药物研发合作：礼来公司和诺华公司  近期成果：与谷歌DeepMind联合开发AlphaFold3 近期新闻：扩大与诺华的小分子药物发现协议范围  作为著名人工智能研究实验室 Google Deepmind 的姊妹公司，Isomorphic Labs 致力于开发深度学习、强化学习、主动学习、表征学习等领域的尖端计算技术，以解决药物研发中最棘手的一些挑战，以及当今生物、化学和医学研究中一

技术：药物-脂质结合纳米分散体 疾病领域：肿瘤学、神经病学和罕见疾病 最新消息：与牛津大学建立为期五年的合作伙伴关系，共同开发新型蛋白质降解技术 BPGbio 被生物技术突破奖 (BioTech Breakthrough Awards)评为2024 年度“年度生物技术 AI 公司”。该公司拥有一个名为 NAi Interrogative Biology 的 AI 平台，该平台利用全球

Drug Farm（药物牧场），是一家通过 piggyBac 转座子发现药物靶标的 first-in-class 药物研发公司，在中美两地逐步建立团队，现已确定若干新的免疫靶点，并开发出进入临床阶段的首创新药。近日，该公司获得《麻省理工科技评论》中国・第二届生命科学创业大赛 “最佳团队奖”，生辉借此机会采访了其联合创始人兼首席运营官 许枞博士。 Drug Farm 致力于构建独特的平

技术：小分子  疾病领域：炎症和自身免疫性疾病、肿瘤学和肥胖症 最新消息：获得 EIC Accelerator 提供的 250 万欧元（270 万美元）资助 Iktos总部位于巴黎，致力于利用人工智能和机器人合成自动化技术进行药物研发和设计，快速识别可作为临床候选药物的小分子。通过运用人工智能，Iktos 旨在加快药物研发进程，同时提高候选药物进入临床开发阶段的成功率。Iktos 已

拥有20 多年经验的无与伦比的生命科学专业知识 信任与合规：轻松实现审计准备。 数据洞察与控制：可操作的洞察，以更快地做出决策。 内容管理：控制集成、合规协作。

Lantern Pharma成立于2013年，2020年在纳斯达克上市，是一家以肿瘤学为重点的，新兴的临床阶段制药公司，利用人工智能、基因组学和机器学习来改变药物发现和开发的成本、速度和时间。 员工仅20余人，市值仅4600多万美元，是业界对Lantern的初步印象。 但其商业模式更别具一格： 接盘大公司放弃的药物继续研发， 即通过其AI平台找到被弃药物的临床人群药效，缩小目标人群进行研发，从

技术：mRNA生物调节剂  疾病领域：免疫学、肿瘤学和神经科学 最新消息：公布了领先的肺纤维化候选药物的有希望的临床前数据  Anima Biotech 的 AI 药物发现技术基于其 mRNA Lightning.AI 平台构建，该平台可对健康和患病细胞中的数百条细胞通路进行成像，以训练针对特定疾病的 AI 模型，并利用神经网络帮助这些模型区分健康和患病细胞，并识别失调的通路。随后，

MegaFold是一个跨平台系统，用于加速蛋白质结构预测模型（例如 AlphaFold3、AlphaFold2）。 为什么选择 MegaFold？ 跨平台支持：通过优化的基于 Triton 的内核，支持在异构设备上执行，包括 NVIDIA GPU 和 AMD GPU。 易于使用：只需更改几行代码即可获得巨大的性能提升 速度提升：每次迭代训练时间加快高达 1.73 倍 减少内存：将

专长：绘制神经系统疾病的致病基因图谱。Verge Genomics 利用人工智能分析基因组和转录组数据，识别肌萎缩侧索硬化症 (ALS) 和帕金森病等疾病的靶点。其专有平台加速了神经治疗药物的研发，并致力于降低临床试验的失败率。

专长：人工智能驱动的生物标志物发现。Genialis 利用计算生物学和机器学习来识别精准医疗的生物标志物。他们在免疫肿瘤学和中枢神经系统疾病领域的工作支持药物研发流程，并提高临床试验的成功率。 RNA生物标记公司Genialis正在创造一个能为患者、患者家庭和社区提供最佳医疗服务的世界。ResponderID™是Genialis的机器学习驱动的疾病建模框架，它提供可操作的生物标志物，并对新药进行

领先资产技术：小分子超氧化物清除剂 重大并购活动：与人工智能药物研发公司Exscientia合并 最新消息：宣布了用于治疗慢性心肌梗塞的先导药物REC-994令人鼓舞的2期临床试验数据 人工智能药物研发公司 Recursion 的核心使命是 Recursion 操作系统 (OS)，这是一个跨多种技术构建的平台，可不断扩展世界上最大的专有生物、化学和以患者为中心的数据集之一。  同时

专长：药物研发自动化。Molecule AI 利用机器学习优化药物研发，缩短研发时间并降低成本。其平台支持快速生成各种治疗领域的候选药物。

未知君是国内行业领先的AI微生物组研究和产业转化平台，旨在通过配方菌、基因工程微生物等微生态治疗方式，实现肠道及其他系统性疾病的缓解或治疗。未知君将人工智能与肠道微生物技术相结合，实现数据高质量分析、沉淀与产出，极大提高了药物开发的效率和成功率。同时，未知君研发肠菌移植解决方案、益生菌产品及行业解决方案，将微生态从科学探索推向产业化落地。

