研发方向
高通量湿实验自动化机器人工作站、主动学习（Active Learning）与干湿闭环加速验证体系。
129 条精选近 30 天 67 条共收录 309 条
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。
研究将蛋白结合适配体设计作为沙盒，让智能体流水线针对α-凝血酶和肌红蛋白进行三轮设计-测试-改进，每轮约1000个候选、共约4400个构建体。α-凝血酶新候选的珠校正在靶命中率从第1轮0.0%升至第2轮26.0%、第3轮42.1%（排除文献基序衍生序列为37.1%），肌红蛋白则从10.2%经3.7%升至33.5%。
推荐理由：研究以适配体为沙盒，展示LLM智能体在湿实验闭环中逐轮提升命中率，并对比经验数据与计算代理的价值。
作者提出持久记忆智能体框架 Magnolia，用大语言模型整合对接、量子化学、分子动力学等计算协议与实验记录，并采用会话、项目、跨项目三层记忆。在四个案例中，该框架跟踪 317 次运行、积累 116 条项目级条目并晋升 4 条跨项目规则；在四项任务的受控重放中，带记忆的运行通过了无记忆运行未通过的检查，例如对接配置检查为 10/10 对 1–4/10。
推荐理由：该框架把计算化学协议与分层记忆结合，并用受控重放对比有无记忆时的任务检查通过情况。
Baker 团队等提出 Chaperone，一个轻量可定制框架，将 RFdiffusion3（RFD3）与 ProteinMPNN、AlphaFold3 及 50 多种蛋白设计工具串联，并提供面向智能体的可编程接口和高性能计算并行执行。
推荐理由：该框架把 RFdiffusion3 与序列设计、结构预测等工具串联，为长流程蛋白设计智能体提供可复用接口与效率参照。
Adaptyv Bio 公布与 Anthropic、citrini 的最新湿实验合作结果：Claude 设计用于中和蝎毒素的新型蛋白，团队在自动化湿实验室测试了 211 个设计，其中 17 个在实验中显示与毒素结合，全部数据已发布在 proteinbase。Adaptyv Bio 称这是其推动任何人都能在自动化湿实验室开展药物发现活动的一个示例。
推荐理由：Adaptyv Bio 公布与 Anthropic 合作的湿实验验证结果，给出设计蛋白与蝎毒素结合的具体命中比例。
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。
作者提出 IMPECCABLE 集成工作流，将基于物理的方法与人工智能结合，在 Frontier 和 Aurora 超算上筛选、生成并评估小分子，并用 ESMACS 与 TIES 的结合自由能引导 REINVENT 做多目标主动学习。
推荐理由：该预印本把物理自由能计算、生成模型与实验化学输入串成一条流水线，并在 WDR91 上给出合成与结合数据。
中科大在智能科学家生态联盟第四届年会上发布机器科学家2.2系统，官方定位为新一代智能物质科学基础设施，由大模型提出假设、专业小模型计算筛选、科研机器人执行实验并回喂结果形成闭环。
推荐理由：报道梳理了该系统大模型假设、小模型求证与机器人实验的三层分工及闭环机制，并列出效率数据与数据、验证层面的现实约束。
镁伽科技于2026年10月18日上线Poreva Open全球AI蛋白质设计挑战赛官网，公布首批3道赛题与规则，10月19日起全球报名且不设地域限制。
推荐理由：镁伽以万级湿实验验证切入蛋白设计公共基准，可与Anthropic赛事及Ginkgo模式对照。
Google 于 10 月 16 日发布技术博客，介绍其搭建自主湿实验室的进展：团队希望让 AI 智能体设计分子、安排实验、分析结果并据此调整下一轮方案，其中一项研究已找到能紧密结合实体瘤相关靶点的蛋白质分子，但机器人操作、分子筛选和蛋白质设计三项研究尚未全部打通。
推荐理由：Google 公布自主湿实验室进展，可与 Anthropic、OpenAI 的同类布局对照，看清 AI 进入实验台的不同路径。
