Inceptive 用零样本 mRNA 序列设计对标体内 CAR-T 行业基准
Inceptive 称其基础模型在不足一个月、极少 CAR-T 专用训练数据下零样本设计 mRNA 序列，在 PBMC 表达与杀伤实验中与行业领先的抗 CD19 CAR 序列相当，并结合 Mana.bio 的被动靶向 LNP 在体内实现接近完全的 B 细胞清除。
推荐理由：Inceptive 称零样本设计的 mRNA 序列在体外与体内 CAR-T 指标上对标行业基准，展示了基础模型跨靶点迁移的一种路径。
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。
800 条精选近 30 天 563 条共收录 1,179 条
更新
精选归档 · 第 39 页
Inceptive精选AI 评分7474
OpenFold精选AI 评分7272 Rocklin Lab发布MGnify稳定性数据集，覆盖180万蛋白结构域
Rocklin Lab发布MGnify Stability Dataset，提供180万个多样蛋白结构域的折叠稳定性测量数据，覆盖超过20万个序列家族。该数据集由OpenFold首席研究员@grocklin团队公开，可用于蛋白稳定性相关的训练与评测。
推荐理由：该数据集覆盖超20万序列家族的180万蛋白结构域稳定性测量，为蛋白稳定性预测提供大规模训练与评测资源。
AI4Protein精选AI 评分5858 昌平国家实验室余其林讲座介绍抗体设计框架PPIFlow
昌平国家实验室副研究员余其林将于2026年5月24日晚通过腾讯会议主讲抗体设计框架PPIFlow。据简介，该框架结合流匹配生成模型与新型体外成熟策略，无需实验优化即可直接生成皮摩尔至纳摩尔级亲和力的纳米抗体和迷你蛋白结合剂。
推荐理由：讲座介绍PPIFlow以流匹配加计算机成熟生成高亲和力纳米抗体与迷你蛋白，可了解纯计算结合剂设计思路。
David Mobley精选AI 评分7373 Open Free Energy 团队发布覆盖 15 家药企的自由能方法开放基准研究
Open Molecular Software Foundation 旗下 Open Free Energy 团队宣布完成迄今规模最大的自由能方法开放基准研究，称在 15 家制药公司参与的测试中达到经行业验证的准确度。David Mobley 转发该消息并附上 Business Wire 新闻稿链接，未披露具体误差指标或测试体系。
David Mobley精选AI 评分5858 自动检测分子动力学中慢速扭转重排的论文发表于JCIM
David Mobley 团队关于自动检测分子动力学中慢速扭转重排的首版方法论文已发表于 JCIM，DOI 为 10.1021/acs.jcim.6c00134。无访问权限的读者可查看 chemRxiv 预印本版本（chemrxiv.10001647/v1）。
推荐理由：作者团队提出自动检测分子动力学中慢速扭转重排的首版方法，为构象采样分析提供可复用思路。
HouMed精选AI 评分7474 侯廷军团队在ChemRxiv发布LiTENexus量子化学驱动端到端AI药物发现系统
浙江大学侯廷军团队联合澳门理工大学于2026年5月15日在ChemRxiv发布LiTENexus系统，提出量子化学信息注入（QCII）机制，将势能面、电荷分布、偶极矩等规律编码进神经算子，构建端到端虚拟药物发现平台。
推荐理由：侯廷军团队把量子化学信息注入神经算子，在ADMET与分布外化学空间给出可对照的基准结果。
FutureHouse精选AI 评分7474 FutureHouse在Nature发表Robin多智能体系统，用于干性年龄相关性黄斑变性药物重定位
FutureHouse在Nature发表其首篇论文，介绍多智能体系统Robin，该系统将新假设生成与实验数据分析整合进同一连续工作流。研究团队将Robin用于干性年龄相关性黄斑变性，由其提出药物重定位假设并在实验室验证，包括在原代人视网膜色素上皮（RPE）干细胞中验证。
推荐理由：该工作展示多智能体系统从假设生成到湿实验验证的完整链路，为AI驱动发现提供可参照案例。
AI4Protein精选AI 评分6767 清华与字节团队AnewOmni：跨尺度统一分子生成模型
