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
作者提出基因中心基础模型 EMBER，通过交互引导对比学习与掩码表达重建预训练，冻结编码器后用轻量探针预测单基因扰动响应、双基因互作与多靶点药物响应。摘要称其在跨情境扰动响应预测和遗传互作排序上优于所评估基线，并在 mTOR 抑制情境下将自噬体-溶酶体融合介导因子 SCFD1 列为候选依赖基因。该结果为预印本摘要报告，仅计算预测，尚待实验验证。
推荐理由：预印本提出以冻结基因表征加轻量探针统一预测单基因、双基因与多靶点药物响应，为跨情境扰动建模提供可复用思路。
EPFL Bruno Correia 团队等人在 bioRxiv 发布论文，报道计算设计的光控蛋白开关系统 SPARC，将视黄醛结合、光诱导构象变化与短肽识别整合到同一蛋白中。
推荐理由：该预印本展示如何把视黄醛异构化的几何变化转化为可设计的蛋白构象开关，并给出多状态序列设计流程。
Brian Hie 表示团队两篇关于上下文学习（ICL）的预印本已上线 bioRxiv，分别涉及少样本调控元件设计和从分子到基因组尺度的 ICL 与思维链（CoT）。
推荐理由：作者公开两篇 ICL 预印本链接，并说明 Evo2-flash 已成为 Proto 默认后端，便于对照方法与应用入口。
Google Research、Google DeepMind 等机构在一篇预印本中提出将靶点裁成表位附近的局部窗口，再结合智能体迭代搜索用于从头设计蛋白结合剂。
推荐理由：预印本把靶点裁成表位局部窗口以降低结合剂设计算力，并给出截短重折叠与完整靶点的一致性对照。
研究团队开发了基于四种覆盖三胚层的人诱导多能干细胞（hiPSC）模型的体外致畸性筛查平台，在146种参考化合物（90种已知致畸物、56种已知非致畸物）上总体准确率为83%，正确识别出88%的已知致畸物。平台采用化学成分明确培养基，在384孔板中由自动化系统完成并通过高内容成像分析，可按剂量响应每月检测数百种化合物、单剂量每月检测数千种。该结果为预印本摘要报告，尚未经同行评审。
推荐理由：该预印本用四种hiPSC模型构建致畸性高通量筛选平台，并给出146种化合物的参考集准确率，可作为早期安全性评估的方法参照。
bioRxiv预印本在569个已上市药物（带黑框警告或被撤市者标为毒性）上评测35种毒性预测读出，涵盖基于指纹的QSAR、微调基础编码器和毒性专用工具。没有任何学习表征优于普通指纹，毒性专用工具中仅一种高于随机，且无一能匹敌仅凭批准年份的预测器；药物性肝损伤（DILI）专用工具在该面板上均未可靠超过随机。作者据此认为瓶颈在于分子结构作为输入本身的局限，进展或需纳入暴露与代谢信息。
推荐理由：该预印本用569个已上市药物系统评测35种毒性预测读出，为分子结构输入的能力边界提供对照证据。
加州大学旧金山分校Kevan M. Shokat与Kevin Lou团队在Nature发表研究，以ABL1和EGFR为模型系统梳理双位点激酶抑制剂的设计原则，并开发出双位点ABL1抑制剂PonatiLink-2。
推荐理由：研究以ABL1与EGFR为模型系统梳理双位点激酶抑制剂的设计参数，为兼顾效力与选择性提供可迁移思路。
作者以开源结构预测模型 Mol-1 对 HLA-A*11:01 呈递的 KRAS G12D 新抗原肽设计 VHH 纳米抗体，从 40 个候选序列中筛出 Top 20，排名第一的 VHH_039 在计算中 VHH-肽接触分数为 0.4855、对野生型仅 0.0526。
推荐理由：作者用开源结构模型 Mol-1 完成 KRAS G12D pMHC 纳米抗体计算设计，并公开全部候选序列与评分，可作为同类流程的参照。
牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述，用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式，并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。
推荐理由：文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环，并借两个企业案例说明证据边界。
