PrecisionLife与Ovation公布GLP-1疗效遗传标志物首阶段结果并扩至2.5万患者
PrecisionLife与Ovation公布合作首阶段结果，称基于4,600名患者数据识别出2,500余个与GLP-1受体激动剂疗效相关的遗传特征，映射到1,100个基因和15个主要机制，并称疗效标志物在100%患者中被识别。
推荐理由：该合作披露了基于真实世界组学数据识别GLP-1疗效遗传标志物的首阶段结果与扩样计划，可作为药物响应分层商业化的参照。
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。
800 条精选近 30 天 563 条共收录 1,179 条
更新
精选归档 · 第 40 页
PrecisionLife 官网资讯精选AI 评分5858
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs 谈 AI 毒理模型验证：好指标救不了命
Ignota Labs 发文指出，AI 毒理预测模型的高 AUC、F1 等指标多来自小而窄的化学空间数据集，难以支撑化合物推进与患者安全决策。文章以 DUD-E 虚拟筛选基准的类似物偏倚为例，说明模型学到的是数据集特征而非药物-蛋白结合机制，并批评二元毒性标签忽略剂量、药代与遗传差异，hERG 抑制预测也不等于预测患者尖端扭转型室速。
推荐理由：Ignota Labs 结合 DUD-E 类似物偏倚等案例，说明毒理预测指标为何难对应真实安全性决策，并提出外部验证思路。
David Mobley精选AI 评分5858 David Mobley 团队发布预印本：用扭转态跃迁计数检测蛋白-配体模拟采样问题
David Mobley 团队发布新预印本，介绍一种用于发现蛋白-配体复合物常见模拟中采样问题的简单分析工具，其做法是统计扭转态之间的跃迁次数。作者称该方法简单但出乎意料地有用，预印本已发布于 ChemRxiv。
推荐理由：作者发布预印本，介绍一种通过统计扭转态跃迁来识别蛋白-配体复合物模拟采样问题的简单分析工具。
insitro · Publications & Press精选AI 评分7272 insitro 用 AI 从 MRI 推导棕色脂肪表型并完成首个 BAT 全基因组关联分析
insitro 在 Keystone Symposia 肥胖治疗会议上报告，基于 UK Biobank 影像队列（n=69,598）的 Dixon MRI 脂肪信号分数图构建 AI 推导的棕色脂肪（BAT）表型，并完成首个 BAT 全基因组关联分析，识别 81 个独立遗传位点、精细定位到 45 个基因。
David Mobley精选AI 评分6060 OpenFF 发布新力场与更快电荷模型预印本
OpenFF 团队发布新力场和速度更快的电荷模型预印本，论文链接见 chemrxiv。作者未在推文中披露力场版本、电荷模型方法及精度或速度的具体数据。
推荐理由：OpenFF 团队发布新力场与更快电荷模型的预印本，为分子模拟中电荷参数化的效率取舍提供参考。
LabGenius Therapeutics · News精选AI 评分8282 LabGenius 发表 EVA 平台闭环优化 HER2×CD3 多特异性抗体研究
【全文总结】LabGenius 在论文中报告其 EVA 平台通过机器学习与高通量实验闭环，在 44,160 个 HER2×CD3 T 细胞衔接器设计空间中经 5 轮设计-构建-测试-学习循环筛选 980 个候选，命中率较 Sobol 准随机基线提升 14 倍。
推荐理由：该研究把多特异性抗体的价数、拓扑与亲和力纳入贝叶斯优化闭环，并以临床基准分子作对照，展示了亲合力门控选择性的可设计路径。
Jeff Ruffolo精选AI 评分6767 Profluent 发布蛋白质序列编码器模型 Profluent-E1
Profluent 公开其内部蛋白质序列编码器模型 Profluent-E1，称 E1 系列可作为现有蛋白质建模与设计工作流的直接替换组件以升级流程。作者同时给出 bioRxiv 预印本链接（10.1101/2025.11.12.688125v1），推文未披露具体评测结果与权重开放情况。
