分子之心MMDesign技术报告：19个项目成功率94.7%，六个GPCR靶点全部命中
分子之心发布MMDesign最新技术报告，在覆盖18个靶点、纳米抗体与大环肽两类模态的19个项目中，18个获得实验确认的结合分子，项目成功率94.7%，单项目仅测试9—50个候选。
推荐理由：技术报告以19个项目的湿实验数据展示少量候选下的跨靶点设计成功率，并给出GPCR与跨轮次优化的具体结果。
内容形态
顶刊与预印本 最新动态
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 999 条
更新
精选归档 · 第 14 页
分子之心MoleculeMind精选AI 评分7474 bioRxiv · Bioinformatics精选AI 评分7474 POISK 基准：折叠模型能否区分抗体结合剂与诱饵
研究团队构建 POISK 数据集，从 10110 项美国专利中经 LLM 流程提取 89074 条抗体-抗原记录，并整理出 22494 个复合物的平衡基准集，其中 11247 个为专利验证但无已知解析结构的结合剂，另配序列相似的人抗体库来源推定非结合剂。
推荐理由：研究用专利来源抗体数据构建基准，比较六种结构预测模型区分真实结合剂与诱饵的能力，为评估零样本筛选提供参照。
bioRxiv · Bioinformatics精选AI 评分6565 DeepMAST：面向空间转录组的证据约束多智能体系统将ICAM-1列为肺纤维化候选靶点
作者提出DeepMAST，一个证据约束的多智能体AI系统，将空间转录组分析从流程执行贯通到生物学解读，并在前列腺癌、乳腺癌和特发性肺纤维化（IPF）Visium数据集上评测。
推荐理由：该系统把空间转录组分析到靶点排序串成可追溯流程，并用组织染色与阻断实验给出ICAM-1的初步支持。
Ginkgo Datapoints · Updates精选AI 评分6262 VCPI 发布 ReFRAME 化合物库 DRUG-seq 图谱，覆盖 12,949 个化合物并以 CC BY 4.0 开放
虚拟细胞药理学计划（VCPI）发布其迄今最大规模的数据集，为 ReFRAME 药物重定位化合物库提供阵列式 DRUG-seq 转录组图谱，覆盖 12,949 个化合物。数据在 THP-1 细胞中以 10 μM 剂量、每孔一个化合物进行筛选，注册用户可在 thevirtualcell.com 免费获取，并以 CC BY 4.0 开放。
推荐理由：该发布提供覆盖近1.3万临床阶段化合物的转录组扰动数据，可作为药物响应与虚拟细胞研究的公开数据资源。
bioRxiv · Biochemistry精选AI 评分7474 Calico 用 CAMOLE-1 平台发现并优化强效选择性 MMP12 多肽抑制剂
Calico 的机器学习平台 CAMOLE-1 以全原子扩散模型结合物理计算过滤与生化测试，从天然氨基酸设计出发发现 MMP12 多肽抑制剂并进一步优化效力，约一年内合成 270 条肽得到强效选择性抑制剂。预印本摘要称，天然与非天然肽抑制剂的预测结构与其实验解析的肽结合晶体结构高度一致。作者称这是首次用机器学习把多肽抑制剂设计从初始命中推进到具改善药代性质的选择性强效先导肽。
推荐理由：Calico 用全原子扩散模型迭代设计 MMP12 多肽抑制剂，并给出晶体结构与预测结构的对照。
bioRxiv · Bioinformatics精选AI 评分6262 研究：单细胞基础模型的预测迁移不等于可靠性迁移
该预印本提出可靠性迁移概念，即模型对自身预测何时可能正确或错误的判断能否跨生物情境迁移，并在覆盖多数据集、多模型与多评测设置的十个扰动预测系统中考察。结果显示可靠性迁移在源-目标配对间差异明显，无法仅由预测性能推断，说明预测迁移与可靠性迁移是两类不同的泛化。
推荐理由：研究在十个扰动预测系统中比较预测迁移与可靠性迁移，为单细胞基础模型的置信度评估提供参照。
bioRxiv · Bioinformatics精选AI 评分7373 配对活性学习框架从1200万分子中筛选突变选择性EGFR抑制剂
