一、结论先行
本轮 9 条新增判读，按对岗位的影响排序。
01 · 立即评估
开源亲和力模型出现"降维打击"
Nesso-1（Recursion / Valence）用粗粒度共折叠把单次预测压到 ~1 秒（H100），比 Boltz-2 快一个数量级，精度持平或更好。12 张 H100 可日筛 100 万化合物 —— 超大规模虚拟筛选的门槛从"算力"降为"排队"。
02 · 立即评估
开源生态从"发权重"转向"发服务 + 发 Skill"
JapanFold（09-02）、NVIDIA BioNeMo Agent Toolkit（08-31）、ClawBio、scientific-agent-skills 全都做成 Agent 可调用的技能包。"装模型"正在被"装技能"替代。
03 · P0
基准通胀被官方点名
Nesso-1 技术报告直接承认：在 FEP+ 上刷到 SOTA 的 checkpoint，在 25 个内部生化实验上反而更差；siRNA 综述同样指出需 leakage-aware 划分。公开分数与真实项目表现之间存在系统性落差。
04 · 高
Agent 自主设计已过湿实验验证关
Anthropic 用 Claude 调用 PXDesign / RFdiffusion / Genie / BoltzGen / Protenix v2，24–48h 端到端自主闭环。15 靶点命中率 26.8%，Top-1 命中率 49%，RBX1 的 Top-1 亲和力 3.9 nM 优于公开竞赛优胜的 45 nM。
05 · P1
单细胞基础模型与虚拟细胞的能力边界被量化
12 个 scFM 在 7 个癌症任务上评测（1530 次拟合）：细胞类型注释上强，但临床/生物学结局预测相对简单基线优势有限。VCC 2026 已升级为纯零样本跨细胞语境。
06 · 趋势
资本从"模型"流向"湿实验闭环"
金斯瑞 09-11 配售募资 23.5 亿港元，70% 明确投向 AIDD 平台的自动化高通量湿实验室；OpenADMET 获 Radial 资助做"ADMET 的 CASP"盲测基础设施。
07 · 趋势
国产算力链条成型
沐曦 GPU 跑通 BoltzGen / Boltz-2 / GROMACS / MetaxFEP / OpenDDE；华为昇腾 + 盘古药物分子大模型（17 亿小分子）；中国科大"灵境造物"硬件国产自主可控。Tenstorrent 在日本以 1/5 价格对标 DGX B200。
08 · P0 · 对 chen 主线
siRNA 最大未解问题是"修饰分布偏移"
40+ 研究综述确认：公开基准几乎全是未修饰 siRNA，而临床用全修饰 siRNA，后者疗效数据极度稀缺。只在公开基准上调出来的打分器，落到真实序列上必然打折。
09 · P1
Agent 供应链风险浮现
ClawBio 自报 88.5% 通过率（≈ 每 9 个 skill 有 1 个挂）、仍处 0.6.x；scientific-agent-skills 133 个 skill 一键安装。可复现包是亮点，但"装上就能信"是错觉。
二、开源技术栈（2026-09-11 版）
从"权重下载"到"Skill 装配"：本轮最大的结构性变化是中间多了一层 Agent 技能层。
三、增量 diff：全新开源模型与平台
相对 09-10 简报新增的 13 个条目。NEW 标记为首次进入本系列报告。
| 名称 | 时间 | 类型 / 许可 | 关键指标 | 入口 |
|---|---|---|---|---|
| Nesso-1 NEW | bioRxiv 08-01 09-02 被 JapanFold 收录 | 粗粒度共折叠亲和力预测 开源（权重+代码） | ~1 秒/预测（H100），比 Boltz-2 快 >10×（大蛋白 >20×）；支持 800–900 残基；12×H100 日筛 100 万化合物；在 OpenBind 基准 + 25 个内部 assay 上匹配/超越 Boltz-2；具备 on/off-target 选择性；用 cuEquivariance kernels | github.com/recursionpharma/nesso |
| JapanFold NEW | 2026-09-02/03 | 主权算力开源平台（日本境内、对日免费） 服务，非权重 | 一次接入 Boltz-2 / OpenFold3 / ESMFold-2 / OpenDDE / Protenix-v2 / RoseTTAFold3 / OpenBind-0 / Nesso-1；BoltzGen / RFdiffusion3 / PXDesign；ESMC / SaProt。三种入口：Workbench / 统一 HTTP API / Agent Skill（Claude Code、Cursor、Codex）。免费档限制：Boltz-2 ≤1024 残基、OpenFold3 ≤576 | japanfold.aiand.com |
