BioEmu2 全流程教程与实测：微软开源全原子生物分子结构与动力学模型
作者在 Linux + conda + NVIDIA RTX 4080 SUPER 上实测微软 BioEmu2 全原子扩散模型，对腺苷酸激酶 ADK 和肌红蛋白各生成 8 个初始候选、从同一起点推进 4 条轨迹，每条 20 次、每次 50 ns，覆盖 1 μs 模型时间，80 个推进端点全部通过几何检查。
推荐理由：作者在单卡上实测微软 BioEmu2 的结构预测与时间推进流程，给出可复用的参数设置与耗时数据。
#开源/工具
BioAICraft精选AI 评分6060
途深智合AI 评分1818 途深智合邀您参加 BIO-Europe 2026｜11月9–11日，相约德国科隆
途深智合将参加11月9–11日在德国科隆举办的BIO-Europe 2026。其ToursynClaw大分子药物设计科学超智能体平台融合自研蛋白大模型、科学智能体与全自动机器人实验产线，公司称可实现约1.5个月完成抗体设计及功能实验验证，并在半年内推动16条抗体药管线完成PCC阶段验证。
奶牛猫的CADD实验室精选AI 评分7373 机器学习力场SO3LR Tauri发布：训练覆盖85种元素，可模拟蛋白质与DNA体系
研究人员发布机器学习力场SO3LR Tauri，用约1.48亿个量子化学结构训练，覆盖85种元素并提供三种规模模型。作者在Crambin蛋白质模拟中报告重原子RMSD约1.10 Å，在顺铂与DNA交联体系中无需额外约束即维持铂四配位，但水分子扩散速度约为实验值一半，单张AMD MI355X GPU上中等模型模拟5万原子体系约1.8 ns/day。代码、模型和训练数据已公开。
推荐理由：该工作用同一机器学习力场覆盖85种元素并测试多种生物体系，同时给出水扩散偏慢与模拟速度的具体边界。
机器之心 · AI4Science精选AI 评分6767 至知创新研究院发布分布式计算系统Tessera，在512张GPU上完成约3070万原子分子动力学计算
至知创新研究院在论文中提出分布式计算系统Tessera，基于E2Former V2架构的UBio-MolFM模型，在512张GPU上完成约3070万原子的完整能量与受力计算，单步耗时1.684秒，扩展效率89.7%。
推荐理由：该工作把多层等变机器学习力场扩展到数千万原子，并给出弱扩展效率与千万原子轨迹的结构统计对照。
DrugAIAI 评分3838 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%。
BioAIDesignAI 评分4848 产品体验 | 从蛋白设计到干湿闭环，Sciland 如何构建自进化科研工作空间？
壹索智能推出的 Sciland AI 原生科研工作空间以课题内干湿闭环和跨项目自进化闭环组织蛋白设计、实验验证与经验复用。其技术报告称，在单张 NVIDIA H800 GPU 上，20 残基多肽从头设计与双模型结构复核端到端耗时 133.6 秒，227 残基抗体人源化与三维结构建模耗时 79.9 秒。
Lila SciencesAI 评分3636 Lila与Anyscale合作长上下文训练
了解更多我们与@anyscalecompute的合作！深入细节！
临港实验室精选AI 评分7272 临港实验室与上海人工智能实验室推出元生·自驱动实验室平台AutoLab
临港实验室与上海人工智能实验室联合推出基于OriBench的自驱动实验室平台AutoLab，打通从计算推演到实验验证的干湿闭环。平台融合OriGene智能体、实验室操作系统LabOS、具身智能与科研数据体系，各组件MCP工具化，设备经ADK套件与SCP-Lab协议接入后可被智能体调度复用。
推荐理由：平台把配方设计、自动制备与数据回流串成闭环，LNP实验展示了干湿迭代的具体路径。
望石智慧AI 评分3333 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。
澪乃ゆい精选AI 评分5858 RFD4-Proteina 推出 Mac 本地版，作者实测生成 GLP-1R 结合剂
澪乃ゆい实测了 BIOS 推出的 RFD4-Proteina Mac 本地移植版，用面向 Apple Silicon 优化的 MLX/Metal 实现生成针对 GLP-1R 的结合剂设计，并称安装和运行都比预想简单。据其引用的 BIOS 介绍，该移植版在默认精度下生成速度比原生 PyTorch-MPS 快 2.2 倍，在 M5 Pro 上约 12 分钟完成 20 个设计的生成与结构筛选、得到 10 个排序候选，设置后可离线运行。
