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。
#结合亲和力
下一分子AI 评分6565
药化猩球精选AI 评分5858 融合 Boltz-2、OpenDDE 与 Schrödinger 的 GPCR 设计管线及 GPR84 实战
作者以 GPR84 为例，介绍一套融合 OpenDDE 生成、Boltz-2 共折叠与亲和力快筛、Schrödinger 2026-4 膜显式 MD 与 FEP+ 的 GPCR 计算设计管线。
推荐理由：以 GPR84 为例拆解 AI 生成、共折叠快筛与物理终审的分级管线，并给出激动剂与抑制剂形态差异的实操约束。
LeapFun精选AI 评分5858 阿斯利康同一日2篇｜抗体亲和力优化，哪些位点被低估了？
阿斯利康团队分析同一克隆家族的211个抗ST2抗体，按实测亲和力分组后找出高亲和力抗体中更常见的突变，将M33I与L100I引入亲本ST2_146后KD由10.5 nM降至3.17 nM，再加K37R降至1.03 nM。
推荐理由：两篇抗体亲和力优化研究分别从克隆家族统计与结构能量筛选入手，并给出各自失效边界。
澪乃ゆい精选AI 评分7676 Pallatom2 全原子生成模型发布：同时生成序列与主侧链原子并指定靶点结合界面
Pallatom2 是一个全原子生成模型，可同时生成氨基酸序列、主链与侧链的原子构型，并能指定与靶点的结合界面。据该帖介绍，实验在210个候选中确认112个具有结合活性，10个靶点均获得结合剂，其中6个靶点经 BLI 测定报告了 pM 量级的结合亲和力（KD）。
推荐理由：介绍全原子生成模型同时生成序列与侧链并指定结合界面，附10个靶点的实验结合数据。
药化猩球精选AI 评分6060 把 AF3 置信度当亲和力？全蛋白组老药筛选只打平传统算法
一项预印本研究将 AlphaFold 3 的界面拓扑评分 ipTM 直接作为全蛋白质组药物重定向的亲和力指标，在 1,103 个双方均成功建模的蛋白上取得 nAIA 10.13、NDCG 0.056，十年前基于同源模板的 BANDOCK+ 为 nAIA 9.93、NDCG 0.054，两者总体近乎重合。
推荐理由：该预印本把 AlphaFold 3 的 ipTM 用于全蛋白质组药物重定向，并与十年前的经验算法对比，提供了打分机制层面的参照。
澪乃ゆいAI 评分5858 FoldAbS复用Protenix内部表示，统一预测抗体特异性、亲和力与可开发性
FoldAbS是一种将结构预测模型用于抗体筛选的方法，复用Protenix的内部表示，在统一框架内预测抗体的特异性、结合亲和力和可开发性。作者称该方法在多项基准测试中性能超过现有的结构置信度评分和预测模型，具体来源见回复。推文未披露基准名称、数据集与具体数值。
SandboxAQAI 评分2020 SandboxAQ在AIDDD展示自主药物发现科学基础
SandboxAQ在AIDDD大会上由Mary Pitman发表主题演讲，提出仅靠工作流自动化不足以实现自主发现，方法本身需具备演化能力。她介绍了团队正在构建的非平衡嵌合切换、绝对结合自由能计算方法和知识图谱，Amogh Sood与Rae Qi还展示了AI与物理方法整合、可扩展自由能计算及结合亲和力预测三项研究。
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。
DeepTech深科技AI 评分3838 DeepMind子公司总裁断言：人类并不擅长造药，未来所有药物皆由AI设计
Isomorphic Labs总裁Max Jaderberg称未来所有药物都将由AI设计，公司目前仍处临床前阶段，预计2026年年底启动首次临床试验。其统一药物设计引擎IsoDDE在Runs N' Poses基准上对全新蛋白质-配体系统的准确率超过AlphaFold 3两倍，并声称可在无需晶体结构下预测结合亲和力。上述基准数据主要由公司自行发布，尚需独立验证。
木可AI探索笔记AI 评分5050 AI4S公司很多，但真正实现in the loop的很少
针对AI4S在制药行业的落地，有观察指出真正实现"实验数据回流模型"闭环的公司远比"AI制药"名单短。其提出四条标准：自主可控测量系统、百万级互作/筛选事件通量、超越存在性的定量读数，以及实验数据真正进入下一轮设计。文章还按仪器供应商、数据回流型和CRO化三类玩家分析了各自的生存路径。
下一分子精选AI 评分6363 Dunbrack团队将ipSAE扩展至小分子与核酸复合物置信度评估
Fox Chase Cancer Center的Roland Dunbrack在bioRxiv发表预印本，将原本用于蛋白—蛋白相互作用的ipSAE评分扩展到蛋白—小分子、蛋白—核酸体系，以蛋白为对齐参照评估整个配体位置并调整归一化方式。