罗氏在2026年9月28日制药业务日上提出“AI自主”，主张药企用实验检验模型判断，再据实验结果改进模型与实验方法。文章以Genentech与Recursion的神经科学靶点发现合作为例，说明AI可缩小靶点与候选分子范围，而疾病认识转化为筛选标准、理解实验条件、依据验证结果决定下一步仍需药企内部人员掌握。
推荐理由：借罗氏提出的AI自主概念与Genentech同Recursion的合作，梳理药企在靶点验证和分子筛选上需自留的判断能力。
Anthropic已在旧金山湾区建立自有生物实验室，其生命科学负责人Eric Kauderer-Abrams证实此举是为让Claude提出的假设更快进入真实实验，同时继续与外部实验室合作。
推荐理由：梳理Anthropic从科研工具到自建实验室的布局，并给出蛋白质设计与新酶发现的具体实验数据作为参照。
Google Research 于 2026 年 10 月 16 日公布三项研究，分别用智能体闭环设计 DNA 适配体、设计蛋白结合物，以及用 VERID 数字孪生约束实验机器人操作。
推荐理由：梳理 Google 三项研究如何让智能体接受实验反馈与物理约束检验，并划清已验证与未整合的边界。
Google Research 报告三项研究：VERID 用语义数字孪生约束机器人实验；AI 智能体根据三轮湿实验反馈改进 DNA 适配体；人机协作进行 FAP 蛋白结合物设计并获得纳摩尔级结合验证。三条研究线的整合仍是下一步，尚非统一、全流程自主的生物实验室。
推荐理由：Google Research 用三个项目说明智能体如何接入湿实验室，其中适配体闭环的失败模式复盘对做自动化实验的人有参照。
Terray Therapeutics 与 NVIDIA 合作，用微调的 Nemotron 3.5 Super VL 和 Nemotron 3 Nano Omni 从科学文献中抽取化学合成路线，并称取得当前最优性能。
推荐理由：Terray 与 NVIDIA 合作把化学合成路线抽取能力嵌入 EMMI 平台，展示了化学文档解析在药研工作流中的具体用法。
英矽智能全球AI平台负责人Petrina Kamya在虚拟细胞论坛介绍了公司的虚拟衰老细胞模拟框架，该框架基于12年自有数据与基准测试构建，覆盖分子、细胞内、细胞间、组织/器官和机体五个生物学尺度。系统在每个生物层级使用约43个专用AI智能体，以患者种子基线图谱模拟干预后的细胞状态转变。Kamya表示，公司正在全自动机器人实验室中对机制未知的新分子开展前瞻性验证，以检验预测并排除对文献的记忆。
推荐理由：英矽智能公开虚拟衰老细胞框架的跨尺度多智能体架构，并说明其正用自动化实验室做前瞻验证。
Insilico Medicine的Alex Zhavoronkov介绍，团队用PandaOmics读取77个人脑数据集寻找阿尔茨海默病新靶点，并用线虫和人神经元检验这些答案。该工作以AI与湿实验闭环的方式推进靶点发现，已发表于Alzheimer's & Dementia，DOI为10.1002/alz.71680。
推荐理由：作者团队用PandaOmics分析人脑数据集，并在线虫与人神经元中验证候选靶点，呈现AI与湿实验闭环的靶点发现路径。
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子（PCC）用时 9 个月，候选分子拟用于 IgA 肾病治疗。临床前研究显示，该分子体外沉默活性达亚纳摩尔级，与同靶点临床阶段参照分子相比 IC50 降低数十倍；非人灵长类动物平行对照研究中单次给药后数月内持续维持高水平靶蛋白抑制，毒理试验显示更大安全窗口。
推荐理由：晶泰首个 siRNA 项目 9 个月确认 PCC，其临床前活性与长效性数据为观察 AI 序列设计在受限靶点空间中的实际产出提供参照。
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。
丹纳赫于2026年10月7日宣布计划推出旗下首个AI驱动自主实验室，用于加速定制抗体及其他分子工具的发现，预计2027年初实现规模化运营。
推荐理由：丹纳赫披露自主实验室的整合方式与产能目标，可作为抗体发现自动化的产业参照。