推荐理由：作者实测了 RFD4-Proteina 的 Mac 本地移植版，展示了在 Apple Silicon 上生成并筛选 GLP-1R 结合剂设计的可用性。
BioAIDesign精选AI 评分5858 BioAIDesign 解析 pLDDT、ipTM 等结构预测评估指标并实操 foldmetrics
BioAIDesign 发布结构预测评估指南，逐层解释 pLDDT、PAE、pTM、ipTM、pDockQ、pDockQ2、ipSAE 与 LIS 等指标分别回答局部可信度、链间相对位置还是与参考结构的准确度，并指出 ipTM 0.9 不能换算成亲和力。
推荐理由：文章把结构预测的置信度、准确度与结合证据分层拆开，并给出可复用的汇总工具与判读顺序。
DrugAI精选AI 评分6868 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。
Sam RodriquesAI 评分4242 Kosmos助力Incyte靶点识别
AI正在改变药物靶点的识别方式。我们的合作伙伴之一Incyte Corporation已将Kosmos部署到其整个靶点识别流程中，用于评估候选靶点，这带来了显著的加速和更好的决策。我们今天发布了一篇关于与他们合作的案例研究。 Incyte极度拥抱AI，正在其整个体系中快速部署AI。他们做得非常出色，却没人谈论这件事。非常看好。
BioAICraft精选AI 评分5858 Mol-1全流程教程与实测：四类复合物结构预测及有无MSA对比
作者在Linux加RTX 4080S环境部署Molence Bio开源的Mol-1全原子结构预测模型，对蛋白-蛋白、抗体-抗原、纳米抗体和蛋白-小分子四类体系各做有/无MSA预测，共生成24个结构。
推荐理由：作者在RTX 4080S上实测Mol-1四类复合物预测，对比有无MSA的DockQ与RMSD差异，可作为部署与参数配置参考。
Genesis Molecular AI精选AI 评分5858 Caltech 与 Genesis 团队发布 DDAMO 论文并开源代码
Caltech 的 Trevor Chen 与 @ariel_1214_ 共同主导，联合 Genesis 团队（@edunov、@gruver_nate）等作者发布论文 arXiv:2607.02834，并在 GitHub 开源代码 DDAMO。材料未披露研究任务、方法细节与实验结果。
Google DeepMind / Isomorphic精选AI 评分6363 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。
机器之心 · AI4Science精选AI 评分7878 斯坦福 X-lab 与 SNAP 实验室发布 ProteoCraft 蛋白设计框架
斯坦福大学 X-lab 与 SNAP 实验室联合发布蛋白设计框架 ProteoCraft，采用梯度提案、完整结构预测验证与两阶段蒙特卡洛树搜索，支持结合蛋白从头设计和限定区域局部改造。
推荐理由：报道介绍斯坦福团队的提案—验证搜索框架，用独立结构预测与湿实验数据展示从头与局部设计的阶段性表现。
Open Targets · Blog精选AI 评分6767 Open Targets 发布 Mira 临床数据管线，整合 23 个来源增强平台临床试验证据
Open Targets 发布临床数据挖掘管线 Mira（Multi-source Indication & Report Analytics），整合 ClinicalTrials.gov、DailyMed、PMDA、EMA 等 23 个来源，在 26.09 版本产出 289,954 条临床报告、覆盖 13 个研发阶段。
推荐理由：介绍 Open Targets 新临床数据管线如何整合 23 个来源并重估靶点临床先例，可了解其数据口径与阶段映射变化。
药化猩球精选AI 评分5858 用 PartiDesign 从零设计 KRAS G12D pMHC 结合蛋白的实战记录
作者用 PartiDesign 针对 HLA-A*11:01 呈递的 KRAS G12D 突变肽完成一次从头结合蛋白设计，在 RTX 5080 上以 5 种长度各 100 个样本生成 500 条候选，约 78 分钟完成。
推荐理由：作者完整记录用 PartiDesign 设计 KRAS G12D pMHC 结合蛋白的流程，含 hotspot 取舍与评分分布，可作同类设计的操作参照。