研究团队开发计算与实验结合的配对活性学习框架，用于识别对EGFR三突变体（L858R/T790M/C797S）与野生型EGFR具有差异活性的化合物。对1200万分子做序贯筛选后得到16个共识命中，其中5个进入初步生化评价、2个进一步做生化、细胞与结构表征；共晶结构显示最佳化合物在ATP结合口袋内呈两种不同的非共价结合模式。该工作为优化效力与突变选择性提供实验结构模板，结果基于预印本摘要报告。
推荐理由：研究用配对活性回归加SVM筛选1200万分子，为突变选择性EGFR抑制剂发现提供可迁移流程。
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。
DrugAI精选AI 评分7474 Nature：从头蛋白质设计与定向进化构建高对映选择性人工金属酶光催化剂
研究人员用RFdiffusion All-Atom和LigandMPNN从头设计结合金属多吡啶光催化剂的蛋白骨架DE3，再经多轮定向进化获得变体4FFG，催化分子内[2+2]光环加成产物对映体比例达3:97。
推荐理由：研究把从头设计骨架与定向进化串成一条路径，为人工金属酶的光催化立体控制提供了可参照的设计与优化流程。
Briefings in Bioinformatics精选AI 评分6262 EquiDesign：基于Equiformer的蛋白质序列从头设计框架
【全文总结】南京农业大学团队提出EquiDesign，用Equiformer替换传统消息传递层，在CATH 4.4上训练后实现蛋白质序列逆折叠设计，序列恢复率达56.59%，比ProteinMPNN高9.06%。
推荐理由：该框架以等变网络替代消息传递层做序列逆折叠，并在多个基准上给出与强基线的对照结果。
BioTender精选AI 评分6969 预印本《Plausibility Is Not Prediction》指出虚拟细胞扰动预测的评测漏洞
Xinyu Yuan、Xixian Liu 等人的预印本《Plausibility Is Not Prediction》检验细胞扰动二分类差异表达预测，发现忽略扰动身份的 Gene-prior Voting 基线在 C32 黑色素瘤任务总体 AUROC 仍达 0.990，但改为同基因内比较扰动的 macro-per-gene 评测后该基线 AUROC 只有 0.500。
推荐理由：研究用分基因评测揭示总体 AUROC 高分可能绕开扰动区分，为虚拟细胞扰动预测的评测方式提供参照。
ClickMab 科迈生物精选AI 评分5858 科迈生物 EPIC 论文获 NeurIPS 2026 AI4DD Workshop 接收，联合预测表位、互补位与残基接触
科迈生物的 EPIC 模型从抗体和抗原氨基酸序列出发，联合预测抗原表位、抗体互补位与残基接触，论文获 NeurIPS 2026 AI for Drug Discovery Workshop 接收。
推荐理由：该研究把表位、互补位与残基接触统一建模，并在公开抗体结构测试集上给出与现有方法的逐项对比。
Martin Pacesa精选AI 评分5858 Martin Pacesa 评从头设计结合剂在结构生物学中的应用
Martin Pacesa 转发并评论 Xiaochun Li 团队发表于 NSMB 的论文，认为其从头设计结合剂的用法很有创意。被引内容称该研究解析了 Norrin 信号复合物的结构，并据此设计合成 Norrin 模拟物，朝恢复血视网膜屏障（BRB）的策略迈出一步。
推荐理由：作者借他人 Norrin 信号复合物论文，点评从头设计结合剂用于结构生物学研究的思路。
ChemRxiv Preprints精选AI 评分7070 碎片锚定的神经网络在库规模上模拟电子电离质谱
