03:09marktechpost@Asif Razzaq精选NVIDIA 开源了 BioNeMo Agent Toolkit,将 OpenFold3、DiffDock 和 GenMol 等生物分子模型包装为 AI 代理可直接调用的技能。每个技能包含模型用途、输入、输出和失败模式说明。在 NVIDIA 使用 Codex CLI 和 GPT-5.5 fast 的基准测试中,该工具将任务完成率从 57.1% 提升至 100%,并实现 token 效率翻倍。AI产品NVIDIABioNeMo Agent ToolkitOpenFold3DiffDock药物发现3 个信源在谈推荐理由:NVIDIA 开源了这个工具,让 AI 代理能直接调用分子模型做药物发现。用上它任务完成率翻倍还省 Token,做生物计算的同学可以试试。原文
18:36IT之家(博客/媒体)谷歌云即将上线SandboxAQ的两款AI模型——AQCat和AQPotency。AQCat用于半导体制造和电池开发中的催化剂与材料候选物识别,AQPotency帮助药物发现领域研究分子与疾病靶点的结合。SandboxAQ原为Alphabet量子技术部门,2022年独立,并通过美国芯片法案获得5亿美元拨款。其CEO表示生物制药研究是最大短期机遇,已用于胶质母细胞瘤、前列腺癌等疾病研究。AI产品谷歌云SandboxAQAQCatAQPotency药物发现推荐理由:谷歌云和SandboxAQ联手,把AI用在药物和材料研发上。AQCat找催化剂,AQPotency筛分子,都是实打实的科研加速器。原文
10:55arXiv cs.LG@Hannah Le, Ramesh Ramasamy, Alex Urrutia, Mahsa Yazdani, Tim Proctor, Kenny WorkmanTxBench-PP是一个用于评估AI agent在小分子临床前药理学中决策能力的基准,包含100个涉及作用机制、药效学等任务的评估。在16个模型配置(涉及11个模型和4800条轨迹)中,最佳配置Claude Opus 4.8 / Pi仅通过59.3%(178/300)的端点尝试,GPT-5.5 / Pi通过55.3%。结果表明,当前AI系统无法可靠复现临床前药理学决策。AI模型TxBench-PPClaude Opus 4.8GPT-5.5AI agent药物发现1 个信源在谈推荐理由:想看看AI在药物发现中到底行不行?这个基准测试用4800条轨迹告诉你,Claude Opus 4.8和GPT-5.5都还差得远,最高才59.3%的通过率。原文
01:24OpenAI@OpenAIOpenAI发布案例,GPT-5.4与Molecule.one的Maria AI及专业实验室协作,为药物发现中一个广泛使用的反应提出了意想不到的改进方案。项目从文献综述启动,最终得到验证的实验结果。该成果展示了大型语言模型在具体科研场景中的实用价值。AI模型GPT-5.4Molecule.oneMaria AI药物发现AI辅助科研10 个信源在谈推荐理由:OpenAI展示了GPT-5.4跟专业工具配合,在药物化学里找到了更高效的反应路线,成果很实在。原文
07:15Greg Brockman@gdb78°OpenAI 对 GPT-Rosalind 进行了重大升级,这是一款专为生命科学研究设计的模型系列。升级后的模型结合了 GPT-5.5 的智能体编码和工具使用能力,显著提升了在药物发现、分析、设计和实验工作流中的智能水平。该模型旨在企业级规模下加速生命科学研究,为制药和生物技术领域提供更强大的 AI 辅助。此次升级意味着研究人员可以更高效地处理复杂的生物信息学任务,推动新药研发进程。AI产品GPT-Rosalind药物发现生命科学智能体OpenAI10 个信源在谈推荐理由:做药物研发和生命科学研究的团队终于有了更趁手的 AI 工具——GPT-Rosalind 把 GPT-5.5 的智能体能力带进了实验流程,建议相关领域的科研人员直接体验。原文
06:15OpenAI@OpenAI (@OpenAI)76°OpenAI 宣布为 GPT-Rosalind 模型系列新增功能,该系列专为企业级生命科学研究设计。新版本结合了 GPT-5.5 的智能体编程和工具使用能力,增强了在药物发现、分析、设计和实验工作流中的智能水平。这标志着 AI 在生命科学领域的应用进一步深化,有望加速新药研发和生物医学研究。AI产品GPT-Rosalind生命科学药物发现智能体OpenAI10 个信源在谈推荐理由:生命科学团队终于有了专为药物研发设计的 AI 模型——GPT-Rosalind 结合智能体编程和工具使用,做药物发现和实验设计的科研人员可以直接用起来,加速研究流程。原文
10:21arXiv cs.LG@Artur Szałata, Olga Novitskaia, Maiia Shulman, Matthew Mella, Altynbek Zhubanchaliyev, Fabian J. TheisChem-PerturBridge 是一个整合了37k+化合物、136种细胞环境和125万转录组样本的多数据集资源,覆盖8种实验类型,并统一了标识符、元数据和预处理流程。研究发现,不同数据集间相同化合物的logFC方向和幅度一致性较弱,但方向一致性相对稳定。该资源作为预训练数据,在化合物表示学习任务中优于仅使用L1000数据、Morgan指纹和基线方法。Chem-PerturBridge 支持跨数据集签名一致性的诊断评估,以及异质扰动转录组数据的模型复用。论文药物发现转录组化合物表示学习数据整合Chem-PerturBridge推荐理由:做药物发现或化学基因组学的团队终于有了一个标准化的多源转录组资源——37k化合物、136种细胞环境,直接拿来预训练或评估模型,省去数据清洗的麻烦。原文
09:43Latent.Space@latentspacepod83°Alex Rives 团队宣布推出 ESMFold2,一个开源的科学引擎,用于蛋白质预测、设计和发现。该模型在蛋白质相互作用(尤其是抗体)方面达到最先进水平,这是治疗药物的关键模态。团队针对五个重要的癌症和免疫学治疗靶点,设计并验证了迷你蛋白结合剂和单链抗体,成功率极高,亲和力达到治疗活性水平。同时发布了包含 68 亿蛋白质和 11 亿预测结构的图谱。ESMFold2 基于在数十亿蛋白质序列上训练的语言模型,通过语言建模自然涌现出蛋白质生物学的世界模型,其表征空间反映了通过一个世纪实证科学积累的理解。AI模型ESMFold2蛋白质预测抗体设计开源模型药物发现推荐理由:ESMFold2 将语言模型用于蛋白质设计,解决了抗体和蛋白结合剂设计这一基础难题,做药物发现和生物工程的团队可以直接用这个开源模型加速新药研发。原文
03:04IT之家(博客/媒体)76°在2026谷歌I/O大会上,谷歌宣布推出专为科研设计的Gemini模型——Gemini for Science。该模型能够追踪最新论文、将研究目标转化为可执行代码,并生成新的科学假设。谷歌还提及了模拟人工智能的未来方向,计划模拟更复杂的系统甚至虚拟细胞。目前,谷歌已有多个项目处于临床前阶段,涵盖免疫疾病和癌症,旨在加速药物发现过程。AI产品Gemini科研助手论文追踪代码生成药物发现推荐理由:科研人员终于有了AI助手来追踪论文和写实验代码,做生物医药或材料科学的团队可以直接用Gemini for Science加速研究,建议点开看看具体怎么用。原文