PMO-Dock：面向分子对接优化的基准与评测协议
研究提出 PMO-Dock，一个面向对接优化的基准与协议，包含 25 个任务，覆盖命中生成、先导优化和一项要求强在靶结合并惩罚脱靶相互作用的新特异性任务。
推荐理由：该基准把对接优化拆成 25 个任务并加入特异性惩罚，为比较不同生成方法的样本效率提供统一协议。
研发方向
小分子生成与优化 最新动态
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
更新
精选归档 · 第 6 页
arXiv · q-bio.QM (定量方法)精选AI 评分6868 Pranam Chatterjee精选AI 评分6767 LFD 框架用 LLM 自适应课程微调肽和小分子流模型
研究提出 LLM-to-Flow Distillation（LFD）方法，从“设计具有抗癌活性的肽”或“设计结合 D2 多巴胺受体的小分子”等自然语言目标出发，通过迭代 DPO 将 LLM 生成子目标的知识蒸馏进科学生成器。
推荐理由：该方法把自然语言目标蒸馏进肽与小分子流模型，并在留出计算评测中与奖励引导方法比较。
智药局精选AI 评分5858 高维医药完成Pre-A轮融资，年内累计数亿元，推进AI靶点发现世界模型与GW-01临床
西湖大学孵化的高维医药完成Pre-A轮融资，由华泰金斯瑞基金、东方嘉富联合领投，老股东兴华鼎立连续三轮追加，年内累计融资金额已达数亿元。资金用于加速构建AI靶点发现世界模型，并推进AI靶点发现平台首个进入临床的全球首创小分子药物GW-01研究。
推荐理由：融资事件同时披露了靶点发现世界模型的三平台构成与首个进入临床的自研管线阶段，可对照平台叙事与临床进展。
智药局精选AI 评分6262 Boltz小分子模型BoltzMol-1接入药明康德GalaXi化学空间
Boltz于10月13日宣布，其小分子模型BoltzMol-1可直接搜索药明康德的GalaXi虚拟化合物库，该库规模约260亿个可合成分子，已在Boltz Lab平台和Boltz API上线供全球用户调用。
推荐理由：BoltzMol-1接入药明康德GalaXi化学空间，反映AI小分子模型对可合成化合物库的依赖。
AI药物设计实验室精选AI 评分7272 ICLR 2026 论文 MolecularIQ 评测 38 个大模型化学结构推理，最高准确率 47.5%
约翰内斯·开普勒大学等机构在 ICLR 2026 发表基准 MolecularIQ，用 RDKit 符号程序核验 38 个开源大模型对分子结构的计数、原子索引定位和约束生成能力，最高总体准确率为 GPT-OSS 120B（High）的 47.5%。
推荐理由：该基准用 RDKit 符号核验拆解分子结构推理，并揭示 SMILES 写法变化带来的性能落差。
Generate:Biomedicines精选AI 评分6868 Generate:Biomedicines 与 Zealand Pharma 合作开发肥胖及代谢疾病多特异性候选药物
Generate:Biomedicines 宣布与 Zealand Pharma 达成合作及许可协议，针对肥胖及其他代谢疾病设计多特异性候选药物，初始启动两个项目并保留第三个项目的选择权。公司称将先从患者所需的药物作用特征出发，再结合 Zealand Pharma 数十年数据与自身生成模型及高通量实验测量，设计具备目标生物学功能的多特异性候选药物。
推荐理由：该合作披露了双方在代谢疾病多特异性候选药物上的分工与初始项目数量，可了解生成式模型如何介入早期设计。
ACS JCIM (化学信息与建模)精选AI 评分5858 潜空间风格化量子Wasserstein GAN用于药物设计并在MOSES基准评测
【全文节选总结】作者提出潜空间风格化量子WGAN-GP分子生成器，在MOSES数据集（12,000训练、4,087验证分子）上与经典潜空间GAN对比，量子生成器仅用110个可训练参数，整体⟨Z0⟩为−0.26，与MOSES基线在一个标准差内相当，⟨QED⟩达0.643±0.001，高于匹配容量经典生成器的0.594±0.001。
推荐理由：研究在MOSES基准上比较量子与经典潜空间生成器，为低数据分子生成的可比评测提供参照。
bioRxiv · Biophysics精选AI 评分7474 生成式设计与自由能排序结合，发现三个纳摩尔级LasB抑制剂
研究团队提出一套全开源的计算与实验联用流程，将基于片段的从头分子设计与炼金绝对结合自由能计算结合，在化学合成前按物理模型排序候选分子。以铜绿假单胞菌毒力相关锌金属蛋白酶LasB为靶点，从约4万个经多目标优化生成的化合物中选出少量优先分子进行实验测试，发现三个此前未报道的纳摩尔级抑制剂（IC50 22-53 nM），并报告其代谢与血浆稳定性良好。
推荐理由：该预印本把生成式分子设计与炼金自由能计算串成开源流程，并用湿实验筛出三个纳摩尔级LasB抑制剂。
DrugAI精选AI 评分7878 Nat. Comput. Sci.：主动学习与几何深度学习提升数据稀缺药物发现中的化学反应预测
研究人员提出主动学习、高通量实验与几何图神经网络组成的闭环流程，用于数据稀缺条件下的C–H硼化反应预测。经3轮主动学习新增50种底物、4,821次高通量实验，最终数据集含6,865条反应记录和568种底物，独特Bemis–Murcko骨架由105个增至147个。
推荐理由：研究把主动学习选样与几何图神经网络结合，在C–H硼化上展示数据稀缺条件下的实验闭环路径。