字节AI制药团队与清华AIR团队开发统一分子生成模型AnewOmni，可设计小分子、多肽和纳米抗体，训练数据超过500万个生物分子复合物。模型支持可编程图提示，可施加化学约束、拓扑约束与几何转向，并生成非天然氨基酸、手性分子、共价结合等非标准化学结构。
推荐理由：介绍统一分子生成模型在KRAS G12D与PCSK9上的跨模态设计结果，可作为多模态药物设计的参照。
David Mobley精选AI 评分6262 SepTop方法用于片段连接与跃迁的相对结合自由能计算并发表论文
David Mobley团队发表论文，测试其SepTop方法在片段连接、拼接与跃迁场景下的相对结合自由能计算，作者称效果相当好。论文发表于J. Chem. Inf. Model.，链接为https://pubs.acs.org/doi/10.1021/acs.jcim.5c03091。
推荐理由：作者团队测试SepTop在片段连接与跃迁的相对结合自由能计算，为片段生长策略提供方法参照。
HouMed精选AI 评分7373 LaMGen：基于大语言模型的多靶点3D分子生成框架发表于Nature Communications
浙江大学康玉、侯廷军团队联合澳门理工大学刘焕香团队在Nature Communications发表LaMGen，一个仅输入靶蛋白氨基酸序列即可生成3D活性分子的多靶点药物设计框架。
推荐理由：研究用LLM从蛋白序列直接生成多靶点3D分子，并在分布外靶点对上与DualDiff比较。
Mol.AI精选AI 评分6363 浙江大学团队在Nature Communications发表CycloPepper，用机器学习预测环肽环化位点并上线在线工具
浙江大学李承熙团队在《Nature Communications》发表CycloPepper，用机器学习预测治疗性环肽的环化结果并优化合成。研究基于全自动环肽合成平台CycloBot构建306个环肽数据集，采用SVC模型结合One-hot编码、氨基酸组成、二肽组成及16维理化特征，交叉验证准确率84%，实验验证一致性86%。
推荐理由：该研究用自动化合成数据训练环化位点预测模型，为环肽合成路线选择提供了可复用的在线工具。
1910 Genetics精选AI 评分6363 1910 Genetics在J. Med. Chem.发表PEGASUS：用大规模并行生物实验数据构建AI模型解析细胞穿透环肽极性
1910 Genetics在J. Med. Chem.发表题为PEGASUS的论文，介绍用基于大规模并行生物实验构建的AI模型解析细胞穿透环肽的极性。论文链接为https://pubs.acs.org/doi/10.1021/acs.jmedchem.5c01836，具体模型性能与实验数据未在帖文中披露。
推荐理由：该论文介绍基于大规模并行生物实验数据构建的AI模型，用于理解细胞穿透环肽的极性规律。
Jason Yim精选AI 评分7474 DISCO：序列-结构联合扩散模型设计C(sp³)–H插入酶
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
Jason Yim精选AI 评分8383 字节跳动发布 Protenix-v2 生物分子建模系统，支持结构预测与零样本抗体设计
字节跳动发布 Protenix-v2 生物分子建模系统，用于结构预测与零样本抗体设计。据引用介绍，其在抗体-抗原结构预测上较 Protenix-v1 在 DockQ>0.23 指标最高提升 13 点，5 个种子的表现超过此前 1000 个种子的结果；零样本 VHH 设计在受控靶点上达到 100% 靶点级成功率，BLI 确认的命中率为 2%–48%，命中物热稳定性、自相互作用和多反应性通过率分别为 100%、98% 和 93%。在暴露表位小而灵活的 GPCR 靶点上，VHH-Fc 格式命中率为 16%–88%，mAb 格式最高 50%，每个靶点仅测试 16–30 个设计。代码与论文见 github.com/bytedance/Protenix。
推荐理由：Protenix-v2 在抗体-抗原结构预测与零样本 VHH 设计上给出多项指标，并附 BLI 验证的命中率与可开发性数据。
