标签
介绍了MEET，一种用于全原子肽设计的内存高效E(3)等变变压器，与VAE和潜在扩散管道集成，实现了线性内存缩放和改善的生成质量。
提出了两种互补方法，将预测不确定性融入化学语言模型的强化学习中，提高了鲁棒性，并在从头分子设计中将真实命中率提升了0.25。
本文介绍了Sesame，一个基于扩散的分子生成模型，该模型通过空间密度图对部分分子结构和蛋白质口袋进行条件化，从而实现从头生成和片段条件的先导化合物优化，用于药物设计。
TxBench-PP是一个用于评估AI代理在小分子临床前药理学任务上表现的基准测试。在16种模型-框架配置中，最佳系统仅达到59.3%的准确率，表明仍有很大的改进空间。
OpenAI 与 Molecule.one 合作，让他们的 AI 系统（GPT-5.4 和 Maria）自主选择研究领域、生成提案并在有机化学中运行实验，实现了 88% 测试反应的产率提升——这是 AI 驱动的开放式科学发现的首次。
GPT-5.4 与 Molecule.one 的 Maria AI 平台合作，自主推动了一个药物化学项目，从文献综述到验证的实验结果，提出了对药物发现中广泛应用的反应的意外改进。
OpenAI将GPT-5.4连接到自主化学AI（Maria）以改进伯磺酰胺的Chan-Lam偶联反应，在药物化学反应中实现了显著的产率提升。
OpenAI 推出 LifeSciBench，这是一个包含 750 个专家编写任务的基准测试，用于评估 AI 系统在现实生命科学研究工作流中的表现，包括证据处理、分析和科学推理。
一项研究对BridgeDPI药物-靶点相互作用模型进行了跨方法可解释性审计，结合基于梯度的归因和遮挡方法，揭示了模态主导性和伪影，为药物发现提供了可检验的假设。
本文提出CPES，一种曲率感知势能面图神经网络，用于蛋白质-配体结合亲和力预测。它整合了物理启发的曲率表示来建模构象灵活性，并在基准数据集上实现了改进的预测性能。
本文提出RicciBind，一种集成里奇曲率和最优传输的几何表示框架，用于蛋白质-配体结合亲和力预测，在多个基准测试中展示了卓越的准确性和可解释性。
APCyc是一个靶点感知的生成框架，通过显式建模环化模式并利用贝叶斯后验引导，设计具有可控理化性质的环肽。
MDForge 是一个 LLM 智能体，可自动化设计用于主客体结合自由能计算的分子动力学流程，取得了与人类专家相当的结果，并发现了一种新型高亲和力结合物。
本文提出了一种用于分子图变换器的概率对比预训练框架，以改善药物发现中的多任务ADME性质预测，在三个基准上取得了显著提升。
本文介绍了GLACIER，一种多模态学生-教师基础模型，它整合了分子图、SMILES字符串和物理化学描述符，以高效预测分子性质。它利用Finsler几何感知融合以及来自更大教师模型（MiniMol、MolFormer）的知识蒸馏，以轻量级架构实现高性能。
TamarindBio 已被选中为礼来公司（Eli Lilly）的协作式 AI/ML 药物发现平台 TuneLab 2.0 构建、托管和运营推理基础设施层。
OpenAI 推出了专为生命科学研究设计的更新版 GPT-Rosalind 模型，在药物化学、基因组学和药物发现流程方面性能提升，并引入了 LifeSciBench 和 MedChemBench 等新基准。
CP-Agent 是一个多模态大语言模型，它利用情境感知对齐（CP-CLIP）来解释化学扰动下的细胞形态变化，从而为药物发现提供可解释且可扩展的表型筛选。
GoogleDeepMind与全球科学专家合作，评估了一个AI系统，该系统识别了肝纤维化的新靶点，并为肌萎缩侧索硬化症（ALS）找到了新的方法，消化了数十年的研究成果。