推荐理由：预印本把界面置信度评分扩展到蛋白—小分子与核酸体系，并给出留出集上的分类表现与失效案例。
DrugAI精选AI 评分7474 Science Advances：基于AlphaFold 3从序列通用预测T细胞受体抗原特异性
研究人员提出AF3-PTI-PAE方法，用AlphaFold 3预测MHC–抗原肽–TCR三元复合物结构，并以TCR–抗原肽界面预测排列误差判别抗原特异性，无需针对特定抗原训练。
推荐理由：研究用AF3预测三元复合物界面置信度推断TCR抗原特异性，并给出独立验证与敏感性限制。
下一分子AI 评分5858 AI制药日报｜2026-11-02
下一分子11月2日AI制药日报头条介绍生物活性基础模型PSICHIC+，基于约8200万条蛋白-配体记录训练，可从蛋白序列与配体SMILES在毫秒级预测结合亲和力，在无靶点特异性训练数据的零样本虚拟筛选基准中富集效果优于回归和分类方法，并与领先的基于结构的方法表现相当。
Gabriele Corso精选AI 评分7373 Ebolathon 团队用 Boltz API 设计分子，140 个中筛出 11 个埃博拉假病毒选择性命中
Gabriele Corso 表示，Ebolathon 黑客松团队使用 Boltz API 设计新分子，共测试 140 个分子，在埃博拉假病毒实验中筛出 11 个选择性命中。他称这体现了黑客松想法转化为实验结果，并附 muni.bio 的研究链接。
推荐理由：记录一场黑客松用 Boltz API 设计分子并在埃博拉假病毒实验中筛出选择性命中，呈现从计算到湿实验的转化路径。
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。
予路乾行精选AI 评分5858 予路乾行参与的抗血栓药物发现研究发表：从2.2万化合物筛出2个先导分子
上海交通大学朱芳芳团队与华南理工大学张译月团队等合作在《Journal of Advanced Research》发表研究，围绕P2Y12受体结合配体基与受体基双重虚拟筛选、分子对接、分子动力学模拟和MM/GBSA，从2.2万余个化合物中优选42个候选，并验证VS-5584和GNE-493的抗血小板与抗血栓活性。
推荐理由：该研究展示从2.2万化合物经双重虚拟筛选收敛到42个候选、再经血小板与斑马鱼实验验证的完整路径。
Molence精选AI 评分7373 Molence 计算设计的 VHH 可拮抗 GPCR CXCR6 信号
Molence 报告其计算设计的 VHH 以 VHH-Fc 融合形式结合表达 CXCR6 的细胞，EC50 为 39 nM。在 cAMP 实验中，30 nM CXCL16 使响应降至仅含 forskolin 对照的 70.6%，加入 167 nM 该 VHH 后恢复至 92.6%，作者据此认为该结合剂拮抗 CXCL16 诱导的 CXCR6 信号。
推荐理由：该设计通过细胞结合与 cAMP 回复实验，给出计算设计 VHH 拮抗 CXCR6 信号的具体证据。
MolenceAI 评分5858 Molence公布TNFR2与IL-4Rα表位定向VHH设计的BLI竞争实验结果
Molence针对TNFR2和IL-4Rα的天然配体结合区进行表位定向设计，并在顺序BLI竞争实验中观察到预先结合TNFα或IL-4会降低相应设计VHH的后续结合。该结果支持设计VHH识别预期表位区域，将表位定向的设计目标与实验证据对应起来。
Molence精选AI 评分6060 Molence 称 Mol-1 在 Runs N' Poses 八个相似度分箱均领先基线
Molence 称其 Mol-1 在 Runs N' Poses 配体预测评测中于全部八个相似度分箱领先所评估基线，成功标准为配体 RMSD < 2 Å 且 lDDT-PLI > 0.8。在相似度最低的 0–20 分箱，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%；通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Molence 公布 Mol-1 在 Runs N' Poses 各相似度分箱的配体预测结果，可与 AlphaFold 3 直接对照。
Molence精选AI 评分6565 Molence 的 Mol-1 在 MGBench 分子胶预测中报告低同源条件 28.6% 联合成功率
Molence 的 Mol-1 在 MGBench 分子胶预测基准上报告联合成功率：已见条件 92.2%、高同源 74.6%、低同源 28.6%，最强评测基线在低同源条件为 19.1%。联合成功需同时满足配体 RMSD < 2 Å、lDDT-PLI > 0.8 和蛋白界面 DockQ > 0.23。作者同时引用的另一条内容称，在 Runs N' Poses 的 0–20 最低相似度区间，Mol-1 成功率为 36.1%，AlphaFold 3 为 24.6%，通过 Mol-1-constraint 提供结合位点信息后升至 63.9%。