| NVIDIA BioNeMo Agent Toolkit NEW | 2026-08-31 | 生命科学 Agent 技能包 代码 Apache-2.0 skills+docs CC-BY-4.0 | 6 域：蛋白折叠、分子对接、生成化学、基因组分析、蛋白设计、生物标志物。NIM skills：Boltz-2、DiffDock、Evo2、GenMol、MolMIM、OpenFold2/3、ProteinMPNN、RFdiffusion。内部基准正确率 60%→100%、token 效率约翻倍 厂商自测，无任务明细 | npx skills add NVIDIA-BioNeMo/bionemo-agent-toolkit |
| ClawBio NEW | 2026-02 起 v0.6.x | 97 个生信 Agent skills MIT | 药物基因组 / 营养遗传 / GWAS / 变异注释 / 公平性指标；本地优先不出数据；每次运行产出 commands.sh + environment.yml + SHA-256；MCP server（Cursor / Zed / VS Code / Claude Desktop）；自报 88.5% 通过率 ≈1/9 失败 | claw skill install clawhub:clawbio/gwas-lookup |
| scientific-agent-skills NEW | 更新至 09-03 | 133 个科研 Agent skills MIT · 42.1k stars | 100+ 数据库（PubChem / ChEMBL / UniProt / COSMIC / ClinicalTrials.gov）+ 70+ Python 包（RDKit / Scanpy / BioPython）+ 9 个企业集成 + 30+ 分析写作；agentskills.io 标准跨 Claude Code / Cursor / Codex；每周 Cisco AI Defense Skill Scanner 扫描 | npx skills add / gh skill install |
| wisp-science NEW | 2026 | 本地优先桌面科研工作台 AGPL-3.0（注意传染性） | 持久 Python/R 环境（本地 / WSL / SSH-GPU）；约 80 个生信数据库 MCP；会话存 SQLite，可一键撤销文件编辑；1.1k stars | GitHub |
| NEAT-POCKET NEW | arXiv 2609.05097 2026-09-07 | 口袋条件自回归 3D 分子生成 论文，代码待查 | 邻域引导 Set Transformer；原子置换不变 + 显式建模氢原子；CrossDocked / SPINDR 上性能可比且采样显著更快；支持口袋条件片段补全（利于 lead optimization、scaffold elaboration） | arXiv |
| ArBG / Robin NEW | 2026-09 | 自回归 Boltzmann Generator（Bengio 等） 代码已放出 | 用自回归替代 normalizing flow；Robin 132M 参数；8 残基体系零样本能量预测误差 −60%；Chignolin 显著优于 flow 类 | arXiv |
| ADMET-EvO NEW | arXiv 2609.10121 2026-09-09 | 证据门控自进化 ADMET 科研智能体 论文（浙大 Tingjun Hou 组） | TDC 22 任务 ADMET 基准任务归一化得分 96.77；证据引导选择使累计拟合时间 −72.2%（预设非劣效界内）；形式化 43 个毒性相关任务 | arXiv |
| ParetoMol NEW | Digital Discovery 2026-09-08 | 浏览器端多目标帕累托分析 MIT | RDKit.js WASM 客户端算 11 个理化描述符 + Morgan 指纹 + 药物相似性 + 帕累托排序；可选调 ADMET-AI 的 41 个端点 + SA 分数；输入 SMILES/CSV/SDF/ChEMBL 34/PubChem。对比：SwissADME 单化合物、DataWarrior 无 ADMET、ADMETlab 3.0 限 100 个、Schrödinger LiveDesign >$100k/年 | paretomol.com |
