头条焦点
3 条精选最近两个月最值得关注的标志性进展——从 Phase II 临床读出，到 Nature 正刊登载的基因组基础模型，再到 NVIDIA 面向药物发现的开放生态扩张。
Insilico INS018_055 完成 IPF 适应症 IIa 期临床，统计学显著
Insilico Medicine 宣布其首个完全由 AI 设计的药物 INS018_055（特发性肺纤维化）完成 IIa 期试验，达到统计学显著的疗效终点。从构思到完成 IIa 期仅用 18 个月，计算与发现阶段总成本约 600 万美元，相较传统路径 1–2 亿美元、6–8 年的周期形成数量级压缩。产业媒体称之为"制药业的 DeepSeek 时刻"。
Evo 2 登上 Nature：9.3 万亿碱基、跨全域生命建模
Arc Institute 与 NVIDIA 合作的 Evo 2 正式发表于 Nature。40B 参数、1 Mb 上下文、在 12.8 万个基因组（真核+原核）上训练。可零样本预测非编码致病突变与 BRCA1 临床意义变异，并能设计细菌量级的全基因组。
NVIDIA GTC 2026：BioNeMo 扩展 Proteina-Complexa 等开放模型，AlphaFold 数据库新增 3000 万复合物预测
NVIDIA 在 GTC 宣布 BioNeMo 生态扩容，推出面向结构导向药物发现的 Proteina-Complexa 蛋白结合物生成模型。Novo Nordisk、Viva Biotech、Manifold Bio 已用其设计并湿实验验证结合蛋白。同时与 EMBL-EBI、DeepMind、首尔大学合作将 AlphaFold 数据库扩展约 3000 万个蛋白复合物预测、新增 170 万高置信度条目。
蛋白与抗体设计
6 条RFdiffusion 抗体扩展、Origin-1 零先验表位、VibeGen 运动导向生成，以及从头设计小分子结合蛋白——从"折得准"到"动得对"再到"识得准"的演进。
RFdiffusion 抗体版登 Nature：原子级精度的 VHH/scFv 从头设计
首次通过微调 RFdiffusion 网络 + 酵母展示筛选，在四个疾病相关表位上从头生成 VHH、scFv 与全长抗体。冷冻电镜确认流感血凝素与艰难梭菌毒素 B 结合位姿的原子级精度。
Absci 发布 Origin-1：针对"零先验"表位的生成式抗体平台
集成表位条件全原子结构生成、配对 CDR 序列设计与共折叠打分协议。在 10 个无已知蛋白-蛋白复合物结构、同源性 ≤ 60% 的苛刻目标上，每个目标 < 100 个设计即可获得可开发抗体；IL36RA 靶点亲和成熟实现 ~68 倍亲和力提升。
MIT VibeGen：以"振动方式"而非静态形状设计蛋白
生成式模型以蛋白质的运动/振动模式为条件生成序列，指向动态生物材料与自适应疗法。研究者类比 "vibe coding"：指定蛋白该如何弯曲与切换构象，AI 直接生成符合这一动力学谱的新序列。
从头设计可选择性识别特定化合物的蛋白：皮质醇生物传感器落地
韩国团队发布可精确反映蛋白-配体原子层级相互作用的 AI 模型，为 6 类小分子（代谢物与小分子药物）设计结合蛋白并实验验证，其中以皮质醇结合蛋白构建化学诱导二聚体生物传感器，已在美国提交临时专利。
Science 综述：AI 如何重造蛋白工程
Listgarten 与 Jiang 在 Science 系统综述生成式蛋白模型与统计原理如何被整合入实验流水线，并指出当前 bottleneck：功能性酶、天然无序蛋白与多样化结合剂设计普遍缺乏足够训练数据。
MIT 用 LLM 为酵母优化密码子，降低生物药生产成本
以工业宿主毕赤酵母（K. phaffii）的密码子为语料训练大模型，可预测给定蛋白的最优密码子组合，将发酵生产效率显著提升——一条从"设计分子"延伸到"生产分子"的 AI 链路。
基因组与 RNA 模型
4 条从 Evo 2 到基因组语言模型生成新功能基因，从 AlphaFold 3 架构代际跃迁到 RhoFold+ 的 RNA 三维结构预测——"生命序列"正迅速成为一类可统一建模的语言。
Evo 2 发表 Nature：40B 参数、1Mb 上下文跨域建模
Arc Institute + NVIDIA。9.3T 碱基、12.8 万基因组，真核+原核+噬菌体。零样本预测非编码致病突变与 BRCA1 变异临床意义，可设计细菌量级全基因组；机制可解释性揭示模型自主学到外显子边界、转录因子结合位点、蛋白结构元素等特征。
基因组语言模型"语义化"设计全新功能基因
Merchant 等在 Nature 上展示从基因组语言模型出发的 de novo 功能基因设计，提示 gLM 不再仅用于变异评估，而可直接承担"生成有功能 DNA 序列"的任务。
Frontiers 综述：AF3 架构革新与开源后影响
AF1→AF2→AF3 的架构路径：DNN → Evoformer → Pairformer + 扩散模块，能预测蛋白-配体/核酸/蛋白复合物。AF3 开源学术权重后，2024–2025 PDB 中约 40% 新结构由冷冻电镜贡献，与 AI 建模形成互补。
RhoFold+：RNA 语言模型驱动的三维结构预测
2370 万 RNA 序列预训练的 RNA-FM 嵌入 + Rhoformer 迭代优化，在 RNA-Puzzles 与 CASP15 自然靶点上平均 RMSD ~4.02 Å，超越包括 AlphaFold 3 在内的既有方法；单次预测 ~0.14 秒，为 RNA 靶向药物与合成生物学提供 sequence→structure→sequence 闭环。
虚拟细胞与多组学
4 条Virtual Cell 从愿景走向工程实践，但扰动预测的 scaling law 尚未显现——基础模型、空间组学整合、上下文特化与器官类器官化是当前四条路线。
