Cell Painting PLUS扩展形态学分析提升化合物机制预测
研究评估了扩展高内涵成像方法Cell Painting PLUS（CPP）与经典Cell Painting（CP）在化合物作用机制预测上的表现，CPP可对线粒体、溶酶体、肌动蛋白、高尔基体、RNA、DNA和内质网进行空间分辨成像。
推荐理由：研究在284个化合物上比较扩展成像与经典Cell Painting的机制预测，为表型筛选通道设计提供参照。
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 19 页
bioRxiv · Pharmacology & Toxicology精选AI 评分5858 Corin Wagen精选AI 评分5858 Rowan 发布 FEP 更新，新配体参数化方法 Mango 提升基准表现
Rowan 发布若干更新以提升 FEP 计算精度，并推出新的配体参数化方法 Mango。作者称 Mango 在标准 8 体系 FEP+ 基准集上降低了能量误差，并提高了排序相关性指标。
推荐理由：Rowan 更新 FEP 计算流程并引入 Mango 配体参数化方法，给出其在标准 8 体系基准上的误差与排序相关性变化。
bioRxiv · Bioinformatics精选AI 评分6363 研究构建阿尔茨海默病多源靶点证据与机器学习效力预测平台
研究团队开发了一个可追溯的数据到模型平台，整合以 AGORA 为中心的靶点证据，包含 967 个靶点、452,249 个化合物和 1,430,260 条测量数据。
推荐理由：该预印本把阿尔茨海默病多源靶点证据与效力预测模型接入同一可追溯平台，并给出留出集上的量化评测。
AI蛋白质精选AI 评分6060 德克萨斯A&M团队在PNAS提出结构感知生成式AI框架，揭示蛋白质家族功能关系
德克萨斯A&M大学Davit A. Potoyan团队在PNAS发表结构感知生成式AI框架，将氨基酸比对翻译为3Di结构字母表比对，用变分自编码器各自压缩为二维景观并以直接耦合分析赋予共进化能量，再用信息论距离量化序列变异如何驱动结构与功能变异。
推荐理由：该框架把序列与3Di结构视图并置量化，为判断家族研究该用哪种表示提供了可迁移的比较方法。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室发布 SNOOPPI 蛋白互作数据库，收录靶向与非靶向 PPI 数据
Pranam Chatterjee 团队发布 SNOOPPI，这是一个序列归一化的靶向与非靶向蛋白互作（PPI）数据库，论文已发表于 Bioinformatics。作者指出，单个突变或翻译后修饰（PTM）即可决定两个蛋白是否结合，而现有数据常丢失这些细节，因此该数据库面向结合特异性预测的数据需求构建。数据集已在 Hugging Face 开放，论文 DOI 为 10.1093/bioinformatics/btag736。
推荐理由：该数据库把蛋白互作数据中的序列细节与靶向和非靶向配对整理在一起，为结合特异性预测提供了可复用的数据基础。
ChemRxiv Preprints精选AI 评分7474 IMPECCABLE 数字孪生药物发现工作流在 WDR91 与 TNKS2 上产出纳摩尔级抑制剂
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。
DrugAI精选AI 评分6565 Langevin Flow Maps：用半群一致性学习大步长分子动力学与过渡路径采样
arXiv 预印本提出 Langevin Flow Maps（LFM），通过学习朗之万随机动力学在有限时间区间内的状态映射，实现无需显式轨迹监督的大步长分子模拟。
推荐理由：该预印本把学习目标从瞬时受力扩展到有限时间朗之万演化，并给出大步长加速与平衡分布偏差的对照证据。
DrugAI精选AI 评分7878 Nat. Commun.：RASSCCoL 快速评估配体化学互补性用于蛋白质设计