| DeepDrugDiscovery NEW | Nat Biomed Eng DOI 10.1038/s41551-026-01667-x | 开源 AI 筛选平台（ADMET + BBB） 开源，模块化 | 找到 mTOR 非依赖自噬增强剂；2 个先导化合物跨血脑屏障、清除 AD 蛋白聚集体、线虫 + 小鼠记忆恢复 | 论文 |
| UBio-MolFM V1.5 NEW | 2026-09 | 国产开源生物分子动力学基础模型 权重+代码+技术报告全开源 | 单卡 141GB 跑 18 万原子，8 卡 144 万原子；激活重计算模式下吞吐 25.1 vs UMA 3.0 千原子/秒（8.3×）；显存斜率 0.73 GB/千原子 vs UMA 17.5 GB | HF IQuestLab/IQuest-UBio-MolFM-V1.5 |
| Qubots NEW | Digital Discovery 2026-09-08 | 开源模块化自驱动实验室机器人 开源 | 300×300mm 光学面包板标准单元；丝杠直线模组 + G 代码；ISO 230-2:2014 测试优于常见改装平台；control-lab-ly 编排；已验证洗发水配方 + 聚合物电解质（PESCador）两个全自动流程 | 论文 |
已知条目更新
| 条目 | 09-10 状态 | 09-11 更新 |
|---|---|---|
| AdaptiveFlow | Nat Biotechnol 09-01，690 亿分子，成本 1/1000，560 万 vCPU | 补充：18 维网格按分子量分层预筛 → ML 排序 → 对接；支持 1500+ 对接方案；FSP1（含辅助因子的困难口袋）验证成功 |
| Anthropic 自主蛋白设计 | 8 月：15 靶点 1320 设计 354 命中 26.8% | 补充：使用 Claude Opus 4.8 + Mythos Preview，调用 PXDesign / RFdiffusion / Genie / BoltzGen / SolubleMPNN / Protenix v2；Top-1 命中率 49%、Top-5 44%；同源三聚体 TNFα 出 12 个结合剂、最高 0.70 nM；人类输入仅靶点名 + UniProt + 寡聚状态 + 算力 |
| Virtual Cell Challenge 2026 | Cell，零样本跨语境，终测 10-22 | 补全规则：DOI 10.1016/j.cell.2026.08.004；6 个癌细胞系（验证 A/B/C，隐藏测试 D/E/F）；每系 300 CRISPRi 扰动 × 400 细胞 = 360,000 预测细胞；无训练集；Cell-Eval 六类指标 → 参考归一化 → 秩次聚合；提交 .vcc（vcc prep 本地校验）；raw counts，禁止 log1p / normalize_total；18,533 基因固定顺序；稀疏存储 ≤4.75e9 条目；每日 2 次（UTC 午夜刷新）；终测 10-22 发布，截止 11-05 23:59 UTC（北京时间 11-06 07:59）；奖金 10/5/2.5 万美元 |
| siProGenA | bioRxiv 08-31，Hit@1 0.790 / Hit@5 0.903 | DOI 10.64898/2026.08.31.748303；西湖大学 + 上海 AI Lab；D3PM 做 mRNA 条件位置提议 + BFN 做温度可控 guide 生成；62 个阳性测试片段；89.8% 已测位点上 seed/剪切保守变体优于 canonical complement |
| OpenDDE | 2026-07 Apache-2.0，AF4 开源平替 | 寻明生科（AuraIDE 基座）7 月开源；抗原抗体结构预测较 AF3 整体提升约 1.5×（FoldBench v1 第三方评测）；内部自免靶点命中率 ~10%（50 条 5–6 条）→ 60%（50 条 30+ 条）；参数量较 AF3 增约 50%；已在沐曦国产 GPU 适配 |