推荐理由：Profluent 公开其内部蛋白质序列编码器 E1，并给出可替换现有建模与设计流程的定位，便于对照其预印本方法。
Cellarity精选AI 评分7171 Cellarity在Nature Communications发表药物性肝损伤预测框架ToxPredictor
Cellarity在Nature Communications发表药物性肝损伤（DILI）预测框架ToxPredictor，并开源模型与验证数据。该框架基于原代人肝细胞转录组库DILImap，覆盖300种与DILI相关化合物在多个浓度下的转录特征；盲评中达到88%灵敏度、100%特异性，优于20余个行业标准临床前安全模型，并识别出动物研究未发现的若干3期临床安全性失败。
推荐理由：该框架用原代人肝细胞的转录组数据预测药物性肝损伤，并在盲评中与20余个临床前安全模型比较。
Numerion Labs精选AI 评分6868 Numerion Labs 与 NVIDIA 发布 APEX 协议，30 秒内筛选百亿虚拟化合物
Numerion Labs（原 Atomwise）与 NVIDIA 专家合作在 arXiv 发布论文，提出 APEX（近似但穷举搜索）计算协议，可在单块 NVIDIA GPU 上于 30 秒内从 100 亿化合物的组合合成库中检索出评分最高的 100 万个候选分子。
推荐理由：该协议把十亿级组合库的穷举式筛选压缩到秒级，为超大化学空间检索提供了可复用的方法与基准。
Baker Lab · IPD (蛋白质设计研究所)精选AI 评分8686 Baker Lab在Nature发表RFantibody：用RFdiffusion从头设计全长抗体
Baker Lab团队在Nature发表研究，用基于RFdiffusion训练的RFantibody模型在计算机上从头设计含重链和轻链的完整抗体可变区，无需动物免疫或大规模筛选。针对艰难梭菌毒素等靶点，设计抗体达到中纳摩尔级结合亲和力，转为全长IgG后保留效力；电镜解析的5个设计抗体中有4个与计算预测结构一致。RFantibody代码已在GitHub开放，供学术、个人和商业使用。
推荐理由：研究展示RFdiffusion设计全长抗体可变区并经电镜验证，为从头抗体设计的可行性提供参照。
Cellarity精选AI 评分7474 Cellarity在Science发表细胞状态矫正药物发现框架并公开单细胞扰动数据集
Cellarity在Science发表论文，提出整合高通量转录组与AI模型的细胞状态矫正药物发现框架，采用实验室在环的深度学习迭代，称表型活性化合物回收率较行业标准方法提升13至17倍。公司同步公开三个单细胞数据集，其中扰动转录组数据集含逾1700个样本、126万个单细胞，可用于跨细胞类型药物响应映射与扰动预测方法基准测试。平台首个候选CLY-124正针对镰状细胞病开展1期临床试验。
推荐理由：该框架把高通量转录组与主动学习闭环结合，并公开扰动数据集，为表型筛选的评测提供参照。
Ignota Labs 官网资讯精选AI 评分6060 Chemical Research in Toxicology 发表基于化学结构的机器学习毒性预测框架
Chemical Research in Toxicology 于5月2日发表《Machine Learning for Toxicity Prediction Using Chemical Structures。
推荐理由：33位产学研作者联合提出毒性预测框架，并给出与FDA人相关药物开发目标衔接的落地路径。
智峪生科精选AI 评分5858 智峪生科联合研究评估AF3等模型预测蛋白-短肽复合物并提出组合策略
智峪生科与东阿阿胶联合研究在99个蛋白-短肽复合物基准上评估AF3、Protenix、Chai-1、Boltz-1与AF2m，Protenix单模型高精度（Fnat≥0.8）成功率最高达80.8%，AF2m仅53%。
推荐理由：研究在99个蛋白-短肽复合物上比较AF3衍生模型，并给出多模型组合提升成功率的可复用策略。
