David Mobley团队发布预印本：结合机器学习与物理方法数据驱动预测配体效力
David Mobley团队发布新预印本，提出将机器学习与基于物理的方法结合，以数据驱动方式估计配体效力。其思路是当模型对特定靶点足够准确后，由机器学习模型接管预测。预印本全文见 chemrxiv.org/doi/pdf/10.26434/chemrxiv.15000463/v1。
推荐理由：作者团队提出按靶点精度切换机器学习与物理方法的配体效力预测流程，为混合计算策略提供可参考设计。
研发方向
虚拟筛选与分子对接 最新动态
面向药物发现的分子虚拟筛选、蛋白质—配体对接与结合自由能预测；区分计算分数、实际结合和功能验证，不含 AIVC 虚拟细胞。
234 条精选近 30 天 145 条共收录 352 条
更新
精选归档 · 第 12 页
David Mobley精选AI 评分5858
Punit Kumar Jha精选AI 评分6969 SandboxAQ研究用合成数据改进蛋白-配体结合亲和力预测
SandboxAQ在预印本中分析合成结构数据如何增强深度学习蛋白-配体结合亲和力预测，生成约8万次绝对自由能扰动（AFEP）计算并构建SAIR-FEP与SAIR-OOD两个数据集。研究发现基于结构的模型对输入结构质量高度敏感，从Boltz-1x筛选高置信度共折叠复合物可带来可预测的性能提升，而盲目加入低质量结构会使指标饱和。合成与实验数据联合训练在CASF 2016上使RMSE最多降低8%、相关性指标提升9-11%，且仅在使用高质量合成结构时重现神经缩放规律。
推荐理由：研究用约8万次AFEP计算构建合成数据集，比较合成与实验数据联合训练对亲和力预测的影响。
Yang Zhang Lab精选AI 评分7474 Ouroboros分子基础模型：将构象空间与药效团相似性纳入表示学习
【全文节选总结】Yang Zhang Lab 提出分子基础模型 Ouroboros，采用表示、重建与性质预测三个正交模块，表示模块以构象空间药效团相似性（CSPS）和分子指纹相似性预训练，在 126248 个分子上构建约 47 亿条相似性标签。
推荐理由：该工作把构象空间与药效团相似性纳入分子基础模型预训练，并在虚拟筛选与多靶点抑制剂发现中给出湿实验证据。
CHARM Therapeutics精选AI 评分6868 CHARM Therapeutics 将下一代 menin 抑制剂 CHM-029 推进为 AML 开发候选
CHARM Therapeutics 宣布将 AI 发现的下一代 pan-menin 抑制剂 CHM-029 推进为急性髓系白血病（AML）开发候选，计划于 2026 年第二季度启动首次人体试验。
推荐理由：CHARM 公布其 DragonFold 平台发现的 menin 抑制剂进入开发候选，并给出耐药突变与体内药效的临床前依据。
Numerion Labs精选AI 评分6868 Numerion Labs 与 NVIDIA 发布 APEX 协议，30 秒内筛选百亿虚拟化合物
Numerion Labs（原 Atomwise）与 NVIDIA 专家合作在 arXiv 发布论文，提出 APEX（近似但穷举搜索）计算协议，可在单块 NVIDIA GPU 上于 30 秒内从 100 亿化合物的组合合成库中检索出评分最高的 100 万个候选分子。
推荐理由：该协议把十亿级组合库的穷举式筛选压缩到秒级，为超大化学空间检索提供了可复用的方法与基准。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 推出 AlphaSeq 3D，构建分子胶系统性发现平台
A-Alpha Bio 宣布在其 AlphaSeq 平台上新增 AlphaSeq 3D，可在单次实验中用数百个预验证效应蛋白和靶点筛选数千个小分子，覆盖数千万种潜在三元复合物。
推荐理由：A-Alpha Bio 系统介绍了其分子胶发现平台的工作流，从扩展效应蛋白库到 AlphaSeq 3D 多重筛选，为理解诱导邻近药物的发现路径提供了具体参照。
Juvenescence.AI 官网资讯精选AI 评分5858 Juvenescence收购AI药物发现公司Ro5，强化AI管线并推进与M42合作
Juvenescence于2025年6月5日宣布收购AI药物发现公司Ro5，以增强其AI/机器学习药物发现能力，并作为与阿布扎比M42战略合作的核心部分。Ro5的平台基于含超8500万个节点、约4亿条关系的专有生物医学知识图谱，用于发现生物学关联和评估靶点，其AI化学平台覆盖从命中识别到先导优化的化合物发现与设计。
推荐理由：收购把Ro5的知识图谱与化学平台并入Juvenescence，可观察AI能力如何嵌入衰老相关疾病管线。
