内容形态
生命科学开源算法库、分子模拟工具箱、数据集与计算生物学基础软件设施发布更新。
129 条精选近 30 天 78 条共收录 253 条
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。
Mohammed AlQuraishi 团队发布新系列 OpenBind 的首个模型 OpenBind-0，该模型基于 OpenFold3，并优先针对小分子进行训练。作者称 OB 系列模型将定期吸收 OpenBind 联盟与 PDB 的结构，持续更新并纳入 OpenFold 的最新功能。被引用的内容提到，OpenBind 计划收集数万条蛋白-配体结构与亲和力数据，此次同时发布 OpenBind-0 和 717 个新的配体结合结构。
推荐理由：OpenBind 系列首个模型基于 OpenFold3 并偏向小分子训练，可用于了解共折叠模型与结构数据收集的衔接方式。
【全文总结】研究提出配对表示缩放：在Pairformer输入端将潜在配对表示乘以单一标量(1+β)，无需重训练或改动MSA，即可在AlphaFold 3与Boltz-2中拓宽构象采样。
推荐理由：研究提出仅缩放配对表示的推理时扰动，在86个双态靶点上与MSA扰动和BioEmu比较，给出可迁移的构象采样手段。
临港实验室发布AI药物研发工作台元生·开物OriBench测试版，整合基因组学、单细胞、蛋白质组学、结构生物学、化学信息学与药理毒理学等技能，支持固定流程、智能编排和自定义编排三种长任务执行模式。
推荐理由：临港实验室把靶点发现、组学分析与分子设计整合进同一工作台，并公开了与Claude Code的基准对比。
【摘要级】清华大学团队提出 CYPMol，将功能残基与蛋白质语言特征同预训练小分子嵌入整合进单一架构，用于预测 CYP 底物、抑制剂和代谢位点。摘要报告其在九种人类 CYP 的底物预测 MCC 为 0.819、抑制剂预测 MCC 为 0.725，并称优于现有最优模型；该框架还可预测 537 种动物、植物或微生物 CYP 在催化中发生变化的具体代谢位点。代码与数据集已在 GitHub 和网页服务器公开。
推荐理由：该框架把功能残基信息纳入 CYP 底物、抑制剂与代谢位点预测，并给出与现有模型的对比结果。
Latent Labs 宣布药物设计智能体 Latent-Y 向全球研究者开放，获批研究者每天可免费获得 250 个设计。公司同时公布早期访问研究者的首批实验室结果，包括阻断离子通道的分子、在体内杀伤肿瘤细胞的 CAR-T 细胞，以及疟原虫难以通过突变逃逸的结合剂。
推荐理由：Latent Labs 开放其药物设计智能体 Latent-Y，并给出早期用户离子通道抑制剂与 CAR-T 的实验室结果。
寻明生科于2026年7月7日发布并开源全原子生物分子基座模型 OpenDDE，将生物分子共折叠、结构推理与规模化法则纳入同一框架。
推荐理由：寻明生科开源全原子共折叠基座模型，抗体-抗原基准成绩与规模化趋势为评估开放结构模型提供参照。
A-Alpha Bio 推出名为 Atlas 的网页平台，提供可授权的机器学习就绪蛋白相互作用数据，并支持按需生成新的结合数据。平台由高通量平台 AlphaSeq 产生数据，采用统一实验条件与标准化对照，使不同实验的数据集可合并用于模型训练与基准评测。
推荐理由：该平台把标准化实验产生的结合数据组织成可授权数据集，为抗体设计模型的训练与基准评测提供数据来源。
Inductive Bio 宣布加入 Anthropic 生命科学生态，并发布 Model Context Protocol（MCP）连接器，让 Claude 和 Claude Science 用户可用自然语言对任意化学结构获取 ADMET 性质预测。
推荐理由：Inductive Bio 把其 ADMET 预测模型接入 Claude，为小分子设计中的性质评估提供了一种对话式调用入口。
Open Targets Platform 26.06 已上线，基线表达数据新增 Tabula Sapiens 单细胞 RNA 测序与 PRIDE 质谱蛋白组数据，可在组织层级之外浏览细胞类型层级表达。
推荐理由：该版本把单细胞与蛋白组表达数据纳入靶点优先级评分，并公开了临床挖掘与L2G管线的具体改动。
Medra 发布 Physical AI Scientist 平台的科学推理层 AI Experimentalist，可将自然语言科研目标与人工撰写的实验方案转化为可执行、可测量并迭代改进的实验。
