研发方向
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
Molence 公布 Mol-1 在 MolBench-Peptide-26 蛋白-肽复合物预测基准上的成绩：DockQ > 0.23 为 88.8%，DockQ > 0.49 为 77.3%，DockQ > 0.80 为 54.1%。加入结合位点信息后，Mol-1-constraint 在相同阈值下分别提升至 92.2%、85.0% 和 60.2%。作者称生物位点信息在每个评测精度阈值上都改善了肽复合物预测。
推荐理由：Mol-1 在肽复合物预测上按 DockQ 阈值分层报告成绩，并对比加入结合位点约束后的变化。
牛津大学 OPIG、Diamond Light Source 与 IBM Research 在 Chemical Science 发表 Syndirella，以合成导向的片段延伸（Synthesis Directed Elaborations）把可采购反应物按 SMIRKS 反应规则组合成候选分子。
推荐理由：文章拆解了以可采购反应物为导向的片段延伸流程，并给出合成成功率与姿态偏差的具体数据。
研究用仅依赖原子特征与连接性的图神经网络集成，在抗菌筛选上取得与描述符增强参考模型相当的预测表现，并通过原子级解释识别出哌嗪是预测活性最一致的支持特征。对Drug Repurposing Hub的前瞻性筛选结合可开发性与安全性评估给出排序候选清单，其中CE3F4在初步实验中于0.25 mM下使鲍曼不动杆菌生长降低57%，浓度-反应曲线呈非单调。该结果为预印本摘要报告，湿实验仅为初步测定。
推荐理由：研究用原子级解释定位图神经网络抗菌活性预测所依赖的分子特征，并据此筛出候选化合物。
研究构建了MOSAIC金属配合物库，包含16,901个中性类药金属配合物，几何结构直接取自剑桥结构数据库中的实验测定结构。
推荐理由：研究构建金属配合物筛选库并用于MAT2A别构位点筛选，为拓展虚拟筛选化学空间提供可复用路径。
研究在仅用少量已知化合物训练、预测同一化学系列新变体的条件下，比较基础机器学习方法与基于分子动力学的严格自由能方法（如FEP）在蛋白-配体结合亲和力基准数据集上的表现。
推荐理由：研究在同一小样本训练条件下比较基础机器学习与FEP的结合亲和力预测，为方法选择提供参照。
研究人员在Nature Computational Science发表Hi-TPH层次化TCR–pHLA数据集，最高层级含26,704组结合样本，较STAPLER完整双链数据扩大5.99倍。
推荐理由：该研究构建分层TCR–pHLA数据集并系统评测蛋白质语言模型，为抗原识别预测提供了可比较的数据与基准参照。
Scripps研究所的Bruno Melillo与Benjamin F. Cravatt团队在Nat. Chem. Biol.发表研究，通过改造Tryptoline丙烯酰胺探针的C6/C7远端结构，在Ramos细胞中定量超过24,000个半胱氨酸位点，筛出95个可被立体选择性标记的位点。
推荐理由：研究用立体探针扩展半胱氨酸配体图谱，并借GRPEL1案例展示结构预测在非正构位点的识别局限。
Genesis Molecular AI 与 Caltech 合作的 NeurIPS 2026 论文研究离散扩散分子生成模型在测试时如何分配算力，其在线适应框架仅用 86 次 oracle 评估即追平最强推理期搜索基线 Beam Search 约 5000 次评估的表现。
推荐理由：研究系统拆解在线适应式分子优化的四个设计选择，并给出何时值得用在线适应而非推理期搜索的判据。
Corin Wagen 表示，自动生成合成中间体是 Rowan 已加入的体验改进之一，与自动扭转角重拟合、收敛检测等功能并列。他引用的 @manntis4 内容称，在测试小分子辅因子支持 FEP 时发现，把合成中间体配体加入 RBFE 图可改善与实验结合亲和力的相关性，示例为 KRAS-G12D。Wagen 认为稳健的智能体驱动 FEP 还需要更多此类能力。
推荐理由：Rowan 团队以 KRAS-G12D 为例说明合成中间体配体如何改善 RBFE 与实验亲和力的相关性，并列出自动化改进方向。
文章对比Terray与Jura Bio两条自产数据路线：Terray用自研高通量硬件累计超过4200亿次测量、折算逾170亿个靶标-分子互作数据点，Jura Bio则用变分合成一次造出10¹⁶个抗体序列。作者认为两者分别拆解干湿循环的合成端与筛选端，Terray已签吉利德、BMS、Odyssey合作并预计2026年有内部药物进入临床试验，但数据规模本身不等于成药。
