Inductive Bio 推出 AI 化学助手 Indy，称可将药物化学家产能翻倍
Inductive Bio 发布 AI 化学助手 Indy，面向其合作项目开放，公司称已在内部合作项目中使团队产能翻倍。Indy 可解析 CRO 报告、QC 剂量响应曲线、分析历史 SAR、运行生成化学算法、搭建 FEP 计算并生成项目汇报幻灯片，并接入 Inductive 的 ADMET 与 PK 模型。
推荐理由：Indy 在真实剂量响应曲线上的准确率对比通用大模型，展示了药化专用助手与通用模型的差距。
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 8 页
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 官网资讯精选AI 评分6262 Inductive Bio 推出药化智能体 Indy，称数据质控准确率 89% 高于 Claude 与 GPT
Inductive Bio 发布小分子药化助手 Indy，内嵌于其 Compass 平台，可做剂量响应数据质控、FEP 提交、人体剂量预测与 SAR 幻灯片生成。
推荐理由：Inductive 公开其药化智能体 Indy 与 Claude、GPT 在数据质控和常规设计动作上的对照评测，可看判断力差距落在哪。
英灵殿科技Valhalla精选AI 评分7474 英灵殿科技发布ADMET-EvO自演化科学智能体，在22项TDC ADMET任务中综合排名第一
英灵殿科技（Valhalla Technology）联合香港中文大学、浙江大学和斯坦福大学提出ADMET-EvO，一种面向异质任务持续开展自主研究、驱动任务专用算法演化的科学智能体。
推荐理由：该工作把端点理解、假设检验与算法演化串成研究闭环，为药物研发智能体的评测方式提供了可参照的架构。
深势科技 DP Technology精选AI 评分6363 深势科技推出PharmMaster·Patent智能体，一键整理专利分子与活性数据
深势科技发布药物分子专利解析智能体PharmMaster·Patent，基于文档解析引擎Uni-Parser 1.4，可从专利PDF中提取分子结构并关联活性数据、实验条件与权利要求，每条结论保留来源页码可回溯原文。
推荐理由：该工具把专利中的分子结构、活性数据与权利要求关联成可核验记录，展示了跨页证据整理的具体做法。
Inceptive精选AI 评分7878 Inceptive 微调模型设计 in vivo CAR-T mRNA，5 条序列中 3 条在体内优于 Capstan 基准
Inceptive 用自建 CAR-T 数据微调序列设计模型，生成编码同一抗 CD19 CAR 蛋白的 mRNA 设计，并将 5 条序列推进 NSG-PBMC 人源化小鼠，与 Capstan 的抗 CD19 序列在同一 CD8 靶向 LNP（Amplitude Therapeutics 提供）下以 0.1 mg/kg 给药、24 小时终点比较。
推荐理由：Inceptive 用自建 CAR-T 数据微调序列设计模型，并在人源化小鼠中与 Capstan 基准序列做头对头比较，展示了模型排序到体内功能读数的转化路径。
ACS JCIM (化学信息与建模)精选AI 评分7070 LinkLlama：基于微调 Llama 3 的化学合理连接子设计模型
【摘要级】研究提出 LinkLlama，一个在 ChEMBL 类药分子语料上监督微调的 Meta Llama 3 模型，可接受指定距离、角度及 Lipinski 规则、可旋转键上限等约束的自然语言提示，为输入片段生成连接子。
推荐理由：在片段连接任务中，该模型以文本提示约束几何与理化指标，化学合理设计比例较基线提升约两倍。
ACS JCIM (化学信息与建模)精选AI 评分7070 基于ChEMBL数据系统评测图神经网络用于配体虚拟筛选