推荐理由：Mol-1 在 MGBench 上同时考核配体位姿与蛋白界面，低同源条件下与最强基线的差距提供了具体参照。
Molence精选AI 评分5858 Molence 发布 Mol-1 在 MolBench-Peptide-26 上的蛋白-肽预测结果
Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。
推荐理由：Mol-1 在肽复合物预测上按 DockQ 阈值分层报告成绩，并对比加入结合位点约束后的变化。
Molence精选AI 评分7676 Molence 报告从头设计 BCMA 结合剂：SPR 亲和力达 43 pM
Molence 报告其从头设计的 BCMA 结合剂在零样本条件下取得 43 pM 的 SPR 亲和力。30 个设计中 12 个为结合命中，两个候选以 VHH-Fc 融合形式测得 SPR KD 分别为 43 pM 和 1.1 nM。两者结合细胞表面 BCMA 的 EC50 为 0.19 和 0.16 nM，同一实验体系中 belantamab 为 4.1 nM。
推荐理由：材料给出从头设计的 BCMA 结合剂从 SPR 亲和力到细胞表面结合的实测数据，并设了 belantamab 对照。
药化猩球精选AI 评分7878 Nat. Comput. Sci.发布TCR–pHLA结合预测标准化数据集Hi-TPH与机器学习基准
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
王初课题组精选AI 评分5858 Nat. Chem. Biol. | Tryptoline立体探针结构拓展发现GRPEL1–HSPA9复合物抑制剂
Scripps研究所的Bruno Melillo与Benjamin F. Cravatt团队在Nat. Chem. Biol.发表研究，通过改造Tryptoline丙烯酰胺探针的C6/C7远端结构，在Ramos细胞中定量超过24,000个半胱氨酸位点，筛出95个可被立体选择性标记的位点。
推荐理由：研究用立体探针扩展半胱氨酸配体图谱，并借GRPEL1案例展示结构预测在非正构位点的识别局限。
Genesis Therapeutics 官网资讯精选AI 评分7474 Genesis 与 Caltech 提出离散扩散在线适应框架，分子优化用 86 次评估追平 Beam Search 约 5000 次评估表现
Genesis Molecular AI 与 Caltech 合作的 NeurIPS 2026 论文研究离散扩散分子生成模型在测试时如何分配算力，其在线适应框架仅用 86 次 oracle 评估即追平最强推理期搜索基线 Beam Search 约 5000 次评估的表现。
推荐理由：研究系统拆解在线适应式分子优化的四个设计选择，并给出何时值得用在线适应而非推理期搜索的判据。
Corin Wagen精选AI 评分5858 Corin Wagen 评 Rowan 自动生成合成中间体对 FEP 的改进
Corin Wagen 表示，自动生成合成中间体是 Rowan 已加入的体验改进之一，与自动扭转角重拟合、收敛检测等功能并列。他引用的 @manntis4 内容称，在测试小分子辅因子支持 FEP 时发现，把合成中间体配体加入 RBFE 图可改善与实验结合亲和力的相关性，示例为 KRAS-G12D。Wagen 认为稳健的智能体驱动 FEP 还需要更多此类能力。
推荐理由：Rowan 团队以 KRAS-G12D 为例说明合成中间体配体如何改善 RBFE 与实验亲和力的相关性，并列出自动化改进方向。
木可AI探索笔记精选AI 评分5858 17亿次实测 vs 一次造出10¹⁶个抗体：把AI制药"数据荒"卷成护城河的两种活法
文章对比Terray与Jura Bio两条自产数据路线：Terray用自研高通量硬件累计超过4200亿次测量、折算逾170亿个靶标-分子互作数据点，Jura Bio则用变分合成一次造出10¹⁶个抗体序列。作者认为两者分别拆解干湿循环的合成端与筛选端，Terray已签吉利德、BMS、Odyssey合作并预计2026年有内部药物进入临床试验，但数据规模本身不等于成药。
推荐理由：文章把Terray与Jura Bio两种自产数据路线放在干湿循环两端对照，便于理解数据瓶颈的不同解法。
智药局AI 评分8282 觅深知源开源生物分子基础模型Mol-1，抗体抗原结构预测成功率75.0%比肩IsoDDE
觅深知源（Molence Bio）发布首个生物分子基础模型Mol-1，并开放源代码与基础模型权重。在FoldBench-AB抗体抗原测试集上，Mol-1预测成功率为75.0%，与Isomorphic Labs的IsoDDE技术报告公布的75.6%相当，加入表位约束后Mol-1-constraint提升至88.3%。
