#药物发现

本地小模型也能当药物发现的规划器了，Llama 3.2-3B 微调后工具调用准得吓人，就是碰到没见过的流程还会翻车。

这条讲了个反直觉的点：AI 生成假设太便宜，反而让湿实验室接单接到手软，Twist 和 GenScript 成了“生物数据代工厂”，失败实验也在喂模型。

AI Will@FinanceYF511 个信源在谈原文

McKinsey 拿出了实际数据：AI 参与的候选药物，发现时间砍掉 15% 到 80%，做医药或关注 AI 落地的可以看看。

AI Will@FinanceYF5原文

MolLedger用原子级分数解释药物分子预测，比传统方法更符合化学特性，药物研发人员值得关注。

药物筛选老难题，量子版QSVM直接拿AUC从0.80干到0.875，比传统梯度提升强了近9个点，搞药化的人值得看看。

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。

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。

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。

官方账号OpenAI@OpenAI11 个信源在谈原文

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。

官方账号Greg Brockman@gdb11 个信源在谈原文

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。

官方账号OpenAI@OpenAI (@OpenAI)11 个信源在谈原文

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。

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。

Latent.Space@latentspacepod原文