内容形态
AI 制药研究、预印本、数据与基准，包含负面结果、独立复现、更正及撤稿；不以期刊名气替代文章级相关性与证据。
686 条精选近 30 天 482 条共收录 998 条
镁伽科技牵头，腾讯云、Twist、思朗科技、诺唯赞等参与，发起全球AI蛋白质设计竞赛Poreva Open，不限国家、模型与技术路线，计划对超过10000条设计序列做湿实验验证。评价体系除靶点结合外新增热稳定性和低非特异性指标，首批3项挑战靶点已公布，赛后拟择优引入类器官等模型进一步验证。奖金包括最高100万元现金、百万元级免费湿实验验证额度和千万元级投资激励。
推荐理由：镁伽联合腾讯云、Twist等发起不限模型的蛋白质设计赛，以万条湿实验验证切入AI4S数据入口。
伦敦大学学院与Fold9的研究人员发布预印本，提出用投影梯度下降（PGD）在概率单纯形上直接优化氨基酸概率，替代传统 Softmax 参数化，以缓解低概率氨基酸梯度衰减的问题。
推荐理由：研究用投影梯度下降替换 Softmax 优化序列，为梯度驱动的结合剂设计提供了可复现的优化器对照。
伦敦大学学院联合剑桥大学在Cell Reports Medicine发表研究，用符号AI基于患者基因组信息构建个性化三阴性乳腺癌肿瘤数字孪生，在PARTNER试验31名患者数据上回顾性模拟化疗及化疗联合奥拉帕利等方案，疗效预测准确率为74%。
推荐理由：研究用符号AI为三阴性乳腺癌患者构建肿瘤数字孪生，在31例回顾性数据上给出疗效预测与联合用药假设。
2026年10月，Pythia Labs发布论文《Design of full-length agonist and antagonist antibodies for hard targets》。
推荐理由：报道介绍Pythia-1在22个难靶点上单轮设计全长IgG，并给出GPCR激动与拮抗的功能验证结果。
【全文总结】研究以SARS-CoV-2 RBD为靶点，用Rosetta生成两轮从头设计结合剂：第一轮三螺旋束界面小、单体性好但结合弱，第二轮四螺旋束界面更大更强却因表面疏水性过高而寡聚化，22个设计均未检出结合。
推荐理由：研究用两轮设计对照拆解结合剂失败的两类失衡，并据此改造出低微摩尔级单体结合剂。
微软 Research AI for Science 等团队提出 Enhanced Diffusion Sampling，将伞形采样、Metadynamics 等增强采样思路引入扩散模型，相关研究正式发表于 Journal of Chemical Physics。
推荐理由：研究把伞形采样与元动力学思路引入扩散模型，为稀有构象采样效率提供了可复用的方法参照。
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。
IPD与NVIDIA于10月公开RFD4-Proteina的代码与模型权重，模型把序列与结构放进同一生成过程，并提供候选搜索与评估入口，核心许可为BSD 3-Clause。
推荐理由：结合开源入口、计算基准口径与两组湿实验，给出团队自评该蛋白设计模型是否值得采用的判断框架。
分子之心在Zenodo发布扩展版MMDesign技术报告，覆盖18个靶点、19个设计项目，涉及VHH与大环肽两类模态，报告称18个项目获得实验确认的结合分子，项目成功率94.7%。
推荐理由：报告汇总19个设计项目的湿实验命中情况，并区分项目成功率与候选命中率，为评估生成-过滤-验证流程提供具体参照。
【全文总结】研究提出 PharmaDiff，一个以原子级三维药效团假设为条件、基于 MiDi 架构的 SE(3) 等变 Transformer 扩散模型，可在不需要靶点蛋白三维结构的情况下生成完整三维分子。
推荐理由：该研究以原子级药效团图条件化扩散生成，并用三维欧氏距离评测药效团匹配，为配体导向设计提供了可比较的基线参照。
【全文总结】研究从ChEMBL与Papyrus整理P-gp、BCRP、MRP1抑制数据，构建经典QSAR与图卷积网络共识模型，5折交叉验证R²为0.39至0.67，共识模型在多数指标上优于单个模型。
推荐理由：研究用约2200个化合物构建P-gp、BCRP、MRP1抑制的共识QSAR模型，并以外部数据与湿实验检验其DDI风险评分。