【摘要级】研究在覆盖5,368个靶点、159万条活性记录的ChEMBL数据集上系统评测多种图神经网络架构用于配体虚拟筛选。结果显示GIN在样本数超过100的数据集上表现最佳，平均ROC-AUC最高达0.94，而数据极度稀缺时更简单的架构更稳健；随机划分因结构重叠导致性能虚高，相似性感知聚类则暴露AUC下降超过0.3的泛化差距，多任务学习可缓解小靶点不稳定。
推荐理由：基于ChEMBL大规模数据系统比较GNN架构与划分策略，为配体虚拟筛选的模型选择和评测设计提供参照。
ACS JCIM (化学信息与建模)精选AI 评分5858 观点文章：可合成性缺口已转移，路线存在不等于化学可行
【摘要级】Elshewy A. 在观点文章中提出，合成约束生成模型虽已能保证每个候选分子都有通往可购砌块的路线，并有设计进入合成与生物活性验证，但这只是把可合成性缺口从路线存在转移到实验可复现。
推荐理由：文章指出合成路线存在不等于实验可复现，并主张为路线建立类似 PoseBusters 的标准化化学有效性评测层。
ACS JCIM (化学信息与建模)精选AI 评分7474 研究团队为 Tox21 挑战赛搭建可复现排行榜，量化基准漂移并重评毒性预测模型
【全文总结】研究团队在 Hugging Face 上搭建 Tox21 排行榜，直接使用原始 Tox21 挑战赛测试集自动评测提交模型，并按原始 AUC 指标计算 12 个毒性终点的平均表现。
推荐理由：该工作量化了 Tox21 数据集在并入 MoleculeNet 等基准后的漂移，并给出可复现的排行榜评测方式。
ACS JCIM (化学信息与建模)精选AI 评分7373 闭环多目标优化设计受体选择性穿膜肽并在HeLa细胞中验证
【全文总结】研究提出闭环多目标优化框架，用于设计对CXCR4选择性高于NRP1的穿膜肽：以EvoDiff加LoRA微调生成100万个候选序列，用DiffDock对接、100 ps分子动力学与MM/GBSA计算按残基数归一化的受体结合分数，再由深度集成代理模型和qNEHVI多目标贝叶斯优化迭代选样。
推荐理由：研究把受体选择性穿膜肽设计写成双目标优化问题，并用细胞成像检验候选肽的富集差异。
ACS JCIM (化学信息与建模)精选AI 评分5858 结构热点条件化用于扩散式分子设计
【摘要级】研究提出并系统考察结构热点条件化，将相互作用相关的化学知识注入口袋条件扩散模型，用于基于结构的分子设计。作者以 MolSnapper 为统一生成模型，在标准化 CrossDocked2020 测试集上比较三种原子级参考点定义策略：基于对接得分的原子选择、基于结构的药效团定位和数据驱动的氢键位点预测，并评估对接衍生的亲和力估计、理化质量、结构合理性与化学多样性。
推荐理由：研究把结构热点条件注入扩散生成模型，比较三种原子级参考点策略在标准测试集上的取舍。
Pranam Chatterjee精选AI 评分6363 ActFlow：用不确定性引导与验证器反馈扩展流模型与扩散模型的可生成空间
Pranam Chatterjee 转发介绍 ActFlow，这是一种持续预训练方案，通过不确定性引导探索和验证器反馈，让流模型与扩散模型扩展到新的有效区域，作者称之为可生成集合扩展，并将其定位为面向分布外生成建模的新学习原则。
推荐理由：该工作提出用不确定性引导探索与验证器反馈扩展生成模型可达的设计空间，为分布外生成提供可迁移思路。
Inductive Bio 官网资讯精选AI 评分5858 Inductive Bio 将 ADMET 模型接入 ChatGPT、Claude 与 Benchling
Inductive Bio 随 OpenAI Rosalind Workbench 发布，将其 ADMET 模型接入 OpenAI 生态（含 ChatGPT、Codex 与 Rosalind Workbench）；此前 6 月已作为 Claude Science 生态伙伴进入 Claude，本月早些时候通过 ModelHub 进入 Benchling。