DrugAI精选AI 评分7373 MetaPLI：结合三维结构与少量实验数据预测分子活性
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
望石智慧AI 评分3636 MolVortex大师班第1期：CBL-b别构抑制剂的Hit分子发现
望石智慧在MolVortex大师班第1期展示了其全栈式小分子早研智能体MolVortex完成CBL-b别构抑制剂Hit分子发现的流程。该智能体在数十分钟内检索10+个文献源及80+个专业数据库完成靶点调研，基于8GCY、8QTK、8QNG共晶结构识别别构口袋，参照8GCY结合模式与NX-1607共享药效团生成30个全新候选分子。
DrugAI精选AI 评分7373 Nature Communications 发表 StriMap：连接抗原呈递与TCR识别的结构信息深度学习框架
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。
奶牛猫的CADD实验室AI 评分5252 gmx_MMPBSA 1.7 系列更新：结构水、熵计算和突变扫描有哪些变化？
开源结合自由能计算工具 gmx_MMPBSA 发布 v1.7.1，与今年 9 月的 v1.7.0 共同扩展了结构水、熵估计和 AMBER 工作流支持。
SandboxAQAI 评分1818 SandboxAQ亮相波士顿AI药物开发峰会
SandboxAQ本周在波士顿参加AI Driven Drug Development Summit，将展示三张海报，涵盖AI与物理方法结合的靶点鉴定、NEX非平衡嵌合切换自由能计算，以及共折叠与自由能计算用于E3连接酶调节剂的结合亲和力预测。其模拟与生物制品负责人Mary Pitman将于周四就“构建智能体药物发现的科学基础”作报告。
BioArt精选AI 评分7272 Nature：Shokat团队提出双位点激酶抑制剂设计原则并开发PonatiLink-2
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
BioTender精选AI 评分7373 多伦多大学等提出SELECTBENCH，评测九种生成模型难区分目标与脱靶蛋白
多伦多大学、Mila 等机构提出 SELECTBENCH，将目标与脱靶蛋白同时纳入评价，评测九种结构驱动小分子生成模型的选择性。
推荐理由：该基准把目标与脱靶口袋同时纳入评测，揭示生成模型在相近蛋白上的选择性短板与阈值取舍。
BioAIDesignAI 评分5252 UnibindMD用分子动力学复核BindCraft设计的蛋白候选
10月23日发布的bioRxiv预印本提出UnibindMD流程，将BindCraft设计、亲和力预测、成药相关性质评估与分子动力学串接，用于复核蛋白设计候选。
智药邦AI 评分5050 OpenPep AI平台获Google.org 230万美元资助，加速多肽药物发现
多伦多大学Joseph Brown团队正在开发开放获取数据库与配套AI模型OpenPep，用于预测多肽与靶点蛋白的结合能力，项目获Google.org“AI促进科学影响力挑战赛”230万美元资助。
智药邦精选AI 评分5858 Iambic上市：投资者究竟买模型还是买药
智药邦以Iambic于2026年10月14日公布IPO定价（每股16美元、发行937.5万股、预计募资1.5亿美元）为切口，分析AI药企的平台价值应如何被检验。文章梳理其与武田、艾伯维的合作付款结构，以及口服HER2小分子抑制剂IAM1363在Ⅰ/Ⅰb期试验中53名受试者19例部分缓解（约36%，含未确认缓解）的早期数据，认为近期应看具体药物与合作交付，长期才看技术能否反复产出新资产。
推荐理由：以Iambic上市为切口，拆解AI药企的平台价值如何经由候选药物、临床数据与合作付款被逐步检验。
LeapFunAI 评分3131 综述｜默克谈ncAA如何卡死、又如何撬开肽药 DMTA
默沙东研究团队在 ACS Medicinal Chemistry Letters 发表综述，系统讨论非天然氨基酸（ncAAs）在多肽药物设计、计算预测、化学合成与生物催化中的应用。
智药局AI 评分4242 Space Generate团队获Boltz × AI4Science Zurich Hackathon的Boltz Challenge第一名
Space Generate首席技术官Sacha Javor参与的团队在苏黎世Boltz × AI4Science Zurich Hackathon的Boltz Challenge中获得第一名，该挑战要求针对8个化合物和约120个蛋白靶点预测化合物与靶点的活性。