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
Anthropic 测试 Claude 能否从头设计蛋白结合剂：在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个完成了设计，随后由 Adaptyv Bio 与 Twist Bioscience 独立构建并测试，作者称成功率和亲和力均较高。
推荐理由：Anthropic 与 Adaptyv Bio、Twist 的实测显示，Claude 编排开源模型在 15 个靶点中设计出 14 个从头结合剂，可作为智能体驱动蛋白设计的参照。
Mohammed AlQuraishi 评论称，不同蛋白质设计方法分到的靶点难度各不相同，Genie 3 拿到的是最难的靶点，并希望这算是一种恭维。该评论引用 Anthropic 关于 Claude 从零设计蛋白质结合剂的内容，其中称在人类专家撰写的设计提示下，Claude 自主针对 15 个靶点中的 14 个设计出结合剂，并由 Adaptyv Bio 与 Twist Bioscience 独立构建和测试。
推荐理由：作者对比不同蛋白质设计方法分到的靶点难度，指出Genie 3拿到最难靶点，为解读各家设计结果提供难度差异视角。
Anthropic 的论文让 Claude 在约 1.6 万词操作规程下自主完成从靶点调研、表位选择到工具编排与排序的蛋白 binder 设计，15 个可解释靶点共 1320 个设计中 354 个被判为 binder，总命中率 26.8%，14 个靶点至少得到一个 binder。
推荐理由：论文用双 CRO 实测检验 Claude agent 自主完成 15 个靶点的 binder 设计流程，并给出失败靶点与评分局限。
【全文节选总结】AIntibody挑战以SARS-CoV-2 RBD为靶点，对25家以上机构提交的511条抗体序列统一表达为全长IgG，用高通量SPR、KinExA和五项可开发性检测做前瞻性盲测。
推荐理由：前瞻性盲测把AI设计的抗体统一表达为IgG并做SPR、KinExA与可开发性检测，给出算法与实验方法在同一条件下的对照。
【全文总结】研究提出配对表示缩放：在Pairformer输入端将潜在配对表示乘以单一标量(1+β)，无需重训练或改动MSA，即可在AlphaFold 3与Boltz-2中拓宽构象采样。
推荐理由：研究提出仅缩放配对表示的推理时扰动，在86个双态靶点上与MSA扰动和BioEmu比较，给出可迁移的构象采样手段。
【全文总结】【全文总结】Anthropic 报告 Claude 通过编排蛋白设计工具，在 15 个可评估靶点中的 14 个获得结合剂：1,320 个设计产出 354 个结合剂，仍属结合验证，不能等同药物疗效。原文另报告 Claude Opus 5 从原始 NMR 与 LC-MS 数据完成化学分析，所用时间分别为 23 和 19 分钟；这是不同任务的案例，不能合并为通用药物发现成功率。
推荐理由：Anthropic 用湿实验验证 Claude 自主设计的蛋白结合剂，并给出与公开设计竞赛和既有命中率的对照。
Brian Hie 转发 Talal 的系列帖，介绍 ProteinDPO 最终版已在 Nature Methods 发表。据该帖，论文新增将该模型用于稳定流感疫苗主要成分血凝素的前融合态，并给出论文链接 https://www.nature.com/articles/s41592-026-03137-3。
推荐理由：ProteinDPO 正式发表于 Nature Methods，新增血凝素前融合态稳定化应用，可作为蛋白设计偏好优化的参照。
Brian Hie 团队用 ProteinDPO 将蛋白生成模型与实验适应度对齐的工作已发表于 Nature Methods。发表版本新增了对 H5 血凝素（流感疫苗组分）的稳定性突变结果。论文链接：https://www.nature.com/articles/s41592-026-03137-3
推荐理由：该工作把蛋白生成模型与实验适应度对齐，并给出在流感疫苗组分H5血凝素上的稳定性突变结果。
【全文节选总结】研究提出一条面向BCL-2的多模态药物重定位流程，用扩散生成模型NeuralPlexer为3094个FDA已批准药物生成配体特异性复合物构象，保留1294个结构可接受构象，经Glide SP精修与RMSD<2 Å过滤后得463个化合物。
推荐理由：研究把扩散生成复合物、MD轨迹图推断与湿实验串成一条重定位流程，为多指标筛选提供可迁移参照。