BioTender精选AI 评分7373 腾讯混元 Hyra 2.0 科研智能体自主研发出蛋白质逆折叠模型 HyInv 与语言模型 HyPLM-Flash
腾讯混元于 11 月 2 日发布 Hyra 2.0（Hunyuan Research Agent），将 AI 科研智能体的目标从解决单个科研问题扩展到自主研发可复用的模型、算法和工具，并完成两个 AI4Protein 成果的研发。
推荐理由：腾讯混元披露科研智能体自主研发出两个蛋白质模型，并公开权重与推理代码，可供比较其研发流程与评测表现。
下一分子AI 评分7474 Edison Scientific与普林斯顿发布ChefNMR2：从一维NMR与分子式生成候选结构
Edison Scientific与普林斯顿大学合作发布ChefNMR2，输入分子式和一维NMR峰表，由原子级流匹配模型生成候选平面结构，再由智能体核对谱图与文献。
Corin Wagen精选AI 评分5858 Corin Wagen 用约250美元算力在 Modal 完成无人工代码的分子模拟项目
Corin Wagen 称其最终项目在 Modal 上花费约250美元，且不涉及任何人工编写的代码。他随后发布完整写作，认为分子模拟正在发生变化，可以模拟更多体系并更具雄心，并附上关于羰基-烯烃复分解建模的博客链接。
推荐理由：作者以约250美元算力成本完成无人工编写代码的分子模拟项目，为评估自动化建模的可行性提供了一手参照。
BioAICraft精选AI 评分6262 SoupFold 发布整合模型 soup-opendde-pack 并公开约 18.2 GB 权重
2026 年 10 月 31 日，SoupFold 作者 Hyosoon Jang 发布整合模型 soup-opendde-pack，并公开约 18.2 GB 模型权重。
推荐理由：该整合包把四个结构预测模型收进单一 checkpoint，可对照其推理流程与依赖变化。
药化猩球AI 评分7373 牛津大学发布SAbDab2结构抗体数据库，含超2.2万个抗体实例
牛津大学团队推出面向机器学习时代的SAbDab2结构抗体数据库，截至2026年10月9日收录来自11,660个PDB编号的22,543个抗体实例，归为6,945个唯一SAbDab2编号。
Sergey OvchinnikovAI 评分2222 LocalFold 欢迎提交问题与功能请求
@FrankNoeBerlin @MolenceBio @Logan_Hallee @jankosinski @vinay_matt 欢迎在此提交错误报告和功能请求： https://github.com/sokrypton/localfold/issues
Sergey OvchinnikovAI 评分4242 LocalFold 网站新增多个模型工具
https://localfold.org 已更新，新增： - bioemu2 @FrankNoeBerlin - mol1 @MolenceBio - fastplm（用于 esmfold fast 模型的置信度模块）@Logan_Hallee - af3x crosslinks @jankosinski - 更快的扩散（指数更新与几何噪声调度）@vinay_matt
Sergey OvchinnikovAI 评分2525 WebGPU实现浏览器端直接预测
@FrankNoeBerlin @MolenceBio @Logan_Hallee @jankosinski @vinay_matt 提醒：通过WebGPU实现，可直接在你的电脑上预测；💻 无需安装任何东西，只需一个网页浏览器。 警告：会耗尽电池🪫、过热🔥💻 并消耗你的数据流量📱
天鹜科技AI 评分3838 晓鹜®平台minibinder从头设计教程：三条路线跑完PD-L1设计全流程
天鹜科技晓鹜®平台发布minibinder从头设计教程，以PD-L1为靶点演示RFdiffusion+ProteinMPNN、BindCraft、BoltzGen三条路线，用户通过提示词即可完成靶点调研、结构裁剪、骨架与序列生成及跨工具打分筛选。
AI蛋白质精选AI 评分7474 浙大/北大团队发布GlycoWeave，蛋白-糖链复合物结构预测精度较AlphaFold 3提升近4倍
浙江大学药学院联合北京大学、深圳先进技术大学团队在预印本发布专为糖链设计的扩散生成框架GlycoWeave，用于蛋白质-糖链复合物三维结构预测。
