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
【摘要级】IQ联盟对26家生物制药企业开展行业调查，评估AI/ML在转化科学与ADME科学中的采用情况。结果显示AI/ML已广泛用于早期发现和小分子工作流，但很少成为决策的主要驱动因素，数据质量与组织准备度被视为主要障碍。受访者将分子设计和机理与AI结合的混合方法列为关键机会，作者据此提出整合工作流、共享基准与协同转化决策所需的基础。
推荐理由：IQ联盟调查26家药企，呈现AI/ML在转化与ADME科学中的采用现状与组织障碍，可供行业对照。
Pranam Chatterjee团队提出PepRePs（peptide-retargeted phosphatases），即用肽引导重定向磷酸酶，目标是实现对任意靶点的可编程去磷酸化。该工作延续其用蛋白语言模型生成肽引导E3（uAbs）和DUB（duAbs）的思路，相关预印本已发布于bioRxiv。
推荐理由：作者团队把肽引导策略从E3、DUB扩展到磷酸酶，为可编程去磷酸化提供了一条新的设计思路。
【摘要级】研究在1,079个化合物的骨架划分DILI数据集上检验图注意力网络的注意力权重，发现其整体并未集中于7类文献来源的肝毒性结构警示，合并富集比为0.35。在严格重复划分评估下，该网络也未超过简单描述符基线，平均AUROC为0.625-0.649，随机森林为0.714（p=0.011）。
推荐理由：研究用系统评测检验GNN注意力是否对齐肝毒性结构警示，并给出可复用的改进与数据。
【全文节选总结】作者提出CardamomOT，在机制最优传输框架下从时序scRNA-seq快照联合推断基因调控网络与隐藏蛋白轨迹，并校准为可生成数据、模拟基因敲除与过表达的生成模型。
推荐理由：该方法把GRN驱动的机制模型嵌入最优传输，用时间序列快照联合重建蛋白轨迹与调控网络，并给出可模拟扰动的生成模型。
【摘要级】研究开发疾病无关的知识图谱机器学习模型评估非Tclin蛋白与已知作用机制药物靶点的相似度，训练数据截至2017年12月并完全留出2018年后获得Tclin状态的115个蛋白。
推荐理由：研究用时间外推验证靶点成药性模型，为可成药基因组规模估计提供对照参照。
【摘要级】SpectralMol提出Fiedler-BFS谱二分分子分解算法，在全部25万个ZINC-250K分子上实现100%分解成功，包括junction-tree方法失败的桥环与螺环体系。
推荐理由：该研究提出谱二分分子分解方法，在ZINC-250K上实现100%分解覆盖，并给出与BRICS和junction-tree的对照结果。
【全文总结】研究提出HALO模型，用Chemical Checker多层生物活性嵌入和LightGBM预测抗菌药物对的协同或拮抗，在2449条药物对-菌株互作、97种化合物和10株菌的数据上，严格留出药物对的嵌套交叉验证达到0.70准确率和0.78 ROC-AUC。
推荐理由：该研究用严格留出药物对的嵌套交叉验证，量化了宽松验证对协同预测性能的高估幅度。
【全文总结】作者Filip Stefaniak在EUOS25光学干扰预测挑战中构建领域感知特征工程与FLAML自动超参数优化方案，在透射率任务中平均AUROC为0.788、排名第二，在荧光任务中平均AUROC为0.786、排名第三（共36支队伍）。
推荐理由：作者在EUOS25光学干扰预测挑战中系统比较了领域特征与跨任务元特征，为HTS干扰化合物计算筛查提供可迁移的特征工程参照。
【全文总结】研究提出在训练阶段引入口袋级对比学习和参考构象特征融合的结构条件3D分子生成框架，推理时仍只需单个目标口袋。在CrossDocked2020交叉对接设置中，该方法取得最优对接分数、最高配体效率和成功率，并报告最小的姿态调整RMSD；在ASB-E、DUD-E和APObind外部测试集上成功率最高。
推荐理由：研究把同一口袋的 re-dock 与 cross-dock 构象当作配对监督，为口袋条件生成在受体构象变化下的评测提供参照。
