SpectralMol：谱图二分实现通用分子片段分解，用于类药分子生成
【摘要级】SpectralMol提出Fiedler-BFS谱二分分子分解算法，在全部25万个ZINC-250K分子上实现100%分解成功，包括junction-tree方法失败的桥环与螺环体系。
推荐理由：该研究提出谱二分分子分解方法，在ZINC-250K上实现100%分解覆盖，并给出与BRICS和junction-tree的对照结果。
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 7 页
ACS JCIM (化学信息与建模)精选AI 评分6363
Bioinformatics (Oxford)精选AI 评分6363 口袋对比学习与构象融合提升受体构象变化下的3D分子生成鲁棒性
【全文总结】研究提出在训练阶段引入口袋级对比学习和参考构象特征融合的结构条件3D分子生成框架，推理时仍只需单个目标口袋。在CrossDocked2020交叉对接设置中，该方法取得最优对接分数、最高配体效率和成功率，并报告最小的姿态调整RMSD；在ASB-E、DUD-E和APObind外部测试集上成功率最高。
推荐理由：研究把同一口袋的 re-dock 与 cross-dock 构象当作配对监督，为口袋条件生成在受体构象变化下的评测提供参照。
LeapFun精选AI 评分6565 罗氏称约40%研发管线决策有AI贡献，并展示Lab-in-the-Loop闭环
在Roche Pharma Day 2026演讲中，Aviv Regev介绍罗氏正在建设的Lab-in-the-Loop，将AI、基础模型、自动化实验与临床数据嵌入从靶点发现到临床验证的环节；2025年第四季度至2026年第二季度约40%的研发管线决策存在可追踪的AI或计算贡献。
推荐理由：罗氏披露AI在研发管线决策中的实际占比与闭环建设路径，为评估药企AI落地程度提供参照。
Pranam Chatterjee精选AI 评分5858 Chatterjee 实验室 NeurIPS 论文提出 pCoMole，将生物分子缩小同时保留功能
Pranam Chatterjee 团队在已被 NeurIPS 接收的论文中提出 pCoMole，目标是在保留或提升分子功能的前提下缩小生物分子尺寸，以降低合成、制造与递送难度。论文编号为 arXiv:2610.01663，模型已在 Hugging Face 的 ChatterjeeLab/pCoMole 页面公开。推文未披露具体分子模态、评测指标与实验结果。
推荐理由：作者团队提出面向生物分子的缩小化生成方法，为在保持功能前提下压缩分子尺寸提供了可复用的建模思路。
晶泰科技精选AI 评分5858 晶泰科技生发管线进入IND-enabling阶段，候选分子以5%米诺地尔百分之一浓度起效
晶泰科技宣布其脱发治疗创新药管线进入IND-enabling研究阶段，将围绕药效、GLP毒理及CMC开展研究。公司称自研候选分子可激活毛囊干细胞“乳酸—自噬”信号轴，在DHT诱导雄激素性脱发小鼠模型中，仅需5%米诺地尔百分之一的浓度即可达到与5%米诺地尔相当的毛发生长评分。该管线依托XtalPi Science平台的AI分子生成、FEP计算与机器人实验进行优化，目前正与国内医疗机构推进后续验证。
推荐理由：晶泰自研生发小分子进入IND-enabling阶段，其低浓度起效的动物数据为观察AI驱动管线推进提供参照。
ACS JMC (药物化学)精选AI 评分5858 CRAFT：面向可合成分子优化的化学反应感知 Transformer
【摘要级】作者提出 CRAFT，一个反应感知的分子优化框架，将蒙特卡洛树搜索与多模态策略网络结合，显式编码二维分子拓扑和原子级反应角色。在 DRD2、AKT1 和 CXCR4 上的评测显示，CRAFT 优于所比较的现有方法，生成更多高分候选并改善反应约束下的可合成性与分子多样性。分子对接模拟支持其重新发现与已知活性配体同源的骨架及训练分布外的新化学实体，模型还为候选提供前向合成路径。
