亚利桑那州立大学曹志超团队提出SweepANN,五亿分子对两万余口袋检索降至61秒
亚利桑那州立大学曹志超团队提出向量检索系统SweepANN,在四张RTX PRO 6000 Blackwell GPU上为两万六千余个蛋白口袋从约五亿个分子中检索前50万候选,GPU驻留检索耗时约61.04秒,平均召回率99.63%。
推荐理由:该预印本把DrugCLIP的向量检索环节从小时级压到分钟级,并给出召回率与显存占用的具体取舍。
亚利桑那州立大学曹志超团队提出向量检索系统SweepANN,在四张RTX PRO 6000 Blackwell GPU上为两万六千余个蛋白口袋从约五亿个分子中检索前50万候选,GPU驻留检索耗时约61.04秒,平均召回率99.63%。
推荐理由:该预印本把DrugCLIP的向量检索环节从小时级压到分钟级,并给出召回率与显存占用的具体取舍。
广州医科大学周蕾等设计了一种ROS响应性天然药物自递送水凝胶GPG(GA-PBA-GA),用于神经病理性疼痛的局部持续治疗。机制引导的虚拟筛选鉴定甘草酸(GA)为PI3K靶向候选分子,体外实验显示GPG可抑制PI3K-Akt信号并促进巨噬细胞M1向M2再极化。在大鼠L5脊神经结扎模型中,DRG周围给药减轻机械性与热痛觉过敏,改善步态与电生理功能,并减少DRG神经炎症与脊髓小胶质细胞活化。
下一分子整理并发布 AI 制药 Benchmark 清单 AIDD Bench Atlas,收录 85 项覆盖通用科研、靶点发现、分子设计、临床前、临床分期、注册和上市后等环节的评测资源。
推荐理由:清单把分散在靶点发现到上市后的 85 项评测资源按阶段和对象归类,便于对照选用。
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。
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。
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。
贵州医科大学基于Uni-Mol深度学习模型对天然产物库虚拟筛选,锁定雷公藤红素,并经化学蛋白质组学等实验证实其共价结合SMAD3的Cys421位点。雷公藤红素促使非磷酸化SMAD3经KPNB1入核,同时减弱SMAD3与SMAD4、TGFBR1的结合,阻断促纤维化信号。在HFD-STZ糖尿病肾病小鼠中,雷公藤红素剂量依赖性减轻肾脏胶原沉积并改善尿蛋白、血肌酐和尿素氮。
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。
Recursion公布REC-4881在家族性腺瘤性息肉病(FAP)患者中的2期数据:服药12周后87%(15人中13人)总息肉负荷下降,中位降幅47%,上消化道92%患者息肉负荷下降、中位降幅55%。
Recursion公布口服MEK1/2抑制剂REC-4881治疗家族性腺瘤性息肉病(FAP)的1b/2期TUPELO研究更新数据:15例每日4 mg治疗患者中13例(87%)12周后消化道总体息肉负担下降,中位降幅47%,停药12周后13例可评估者中11例仍低于基线。
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。
下一分子2026年11月3日日报汇总多条AI制药进展,头条为东北大学、Broad研究所等在arXiv预印本提出自进化分子发现智能体MolRSI,将模型选择与组件组合等工作流作为优化对象,抗菌筛选命中率15.9%。
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。
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。
Science to Startup(S2S)首届中国研讨会在杭州西湖大学举办,让中国顶尖科学家与全球生物医药创投直接对接。会上展示的项目包括郭天南团队的ProteinTalks,其在501例乳腺癌患者回顾性队列中验证预后风险分层,并对3000种化合物做虚拟筛选、经患者来源肿瘤类器官验证。会议数据称2025年中国76个创新药获批上市,高于2024年的48个。
Ginkgo Datapoints旗下虚拟细胞药理学计划于2026年10月27日以CC BY 4.0许可开放ReFRAME化合物库的DRUG-seq转录组数据,覆盖12,949种化合物,注册免费账户即可获取。
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。
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。
Moderna总裁斯蒂芬·霍格在黑石播客中表示,AI可加快药物发现与mRNA序列设计,但药物是否有效、疗效能持续多久仍需人体临床验证。他以个体化癌症疫苗为例:肿瘤样本测序后最多将34个新抗原编入mRNA,最多接种九剂,从收到合格样本到送回医院约六周。他认为AI难以同步加速制造、临床与监管环节,个体化医疗是其最看好的方向。
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。
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。
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。
Brian Hie 团队报告 Evo 2 在仅给四个示例、不做额外训练时可生成金属结合蛋白、从头抗体与完整噬菌体基因组,作者称其为训练时未预料到的生成式上下文学习。
Anthropic公开向美国SEC提交IPO招股书,2026年上半年营收162.86亿美元、同比增长1300%,次日披露与六家外部机构的药物研发合作及两项自有罕见病早期项目。