| OpenADMET | 参与机构 | 新增 Radial（Astera Institute）资助，建"ADMET 的 CASP"：可扩展盲测基础设施 + Blind Challenge Playbook + Living Validation Records；已有资助方 ARPA-H AVOID-OME、Schrödinger、盖茨基金会 |
| scFM 评测 NEW | — | 12 个单细胞基础模型 + 3 基线 × 7 个癌症任务，1530 次有监督拟合 + 200 次无监督评估；结论：scFM 在肿瘤微环境细胞注释上强，但预测临床/生物学结局相对简单基线优势有限；github.com/marakeby/scFM_eval |
四、产业与资本（国内外）
| 事件 | 时间 | 数字 | 判读 |
|---|---|---|---|
| 金斯瑞 GenScript 配售 今日 | 2026-09-11 | 7712.6 万股 @ HK$30.50，募资约 23.52 亿港元；70% 投 AIDD 平台产能与基础设施（自动化高通量湿实验室），20% 研发与全球拓展 | 资金明确流向湿实验闭环而非纯模型 |
| Anthropic 招 Life Sciences Corporate Development Lead | 09-09 | 方向：药物发现、临床开发、监管与医学写作、实验室自动化、医疗数据基础设施 | AI 大厂开始用并购/投资补湿实验与数据短板 |
| AI 制药估值 | 09-09 | Isomorphic Labs 预估 150–200 亿美元；Discovery Loop 100 亿；Chai Discovery 40 亿 | 天花板被抬高 |
| 英矽智能 | 09-09 | 2026 上半年实现盈利；26 年已达成 9 项合作，合约总额约 73 亿美元，占中国上半年 BD 出海项目和金额 7% | 从概念验证进入价值兑现 |
| 全球 AI 原研管线 | 09-09 | 179 条，大部分在 I/II 期，仅 9 条进入 III 期 | III 期仍是死亡谷 |
| 大湾区药企 AIDD | 09-09 | 丽珠、东阳光药已建成端到端 AIDD 平台；众生、信立泰、康方布局中；东阳光药 HEC169584（THR-β，MASH）进 I 期；鲁南制药 20 余款 AI 智能体；石药 2011 年即设 CADD | 传统药企进入"深水区" |
| 过去 12 个月融资结构 | 09 月报 | Series B + Growth 占 66.31%（≥25.18 亿美元）；De Novo Design 占 91.77% 资金（34.85 亿 / 11 笔）；欧洲占资金 57.33%、北美占笔数 48.28%；亚太仅 5 笔 1.381 亿美元 | 资金极度集中于"模型到分子"；亚太融资侧明显落后 |
| 沐曦 × 唯信计算 WeMol | 09 | 国产 GPU 上跑通 BoltzGen / Boltz-2 / GROMACS / MetaxFEP（自研 FEP 引擎）/ OpenDDE | 国产算力进入候选分子设计、模拟、评估实际环节 |
| 百图生科 × 耀速科技 | 09-02 | xTrimo（2680 亿参数）+ BioMapOS × 器官芯片 / 高内涵三维成像 | "AI + 器官芯片"干湿闭环，共建虚拟器官/虚拟细胞预测平台 |
| 华为 | 09 | 盘古药物分子大模型（中科院上海药物所联合，17 亿小分子）；与广药集团完成昇腾/鲲鹏上国产 AI 药研模型首次量产验证；2026-03 联合望石智慧、华鲲振宇发布"AI 药研联合解决方案" | 全栈国产化路径 |
| 中国科大"灵境造物" | 09-04 报道 | 2026-04-25 发布、已 4 轮迭代；19 个分布式设施 + 80 个实验平台；1214 项科研技能；1.17 亿条科学数据 + 3.17TB 文献；可调度上百组机器人并行；1–8 月完成约 5 万项机器实验任务，服务近百家单位 580 位用户；硬件国产自主可控 | 国内自主实验室基础设施开始对外服务 |
| Anthropic 重写开源模型代码 | 09 | 重写 Evo 2、Enformer、ProGen2 等 7 个广泛使用的基因组/蛋白模型底层代码，提速 1.4–2.5×，全基因组分析 GPU 成本 −30~60%，计划公开 | 比设计分子更"无聊"但覆盖面更广的收益 |
五、监管与政策
国内
- 2026-03 国家药监局《关于"人工智能+药品监管"的实施意见》—— AI 在药品全生命周期监管中的创新应用
- 2026-05 中检院牵头搭建创新方法评价平台—— 类器官、器官芯片、AI 评价技术