AI药物设计实验室精选AI 评分7474 同济大学等团队在 Nature Communications 发布 MolGenBench，评估17种结构基础分子生成方法
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench，用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法，其中10种从头生成、7种先导优化。
推荐理由：该基准把分子生成评估从合规性推进到活性空间找回，并揭示先导优化与从头设计的差距。
DrugAI精选AI 评分7474 SynCraft：用LLM编辑分子改善可合成性，成果发表于Nature Machine Intelligence
北京大学来鲁华课题组在 Nature Machine Intelligence 发表 SynCraft，让大语言模型提出原子和化学键级编辑指令，由 RDKit 执行、SimpRetro 搜索逆合成路线，以改善生成分子的可合成性。
推荐理由：研究提出让大模型输出原子级编辑指令、由化学软件执行并检验逆合成的分子可合成性优化方法，为生成分子的后续改造提供可复用流程。
AI药物设计实验室精选AI 评分6969 RouteFlow 在连续合成路径潜在空间中设计可合成分子
RouteFlow 将分子优化转化为连续合成路径潜在空间中的搜索，为解码成功的候选分子同时给出由构建块和反应模板组成的合成路线。研究用 270,423 个 Enamine 构建块、115 个反应模板和最多五步路线训练路线自编码器，并以奖励引导流匹配加循环一致性约束进行优化。
推荐理由：该预印本把合成路线编码为连续潜在空间做分子优化，为兼顾性质与可合成性提供了一种可迁移的搜索思路。
晶泰科技精选AI 评分6262 晶泰科技与暨南大学在JMC发表RET抑制剂研究，打通专利数据到小鼠药效的研发链路
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
晶泰科技精选AI 评分5858 晶泰科技在《JACS》报道锑基手性催化剂设计，以计算先行实现92% ee
晶泰科技在《JACS》发表研究，针对环氧化物与苯胺的不对称开环反应，设计五价锑催化剂并锁定CAC-10，在5 mol%用量、甲苯室温条件下以99%收率和92% ee得到手性β-氨基醇，底物覆盖33种环氧化物与苯胺组合。
推荐理由：借诺奖手性放大机理切入，介绍晶泰科技用DFT与非线性效应实验设计锑基手性催化剂的工作。
ACS JCIM (化学信息与建模)精选AI 评分5858 FragDockRL：基于片段组装与系留对接的强化学习配体设计方法
【摘要级】研究提出 FragDock 分子设计框架，用可合成砌块经已知反应组装分子，并以限定核心结合姿态的系留对接评估候选，其中 FragDockRL 用 rDock 系留对接加 SMINA 打分构建奖励、以改进的 DQN 引导逐步生长。
推荐理由：研究在三个靶点上比较强化学习与随机搜索等策略，显示最优搜索方式随靶点变化。
ACS JCIM (化学信息与建模)精选AI 评分7373 Causal-Chemprop：用因果机器学习做分子性质预测与设计
【全文总结】作者提出Causal-Chemprop，在Chemprop图神经网络嵌入上叠加DAGMA学到的结构因果模型，以单个锚点分子的实测pIC50为条件做反事实推断，预测其类似物的性质。
推荐理由：研究把结构因果模型接到Chemprop上，用锚点分子的实测活性做反事实推断，改善骨架外推的排序表现。
ACS JMC (药物化学)精选AI 评分7272 SMAMP：基于SMILES的图深度学习用于发现化学修饰超短抗菌肽
【摘要级】研究团队开发了SMAMP，一个基于SMILES的图深度学习框架，将肽编码为分子图以纳入非天然残基和化学修饰，预测大肠杆菌MIC的MSE为0.558、R2为0.542、PCC为0.741，优于另一个基于SMILES的基线。
推荐理由：该研究用 SMILES 图模型纳入非天然残基与化学修饰，为修饰肽的抗菌活性预测和设计提供可迁移方法。
Drug Discovery Today精选AI 评分5858 IQ联盟跨药企调查：AI/ML在转化科学与ADME领域的采用现状
【摘要级】IQ联盟对26家生物制药企业开展行业调查，评估AI/ML在转化科学与ADME科学中的采用情况。结果显示AI/ML已广泛用于早期发现和小分子工作流，但很少成为决策的主要驱动因素，数据质量与组织准备度被视为主要障碍。受访者将分子设计和机理与AI结合的混合方法列为关键机会，作者据此提出整合工作流、共享基准与协同转化决策所需的基础。
推荐理由：IQ联盟调查26家药企，呈现AI/ML在转化与ADME科学中的采用现状与组织障碍，可供行业对照。
insitro · Publications & Press精选AI 评分6565 insitro 与礼来共建的小分子体内 PK 预测模型上线 Lilly TuneLab
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
insitro · Publications & Press精选AI 评分7272 insitro 与礼来在 TuneLab 推出体内 PK 预测机器学习模型
insitro 与礼来在 Lilly TuneLab 平台上线体内 PK 预测模型，可跨小鼠、大鼠、狗和猴四种临床前物种预测血浆清除率、稳态分布容积和平均驻留时间。
推荐理由：该模型用礼来历史数据直接预测体内PK，并与体外外推法对比，为小分子成药性评估提供参照。