A-Alpha Bio精选AI 评分6565 A-Alpha Bio 发布 AlphaBind 抗体优化模型预印本
A-Alpha Bio 发布 AlphaBind 预印本，称其为业界领先的抗体优化模型，并已测定第 10 亿次蛋白-蛋白相互作用，为预测蛋白结合提供关键训练数据。预印本链接指向 bioRxiv，具体评测结果与对照设置未在推文中披露。
推荐理由：A-Alpha Bio 公开 AlphaBind 预印本，并称已累计测定十亿次蛋白-蛋白相互作用，为抗体优化模型提供训练数据。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 获美国国防部追加 1450 万美元，加速针对潜在生物威胁的抗体发现与优化
A-Alpha Bio 获美国国防部追加 1450 万美元资助，用于开发快速预测针对潜在生物威胁的治疗方案的机器学习模型。资金来自 JPEO-CBRND，将扩大其与劳伦斯利弗莫尔国家实验室在 GUIDE 项目下的合作。此前两年合作中，A-Alpha 的 AlphaSeq 数据被用于训练预测抗体-抗原结合的机器学习模型，合作范围从冠状病毒扩展到多个未披露的病原体家族。
推荐理由：该资助延续 A-Alpha Bio 与 LLNL 的抗体-抗原结合预测合作，并扩大病原体范围。
A-Alpha Bio 官网资讯精选AI 评分6565 A-Alpha Bio 与 Gilead 合作开发下一代 HIV 长效生物药
A-Alpha Bio 宣布与 Gilead Sciences 合作，利用其合成生物学与机器学习专长发现治疗 HIV 的长效生物药。合作将先用 AlphaSeq 平台表征候选药物与 HIV 抗原变体之间的结合亲和力并产生大量数据，再输入机器学习平台 AlphaBind 预测具有更强结合广谱性和抗病毒逃逸能力的蛋白。双方目标是开发高交叉反应性的生物药，以中和多种突变形式的 HIV。
推荐理由：A-Alpha Bio 与 Gilead 合作开发长效 HIV 生物药，展示了 AlphaSeq 与 AlphaBind 双平台在结合广谱性优化上的应用路径。
A-Alpha Bio 官网资讯精选AI 评分5858 A-Alpha Bio 与劳伦斯利弗莫尔国家实验室合作加速新冠变异株抗体发现
A-Alpha Bio 宣布与劳伦斯利弗莫尔国家实验室（LLNL）合作，利用 AlphaSeq 产生的结合数据训练机器学习模型，以加速针对新冠变异株的治疗性抗体发现。该项目由美国国防部支持，计划测量数百万量级的蛋白-蛋白相互作用，并借助 LLNL 的计算能力预测抗体与变异株冠状病毒蛋白的结合，作者称该思路也可用于其他快速演化的传染病和生物威胁。
推荐理由：该合作把 AlphaSeq 的大规模蛋白互作测量与 LLNL 算力结合，用于训练预测抗体与变异株结合的模型。
HotSpot Therapeutics 官网资讯精选AI 评分5858 HotSpot Therapeutics在SITC 2021公布CBL-B变构抑制剂临床前数据
HotSpot Therapeutics宣布其Smart Allostery平台发现的新型CBL-B变构抑制剂在体外和小鼠中促进T细胞应答并增强NK细胞杀伤，数据将在SITC第36届年会以壁报864展示。
推荐理由：该数据展示机器学习平台如何定位蛋白调控口袋并得到口服小分子抑制剂，为不可成药靶点提供一条可参考路径。
A-Alpha Bio 官网资讯精选AI 评分6565 A-Alpha Bio 用 AlphaSeq 大规模表征抗体对 SARS-CoV-2 变异株的亲和力
A-Alpha Bio 发布预印本，用 AlphaSeq 技术对 33 种单克隆抗体与数千个 SARS-CoV-2 变异株进行结合测试，在抗体与 RBD 刺突蛋白变异体之间识别出超过 15 万对蛋白质-蛋白质相互作用。作者指出，许多抗体药物正针对 RBD 刺突开发，意外突变可能使病毒逃逸抗体治疗。
推荐理由：A-Alpha Bio 用 AlphaSeq 大规模筛查 33 种抗体与数千个变异株的结合，为变异逃逸评估提供高通量方法参照。
A-Alpha Bio 官网资讯精选AI 评分6363 A-Alpha Bio 的 AlphaSeq 论文在 PNAS 发表
A-Alpha Bio 宣布介绍 AlphaSeq 的论文已在 PNAS 发表。文中展示可通过重编程酵母交配同时表征数千个蛋白质-蛋白质相互作用，并观察到改变细胞外环境后相互作用强度的变化。
推荐理由：AlphaSeq 通过重编程酵母交配实现数千蛋白互作并行表征，为结合剂筛选提供可规模化的实验方法。