Nicheformer：首个整合单细胞与空间转录组的基础模型
Helmholtz Munich 与 TUM 团队在 1.1 亿细胞上训练，能将空间上下文投影回解离单细胞数据。Fabian Theis 称之为"以细胞在其自然上下文中的通用 AI 模型的第一步"，是虚拟细胞与组织模型的起点。
虚拟细胞需要"上下文"而非一味 scale
PMC 最新长文综合 Ahlmann-Eltze 等 2025 的系统比较：scGPT、scFoundation、Geneformer、scBERT、UCE 等基础模型在扰动预测任务上并未超越简单基线。提出上下文特化模型（如 Virtual CD4+ T cell）可能比通用 Virtual Cell 更具可操作性。
Artificial Intelligence Virtual Organoids (AIVOs)
Bioactive Materials 2026 刊出的新概念：把 AI 建模与类器官实验平台闭环化，形成"计算预测 → CRISPR / 类器官验证"的工作流，用于个性化药物筛选与疾病建模，被视为减少动物实验、加速治疗优化的路径。
CellForge：用智能体自动设计虚拟细胞模型
bioRxiv 预印本，让 LLM 智能体承担虚拟细胞模型的"建模者"角色，自动挑选架构、特征与目标。与同年 Virtual Cell Challenge（Arc Institute 发起的年度竞赛）共同组成 Virtual Cell 领域的"图灵测试"。
AI 药物发现：从平台到临床
4 条2026 是 AI 设计药物的关键读出年——Phase III 数据将检验 AI 是否能把传统 ~90% 的临床失败率真正拉下来，而非仅缩短时间线。
Drug Target Review：2026 是 AI 制药的验证之年
多个 AI 设计药物进入 Phase III，预计全年陆续读出。批评者指出，AI 发现的化合物目前在各阶段进展速度与传统药物相似，可能只带来"时间线加速而疗效并无改善"——商业有价值，但科学上并未改变成功率。
PharmaVoice 产业预测：Agentic AI 转向"因果生物学"
高管共识：2026 agentic AI 将重塑靶点发现，从纯预测转向看得见"哪里才是真正可干预的因果生物学"。同时 AI 将向下游渗透——AI 驱动的生物标志物、更小的更高效的试验、模拟方案与患者分层决策变得主流。
tFold System：结构驱动的端到端抗体工作流
Nature Communications 披露 tFold 系统：整合 tFold-Ab 抗体结构预测、tFold-Ag 复合物建模、结构导向虚拟筛选与表位特异性从头设计，尝试突破抗体数据稀缺（SAbDab ~9000 vs PDB 23 万）带来的训练瓶颈。
IntuitionLabs：2026 AI 生物药产业处于"临界点"
投资与平台成果两旺：Nvidia CEO 黄仁勋称"药物研究将被彻底改变"，Bayer、礼来、Generate:Biomedicines 等头部玩家的 AI 工程化生物药进入高级临床阶段。但行业也强调：AI 承诺与严谨科学之间的差距仍需警惕。
自主科研智能体与自驱实验室
3 条从 Virtual Lab 到 FORUM-AI、MARS，自主科研不再只是概念演示——多智能体协作 + 机器人闭环 + 大模型假设生成，正在进入材料与生物的真实研发线。
Stanford James Zou 的 Virtual Lab：用 AI 科学家加速医学发现
由多智能体组成的"虚拟实验室"：能阅读论文、集体讨论、设计实验、互相辩论。在抗病毒抗体设计中，PI 智能体协调其他科学家智能体，用蛋白语言模型给出候选。被视为把"AI 当成科研团队"的成熟演示。
MARS：多智能体 + 机器人闭环材料发现
Matter 2026 刊发。由 Orchestrator、Scientist Group、Engineer Group、Executor Group、Analyst Group 五类智能体分工，Engineer 把设计翻译成协议、Executor 操控机器人平台，混合检索增强降低 LLM 幻觉——首个工业级可闭环的"集体式 AI 科研员工"范例。
LBNL FORUM-AI：首个面向材料科研的全栈 Agentic 系统
伯克利国家实验室牵头，FORUM-AI 会先提出"组分复杂材料"假设，再调用 NERSC / OLCF / ALCF 超算做大规模模拟，并在机器人实验平台上执行部分实验——面向能源材料发现的端到端自主平台。
关键模型速查表
按时间倒序本文涉及的主要 AI 模型与平台——便于对照选型。
产业信号与政策
3 条政策与资本同步落地——FDA 指南、EU AI Act 高风险条款、临床试验 AI 化与多组学伴随诊断正在重塑 AI × Biology 的商业化边界。
FDA AI 指南定稿 + EU AI Act 高风险条款生效
FDA 的 AI 药物发现草案指南预计 2026 定稿，要求申办方为高风险 AI 应用提交可信度评估计划、模型架构、训练数据与治理文档。EU AI Act 高风险条款将于 2026 年 8 月 2 日生效，AI 药物平台将直接面对合规义务。
TrialMatchAI、AIM-MASH 进入临床试验主流
GlobalData 2026 临床研究报告：AI 正在改造招募、保留、跨境试验支持与患者-试验匹配；多组学 + 临床记录整合推动精准肿瘤学与 CV 疾病的更好证据生成。
Frontiers：AI 蛋白设计的生物安全挑战
AI 生成的蛋白可在功能上等价于已知毒素、但序列同源性极低——使得当前基于同源性的筛查"视而不见"。同时开源工具的普及降低了滥用门槛。研究呼吁从 DNA 语言模型到蛋白的"可继承水印"等新一代技术护栏。