作者提出 LPT（little protein tiger）框架，将 LLM 各阶段固定编排，每个阶段运行有界智能体循环并配置定制系统提示与工具权限，可从单条自然语言提示出发完成从头蛋白结合剂设计。
推荐理由：该框架把 LLM 各阶段限制在有限工具调用内，并接入文献库，为从自然语言提示到结合剂设计的自动化流程提供了一种可参照的组织方式。
该预印本在八个ADMET回归终点上，对七种采集策略与Deep Ensembles、MC Dropout两种不确定性方法做了协议匹配的基准评测，并采用严格化学型划分考察对未见化学组的泛化。
推荐理由：该基准在八个ADMET终点上比较采集策略与不确定性估计，为主动学习是否值得用提供了分终点参照。
该预印本在六个TDC ADMET终点、骨架划分下比较GNN、冻结预训练模型（ChemBERTa、MolCLR）与指纹基线，并给每个模型家族相同的50次试验、按验证集选参的调参预算，报告10个随机种子的中位数。
推荐理由：在统一调参预算与骨架划分下比较GNN、预训练模型和指纹基线，为ADMET模型选择提供参照。
研究把来自12,255个蛋白的237,922个AlphaFold口袋放到其实验结构所张成的apo-holo轴上定位，发现多数口袋偏holo样（62%，apo与holo结构等量采样时为56%），与实验证据中apo/holo的分布比例一致。
推荐理由：研究把AlphaFold口袋放到apo-holo轴上比较，说明口袋状态如何影响结合位点识别与对接结果。
DUET是一种仅依赖序列的RNA-小分子结合位点预测方法，结合关系图模块与基于冻结RNA语言模型的两个卷积序列模块。
推荐理由：RNA-小分子结合位点预测方法在去冗余基准上对比基线，并区分测试重叠与训练内冗余两类评测偏差。
研究基于953株GDSC细胞系的50个MSigDB Hallmark活性谱与按通路汇总的药物响应，构建9个Elastic Net模型推断头颈鳞癌通路依赖性，交叉验证R2从0.17（IGF1R）到0.48（P53）。
推荐理由：研究用转录组特征推断头颈鳞癌通路依赖性，并揭示共依赖信号主要反映CD8+ T细胞浸润。
Gabriele Corso 表示，Ebolathon 黑客松团队使用 Boltz API 设计新分子，共测试 140 个分子，在埃博拉假病毒实验中筛出 11 个选择性命中。他称这体现了黑客松想法转化为实验结果，并附 muni.bio 的研究链接。
推荐理由：记录一场黑客松用 Boltz API 设计分子并在埃博拉假病毒实验中筛出选择性命中，呈现从计算到湿实验的转化路径。
该预印本研究比较AutoDock Vina对接与基于分子动力学的MM/GBSA重打分对29个中性p38激酶抑制剂的排序能力，结果显示两者与实验ΔG的相关性均较弱且无法区分。
推荐理由：复现基准比较短时分子动力学重打分与对接对同类抑制剂的排序能力，为方法选择提供参照。
【摘要级】研究构建了覆盖178种病毒、50,711对化合物-病毒活性数据的数据集，提出DeepMolVir模型，用ESMC-600M生成的病毒序列嵌入替代传统分类标签，与分子特征结合预测化合物-病毒相互作用。
推荐理由：研究用蛋白语言模型编码病毒序列替代分类标签，为病毒-化合物活性预测提供可复用的表示方法。
该预印本在五个基因不相交折上把随机测试负样本换成度匹配负样本，SLMGAE 的平均 AUROC 从 0.782 降至 0.501，GCATSL 从 0.721 降至 0.502，GRSMF 从 0.656 降至 0.492，而 SL2MF 从 0.376 升至 0.519。
推荐理由：研究用度匹配负样本与实测筛选池对照，揭示基准区分度与实验命中检索可能脱节。
作者提出 ImmuneTwins，通过用每个个体的观测数据个性化共享虚拟细胞模型来构建免疫数字孪生。在两个外部人群中，其免疫年龄误差相对现有最佳方法分别降低 32% 和 42%；在重复流感疫苗接种中，预测免疫细胞变化方向的准确率比已发表最佳方法高 35%，且随观测累积误差下降 27%。
推荐理由：研究用个体观测持续更新虚拟细胞模型，为个体免疫轨迹预测提供了可比较的评测参照。