【全文总结】作者提出 DCSE，用共享嵌入学习药物与副作用特征向量，再经多层感知机非线性组合两种药物特征，预测药物组合引发特定副作用的概率。
推荐理由：研究用按时间切分的真实数据重评药物组合副作用预测，显示常规平衡测试集会高估模型表现。
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
Pranam Chatterjee 团队在已被 NeurIPS 接收的论文中提出 pCoMole，目标是在保留或提升分子功能的前提下缩小生物分子尺寸，以降低合成、制造与递送难度。论文编号为 arXiv:2610.01663，模型已在 Hugging Face 的 ChatterjeeLab/pCoMole 页面公开。推文未披露具体分子模态、评测指标与实验结果。
推荐理由：作者团队提出面向生物分子的缩小化生成方法，为在保持功能前提下压缩分子尺寸提供了可复用的建模思路。
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
【摘要级】作者提出 FLIGHTED，一种从含噪高通量实验数据生成概率适应度景观的贝叶斯方法，用于在蛋白质适应度建模中显式计入实验不确定性。在单步筛选（如噬菌体展示）和将活性与碱基编辑关联的高通量测定两类实验中，计入噪声在统计上显著提升了标准机器学习模型的性能。基于 FLIGHTED 的新基准显示，限制蛋白质适应度模型性能的是数据规模而非模型规模；作者称该方法可适用于任意高通量测定和任意机器学习模型。
推荐理由：该方法把高通量实验噪声纳入适应度景观建模，并据此重新审视数据量与模型规模对性能的限制。
【摘要级】作者提出 CRAFT，一个反应感知的分子优化框架，将蒙特卡洛树搜索与多模态策略网络结合，显式编码二维分子拓扑和原子级反应角色。在 DRD2、AKT1 和 CXCR4 上的评测显示，CRAFT 优于所比较的现有方法，生成更多高分候选并改善反应约束下的可合成性与分子多样性。分子对接模拟支持其重新发现与已知活性配体同源的骨架及训练分布外的新化学实体，模型还为候选提供前向合成路径。
推荐理由：该框架把反应角色与二维拓扑编码进多步优化，为可合成性约束下的分子生成提供了一种可对照的方法思路。
【摘要级】研究构建 TAS2R 亚型选择性模型 TAS2R-SelectNet，并以此作为受控测试平台检验评测方式与受体表征。作者发现随机划分会因骨架泄漏抬高 AUC，宽选择性亚型 TAS2R39 与 TAS2R14 分别虚高 0.210 和 0.188，预测 AUC 从最新颖测试化合物的约 0.64 升至存在近重复化合物时的约 0.95。
推荐理由：研究量化了随机划分造成的骨架泄漏，并比较不同受体表征在匹配维度下的表现，为靶点选择性预测的评测设计提供参照。
【全文总结】研究提出 M-GoRT，在决策 Transformer 中为每个优化目标设置独立的目标条件回报块，在 ZINC 数据集上离线训练一次即可在推理时按目标组合生成分子。
推荐理由：该研究提出按目标拆分的回报块决策 Transformer，为多目标分子生成提供了一种免在线微调的离线条件化方案。
【全文总结】作者提出DesignMaster，一个以连接子长度和7维理化性质为条件信号的扩散生成框架，用于PROTAC连接子设计。在PROTAC-DB 2.0上其有效性、唯一性和恢复率分别为95.04%、71.07%和49.92%，在PROTAC-DB 3.0上有效性为95.38%。
推荐理由：该框架把连接子长度与理化性质作为条件注入扩散过程，为PROTAC连接子的可控生成提供了可比较的评测参照。
【摘要级】研究提出阳性对照基线与指标校准框架，在14个数据集和18项指标上发现均方误差、Pearson Δ 等常用评测指标常存在校准偏差，对模型真实性能的敏感度偏低。在经良好校准的指标下，基于深度学习的遗传扰动模型能够超越无信息基线。该结论基于摘要报告的评测设置，未涉及具体模型与实验细节。
推荐理由：研究指出常用扰动预测评测指标存在校准问题，为重新审视深度学习模型与基线的比较提供参照。