Eikon Therapeutics 官网资讯精选AI 评分5858 Eikon Therapeutics 在 Nature Methods 发表斜线扫描（OLS）技术论文
Eikon Therapeutics 在 Nature Methods 发表论文，介绍其斜线扫描（OLS）技术，该技术可与公司单分子追踪（SMT）平台结合，在活细胞中以最高每秒 14 平方微米的速度评估蛋白运动。
推荐理由：Eikon 在 Nature Methods 披露 OLS 与单分子追踪平台的技术细节，为高通量蛋白动态测量提供方法参照。
A-Alpha Bio精选AI 评分6565 A-Alpha Bio 发布 AlphaBind 抗体优化模型预印本
A-Alpha Bio 发布 AlphaBind 预印本，称其为业界领先的抗体优化模型，并已测定第 10 亿次蛋白-蛋白相互作用，为预测蛋白结合提供关键训练数据。预印本链接指向 bioRxiv，具体评测结果与对照设置未在推文中披露。
推荐理由：A-Alpha Bio 公开 AlphaBind 预印本，并称已累计测定十亿次蛋白-蛋白相互作用，为抗体优化模型提供训练数据。
Ignota Labs 官网资讯精选AI 评分6060 Ignota Labs与Broad Institute合作发表DILIPredictor，提升药物性肝损伤预测
Ignota Labs与Broad Institute合作在《Journal of Chemical Information and Modelling》发表研究，提出先预测九项代理DILI标签、再与化学结构特征结合预测药物性肝损伤的DILIPredictor模型。
推荐理由：该研究把体外与体内代理指标并入特征，比较其对DILI预测的提升，并给出可复用的公开模型。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs与Broad Institute发布FDA药物心脏毒性等级首批公开分类器
Ignota Labs与Broad Institute合作，基于美国FDA的DICTrank数据集构建药物诱导心脏毒性（DICT）预测分类器，成果发表于《Journal of Chemical Information and Modelling》。
推荐理由：研究基于FDA的DICTrank数据集构建公开分类器，比较化学与生物特征对药物心脏毒性的预测能力。
Bruno Correia精选AI 评分6060 研究用蛋白质设计构建化学响应带通滤波器受体
Bruno Correia 转发介绍与 Sailan Shui 合作的蛋白质设计项目，相关成果发表于 Nature Chemical Biology，通过设计受体在细胞中实现多种带通滤波行为。作者本人仅表示在细胞中工程化非平凡行为很有乐趣，未披露具体性能数据。
推荐理由：该工作用蛋白质设计构建化学响应带通滤波器受体，为细胞行为工程提供可参考的设计思路。
A-Alpha Bio 官网资讯精选AI 评分6565 A-Alpha Bio 用 AlphaSeq 大规模表征抗体对 SARS-CoV-2 变异株的亲和力
A-Alpha Bio 发布预印本，用 AlphaSeq 技术对 33 种单克隆抗体与数千个 SARS-CoV-2 变异株进行结合测试，在抗体与 RBD 刺突蛋白变异体之间识别出超过 15 万对蛋白质-蛋白质相互作用。作者指出，许多抗体药物正针对 RBD 刺突开发，意外突变可能使病毒逃逸抗体治疗。
推荐理由：A-Alpha Bio 用 AlphaSeq 大规模筛查 33 种抗体与数千个变异株的结合，为变异逃逸评估提供高通量方法参照。
A-Alpha Bio 官网资讯精选AI 评分6363 A-Alpha Bio 的 AlphaSeq 论文在 PNAS 发表
A-Alpha Bio 宣布介绍 AlphaSeq 的论文已在 PNAS 发表。文中展示可通过重编程酵母交配同时表征数千个蛋白质-蛋白质相互作用，并观察到改变细胞外环境后相互作用强度的变化。
推荐理由：AlphaSeq 通过重编程酵母交配实现数千蛋白互作并行表征，为结合剂筛选提供可规模化的实验方法。