研发方向
基于扩散模型与生成式化学的小分子从头设计、骨架跃迁、分子性质优化与逆合成规划。
191 条精选近 30 天 112 条共收录 383 条
研究提出 MECo 框架，把 LLM 的分子编辑意图翻译为可执行代码，在来自化学反应和靶点特异性化合物对的留出真实编辑上复现准确率超过 98%。在下游理化性质与靶点活性基准上，MECo 将一致性提升 38 至 86 个百分点至 90% 以上，成功率高于基于 SMILES 的基线并保持结构相似性。该工作已被 EMNLP 2026 接收，结果基于文中报告的基准与评测设置。
推荐理由：该框架把分子编辑意图转成可执行代码，为 LLM 在结构编辑上的意图与执行一致性提供了可对照的评测。
研究团队开发计算与实验结合的配对活性学习框架，用于识别对EGFR三突变体（L858R/T790M/C797S）与野生型EGFR具有差异活性的化合物。对1200万分子做序贯筛选后得到16个共识命中，其中5个进入初步生化评价、2个进一步做生化、细胞与结构表征；共晶结构显示最佳化合物在ATP结合口袋内呈两种不同的非共价结合模式。该工作为优化效力与突变选择性提供实验结构模板，结果基于预印本摘要报告。
推荐理由：研究用配对活性回归加SVM筛选1200万分子，为突变选择性EGFR抑制剂发现提供可迁移流程。
作者提出PROBE框架，先对配体做可控的类似物编辑探测，把口袋-配体复合物对局部修改的响应蒸馏成EditManual，再结合位点图指导多智能体迭代优化。作者还引入两项诊断指标，分别衡量单次编辑同时改善结合亲和力与可开发性的频率，以及一个目标提升伴随另一个目标下降的频率，并据此指出当前LLM智能体管线常在不知复合物响应的情况下编辑分子。
推荐理由：该研究提出编辑-响应探测框架，用于诊断并缓解LLM智能体在亲和力与可开发性联合优化中的失败模式。
研究通过计算重建Cyclin D1的折叠景观，识别出一个可结合配体的折叠中间态，并据此以结构为导向发现能选择性降解新生Cyclin D1的小分子。计算、生物物理与细胞层面的正交研究支持该机制，所发现的分子在体内显示抗肿瘤活性，并在CDK4/6抑制剂获得性耐药模型中保持效力。该工作为直接靶向Cyclin D1提供了策略，但结果来自预印本摘要。
推荐理由：研究以Cyclin D1折叠中间态为靶点设计小分子，为难以成药的靶点提供了一条可迁移的发现路径。
多伦多大学、Mila 等机构提出 SELECTBENCH，将目标与脱靶蛋白同时纳入评价，评测九种结构驱动小分子生成模型的选择性。
推荐理由：该基准把目标与脱靶口袋同时纳入评测，揭示生成模型在相近蛋白上的选择性短板与阈值取舍。
Enodia Therapeutics于2026年10月13日宣布与辉瑞达成研究合作及授权协议，共同发现与开发Sec61抑制剂，协议总潜在价值超过5亿美元。Enodia将负责发现阶段针对多个合作靶点筛选、优化并开发候选分子，合作期结束后辉瑞全权负责临床、生产、监管申报及商业化。
推荐理由：这笔合作把Sec61易位子选择性调控这一新机制与机器学习驱动的小分子设计平台放进了MNC的发现阶段分工里。
前OpenAI科学副总裁凯文·韦尔联合创办的化学研发服务公司Warp Sciences结束隐身状态，宣布完成2.15亿美元融资，投后估值8.65亿美元，由Lightspeed Venture Partners领投，OpenAI首席财务官莎拉·弗莱尔和首席研究官陈信翰以个人身份参与。
推荐理由：报道呈现了机器人合成与按化合物计价的CRO模式，并点出成本与交付数据尚未披露这一关键边界。
俄亥俄州立大学Xia Ning团队提出MADDIE多智能体药物发现系统，由中央Orchestrator调度HitIdentifier、LeadOptimizer、Evaluator和Synthesizer四个专职智能体，在50个蛋白靶点上均交付100个满足对接评分、类药性、合成难度、毒性预测等计算阈值的候选分子。
推荐理由：论文用50个靶点的对照与消融，说明中央调度主要减少达到同一计算目标所需的搜索量。
研究结合AI逆合成算法与专家化学知识，为抗疟候选药ganaplacidle设计了一条新的合成路线。AI提出由苄基保护的二甲基哌嗪酮经硫代亚胺酸酯中间体两步合成咪唑并哌嗪核心的非显然路线。作者同时提出合成置信度评分（Synthetic Confidence Score），用于评估特定逆合成断键的风险水平，以平衡创造性与可靠性。该工作为预印本摘要，尚未披露实验验证细节。
推荐理由：预印本展示AI逆合成与专家化学结合设计抗疟药新路线，并提出评估断键风险的合成置信度评分。
作者提出Equivariant-Free Transformer-Autoencoded Latent Flow Matching两阶段框架，用流匹配采样固定维潜变量，再由自回归Transformer决定分子尺寸、原子类型、坐标与化学属性。
