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
研究团队提出一套全开源的计算与实验联用流程，将基于片段的从头分子设计与炼金绝对结合自由能计算结合，在化学合成前按物理模型排序候选分子。以铜绿假单胞菌毒力相关锌金属蛋白酶LasB为靶点，从约4万个经多目标优化生成的化合物中选出少量优先分子进行实验测试，发现三个此前未报道的纳摩尔级抑制剂（IC50 22-53 nM），并报告其代谢与血浆稳定性良好。
推荐理由：该预印本把生成式分子设计与炼金自由能计算串成开源流程，并用湿实验筛出三个纳摩尔级LasB抑制剂。
同济大学、上海药物研究所等团队在 Nature Communications 发表 MolGenBench，用活性找回、筛选效率、靶点感知和三维构象等指标评估17种结构基础药物设计方法，其中10种从头生成、7种先导优化。
推荐理由：该基准把分子生成评估从合规性推进到活性空间找回，并揭示先导优化与从头设计的差距。
北京大学来鲁华课题组在 Nature Machine Intelligence 发表 SynCraft，让大语言模型提出原子和化学键级编辑指令，由 RDKit 执行、SimpRetro 搜索逆合成路线，以改善生成分子的可合成性。
推荐理由：研究提出让大模型输出原子级编辑指令、由化学软件执行并检验逆合成的分子可合成性优化方法，为生成分子的后续改造提供可复用流程。
【全文总结】FunFOLD5 是作者团队开发的模板法蛋白-配体结合位点预测工具，在 CASP15 和 CASP16 盲测的 69 个配体实例中，81.2% 达到高精度（LDDTpli ≥0.4）。
推荐理由：作者以CASP15/16盲测对比全局与局部模板搜索，展示局部口袋检索对结合位点残基识别的增益。
【摘要级】作者提出 FlexENN，一个面向界面的消息传递图神经网络框架，包含分别训练的 FlexENN-F（折叠蛋白复合物）和 FlexENN-I（含无序伴侣的复合物）两个模型，并构建了含 IDP 的训练数据集。
推荐理由：该工作把结合能预测扩展到含无序区的蛋白复合物，并用微管界面实验亲和力作参照。
一篇预印本在 15 个靶点、172 个配体上评估 Martini 3 粗粒化模型的绝对结合自由能计算，发现模型系统性低估结合强度，按口袋带电残基数做线性校正后平均绝对误差从 5.7 降至 1.2 kcal/mol。
推荐理由：解读预印本对Martini 3结合自由能误差的分解，说明整体偏移校正与配体排序能力为何是两件事。
2026年发表于《Nature Communications》的研究用高通量DIA全球蛋白质组学在Jurkat细胞中筛选出可经CRBN诱导VAV1降解的苯基-戊二酰亚胺类分子胶，关键降解元件定位在VAV1 C端SH3-2结构域的RDxS基序（796–799位点）。
推荐理由：研究把高通量蛋白质组学与AI三元复合物折叠串成分子胶发现链，并给出FEP与细胞降解效力的相关性参照。
晶泰科技联合暨南大学在《Journal of Medicinal Chemistry》发表回顾性案例研究，以两款已上市RET抑制剂的专利数据为基础，仅合成3个化合物即得到RET激酶IC₅₀为0.48 nM的候选分子Cpd-31。
推荐理由：晶泰科技与暨南大学在JMC发表回顾性案例，展示从专利数据解析到小鼠药效验证的连续研发链路，可作为端到端小分子早期研发流程的参照。
Valence Labs 的 Daniel Ramirez 撰文梳理靶向药物发现中结合亲和力预测的两条路线：基于物理的对接与分子动力学方法可泛化到新靶点和新化学型，但速度慢且需要起始结构；Boltz-2、Nesso-1 等共折叠模型速度快、无需起始结构，却会在训练数据之外无预警失效。
推荐理由：梳理结合亲和力预测从物理模拟到共折叠模型的两条路线，并说明两者互补的融合方向。
【摘要级】研究提出 FragDock 分子设计框架，用可合成砌块经已知反应组装分子，并以限定核心结合姿态的系留对接评估候选，其中 FragDockRL 用 rDock 系留对接加 SMINA 打分构建奖励、以改进的 DQN 引导逐步生长。
推荐理由：研究在三个靶点上比较强化学习与随机搜索等策略，显示最优搜索方式随靶点变化。
OpenBind联合OpenADMET与ASAP Discovery Consortium于2026年10月14日启动首届OpenBind盲测挑战，要求参赛者预测400个化合物与寨卡病毒NS2B-NS3蛋白酶形成的蛋白-配体复合物，化合物从小片段到类先导分子不等。
推荐理由：首届OpenBind盲测挑战以寨卡NS2B-NS3蛋白酶为靶点，用更严格的构象与物理有效性标准比较对接与共折叠方法。
【全文总结】作者提出Causal-Chemprop，在Chemprop图神经网络嵌入上叠加DAGMA学到的结构因果模型，以单个锚点分子的实测pIC50为条件做反事实推断，预测其类似物的性质。
推荐理由：研究把结构因果模型接到Chemprop上，用锚点分子的实测活性做反事实推断，改善骨架外推的排序表现。
【全文总结】ProDTI 将药物靶点相互作用预测建模为正无标签学习，用显式生化相似度与 MolFormer、ESM-2 语义相似度构建混合先验，再通过软标签蒸馏和硬锚约束注入 nnPU 风险最小化。
推荐理由：该研究把药物靶点相互作用预测建模为正无标签学习，并在五个基准和冷启动设置下与现有方法比较。
insitro 与礼来合作构建的小分子体外及体内性质预测机器学习模型，现已向部分生物技术公司开放于 Lilly TuneLab。模型基于礼来数十年研究产生的多物种临床前数据训练，覆盖数十万个独特分子，并会随数据集扩展而更新；insitro 称其可作为当前从体外实验外推的行业标准方法的替代方案。
推荐理由：礼来与 insitro 用数十年多物种临床前数据训练的小分子体内 PK 预测模型进入 TuneLab，为早期筛选提供参照。
【全文总结】作者Filip Stefaniak在EUOS25光学干扰预测挑战中构建领域感知特征工程与FLAML自动超参数优化方案，在透射率任务中平均AUROC为0.788、排名第二，在荧光任务中平均AUROC为0.786、排名第三（共36支队伍）。
推荐理由：作者在EUOS25光学干扰预测挑战中系统比较了领域特征与跨任务元特征，为HTS干扰化合物计算筛查提供可迁移的特征工程参照。
Rowan Scientific 在 JACS RBFE benchmark 的 8 个蛋白靶点、约 190 个配体类似物上比较多种 pose ranking 方法，发现 Vinardo/Vina 在默认 analogue docking 输出中约 62% 的配体能把最低 RMSD pose 排第一，更复杂的方法未明显改善。
推荐理由：Rowan 在 JACS RBFE 基准上比较多种 pose ranking 方法，显示简单 Vina 排序已接近复杂打分，为自动化 FEP 工作流提供参照。
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。
Xeureka 的 Kazuya Ujihara 在 ChemRxiv 预印本中通过源码追踪和分层干预，分析开源 Boltz 2.2.1 的蛋白–配体亲和力推理通路，发现结构预测先决定 affinity crop，affinity pass 再对该 crop 重新扩散生成第二套结构，亲和力头读取的是这套结构而非用户看到的 written structure。
推荐理由：源码追踪拆出 Boltz-2 亲和力预测的三条信息通路，为判断结构模型是否真正利用结合几何提供可迁移的审计方法。
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。
【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。