推荐理由：Inductive Bio 的 ADMET 模型接入三家主流平台，展示了化学预测模型嵌入现有科研软件栈的分发路径。
ACS JCIM (化学信息与建模)精选AI 评分6868 研究用NeuralPlexer生成复合物与NRI动态分析重定位BCL-2抑制剂并获体外验证
【全文节选总结】研究提出一条面向BCL-2的多模态药物重定位流程，用扩散生成模型NeuralPlexer为3094个FDA已批准药物生成配体特异性复合物构象，保留1294个结构可接受构象，经Glide SP精修与RMSD<2 Å过滤后得463个化合物。
推荐理由：研究把扩散生成复合物、MD轨迹图推断与湿实验串成一条重定位流程，为多指标筛选提供可迁移参照。
Philippe Schwaller精选AI 评分8282 SynthEx：面向复杂天然产物的策略优先合成规划智能体
Schwaller 团队发布预印本 SynthEx，一个以语言模型生成原子级图编辑断键、由多智能体分工提出策略、扩展路线并模拟修复的合成规划器。在 1,098 个无报道全合成的复杂天然产物上，近乎穷举的 AiZynthFinder 解出 13.8%，SynthEx 达到 63.9%，分子越复杂差距越大。
推荐理由：该工作用智能体规划复杂天然产物合成路线，并以专家盲评比较机器与人类步骤，提供了可参照的评测设计。
ACS JCIM (化学信息与建模)精选AI 评分7272 CheMeleon：用经典分子描述符预训练的深度学习基础模型在低数据条件下超越经典方法
【摘要级】研究提出以低噪声、可计算的分子描述符进行监督预训练，得到约千万参数的基础模型 CheMeleon，使有向消息传递神经网络在低数据条件下超过经典方法。作者在 Polaris 基准计划提供的 58 个数据集上评测，统计比较显示其优于基于分子指纹和描述符的随机森林基线及现有基础模型，并开源模型与预训练框架。结果来自论文摘要所述的基准评测。
推荐理由：该研究提出以可计算的经典分子描述符做预训练，并在 58 个基准上比较其与经典机器学习及现有基础模型的表现。
Bioinformatics (Oxford)精选AI 评分6969 NCFlow：用流匹配设计含非天然氨基酸的多肽
【全文总结】作者提出 NCFlow，一个基于流匹配的生成模型，可在给定蛋白口袋中预测任意非天然氨基酸（ncAA）的三维构象，并据此对多肽做单点突变扫描以筛选结合力提升的变体。
推荐理由：作者提出用流匹配在固定骨架上放置非天然氨基酸，并用深度学习与炼金自由能双重打分筛选多肽变体。
ACS JMC (药物化学)精选AI 评分7272 PepGate：用于ACE抑制肽从头设计的双路径扩散框架
【摘要级】研究提出PepGate门控双路径离散扩散框架，用于从头设计ACE抑制肽，并基于微调蛋白语言模型得到的短肽专用基础模型PepGPT，构建了生成模型PepGen与判别器PepClass、PepIC50组成的流程。
推荐理由：该研究用门控双路径离散扩散设计ACE抑制肽，并在SHR大鼠中验证候选肽的降压作用，为多肽从头设计提供了从生成到体内验证的实例。
ACS JCIM (化学信息与建模)精选AI 评分5858 从三元复合物建模到预测性PROTAC设计：计算方法综述
【全文节选总结】Schulz、Reynolds与Schürer在ACS JCIM发表观点文章，系统梳理2019年以来PROTAC计算设计从约束驱动三元复合物建模到数据驱动预测与生成设计的演进。
推荐理由：综述梳理PROTAC三元复合物建模与降解预测方法，指出评分与基准碎片化是走向前瞻设计的主要瓶颈。
予路乾行精选AI 评分5858 予路乾行用分子动力学设计DYRK1B选择性抑制剂，选择性从约2倍提升至近20倍
予路乾行为一家海外生物技术公司完成DYRK1B选择性抑制剂项目，6个月内设计并合成20个化合物，交付IC50小于5nM、对DYRK1A选择性指数近20倍的分子。
推荐理由：项目展示了用分子动力学捕捉同源激酶动态构象差异、指导选择性设计的可复用路径。