推荐理由：该框架把反应角色与二维拓扑编码进多步优化，为可合成性约束下的分子生成提供了一种可对照的方法思路。
ACS JCIM (化学信息与建模)精选AI 评分6363 TAS2R-SelectNet 在骨架感知评测下基准测试 TAS2R 亚型选择性预测
【摘要级】研究构建 TAS2R 亚型选择性模型 TAS2R-SelectNet，并以此作为受控测试平台检验评测方式与受体表征。作者发现随机划分会因骨架泄漏抬高 AUC，宽选择性亚型 TAS2R39 与 TAS2R14 分别虚高 0.210 和 0.188，预测 AUC 从最新颖测试化合物的约 0.64 升至存在近重复化合物时的约 0.95。
推荐理由：研究量化了随机划分造成的骨架泄漏，并比较不同受体表征在匹配维度下的表现，为靶点选择性预测的评测设计提供参照。
Bioinformatics (Oxford)精选AI 评分6262 M-GoRT：面向多目标从头药物设计的多目标条件回报块决策 Transformer
【全文总结】研究提出 M-GoRT，在决策 Transformer 中为每个优化目标设置独立的目标条件回报块，在 ZINC 数据集上离线训练一次即可在推理时按目标组合生成分子。
推荐理由：该研究提出按目标拆分的回报块决策 Transformer，为多目标分子生成提供了一种免在线微调的离线条件化方案。
Bioinformatics (Oxford)精选AI 评分6565 DesignMaster：面向PROTAC理性设计的多条件扩散框架
【全文总结】作者提出DesignMaster，一个以连接子长度和7维理化性质为条件信号的扩散生成框架，用于PROTAC连接子设计。在PROTAC-DB 2.0上其有效性、唯一性和恢复率分别为95.04%、71.07%和49.92%，在PROTAC-DB 3.0上有效性为95.38%。
推荐理由：该框架把连接子长度与理化性质作为条件注入扩散过程，为PROTAC连接子的可控生成提供了可比较的评测参照。
Bioinformatics (Oxford)精选AI 评分7272 Bioinformatics研究揭示酶-底物预测中的数据泄漏问题
【全文总结】该研究用DataSAIL重新划分ESP数据集并重训ESP、ProSmith、FusionESP和OmniESI四个酶-底物相互作用预测模型，发现降低配体结构相似性后模型性能接近随机水平。
推荐理由：研究用更严格的相似性划分重训四个酶-底物预测模型，揭示配体相似性泄漏对性能的主导影响。
英矽智能精选AI 评分6868 英矽智能提名新一代小分子GIPR拮抗剂ISM1354
英矽智能提名靶向GIPR的全新小分子临床前候选化合物ISM1354，用于肥胖、2型糖尿病及相关代谢疾病。
推荐理由：英矽智能用Chemistry42提名新一代GIPR拮抗剂，并给出与临床阶段同靶点分子的安全性对比数据。
ACS JCIM (化学信息与建模)精选AI 评分5858 Language of Toxicity：可解释AI统一预测八类毒性终点
【全文总结】作者提出仅以SMILES为输入的CNN-GRU-多头注意力统一架构，在VEGA平台八个毒性终点上以重复10折交叉验证（100次）评测，平均AUC 0.83±0.04、准确率0.82±0.04，致癌性最高AUC 0.94±0.02，染色体畸变最低0.70±0.05。
推荐理由：研究用同一套SMILES序列架构覆盖八个毒性终点，并与指纹基线在相同划分下比较，为小样本毒性预测提供了参照。
ACS JCIM (化学信息与建模)精选AI 评分6060 研究用强化学习引导GraphVAE设计AChE抑制剂，先导分子D0209心脏安全性优于多奈哌齐
【摘要级】研究构建强化学习引导的GraphVAE（RL-GraphVAE）进行靶向偏向的分子生成，并结合CardiotoxPred心脏毒性筛选、分子对接、三次重复分子动力学模拟与化学合成，设计乙酰胆碱酯酶抑制剂（AChEI）候选分子。