FRIGID 是一个以串联质谱为条件、经中间指纹表示与已确定化学式生成分子结构的扩散语言模型框架，在数亿条无标注结构上训练。作者用正向碎裂模型在推理阶段识别与谱图不一致的片段，并通过定向重掩码与去噪进行修正，在 MassSpecGym 上 Top-1 准确率超过 18%，在 NPLIB1 上把领先方法的 Top-1 准确率提升至三倍。分析显示其性能随推理算力增加呈对数线性提升，代码已公开。
推荐理由：该预印本把质谱到结构的从头解析扩展到亿级训练与推理时扩展，并给出推理算力与准确率的对数线性关系。
研究提出 Genotypic Trigger 后门攻击，可让生成式抗菌肽模型对携带特定 HLA 等位基因的人群输出预测免疫原性风险更高的肽。在多个常用肽生成模型上，目标等位基因携带者的预测免疫原性风险评分相对现有数据库天然肽平均升高 743%，非携带者则接近天然基线；这些模型仍保持或提升了高抗菌效力、低一般毒性等主要目标性质，因而能通过常规安全筛查。
推荐理由：研究展示生成式抗菌肽模型可被植入针对特定HLA等位基因携带者的后门，为肽生成模型的安全评测提供参照。
Xuanrui Huang 的预印本提出用逃逸比例衡量单细胞 CRISPR 筛选中未被有效敲低的细胞占比，并基于靶基因计数以两组混合模型估计该比例，在模拟混合中可恢复已知比例。
推荐理由：研究指出逃逸细胞会稀释单细胞CRISPR筛选的扰动响应，并给出按逃逸比例校正的评估思路。
作者提出 TargetAgent 框架，用 LLM 智能体串联最优传输、张量分解和拓扑数据分析，依次定位疾病区域、区域内分子靶点及调控方向。在公开 Stereo-seq 阿尔茨海默病前额叶皮层数据的概念验证中，智能体将白质判为中度疾病信号主要位点，发现髓鞘程序使用下降而少突胶质细胞丰度上升，并提出 29 个候选靶点，其中 20 个基因此前未见与 AD 关联。
推荐理由：该框架把最优传输、张量分解与拓扑分析交给 LLM 智能体串联，在 AD 空间转录组上给出可追溯的靶点假设。
研究提出 MECo 框架，把 LLM 的分子编辑意图翻译为可执行代码，在来自化学反应和靶点特异性化合物对的留出真实编辑上复现准确率超过 98%。在下游理化性质与靶点活性基准上，MECo 将一致性提升 38 至 86 个百分点至 90% 以上，成功率高于基于 SMILES 的基线并保持结构相似性。该工作已被 EMNLP 2026 接收，结果基于文中报告的基准与评测设置。
推荐理由：该框架把分子编辑意图转成可执行代码，为 LLM 在结构编辑上的意图与执行一致性提供了可对照的评测。
研究团队发布mdRNAcat，一个包含48个RNA体系全原子分子动力学模拟的精选数据集，体系选择以提升序列多样性为目标。每个体系采用溶质缩放副本交换（REST2）模拟，设32个哈密顿态，每态生产模拟长度200-300 ns，提供原子坐标、瞬时力以及未缩放参考哈密顿量下重新计算的力，并附结构注释与副本交换元数据。
推荐理由：该数据集用REST2增强采样覆盖48个RNA体系，为RNA数据驱动模型与粗粒化力场提供可复用的训练与评测资源。
作者提出 MechGate，一个面向大肠杆菌的机制分辨筛选工具，输入 SMILES 后并列报告 5 项指标，其中 2 项为孔蛋白渗透、1 项为磷脂膜渗透、1 项为外排、1 项为抗菌活性，每项独立读取以定位分子受阻环节。
推荐理由：该工具把渗透、外排与活性拆成可分别读取的指标，便于定位候选分子受阻的具体环节。
加拿大玛格丽特公主癌症中心Tak W. Mak和Suzanne Trudel团队在Nature发表研究，开发机器学习算法PreGame，从单细胞CITE测序数据中识别携带肿瘤反应性TCR的γδ T细胞（TR γδ T细胞）。
推荐理由：研究用单细胞CITE测序训练随机森林识别肿瘤反应性γδ T细胞，并追踪其在BPd治疗中的扩增信号。
Tahoe Therapeutics的Johnny Yu与Hani Goodarzi团队在Cell发表Tahoe-100M，构建覆盖50株肿瘤细胞系、379种小分子药物、约1100组药物-剂量条件的亿级单细胞药物扰动转录组图谱。
推荐理由：该图谱以亿级单细胞数据刻画药物扰动表型，并揭示同靶点药物的周期效应差异，为扰动预测模型提供训练资源。