推荐理由：该平台把自然语言科研目标转成可执行实验并闭环优化，展示了自动化实验室与推理层结合的具体形态。
蛋白质设计研究所（IPD）与 NVIDIA 合作，将 NVIDIA cuEquivariance 和 TensorRT 集成到 RF3 流程中，在 256 残基蛋白上把端到端结构预测时间从 5.8 秒缩短到 2.5 秒。
推荐理由：IPD 与 NVIDIA 把 RF3 推理时间缩短一半以上，展示了设计模型与底层算力栈协同优化的路径。
NVIDIA 发布 BioNeMo Agent Toolkit，将十余年积累的生命科学库、工具与开放模型封装为智能体可调用的技能，覆盖蛋白结构预测、分子对接、生成式化学、基因组分析、蛋白设计与生物标志物发现。
推荐理由：英伟达把十余年生命科学库与模型封装成智能体可调用工具，并列出多家药企与平台的接入情况。
Roshan Rao 表示所有必要参数已更新，并发布仓库 esmfold2-inference-scaling，用于通过公开 API 复现 ESMFold2 的规模扩展结果。其引用的说明指出，规模扩展高度依赖对 pair representation 的扰动，论文结果设置了每轮随机 LM dropout mask、开头随机 LM 输入 mask、每轮重新随机 MSA 子采样和每轮变化的 MSA 列掩码，这些关键参数此前未在公开 API 中暴露，具体设置见补充材料。
推荐理由：作者公开可复现 ESMFold2 规模扩展结果的推理仓库，并说明此前 API 缺失的关键参数已更新。
Roshan Rao 宣布已完全开源其结合剂设计流程，该流程可生成纳摩尔亲和力的 scFv。代码忠实复现了论文中描述的管线，也正是产出其设计所用的同一套流程，入口为 https://tinyurl.com/7jnsuzv5。所引用的教程 notebook 位于 Biohub 的 esm 仓库，支持通过 @modal 扩展结合剂生成，相关 ESMFold2、ESMC、ESM Atlas 与完整结果见论文 https://biohub.ai/papers/esm_protein.pdf。
推荐理由：作者开源了论文中实际使用的结合剂设计流程，可复现生成纳摩尔亲和力 scFv 的完整管线。
Ginkgo Bioworks旗下Datapoints与Tangible Scientific、Inductive Bio联合推出高通量ADME平台ADME-One，将五项Tier 1 ADME检测、Inductive Bio的AI人体PK预测和化合物管理整合为一项服务。
推荐理由：三家合作方把高通量ADME实验、AI人体PK预测与化合物管理打包成一体化服务，展示AI与湿实验衔接的一种落地形态。
Medra 宣布建成 Medra Lab 001（ML001），称其为美国最大的自主实验室，面积 38,000 平方英尺、部署数百台机器人并 24/7 运行，在 90 天内建成。
推荐理由：Medra 公布其自主实验室的规模与在产合作范围，为观察物理 AI 科学家的落地形态提供参照。
浙江大学李承熙团队在《Nature Communications》发表CycloPepper，用机器学习预测治疗性环肽的环化结果并优化合成。研究基于全自动环肽合成平台CycloBot构建306个环肽数据集，采用SVC模型结合One-hot编码、氨基酸组成、二肽组成及16维理化特征，交叉验证准确率84%，实验验证一致性86%。
推荐理由：该研究用自动化合成数据训练环化位点预测模型，为环肽合成路线选择提供了可复用的在线工具。
DISCO（Diffusion for Sequence-structure CO-design）以序列与结构联合扩散设计酶，无需预先指定催化残基、模板、theozyme或逆折叠。据其介绍，针对选择性C(sp³)–H插入这一有机化学中颇具挑战的转化，传统定向进化需14轮、耗时一年多，而DISCO在单块板上即完成设计。论文见 arxiv.org/abs/2604.05181，代码已开源于 GitHub。
推荐理由：该工作用序列-结构联合扩散设计酶，并以湿实验对比定向进化所需轮次，为酶设计方法提供了可参照的评测案例。
Cradle与UC Berkeley Keasling实验室合作，将机器学习嵌入酵母生产疫苗佐剂QS-21的酶优化流程。该实验室2024年在Nature报告用38个植物基因使酵母从简单糖类合成QS-21，但产量远低于商业化水平。
推荐理由：案例展示机器学习如何嵌入植物酶优化流程，为替代植物提取的合成生物制造提供可迁移路径。