推荐理由：该预印本用内部坐标扩散约束糖链立体化学，并在698个复合物上给出与AlphaFold 3的直接对比。
澪乃ゆいAI 评分2828 RFD4-Proteina 的 MLX/Metal 实现
上周的 Paper Talk 里简单介绍了 RFD4-Proteina。还没看的朋友可以去看存档哦 多亏 RFD4-Proteina 的 MLX/Metal 实现也出来了，现在在 Mac 上也能轻松试用，真让人高兴
LeapFun精选AI 评分5858 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。
BioAIDesign精选AI 评分5858 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。
Absci精选AI 评分5858 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。
医药魔方AI 评分4343 AI4S如何赋能药物研发？星使智算亮出国产化实践答卷
星使智算在CDHC·2026峰会上展示基于自主SPONGE分子动力学与PySCF量子化学引擎的Mokda分子研发工作站和AsterFire系列产品，实现从物理层到应用层的全链路自主。
药化猩球精选AI 评分7878 Syndirella：以合成导向的片段延伸把单个母核扩展出5085个候选分子
牛津大学 OPIG、Diamond Light Source 与 IBM Research 在 Chemical Science 发表 Syndirella，以合成导向的片段延伸（Synthesis Directed Elaborations）把可采购反应物按 SMIRKS 反应规则组合成候选分子。
推荐理由：文章拆解了以可采购反应物为导向的片段延伸流程，并给出合成成功率与姿态偏差的具体数据。
Brian HieAI 评分5555 Evo 2 ICL 上线 Proto，可在浏览器中做上下文学习
Brian Hie 表示团队已将 Evo 2 ICL 部署到 Proto，覆盖 MCP 和 Proto 工具页面，用户可直接在网页浏览器中完成上下文学习。工具入口为 https://proto.evodesign.org/tools/evo2-icl。
Brian HieAI 评分3030 Evo2 上下文学习预印本与工具发布
预印本1：https://zenodo.org/records/23769316 预印本2：https://zenodo.org/records/23769453 调控ICL代码：https://github.com/evo-design/ICL_regulatory Evo2-flash：https://github.com/evo-design/evo2_flash ICL网页工具：https://proto.evodesign.org/tools/evo2-icl 10/n
天鹜科技AI 评分4242 晓鹜®平台de novo工具教程（一）：以PD-L1为例演示VHH设计全流程
晓鹜®平台发布de novo工具系列教程第一篇，以PD-L1为靶点演示在智能体中完成靶点调研、结构准备、VHH设计与结果筛选全流程。平台提供RFantibody和mBER两条VHH设计路线，可自动生成并运行PyMOL脚本，并调用AF2-multimer计算ipTM、pLDDT与界面pAE。
药化猩球精选AI 评分5858 基于 RFD4-Proteina 的 TfR1 靶向 VHH 设计全流程
作者记录了用华盛顿大学 IPD 与 NVIDIA 的 RFD4-Proteina 流匹配模型搭建 TfR1 靶向 VHH 从头设计流水线的完整流程，保留框架区、从头设计三个 CDR，批量生成 500 条设计并按 pLDDT、界面接触数、表位距离、CDR 组氨酸数等加权筛出 Top 20。
推荐理由：完整记录了用 RFD4-Proteina 搭建 TfR1 纳米抗体设计流水线的步骤与踩坑，可作为迁移到其他靶标的操作参照。
下一分子精选AI 评分7474 Molence开源生物分子基础模型Mol-1，VHH单靶点结合命中率最高63%
前字节跳动Protenix核心成员创立的Molence Bio于10月28日发布开源生物分子基础模型Mol-1，公开39页技术报告，代码以Apache 2.0开放、基础版权重可下载，约束版权重未同样开放。
推荐理由：报道梳理了Mol-1的结构预测与VHH设计数据，并逐项标注队列不匹配与早期checkpoint等证据边界。