- 2026-07-07 CDE "先锋计划" PIONEER —— 推进 NAMs（类器官 / 器官芯片 / AI 计算毒理）；不设名额、招募期 5 年；监管"早期介入、及时沟通、全程跟踪"；联合验证、一次通过
- 2026-07 国务院《国民健康"十五五"规划》—— 首次"全链条支持创新药和医疗器械发展应用"
- 2026-09-03 GSRS26（中检院承办）—— 已布局 29 个监管科学创新研究基地；2025 年批准 1 类创新药 76 个；2026 上半年国产新靶点新机制创新药数量已超 2025 全年
国际
- 2026-01 FDA + EMA 联合《药物开发中人工智能良好实践指导原则》，10 条核心原则
- 2026-03 起季度更新 FDA AI Drug Submission Checklist 2026（CDER）：五支柱 —— 模型文档（强制 model card）、数据治理（全链路溯源）、性能验证（不确定性校准 + OOD 检测 + 对抗鲁棒）、风险管理（AI-FMEA）、临床转化就绪度
⚠ 可信度提示（P2）：FDA AI Drug Submission Checklist 2026 的具体条款来自二手聚合站点，未在一手 FDA 来源核实。写入正式材料前请查 FDA 官网原文。
六、siRNA / 小核酸专项
对 caiPro 主线直接相关的部分。
| 条目 | 内容 | 对 caiPro 的意义 |
|---|---|---|
| NAR Genom Bioinform 综述 2026-08-31 | 40+ 研究系统回顾。要点：① 混合模型（热力学特征 + 学习表征）最强，但证据多来自单模型消融，不能证明 foundation-model embedding 是必需的；② GNN + leakage-aware 数据划分才能压住基准通胀；③ 脱靶预测已通过 RNA-seq 经验框架 + 结构特征走向成熟 | 直接对应 caiPro 的 PWM/热力学打分路线 —— 混合路线是对的，不必盲目上大模型 embedding；但必须重做数据划分 |
| 修饰分布偏移 P0 | 公开基准几乎全是未修饰 siRNA，临床用的是全修饰 siRNA，后者疗效数据极度稀缺，预测显著更难 | caiPro 若用公开数据训练 + 真实修饰序列推断，存在系统性分布偏移。建议：评估集单列"修饰 vs 未修饰"分层，量化落差 |
| siProGenA DOI 10.64898/2026.08.31.748303 | D3PM 位置提议 + BFN guide 生成；Hit@1 0.790 / Hit@5 0.903；89.8% 已测位点变体优于 canonical | "位置提议 + guide 生成"的两阶段分解值得借鉴：caiPro 目前是"枚举窗口 → 分配 canonical guide → 排序"，候选构造在模型介入前就被固定，这一步是明确的能力缺口 |
| Bits2Bonds LMU Munich, Merkel 组 | 粗粒化 MD + ML 设计 RNA 递送聚合物载体；已合成验证，模拟行为与生物性能强相关；可推广到 mRNA / CRISPR | 递送侧；与 caiPro 主线暂不交集，可作为 LNP / 聚合物载体方向的储备工具 |
| 热景生物 siRNA AI 平台 | SuperS 活性预测 + 序列修饰设计 + 安全性风险评估；另有 RFdiffusion + Transformer 做抗体/多肽递送载体（TSLP 抗体亲和力提升，PLOS Comput Biol）；湿实验数据回灌形成闭环 | 国内对标样本；"活性 + 修饰 + 安全性"三合一 + 干湿闭环是标准形态 |
| Alnylam × Inceptive | Inceptive 基础模型数周内用小数据集完成 siRNA 分子表征；方向：建模靶 mRNA、探索新化学修饰模式、预测临床前最优候选 | 产业龙头已把"小数据 + 基础模型"当作可行路径 |
七、风险清单
P0 最高优先级
| 风险 | 后果 | 验证 / 修复 |
|---|---|---|
| 基准通胀与数据泄漏 Nesso-1 + siRNA 综述双重佐证 | 公开 SOTA 分数在自有项目上大幅缩水；更糟的是刷分越狠，真实表现越差 —— 在 FEP+ 刷到 SOTA 的 checkpoint 在 25 个内部 assay 上反而更差 | ① 在自有数据上做时间切分 / scaffold 切分 / 靶点切分，量化公开 AUC 与内部 AUC 落差；② 任何选型都要求给出 OOD 结果，而不只是 FEP+ / CASP16 |