研究提出碎片锚定的神经工作流，先穷举分子碎裂图，再用实验谱训练的模型为子结构分配强度，从而预测电子电离质谱。在骨架划分下，该模型在最多50个同分子式异构体中识别正确结构的比例为43.0%，最强基线为32.5%；其精度与量子化学模拟相当，速度快约七个数量级。在PubChem 8730万化合物库的无分子式检索中，其top-1准确率为3.3%，最强基线为1.1%，加入峰质量窗口过滤后升至5.3%。
推荐理由：该预印本用碎片图枚举加实验谱训练强度模型，为质谱谱图预测的分布外泛化提供了可对照的评测。
ChemRxiv Preprints精选AI 评分5858 研究分析FoldX界面ΔΔG对起始结构的依赖：以戊二酰辅酶A脱氢酶为例
研究以戊二酰辅酶A脱氢酶（同源四聚体）的258个ClinVar错义变异为对象，对其中124个致病性变异计算ΔΔG，并在同一复合物的三个分子动力学快照上重算18个变异。
推荐理由：分析显示FoldX界面ΔΔG对起始结构敏感且随位置变化，为变异解读中的结构选择提供参照。
清华大学智能产业研究院精选AI 评分7474 清华AIR联合上海AI Lab发布PFArena，用202项真实实验评测大模型蛋白质改造能力
清华大学智能产业研究院联合上海人工智能实验室和清华大学药学院推出PFArena，基于202项真实蛋白质实验、293个任务实例和607,269条候选记录，评测蛋白质语言模型、通用大模型与科学智能体在突变生成和排序上的表现。
推荐理由：该基准把真实蛋白质适应度实验转成生成与排序任务，比较PLM、通用LLM与智能体在有限实验预算下的决策差异。
BioArt精选AI 评分8282 David Baker团队在Nature发表两项研究：从头设计半胱氨酸蛋白酶与金属蛋白酶
华盛顿大学David Baker团队在Nature发表两篇论文，分别从头设计半胱氨酸蛋白酶和锌离子辅助的金属蛋白酶，并在哺乳动物细胞中检测到切割活性。
推荐理由：两篇 Nature 论文报告从头设计半胱氨酸与金属蛋白酶的初筛成功率、动力学参数和晶体结构验证，并讨论催化水与预组织对活性的影响。
arXiv · q-bio.QM (定量方法)精选AI 评分7474 共享克隆使合并筛选中的随机细胞二分看似可重复
该预印本指出，在Perturb-seq等合并筛选里，把同一扰动的细胞随机分成两半并非独立重复，因为两半含相同克隆，构成数据中未标注的伪重复。在基因组规模原代T细胞筛选中，无效应扰动在随机两半间几乎总是一致，而在独立转导重复间仅约一半一致，与噪声预期相当，增加细胞数也未消除这种一致性；按T细胞受体恒定区或克隆条码分成无共享克隆的两半后，超额一致性基本消失。
推荐理由：研究用无效应扰动对照揭示合并筛选中的伪重复问题，并说明其对扰动预测基准与可靠性标签的影响。
arXiv · q-bio.BM (生物大分子)精选AI 评分7272 PROBE：面向结构药物设计的LLM智能体探测引导分子优化框架
作者提出PROBE框架，先对配体做可控的类似物编辑探测，把口袋-配体复合物对局部修改的响应蒸馏成EditManual，再结合位点图指导多智能体迭代优化。作者还引入两项诊断指标，分别衡量单次编辑同时改善结合亲和力与可开发性的频率，以及一个目标提升伴随另一个目标下降的频率，并据此指出当前LLM智能体管线常在不知复合物响应的情况下编辑分子。
推荐理由：该研究提出编辑-响应探测框架，用于诊断并缓解LLM智能体在亲和力与可开发性联合优化中的失败模式。
arXiv · q-bio.BM (生物大分子)精选AI 评分5858 蛋白质口袋间能迁移什么？分子优化中的经验复用与智能体结构药物设计
该研究分析一次基于LLM智能体的结构药物设计运行日志，检验以编辑位点接触、动作和轮次为键的经验库能否在未见过的CrossDocked2020测试集口袋上区分改善与变差的编辑。结果显示这种区分主要由编辑对分子大小的改变、动作和轮次解释，均不描述靶点；直接给出靶点身份时区分度高出数倍。在评估的精确匹配描述中，更具体的描述很少复现，较粗的描述区分度有限，可迁移信号主要描述编辑及其生成的分子而非靶点。
推荐理由：研究检验跨口袋经验复用能否区分改善与变差的编辑，为智能体结构药物设计的经验库设计提供参照。