研究团队在 Nat. Commun. 提出 RASSCCoL，以稳定α螺旋束骨架为基础，通过体积筛选、侧链重排、AutoDock Vina 对接与 AlphaFold2 结构复筛构建小分子结合口袋，DPH 设计流程在单 CPU 核心约 30 分钟完成。
推荐理由：研究用稳定α螺旋骨架加体积互补筛选替代大规模结构生成，为小分子结合蛋白设计提供低成本可解释路径。
Nature Biotechnology精选AI 评分7474 研究将人类AGO2改造为靶向C-to-U RNA碱基编辑器ALTER
【全文节选总结】研究团队将人类AGO2与APOBEC3A融合，通过设计中央区错配的向导RNA诱导靶位点形成单链环，构建出C-to-U RNA碱基编辑器ALTER，并在EGFP Y66H报告细胞中验证编辑活性。
推荐理由：研究把人类AGO2改造为可编程RNA碱基编辑器，并在内源转录本上给出与Cas13编辑器的并行比较。
ChemRxiv Preprints精选AI 评分5858 Ferenczy数据集再分析：HIV蛋白酶抑制剂造成配体结合普遍尺寸依赖的假象
作者重新清洗并分层分析Ferenczy数据集后发现，聚合数据呈现不合理的补偿斜率–1.04，分层后分别为–0.86（General）和–0.75（HIV）。在非HIV靶点上，pKH_90与分子尺寸无实质相关（线性R2=0.12，幂律R2=0.13，指数–0.23），SIHE的尺寸无关性来自pKH本身已与尺寸无关。
推荐理由：重新分层分析Ferenczy数据集，指出HIV蛋白酶抑制剂造成的尺寸依赖假象，为结合热力学指标的使用边界提供参照。
bioRxiv · Genomics精选AI 评分7373 Bolero模型从DNA预测跨物种细胞状态特异性基因调控
研究团队开发序列到功能模型Bolero，以图谱规模细胞状态嵌入和额外生物变量为条件，从DNA预测细胞状态特异性染色质可及性与转录本丰度。模型在六大哺乳动物33个数据集共1070万个细胞上训练，在专门模型对比中达到或超过其表现，并能区分皮层区域与发育梯度等相近细胞状态。
推荐理由：该模型把细胞状态嵌入作为条件输入，使同一DNA序列可在不同细胞状态与物种间查询调控差异。
ChemRxiv Preprints精选AI 评分5858 研究首次解析无定形固体分散体的原子级三维结构
研究结合固态核磁晶体学与机器学习加速的量子化学计算，解析了药物 AZD5462 在共聚维酮基质中的无定形固体分散体结构。结果显示聚合物改变了氢键网络，以 API 与聚合物的相互作用取代自缔合，并提高重排的动力学能垒；该结构解释了制剂物理稳定超过两年、而纯无定形药物数小时内重结晶的差异。该工作为无序多组分材料提供了结构框架，结果来自预印本摘要。
推荐理由：研究用固态核磁晶体学结合机器学习加速的量子化学计算，解析无定形固体分散体的原子级结构，为制剂稳定性提供结构解释。
ChemRxiv Preprints精选AI 评分6363 研究改进计算机辅助逆合成对化学直观断键的处理
该预印本以19种常见断键策略为基准评测开源逆合成工具，并开发配套数据集、模板库与训练模型。改进模板库、重训模型并扩充库存文件后，简单案例的正确求解比例从37%提升至84%，超过其他开源工具。作者指出模板存在并不足够，模板是否被排入搜索空间、搜索是否优先预期路线同样影响结果，相关库存文件、模板库与模型已集成到开源电子实验记录本AI4Green。
推荐理由：研究拆解模板库、模型排序与库存定义对逆合成可靠性的影响，为工具评测提供可迁移的归因视角。
AI-Protein Design精选AI 评分7878 Baker团队用Logos与RFdiffusion设计MYC无序区结合蛋白，原位胰腺癌模型中肿瘤细胞被选择性耗竭
Baker团队在bioRxiv预印本中报告，用Logos框架与RFdiffusion针对MYC的4个保守表位（MBI Loop 1、MBIIIa Loop 2、MBIV Loop 3及bHLH螺旋表位）从头设计结合蛋白，初筛192个设计中15个亲和力优于500 nM，成功率约7.8%。