| siRNA 修饰分布偏移 | 在未修饰数据上调出的打分器，落到全修饰临床序列上系统性失效且静默 | 评估集按"修饰 / 未修饰"分层报告；修饰相关特征单独做消融 |
| 公开权重 ≠ 可商用 / 可复现 | Chroma 权重受单独参数许可（仅学术/非营利）；ESM3 本地开源仅 1.4B（98B 不可本地复现）；ProGen3 权重 CC BY-NC-SA 4.0（46B 需合作）；BindCraft 标 MIT 但依赖 PyRosetta，商用需付费 | 选型时逐条核 license + 依赖链；BindCraft 换 FreeBindCraft；JapanFold / API 类服务还要评估数据出境与并发上限 |
P1 需关注
| 风险 | 后果 | 验证 / 修复 |
|---|---|---|
| Agent Skill 供应链 | ClawBio 自报 88.5% 通过率（≈1/9 失败）、v0.6.x 未到 1.0；scientific-agent-skills 133 个 skill 一键安装 | 只读数据库类可批量装；变异注释 / 临床解读 / PRS 类必须逐个看源码 + 在已知答案样本上回归；优先选带可复现包的 |
| scFM / 虚拟细胞能力错觉 | 12 个 scFM 在临床结局预测上不显著优于简单基线；VCC 2025 首届几乎所有模型 MAE 输给均值基线 | 不要把 scFM embedding 直接当生物标志物发现引擎；先在小规模内部队列上做"scFM vs 简单基线"对照 |
| 算力路径依赖 | 开源模型纷纷绑硬件（JapanFold→Tenstorrent、沐曦→MetaXFEP / OpenDDE、华为→昇腾盘古）；FEP / MD 类迁移成本最高 | 关键环节保留至少一条硬件无关的后备路径（GROMACS / OpenMM 原生实现） |
| 评测数字不可跨群体比较 | Anthropic 26.8% → "近一半"用的是不同靶点集；NVIDIA "60%→100%" 是内部基准且未披露任务集 | 引用时必须带上靶点集与评测协议，否则不写进汇报 |
| 自驱动实验室的纯化瓶颈 | 自动化制备 HPLC / 质谱导向纯化对新颖化学型仍有可观失败率；多数自主循环卡在纯化而非 AI 规划 | 评估自主闭环时把纯化成功率单独列为 KPI |
P2 提示
- FDA AI Drug Submission Checklist 2026 具体条款来自二手聚合站点，未一手核实。
- OpenFold3 公开权重是远未跑满 AlphaFold3 训练计划的 preview checkpoint，置信度分数必须先读再信。
- OpenDDE checkpoint 继承参考实现的弱点：部分困难抗体-抗原靶点表现不佳。
- UBio-MolFM 在数百原子的小分子区不主张优于 UMA，适用区间是显式溶剂/生物大分子环境到百万原子规模。
八、生信岗位选型矩阵
原则：先扣 license 与依赖链，再看 OOD 结果，最后才看公开 SOTA。
| 任务层 | 首选（商用友好） | 备选 | 备注 |
|---|---|---|---|
| 蛋白/复合物结构预测 | OpenFold3（MIT）、Boltz-2（MIT） | Protenix-v2（Apache-2.0）、RoseTTAFold3、ESMFold-2 | OpenFold3 是 preview checkpoint，先看置信度；速度优先用 ESMFold-2（无 MSA，秒级） |
| 抗原-抗体 | OpenDDE（较 AF3 +1.5×） | Protenix-v2 | OpenDDE 在部分困难 Ab-Ag 上仍弱 |
| 结合亲和力 | Nesso-1（~1 秒/预测） | Boltz-2 | 大规模初筛首选 Nesso-1，精细阶段再用全原子复核 |
| 超大规模虚拟筛选 | AdaptiveFlow（690 亿分子，成本 1/1000） | — | 支持 1500+ 对接方案，线性扩展到 560 万 vCPU |
| 口袋条件 3D 生成 | NEAT-POCKET | 现有 SOTA | 采样快、支持片段补全，利于 lead optimization / scaffold elaboration |
| de novo binder 设计 | BoltzGen（MIT） | RFdiffusion3（BSD-3）、Genie3（Apache-2.0）、PXDesign | BoltzGen 覆盖蛋白/肽/环肽/纳米抗体/抗体 |