技术：设计治疗性蛋白质 商业模式：合作驱动  最新消息：A轮融资4000万美元  就在上个月，Latent Labs在 A 轮融资中筹集了4000 万美元，成为众人焦点。巧合的是，该公司也是由 Simon Kohl 创立的，Simon Kohl 是屡获殊荣的 AI 模型 AlphaFold 开发过程中的重要人物。然而，由于 AlphaFold 并非旨在从零开始创造新型蛋白质，Late

1.VALID-Mol 是一个系统性框架，通过集成快速分子工程、领域特定微调和自动化化学验证，显著提高了 LLM 生成分子的可靠性，有效性从 3% 提高到 83%。 2. 与典型的 LLM 应用程序（这些应用程序会产生看似合理但化学上无效的输出）不同，VALID-Mol 使用化学信息学工具验证每个生成分子的语法和语义，从而确保其科学严谨性。 3. 该框架最引人注目的创新在于其系统化的快速分子工

1. 本研究介绍了 PrefixProt，这是一个新颖的框架，它通过利用预训练蛋白质语言模型 (ProtLM) 上的前缀调整来实现可控蛋白质设计。它使用学习到的虚拟标记作为模块化控制标签，引导蛋白质生成朝着所需的结构和功能特性发展。 2. PrefixProt 最引人注目的特性在于它能够通过组合不同的虚拟标记来生成具有多种用户自定义属性（例如结构和功能）的蛋白质，而无需重新训练基础模型。这种组合

Berkeley Lights, Inc. (BLI) 成立于 2011 年，总部位于加州埃默里维尔，致力于提供突破性的技术和仪器平台，从根本上改变利用细胞生物学过程进行的研究。数字细胞生物学 (Digital Cell Biology) 将生物科学、技术和信息相结合，显著提升科学家研究细胞相互作用的方式。Berkeley Lights 的平台和技术能够同时对数千个细胞进行最快、最深入、最全面的测

专长：利用人工智能和基因组学加速药物发现。Engine Biosciences 将人工智能与基因组学相结合，以发现基因相互作用和新型药物靶点。他们的研发管线涵盖肿瘤学和传染病领域的候选药物，展现了人工智能驱动的洞察力在药物发现领域的强大力量。

1. PDeepPP 通过将 ESM-2 蛋白质语言模型嵌入与混合 Transformer-CNN 架构融合，引入了统一的肽识别深度学习框架。该设计在各种生物信息学任务中均实现了高精度和可扩展性。 2. PDeepPP 在 33 项基准生物学任务中的表现显著优于先前的方法，包括抗菌、抗癌和糖基化位点识别。在抗菌肽检测中，其准确率达到 97.26%，PR AUC 为 0.9977，在抗疟药检测

技术：TYK2抑制剂   疾病领域：自身免疫和自身炎症疾病 最新消息：已发表的结果展示了 AtomNet 的药物发现能力 Atomwise 正利用人工智能的力量，试图彻底改变小分子药物的研发。该公司希望攻克最具挑战性、看似不可能攻克的难题，并简化药物研发流程，为药物开发者提供更多机会。 Atomwise 的药物发现方法将药物发现模式从偶然发现转向基于结构的搜索，使药物发现过程更加合

专长：AI驱动的药物研发合作。AION Labs 汇聚制药公司、科技创新者和初创公司，共同应对药物研发挑战。他们的协作式 AI 模型已在肿瘤学、自身免疫性疾病和罕见疾病领域取得了先进疗法。AION 的开放式创新方法促进了跨学科解决方案的开发。

深度生成序列模型的归因分配使得仅使用正数据进行可解释性分析成为可能 １．本文介绍了 GAMA（生成归因度量分析），这是第一个基于积分梯度的归因方法，适用于仅基于正样本数据训练的自回归生成模型。即使没有负样本，GAMA 也能解释此类生成模型所学习的特征。 ２．与大多数为监督学习开发的可解释性工具不同，GAMA 适用于单类生成模型，例如长短期记忆（LSTM），这类模型常用于抗体设计，因为负样本（非

领先资产技术：抗TSLP抗体 疾病领域： 免疫学、传染病和免疫肿瘤学 最新消息：与诺华公司合作发现和开发蛋白质疗法  自2020年崭露头角以来，Generate Biomedicines作为生成生物学领域的领导者，取得了显著进展，利用人工智能发现和开发创新型候选药物。该公司的人工智能技术名为Generate平台，该平台以连续循环的方式运行，生成蛋白质序列以解答特定的治疗问题，将计算生

深势科技是全球AI for Science领导者，依托在交叉学科领域的深耕，构建了“深势·宇知”AI for Science大模型体系，并进一步解决科学研究和工业研发领域的关键问题，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，形成了AI for Science的“创新-落地”链路和开放生态，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程