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。
800 条精选近 30 天 563 条共收录 1,179 条
【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。
【全文总结】研究提出TCRcube模型，结合ESM2与AlphaFold2表征预测TCR-pMHC结合特异性，在IMMREP_2022已知表位任务上达到或超过现有方法。但在未见表位和Genentech/Adaptive Biotechnologies的癌症新抗原零样本测试中，所有模型包括TCRcube均表现不佳，基于物理的打分函数反而优于多数机器学习模型。
推荐理由：研究用公开与私有数据系统比较TCR-pMHC特异性预测，揭示现有模型在未见表位上的泛化局限。
【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。
圆壹智慧发布167M参数的序列优先蛋白质基础模型AINN-P1，采用mLSTM架构与自回归训练，在ProteinGym四类任务上平均Spearman ρ为0.441，稳定性任务达0.625。
推荐理由：圆壹智慧以167M参数序列模型在ProteinGym稳定性与抗体表达留一项目评测中对比ESM2等通用模型，提供参数效率与评估泄漏的具体参照。
分子之心在7月31日深圳“AI+新药研发研讨会”上披露，其AI从头设计的纳米抗体和环肽在TNFα、PD-L1、MDM2等十几个靶点上获得阶段性湿实验命中：TNFα的14个纳米抗体中7个显示结合活性，最优亲和力51皮摩尔；PD-L1的30个候选纳米抗体中26个命中；MDM2的21个候选环肽中16个显示可检测结合，最佳KD为13.7微摩尔。
推荐理由：分子之心披露纳米抗体与环肽的湿实验命中数据及表达量结果，呈现AI从头设计从结合走向可开发性的阶段进展。
【全文总结】作者提出GRASSP，用ERNIE-RNA同时提取序列嵌入和预测二级结构特征，经两层共享参数GAT与自适应门控融合后逐核苷酸预测小分子结合位点。在TE18上相对最强基线MVRBind提升精确率2.6%、召回率24.3%、MCC 2.3%；HARIBOSS四个子集AUC提升3.9%–24.1%。
推荐理由：研究把RNA语言模型嵌入与预测二级结构特征接入双层图注意力网络，为RNA小分子结合位点预测提供可复用的轻量方案。
【全文总结】作者提出 NCFlow，一个基于流匹配的生成模型，可在给定蛋白口袋中预测任意非天然氨基酸（ncAA）的三维构象，并据此对多肽做单点突变扫描以筛选结合力提升的变体。
推荐理由：作者提出用流匹配在固定骨架上放置非天然氨基酸，并用深度学习与炼金自由能双重打分筛选多肽变体。
【摘要级】研究提出PepGate门控双路径离散扩散框架，用于从头设计ACE抑制肽，并基于微调蛋白语言模型得到的短肽专用基础模型PepGPT，构建了生成模型PepGen与判别器PepClass、PepIC50组成的流程。
推荐理由：该研究用门控双路径离散扩散设计ACE抑制肽，并在SHR大鼠中验证候选肽的降压作用，为多肽从头设计提供了从生成到体内验证的实例。
【全文总结】作者提出 ABAG-Rank，一个基于 DeepSet 架构的深度神经网络，用于对 AlphaFold 类模型生成的抗体-抗原复合物结构打分排序，以缓解 AF3 置信度对错误结合表位的高分误判。
推荐理由：研究针对 AlphaFold 抗体-抗原复合物排序偏差，提出重排序模型并给出与 AF3、DeepRank-Ab 的对照结果。
【全文总结】研究提出GFCAB，在Geneformer基础上加入累积分配与相似度正则模块，减少同一细胞谱中掩码位置的重复基因预测并提升预测多样性。在5万条独立排序细胞测试集上，GFCAB在1M与30M预训练规模下均取得更高掩码基因预测准确率、更低重复率和更高唯一性，并更多恢复低频基因。
推荐理由：研究在单细胞转录组基础模型上比较架构约束与数据规模的作用，为评测与训练策略提供参照。
【全文节选总结】Schulz、Reynolds与Schürer在ACS JCIM发表观点文章，系统梳理2019年以来PROTAC计算设计从约束驱动三元复合物建模到数据驱动预测与生成设计的演进。
推荐理由：综述梳理PROTAC三元复合物建模与降解预测方法，指出评分与基准碎片化是走向前瞻设计的主要瓶颈。