Thrive Capital、ARCH Venture Partners、Foresite Capital 和 Dimension Capital 被评为当前 AI 药物发现领域顶级投资者。
英矽智能发布DDDBench Core,从Foundations的300余项基准中选出59项,覆盖五个药物研发领域,并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一;其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由:英矽智能从300余项基准中筛出59项,覆盖五个药物研发域,并给出通用与专用模型的实时榜单对比。
英矽智能在ESMO 2026公布口服泛TEAD抑制剂ISM6331的首次人体1期数据(NCT06566079),间皮瘤患者每日一次130 mg组ORR为40.0%,30–130 mg范围DCR达68.2%。
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。
上海人工智能实验室、中国药科大学等机构发布预印本 DrugHarness,将 80 多项科学工具的执行与带条件的技能学习整合到同一智能体系统中。加入冻结领域技能后,Qwen3.7-Max 在 MolBench 的亲和力比较准确率从 62.2% 升至 81.1%,优化成功率从 79.5% 升至 87.2%,但虚拟筛选 Hit@3 从 60% 降至 48%。
推荐理由:该预印本把智能体的工具执行与条件式技能学习结合,并给出基准与细胞实验的对照结果。
深势科技与联合利华在联合利华中国研发中心成立30周年之际集中展示两项合作研究成果:从8000多种原料中借助AI模型与实验验证筛出3个具良好抗菌活性的候选分子,MIC处于0.01%—0.075%区间,低于同测试中苯氧乙醇的0.36%—0.64%,相关成分将用于联合利华规模达1.7亿欧元的全球创新项目。
推荐理由:两家公司披露抗菌活性物筛选与衣物护理配方模拟两项合作成果,展示了计算筛选进入实际产品研发的路径。
截至发文日,医药魔方NextPharma数据库收录1,541条涉及AI辅助开发或AI设计的药物管线,AI辅助新分子设计管线421条中临床前项目270条、约占64%。
牛津大学结构生物信息学家、OpenBind 联合负责人 Charlotte Deane 在 Nature Reviews Drug Discovery 专访中表示,AI 药物发现的瓶颈在于数据而非模型,应重点收集能提升模型性能的数据。
英矽智能的Alex Zhavoronkov称,靶点由PandaOmics发现、分子由Chemistry42设计,得到口服非阿片类镇痛候选ISM9528。据@TheNationalNews报道,该候选在临床前模型中表现优于吗啡,更多信息见https://antipain.ai。
推荐理由:英矽智能以自家平台串联靶点发现与分子生成,给出候选分子的临床前阶段结果,可观察其平台到管线的衔接方式。
Iambic Therapeutics于10月15日登陆纳斯达克,发行价16美元、募资约1.5亿美元,首日收涨18.19%至18.19美元/股,盘中触发熔断。同期阿斯利康与insitro、Zealand与Generate Biomedicines、吉利德与Vir Biotechnology三笔AI药物研发合作合计超45亿美元,A股泓博医药10月16日早盘20cm涨停。
意大利帕维亚大学、Dana-Farber癌症研究院等团队在《Nature Biotechnology》发表开源平台AdaptiveFlow,将Enamine REAL Space约315亿原始分子预处理为约690亿可直接对接条目,通过18维分子性质分区与自适应靶标引导虚拟筛选(ATG-VS)降低超大规模对接开销。
推荐理由:研究用分子性质分区与靶标引导抽样压缩数百亿级对接空间,并在两个靶点获得实验验证的抑制剂。
Boltz于10月13日宣布,其小分子模型BoltzMol-1可直接搜索药明康德的GalaXi虚拟化合物库,该库规模约260亿个可合成分子,已在Boltz Lab平台和Boltz API上线供全球用户调用。
推荐理由:BoltzMol-1接入药明康德GalaXi化学空间,反映AI小分子模型对可合成化合物库的依赖。
4 款最先进的药物发现模型。免费试用。🧪 有化合物吗?来测试一下。 💊 ADMET。激酶选择性。GPCR 相互作用。合成化学。 你的化合物。实时预测。零成本试用。 👉 https://playground.insilico.com
南京中医药大学纪建建团队利用自主构建并开源的抗病毒药物AI模型,从中药化合物库中筛选出活性成分Punicalin,成果发表于Cell Reports Medicine。
推荐理由:研究用开源抗病毒AI模型从中药化合物库筛出靶向RSV G/F蛋白的天然产物,并给出动物实验与专利信息。
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究,以两款已上市RET抑制剂的专利数据为基础,仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由:晶泰科技与暨南大学在JMC发表回顾性案例,展示从专利数据解析到小鼠药效验证的连续研发链路,可作为端到端小分子早期研发流程的参照。
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型,现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练,覆盖数十万个独特分子,并会随数据集扩展而更新;insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由:礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab,为早期筛选提供参照。