| 序列/结构多模态 | DPLM-2（Apache-2.0）、ESM3（本地仅 1.4B） | ProGen3（权重 CC BY-NC-SA，≤3B） | 98B / 46B 均不可本地复现 |
| 逆折叠 | ProteinMPNN / SolubleMPNN / LigandMPNN | — | Anthropic 流水线用 SolubleMPNN |
| 分子性质 / ADMET | ADMET-AI（Chemprop-RDKit，TDC）、ADMETlab 3.0 | pkCSM、DeepTox、ParetoMol（MIT） | ParetoMol 解决"单端点碎片化"问题，浏览器端多目标帕累托 |
| 分子动力学 / FEP | GROMACS + UBio-MolFM（大体系）、OpenMM | UMA / MACE-Omol / DPA-4（小分子区更准） | 按体系规模选，不要一刀切 |
| 基因组基础模型 | Evo 2（Apache-2.0） | Enformer、ProGen2 | Anthropic 已重写 7 个模型代码，提速 1.4–2.5×、GPU 成本 −30~60%，计划公开 |
| 单细胞扰动预测 | STATE、PRiMeFlow | — | 先看 VCC 2026 榜单，别信论文自报 |
| RNA / siRNA | siProGenA（论文，代码待放出） | 混合热力学 + 学习表征 | 修饰分布偏移是最大坑 |
| 生信 Agent Skills | ClawBio（本地优先 + 可复现包，MIT）、scientific-agent-skills（MIT） | wisp-science（AGPL-3.0，注意传染性） | NVIDIA BioNeMo Agent Toolkit 补齐生信工作流 |
| Agent 评测 | OpenDiscoveryTrace（558 条轨迹） | — | 唯一公开"过程"而非只看产出的基准；发现：三个前沿模型成功率相近（84–89%），但 Claude Opus 4.6 每轨迹错误数是 GPT-5.4 的 30 倍（2.5 vs 0.08） |
九、30 天行动清单
| 周次 | 动作 | 产出 |
|---|---|---|
| W1 | 在内部数据上跑 Nesso-1 vs Boltz-2 对照（速度 + 精度双轴），建立自有亲和力基线 | 一份对照表（含 OOD 子集） |
| W1 | 审计现有选型的 license 与依赖链：BindCraft→FreeBindCraft、Chroma 权重用途、ESM3 版本 | license 清单 + 替换方案 |
| W2 | 装 ClawBio 并只启用 3 个高频 skill（变异注释 / GWAS / PRS），在已知答案样本上回归 | 回归报告（含失败 skill 名称） |
| W2 | 把 caiPro 评估集按修饰 / 未修饰分层，量化分布偏移 | 分层指标表 |
| W3 | 用 UBio-MolFM 替换/补充现有 MD 环节（若体系 > 数千原子） | 显存 / 吞吐 / 精度对照 |
| W3 | 复现 siProGenA 的两阶段分解思路，改 caiPro 的"枚举 → canonical guide → 排序"为"位置提议 → guide 生成 → 排序" | 原型 + Hit@1 / Hit@5 对照 |
| W4 | 参评或跟随 VCC 2026（终测 10-22，截止 11-05）；至少把 vcc CLI 与 .vcc 格式跑通 | 一条可提交管线 |
| W4 | 关注 OpenADMET 盲测挑战报名窗口 | 报名 / 关注状态 |
待盯锚点（下轮 diff 基线）
- VCC 2026 终测集 10-22 发布、结果 11 月中下旬（首届几乎所有模型输给均值基线，本届零样本是关键观察点）
- Nesso-1 后续版本是否改用更严格划分（官方已表态将放弃"仅按序列相似度"的泄漏约束）
- siProGenA 代码是否放出
- Anthropic 承诺公开的 7 个基因组/蛋白模型优化代码（1.4–2.5× 提速）
- Protenix-v3 / ESMFold-2 后续；OpenFold3 是否跑满 AF3 训练计划
- OpenADMET 首个规模化盲测挑战的题目与时间
- ICH M15 正式实施日期；CDE "先锋计划" 首批入选名单
- 金斯瑞 AIDD 湿实验室落地进度；亚太 AI 药物发现融资是否回暖
- UBio-MolFM 是否被第三方独立复现（目前为自报数字）