推荐理由：该预印本报告用Logos与RFdiffusion靶向MYC无序区设计结合蛋白，并给出亲和力优化与体内抑瘤数据，可作为无序靶点设计的参照。
ChemRxiv Preprints精选AI 评分7272 DeImmu-MPNN：在从头蛋白质设计中降低免疫原性
作者用直接偏好优化微调 ProteinMPNN，得到 DeImmu-MPNN，在六个 HLA-DRB1 等位基因上把 NetMHCIIpan 预测的 MHC II 类呈递相对基线模型降低 41.4%，降至长度匹配人蛋白水平，同一批设计上 NetMHCpan 预测的 MHC I 类呈递降低 33.0%，代价是序列回复率下降 2.1 个百分点且未检出结构损失。
推荐理由：研究用偏好优化改造 ProteinMPNN，在保持序列回复率与结构的前提下降低预测的 MHC 呈递，为治疗性蛋白设计提供可迁移思路。
bioRxiv · Bioinformatics精选AI 评分5858 研究以AlphaFold 3相互作用置信度做蛋白质组尺度药物优先级排序
研究将AlphaFold 3（AF3）的相互作用评分与基于实验信息的BANDOCK+方法在已批准药物和人类蛋白库上做基准比较，AF3的ipTM在疾病层面排序的总体表现与BANDOCK+相近，但具体适应证之间存在差异。作者据此认为AF3相互作用置信度可作为蛋白质组尺度药物优先级排序的信息来源，该结论来自预印本摘要，仅涉及计算排序比较。
推荐理由：研究以已批准药物为基准，比较AF3相互作用置信度与实验信息方法的疾病排序表现，为结构预测分数的可用边界提供参照。
bioRxiv · Bioinformatics精选AI 评分6969 MIEN：面向蛋白口袋的糖链构象判别深度学习模型
作者提出基于结构的等变图网络MIEN，用于评估糖链构象与固定蛋白口袋的匹配程度。模型在5241个实验复合物上训练，在260个蛋白不重叠的测试复合物上区分实验构象与非天然构象，并在AutoDock-GPU与GlycanDock候选池中更常选出低RMSD的top-1构象，使RMSD低于1、2、4埃的最佳构象数量增加。该结果为预印本摘要报告，仅涉及计算打分与对接候选筛选。
推荐理由：该预印本提出仅保留极性或CH-π接触原子的等变图网络，为糖链构象打分提供可迁移的界面建模思路。
奶牛猫的CADD实验室精选AI 评分5858 ChemMedChem研究：Boltz-2结合姿势准确但亲和力排序在新口袋区域失效
ChemMedChem发表研究，用43个15-PGDH抑制剂评估Boltz-2的亲和力预测能力。在结构修饰保守的两个系列中，Boltz-2的Spearman相关系数为0.68，接近FEP+的0.64；但在探索新结合口袋区域的Series 3中，部分化合物效价最高提升约500倍，Boltz-2却将整个系列预测为弱于母体化合物。
推荐理由：该研究用43个15-PGDH抑制剂检验Boltz-2亲和力排序，显示姿势准确不等于排序可靠。
AI药物设计实验室精选AI 评分7272 默沙东与得州理工在npj Drug Discovery提出PepOpt，174.4秒从约10⁵⁰种肽组合中筛出前1000条
默沙东与得克萨斯理工大学研究人员在npj Drug Discovery发表可解释机器学习框架PepOpt，用位置特异的ECFP4指纹加贝叶斯岭回归预测肽活性，并借助可加性动态规划在约10⁵⁰规模空间中174.4秒返回模型评分最高的1000条序列。
推荐理由：该框架把位置特异的化学子结构编码与可加性动态规划结合，为超大肽库的候选排序提供了可解释的搜索路径。
智药邦精选AI 评分6060 联川生物与KAUST发布跨物种单细胞基础模型Speciesformer
联川生物联合阿卜杜拉国王科技大学（KAUST）等单位在bioRxiv发布跨物种生成式单细胞基础模型Speciesformer，用于虚拟细胞构建与跨物种单细胞解析。
推荐理由：该跨物种单细胞基础模型把注释、生成与扰动预测整合到一套架构，并给出与主流模型的基准比较。