶点和600个化合物系列横向比较17种分子生成方法,为判断生成模型能否产出真实活性分子提供参照。

  3. 生物药大时代38

    杭州RNA小分子药企砺博生物完成近亿元A轮融资

    砺博生物完成近亿元人民币A轮融资,由正心谷资本、创新工场美元基金、某产业医疗基金联合领投,老股东元生创投继续追加。公司成立于2022年,专注AI4S赋能的靶向RNA小分子创新药研发,已建立人类基因组RNA三级结构“自持发现引擎(SSDE)”AI4S框架。首发管线RP-0172靶向HTT mRNA治疗亨廷顿舞蹈症,正在开展I期临床试验,本轮融资将用于既有管线临床研发及全球商业化布局。

  4. 药化猩球58

    能结合却无药效的分子还能做什么:从沉默结合到PROTAC与RiboTAC的药化设计

    作者费米子父梳理了沉默结合配体在诱导邻近技术中的再利用路径,涵盖SAR by catalog、RiboTAC、RNATAC、RIPTAC与PhosTAC。文中引用Disney团队2023年Nature研究,将结合RNA但无功能效应的小分子接上RNase L招募模块后成为降解剂;Tong等2024年全转录组研究中481个结合RNA靶标仅5个达到RNase L依赖切割标准。

    推荐理由:文章把沉默结合配体与多种诱导邻近技术串成一套设计检查框架,便于理解配体再利用的取舍。

  5. 英矽智能22

    从进博会到中东前沿峰会:英矽智能力证 AI 制药落地硬实力

    英矽智能将参展第九届进博会并出席中国医疗健康峰会、FHIM、CMCS2026及迪拜下一代医学大会等多场活动。公司2026年前10个月提名11款临床前候选化合物,2021年以来PCC提名总量达35款;截至8月中旬已在自研与合作管线达成8项临床里程碑。Rentosertib(ISM001-055)治疗特发性肺纤维化已进入III期临床试验。

  6. 药化猩球50

    AI做药,到底能做什么?不能做什么?

    AI在药物发现前端已能系统排序靶点、生成候选分子并优化临床试验设计,英矽智能的Rentosertib从靶点识别到提名临床前候选药物约用18个月。但湿实验与临床验证仍是瓶颈:截至2025年中超过75个AI设计分子进入人体试验,尚无一款通过III期并获批上市。Rentosertib的III期GENESIS-IPF-3已于2026年9月完成首例患者给药,计划在47个中心招募约320名患者。

10月29日周四
  1. 德睿智药38

    文汇报 | AI制药“超级效率”赋予中国“超级机遇”

    德睿智药在2026上海生物医药投融资峰会上披露,其口服小分子GLP-1候选药物从立项到Ⅲ期临床耗时4年半、直接研发投入仅2300万美元,而美国药厂平均需8年以上、超3亿美元。公司40多位研发人员人均推进1.5条管线,创始人牛张明称AI分子设计与多目标优化可使研发效率提升10到20倍。与会投资人同时指出,AI应用仍集中在研发前端,临床开发等中后期尚未被充分赋能。

  2. BioArt73

    清华大学团队在Nature Communications发表可解释AI引导的可降解脂质肝脏mRNA递送研究

    清华大学深圳国际研究生院颜昊、康飞宇团队在Nature Communications发表研究,建立模块化合成、高通量筛选、可解释机器学习与动物验证的两阶段框架,从520种实验脂质扩展到10,920种虚拟候选,筛出可降解可电离脂质PA97MD101。

    推荐理由:研究把可解释机器学习用于可降解脂质筛选,并用独立动物实验检验体外预测的边界。