【全文节选总结】研究提出 ProteinDPO，用直接偏好优化（DPO）把实验稳定性数据注入结构条件蛋白语言模型 ESM-IF1，在 Megascale 约 66 万个变体、403 个结构域的留出集上，序列似然与 ΔΔG 的相关性由原始 ESM-IF1 的 Pearson R=0.55 提升至 0.72–0.73，优于监督微调模型的 0.59。
推荐理由：研究把偏好优化用于结构条件蛋白语言模型，展示稳定性对齐能否迁移到结合亲和力与抗体热稳定性任务。
RyboDyn 在 bioRxiv 预印本中报告，其测序平台 RyboCypher 在肺癌、结直肠癌及癌旁组织和癌细胞系中解析出约660万个暗 RNA 位点，其中超过97%不见于现有非编码 RNA 数据库。
推荐理由：RyboDyn 用自建测序平台在肿瘤样本中挖掘出约8万条隐秘肽段，并给出一个可成药的表面靶点验证案例。
【全文节选总结】研究团队将基于表面的MaSIF-mimicry计算搜索与高通量蛋白互补实验GluePCA结合，在人类蛋白质组范围内绘制CRBN-分子胶可及互作空间。
推荐理由：研究把表面相似性计算搜索与大规模结合实验串联，为分子胶可及靶点空间提供了可迁移的筛选路径。
【全文节选总结】作者提出 OptiPrime，一个将先导编辑（PE）机制嵌入数学结构的机器学习模型，用于预测 pegRNA 的编辑效率。模型在 40 种实验条件、297,962 条 PE 效率数据上联合训练，五折交叉验证平均 r=0.693、ρ=0.745，在本文数据集上优于 DeepPrime-FT 与 PRIDICT2.0。
推荐理由：该模型把先导编辑机制嵌入网络结构，在多个原代细胞与小鼠脑内验证了pegRNA设计效率。
Schwaller 团队发布预印本 SynthEx，一个以语言模型生成原子级图编辑断键、由多智能体分工提出策略、扩展路线并模拟修复的合成规划器。在 1,098 个无报道全合成的复杂天然产物上，近乎穷举的 AiZynthFinder 解出 13.8%，SynthEx 达到 63.9%，分子越复杂差距越大。
推荐理由：该工作用智能体规划复杂天然产物合成路线，并以专家盲评比较机器与人类步骤，提供了可参照的评测设计。
文章解读东京大学Jumpei Morimoto与Shinsuke Sando团队的研究，指出N-烷基肽的高被动膜渗透性除去除酰胺N–H外，还来自N/Cα双取代产生的骨架位阻约束。
推荐理由：文章拆解东京大学团队关于N/Cα双取代骨架位阻促进肽透膜的机制研究，为口服环肽设计提供可迁移的结构判断依据。
临港实验室发布AI药物研发工作台元生·开物OriBench测试版，整合基因组学、单细胞、蛋白质组学、结构生物学、化学信息学与药理毒理学等技能，支持固定流程、智能编排和自定义编排三种长任务执行模式。
推荐理由：临港实验室把靶点发现、组学分析与分子设计整合进同一工作台，并公开了与Claude Code的基准对比。
英灵殿科技团队提出EpiBench，一个面向抗体药物发现的表位推理基准，包含1,609个样本和五项相互关联任务，标签来自抗体–抗原复合物结构、功能性B细胞实验与深度突变扫描数据。
推荐理由：该基准把表位理解拆成五项抗体发现决策任务，并给出通用大模型在长序列定位与抗体特异性对应上的具体缺口。
作者将ESM-IF1逆折叠生成与保守性、蛋白-核酸共同进化约束结合，从头设计出与天然ISDra2 TnpB仅约50-60%一致性的SynTnpB小型RNA引导核酸酶。
推荐理由：研究把结构生成与进化保守性约束结合，设计出序列偏离天然但仍可编辑基因的TnpB核酸酶，并给出模块化筛选与结构依据。
【摘要级】研究提出以低噪声、可计算的分子描述符进行监督预训练，得到约千万参数的基础模型 CheMeleon，使有向消息传递神经网络在低数据条件下超过经典方法。作者在 Polaris 基准计划提供的 58 个数据集上评测，统计比较显示其优于基于分子指纹和描述符的随机森林基线及现有基础模型，并开源模型与预训练框架。结果来自论文摘要所述的基准评测。
推荐理由：该研究提出以可计算的经典分子描述符做预训练，并在 58 个基准上比较其与经典机器学习及现有基础模型的表现。
【摘要级】Andreas Bender等人在Nature Reviews Drug Discovery发表观点文章，指出尽管AI方法在药物发现中被大量开发、应用和基准测试，其临床相关影响的证据迄今仍有限。
推荐理由：该观点文章梳理AI药物发现的进展与落差，并解释临床转化不足的可能原因，为评估该领域提供参照。