Philippe Schwaller精选AI 评分5858 多机构合作发布通用科研智能体 SAGA，可自我演化目标并完成湿实验验证
多机构合作发布通用科研智能体 SAGA（Scientific Autonomous Goal-evolving Agents），其特点是不仅优化固定目标，还会像人类研究者一样自行细化目标。该工作在化学、生物学与材料科学中设置五项发现任务，并包含湿实验验证，示例任务包括从头纳米抗体设计与永磁材料。作者 Philippe Schwaller 转发并称其为一项大规模多机构合作成果。
推荐理由：SAGA 把目标自我演化引入通用科研智能体，并在化学、生物与材料任务上做湿实验验证，可供比较智能体自主性设计。
Proxima精选AI 评分6060 Proxima 与 NVIDIA 合作发布预印本：用 Fold-CP 多 GPU 预测大型蛋白复合物结构
Proxima 与 NVIDIA BioNeMo 团队发布预印本，将 NVIDIA 的 Fold-CP 集成进其 NeoLink 蛋白组学流程，把长生物序列的计算分布到多块 GPU 上，以消除限制大型蛋白复合物结构预测的内存瓶颈。Proxima 称 NeoLink 已通过实验绘制高阶复合物中数百万条蛋白质-蛋白质相互作用，而这类复合物由 10、20 甚至 50 个以上亚基组成。
推荐理由：Proxima 与 NVIDIA 合作把 Fold-CP 接入蛋白组学流程，展示多 GPU 拆分长序列以预测大型蛋白复合物结构。
David Mobley精选AI 评分5858 David Mobley团队发布预印本：结合机器学习与物理方法数据驱动预测配体效力
David Mobley团队发布新预印本，提出将机器学习与基于物理的方法结合，以数据驱动方式估计配体效力。其思路是当模型对特定靶点足够准确后，由机器学习模型接管预测。预印本全文见 chemrxiv.org/doi/pdf/10.26434/chemrxiv.15000463/v1。
推荐理由：作者团队提出按靶点精度切换机器学习与物理方法的配体效力预测流程，为混合计算策略提供可参考设计。
Punit Kumar Jha精选AI 评分6969 SandboxAQ研究用合成数据改进蛋白-配体结合亲和力预测
SandboxAQ在预印本中分析合成结构数据如何增强深度学习蛋白-配体结合亲和力预测，生成约8万次绝对自由能扰动（AFEP）计算并构建SAIR-FEP与SAIR-OOD两个数据集。研究发现基于结构的模型对输入结构质量高度敏感，从Boltz-1x筛选高置信度共折叠复合物可带来可预测的性能提升，而盲目加入低质量结构会使指标饱和。合成与实验数据联合训练在CASF 2016上使RMSE最多降低8%、相关性指标提升9-11%，且仅在使用高质量合成结构时重现神经缩放规律。
推荐理由：研究用约8万次AFEP计算构建合成数据集，比较合成与实验数据联合训练对亲和力预测的影响。
LabGenius Therapeutics · News精选AI 评分5858 LabGenius 发表 3in1 噬菌体展示筛选法，一天完成全部筛选轮次
【摘要级】LabGenius 提出 3in1 噬菌体展示生物淘选方法，采用非变性洗脱并跳过中间噬菌体扩增步骤，在一天内完成全部淘选轮次。作者称该方法比传统淘选快五倍，获得的独特命中化合物最多多六倍且亲和力范围较广，并将先导化合物发现时间缩短一周、减少耗材与废弃物。该方法在针对多种靶点的天然合成库和免疫库中展示适用性，材料仅为论文摘要。
推荐理由：该方法把多轮噬菌体展示筛选压缩到一天，并报告了命中多样性与亲和力范围的对照结果。
Yang Zhang Lab精选AI 评分7474 Ouroboros分子基础模型：将构象空间与药效团相似性纳入表示学习
【全文节选总结】Yang Zhang Lab 提出分子基础模型 Ouroboros，采用表示、重建与性质预测三个正交模块，表示模块以构象空间药效团相似性（CSPS）和分子指纹相似性预训练，在 126248 个分子上构建约 47 亿条相似性标签。
推荐理由：该工作把构象空间与药效团相似性纳入分子基础模型预训练，并在虚拟筛选与多靶点抑制剂发现中给出湿实验证据。