推荐理由：该预印本提出不预设分子尺寸的固定维潜变量生成框架，并在PCQM4Mv2与HOMO-LUMO筛选任务上给出对照结果。
ProMORNA 是一个零样本、端到端全长 mRNA 生成框架，基于 600 余万条天然蛋白-mRNA 配对数据预训练的 BART 式架构，经冷启动监督微调和多目标强化学习后训练。
推荐理由：该预印本提出零样本全长mRNA生成框架，并在体外报告活性优于常规基准，为mRNA序列设计提供了可比较的评测参照。
智药邦以Iambic于2026年10月14日公布IPO定价（每股16美元、发行937.5万股、预计募资1.5亿美元）为切口，分析AI药企的平台价值应如何被检验。文章梳理其与武田、艾伯维的合作付款结构，以及口服HER2小分子抑制剂IAM1363在Ⅰ/Ⅰb期试验中53名受试者19例部分缓解（约36%，含未确认缓解）的早期数据，认为近期应看具体药物与合作交付，长期才看技术能否反复产出新资产。
推荐理由：以Iambic上市为切口，拆解AI药企的平台价值如何经由候选药物、临床数据与合作付款被逐步检验。
作者提出 CHASE，一个集中训练、分散执行的多智能体调度器，用于决定下一步在哪种仪器上运行哪个实验，以应对 NMR 时间和共享液体处理机器人稀缺、噪声大且只能部分观测的问题。
推荐理由：该预印本把反应优化预算从实验次数改为仪器小时，并给出多智能体调度在 HTE 数据集上的对照结果。
该预印本研究探讨机器学习 Pauli 势需要何种密度表示才能驱动无轨道 Euler 解逼近 Kohn–Sham 参考。在 C2H2 上，冻结的 KS 导出 Pauli 势 oracle 使 OF 能量与 KS 参考相差 3.15 mHa；以坐标条件化的神经网络可学到 Pauli 势场但不构成密度泛函表示，改用半局域密度描述符后 MLP 与 KAN 均严重失效。
推荐理由：研究用描述符可辨识性分析说明非局域密度信息对学习分子 Pauli 势的必要性，为相关表示设计提供参照。
作者提出多智能体研究系统 GVIM 2.0，将语言模型任务规划与领域 Skills、计算工具、沙箱执行和产物生成结合。在覆盖 ChemBench、MaScQA 和 ChemLLMBench 的 400 题公开基准上，完整流程答对 325/400 题，准确率 81.25%，同基座仅 API 基线为 285/400 题、71.25%。
推荐理由：该预印本给出多智能体化学研究系统在公开基准上的准确率，并列出可检查的流程输出，便于对照同类工具。
研究构建SELECT50数据集，评估基础机器学习原子间势（MLIP）预测有机与金属有机反应选择性的能力。UMA-M-1.1和UMA-S-1.2预测相对过渡态能量的平均绝对误差分别为0.36和0.44 kcal mol-1，经DFT单点校正后降至0.25 kcal mol-1，主要反应路径最高98%判断正确。
推荐理由：研究用SELECT50基准比较基础MLIP与半经验、低成本量子方法在过渡态能量与选择性排序上的表现，为方法选择提供参照。
一项对 MatterGen 在化学体系条件下生成的 44,688 个氧化物结构的元素级审计发现，整体组成合规率为 73.27%，但钴在 71.27% 的请求结构中缺失，其他 19 种元素为 8.12 ± 3.28%。
推荐理由：对生成模型元素条件保真度的审计显示，单个参考能量异常经稳定性过滤放大为整类化学缺失。
作者发布 Pose，一个仅依赖 NumPy 的 Python 库，可从序列构建多肽（含六种非天然氨基酸）和核酸双链，并以字母大小写设定残基手性。
推荐理由：该库以纯 NumPy 重实现力场与打分函数，并给出与 OpenMM、PyRosetta、Vina 的逐项对照，便于评估其可复用性。
研究提出超组相对策略优化（SGRPO），从集合级多样性直接构造奖励，并按留一法把组多样性奖励分配给单条采样，再与效用奖励结合。作者在从头小分子设计、基于口袋的小分子设计和从头蛋白质设计三个设置中，以 GRPO 与 Coupled-GRPO 实例化，覆盖自回归与离散扩散生成器；解码扫描显示 SGRPO 扩展了效用-多样性帕累托前沿，并在前沿级指标上优于基线。
推荐理由：研究把集合级多样性直接写进强化学习奖励，为分子与蛋白生成在效用和多样性之间的权衡提供了可迁移方法。
Recursion宣布，其与赛诺菲多项目合作中的首个开发候选药物已被赛诺菲行使选择权纳入开发管线，该潜在first-in-class双靶点口服小分子计划于2027年启动1期临床试验。
推荐理由：赛诺菲行使选择权纳入首个双靶点候选药物，呈现AI平台合作从设计到里程碑付款的转化路径。