推荐理由：文章把Terray与Jura Bio两种自产数据路线放在干湿循环两端对照，便于理解数据瓶颈的不同解法。
【全文总结】作者提出QRxVision，将药物多模态描述符与激酶结合位点氨基酸频次编码为二维码图像，经VGG16提取特征后用余弦相似度做传递匹配，在35个测试化合物、45个激酶类别上取得71.4%的Top-5靶点命中率。
推荐理由：研究把多模态分子与靶点描述符编码为二维码图像，用视觉模型做激酶靶点检索，并给出与化学信息学基线的对照。
作者提出粗粒化神经网络势 AMARO v2.0，保留全部重原子并隐式处理溶剂，用氢感知珠类型与总电荷条件化统一表示蛋白、类药分子及其复合物。在覆盖 11 个靶点的 262 个复合物中，该势保留多数配体姿态，但 HIF2A 三元复合物出现四级结构重取向。
推荐理由：该预印本提出保留全部重原子的粗粒化神经网络势，并在多靶点复合物上给出结合姿态与自由能估计的对照结果。
北京大学来鲁华、裴剑锋课题组在 Digital Discovery 发表 MetaPLI，一种基于蛋白质—配体三维结构、以同靶标少量已测分子为参考的少样本绝对结合亲和力预测方法。
推荐理由：论文给出少样本活性预测在跨靶标测试与逐轮筛选模拟中的误差和排序表现，可对照FEP类方法看适用边界。
英矽智能发布DDDBench Core，从Foundations的300余项基准中选出59项，覆盖五个药物研发领域，并提供实时榜单。通用模型榜单中GPT-6 Astra暂列第一；其2.6B与4B的MMAI Gym专用模型在单步逆合成、ADMET、Kinome和GPCR预测等特定任务上超过专用工具与通用模型。
推荐理由：英矽智能从300余项基准中筛出59项，覆盖五个药物研发域，并给出通用与专用模型的实时榜单对比。
【全文总结】研究提出 PharmaDiff，一个以原子级三维药效团假设为条件、基于 MiDi 架构的 SE(3) 等变 Transformer 扩散模型，可在不需要靶点蛋白三维结构的情况下生成完整三维分子。
推荐理由：该研究以原子级药效团图条件化扩散生成，并用三维欧氏距离评测药效团匹配，为配体导向设计提供了可比较的基线参照。
【全文总结】研究从ChEMBL与Papyrus整理P-gp、BCRP、MRP1抑制数据，构建经典QSAR与图卷积网络共识模型，5折交叉验证R²为0.39至0.67，共识模型在多数指标上优于单个模型。
推荐理由：研究用约2200个化合物构建P-gp、BCRP、MRP1抑制的共识QSAR模型，并以外部数据与湿实验检验其DDI风险评分。
作者提出 MechGate，一个面向大肠杆菌的机制分辨筛选工具，输入 SMILES 后并列报告 5 项指标，其中 2 项为孔蛋白渗透、1 项为磷脂膜渗透、1 项为外排、1 项为抗菌活性，每项独立读取以定位分子受阻环节。
推荐理由：该工具把渗透、外排与活性拆成可分别读取的指标，便于定位候选分子受阻的具体环节。
研究团队构建 POISK 数据集，从 10110 项美国专利中经 LLM 流程提取 89074 条抗体-抗原记录，并整理出 22494 个复合物的平衡基准集，其中 11247 个为专利验证但无已知解析结构的结合剂，另配序列相似的人抗体库来源推定非结合剂。
推荐理由：研究用专利来源抗体数据构建基准，比较六种结构预测模型区分真实结合剂与诱饵的能力，为评估零样本筛选提供参照。
研究团队开发计算与实验结合的配对活性学习框架，用于识别对EGFR三突变体（L858R/T790M/C797S）与野生型EGFR具有差异活性的化合物。对1200万分子做序贯筛选后得到16个共识命中，其中5个进入初步生化评价、2个进一步做生化、细胞与结构表征；共晶结构显示最佳化合物在ATP结合口袋内呈两种不同的非共价结合模式。该工作为优化效力与突变选择性提供实验结构模板，结果基于预印本摘要报告。
推荐理由：研究用配对活性回归加SVM筛选1200万分子，为突变选择性EGFR抑制剂发现提供可迁移流程。
研究团队在 Nature Communications 发表 StriMap，将肽–HLA呈递与TCR–pHLA识别建模为前后关联的两阶段，融合氨基酸理化性质、ESM2表征和ESMFold预测结构经EGNN提取的空间信息。
推荐理由：该框架把肽–HLA呈递与TCR识别拆成两阶段建模，消融实验显示结构信息与TCR α链对识别预测有贡献。