推荐理由：研究把生成模型与心脏毒性筛选、对接和动力学串联，为安全性导向的分子设计提供了一条可参考流程。
德睿智药精选AI 评分6969 德睿智药与三生蔓迪达成MDR-001独家商业化合作，潜在总额最高17.5亿元
德睿智药与三生制药旗下三生蔓迪及万晟医药就AI设计口服小分子GLP-1受体激动剂MDR-001达成覆盖中国内地、香港及澳门的独家商业化合作，潜在总交易金额最高可达人民币17.5亿元。
推荐理由：德睿智药将AI设计的口服GLP-1小分子在中国内地、香港及澳门的独家商业化权授予三生蔓迪，交易结构与临床阶段值得对照。
DrugIntel精选AI 评分7070 Nature研究构建随机背景基线，量化配体优化中的效力与PK权衡
《Nature》2026年发表的这项研究针对6个靶点的18个先导化合物系统合成257个单原子水平类似物，发现11.3%的类似物效力提升至少10倍（95%置信区间7.5%–15.2%），但41.4%的类似物在肝微粒体稳定性、血浆游离分数或膜通透性中至少一项恶化超过3倍。
推荐理由：研究用257个单原子类似物建立配体优化的随机背景，量化效力提升与PK恶化的权衡。
Andrés M. Bran精选AI 评分5858 研究者评微软 RetroChimera：单步逆合成模型中的强方法
研究者 Andrés M. Bran 对微软研究院发表于 Nature 的逆合成预测模型 RetroChimera 做了评测，认为它在单步模型类别中是较强的方法。他强调预测必须经过实验室验证，而验证的前提是先把分子合成出来。微软研究院的原帖称该模型用于加速化学合成、帮助研究者探索更广泛的分子。
推荐理由：作者以实测评测视角指出逆合成模型需先合成再验证，并给出单步模型类别中的定位参照。
ACS JCIM (化学信息与建模)精选AI 评分5858 分子生成模型系统评估综述：从基准到实用启示
【摘要级】该综述系统评估了用于从头药物设计的分子生成模型，覆盖RNN与Transformer、VAE、GAN、流模型和扩散模型五类深度生成框架下的82种方法。作者汇总常用基准与分子表示，比较通用生成与口袋条件生成的方法原理，并系统梳理各方法在常用基准和评价指标上的报告性能，另总结代表性实验验证案例。
推荐理由：综述横向梳理82种分子生成方法在常用基准上的报告表现，为比较不同生成框架提供参照。
德睿智药精选AI 评分6868 德睿智药发布生命科学基座模型体系Intera，首推结合构象预测模型InteraFold-Chem
德睿智药于2026年9月18日发布生命科学基座模型体系Intera，并公布首个模型InteraFold-Chem的技术报告，该模型聚焦蛋白质与小分子的结合构象预测。
推荐理由：德睿智药公布InteraFold-Chem在445个测试样本上的结合构象预测成功率，并给出与Protenix-v2、Chai-1、Boltz-2的对照结果。
Inductive Bio 官网资讯精选AI 评分7272 Inductive Bio 发布 Beacon-2，可由化学结构预测小分子人体有效剂量
Inductive Bio 于 9 月 17 日发布 Beacon-2，该系统可直接从小分子化学结构预测人体有效剂量，先预测吸收、分布、代谢、排泄与毒性等决定剂量的性质并估算效力，再通过药代动力学机制模型整合。
推荐理由：Beacon-2 把人体有效剂量作为可从结构计算的指标，并给出在真实药物项目与公开化合物上的验证范围。
Inductive Bio 官网资讯精选AI 评分7373 Inductive Bio 发布 Beacon-2 模型，从化学结构直接预测人体有效剂量
Inductive Bio 发布 Beacon-2，这是对 Beacon 系列模型的重大更新，可在 ADMET 之外直接从化学结构预测分子的有效人体剂量，由 ADMET-PK、效力与 PK/PD 三个可配置模块组成。
推荐理由：Beacon-2 把人体有效剂量作为可计算目标，并用 Indy 智能体的对照实验展示只优化效力会出现的偏差。