定位：以 10-05 版为基线做 diff，不重写。上版 12 项追踪回执见 §1，本轮新增硬锚点见 §2–§7，岗位信号见 §8，可执行动作见 §9，口径冲突见 §10，下轮追踪见 §11。 方法：12 轮中英双语检索（freshness d7 / m3 混用）。 本轮核心判读：三件事在同一周合流——①「评测口径」被正式纠正（Nature Biotech：不是模型不行，是指标没校准）；②「判别式排序」在核酸侧被生成式从头设计正面挑战（siDiff / FENNEC）；③「开放」与「开源」的界限第一次被媒体自己点破（Ptarmigan-1）。 对 chen 而言，本轮是 14 轮以来与自己工作重合度最高的一轮：三条最硬内容里两条（校准指标、siRNA 生成式设计 + leakage-aware 划分）直接落到 caiPro 的评估口径与建模范式上，而且都能在 <1 人日内动手。
| # | 上版追踪项 | 状态 | 本轮回执 |
|---|---|---|---|
| 1 | Anthropic×Adaptyv Challenge 2/3 + Track 2 是否对境内开放 | ⚠️ 部分 | 赛程无更新。间接回执：Anthropic 生命科学团队 09-23 成立 + Claude 参与发现新型逆转录酶 ART 的链条本轮拿到更完整表述（20 万 RT 序列 → 3500 候选 → 20 个 → 湿实验初步验证）；诺和诺德 09-16 宣布与 Anthropic 合作。Track 2 境内开放仍无硬证据 → 转季度池 |
| 2 | VCC 10-22 公开榜 → 11-05 截止 | ✅ 有料 | 重大回执：Arc 侧复盘口径出现——「纯 AI 方法尚不能稳定击败统计基线」，其 State 模型 Pearson delta 约 0.22（条件未披露）；Kedzierska 等（Genome Biology）显示 scGPT 与 Geneformer 零样本聚类不及 scVI、甚至不优于高变基因基线；2025 届冠军为百图生科 xTrimoSCPerturb（114 国 1200+ 队）。2026 赛制六细胞系 zero-shot 已确认 |
| 3 | Bepirovirsen PDUFA 10-26 | ⚠️ 部分 | 日期再获独立确认（10-26，FDA），并明确为 ASO modality 的关键验证点。⚠️ 但二手源 crew.you 将其归属写成 Geron(GERN)，与既往口径（GSK）冲突 → 见 §10.5，本轮不作断言 |
| 4 | ROBUST 的 364 对 HIV-1 实测集是否放出 | ❌ | 本轮未专项检索（诚实标注，转下轮） |
| 5 | IDiom 湿实验验证 / IDiom-DB 单独发布 | ❌ | 顺延 |
| 6 | CGC 是否引发 Ahlmann-Eltze / VCC 采纳 recoverable resolution | ✅ 有料 | 直接命中：Ahlmann-Eltze 那篇"深度学习扰动模型跑不赢无信息基线"的结论，本轮被 Nature Biotechnology 正式更正（§2.1）。两条叠加 = 「虚拟细胞评测方法论之争」已升级为独立战场 |
| 7 | Pfizer × Boltz 首批产出 | ❌ | 顺延 |
| 8 | 时安 SA030/SA1211 + ADARx ADX-077 靶点 | ⚠️ 部分 | ADARx 管线口径补齐（onvuzosiran/PKQ III 期 STOP-HAE、ADX-077 脂肪、FXI 靶点为 City Therapeutics 管线而非 ADARx——上版此处需修正，见 §10.6）。肝外递送赛道再添两条（§5.2） |
| 9 | FDA-EMA 十原则的首批申报个案援引 | ❌ | 顺延 |
| 10 | CDRH FY2027 A-list 发布节奏 | ❌ | 顺延（注意与 CDER 不得混引） |
| 11 | 《生物安全法案》原文 | ⚠️ 部分 | 本轮拿到一条二手口径：「2026 年正式生效，纳入国防授权法案框架」（10 jqka 长文）。仍非原文，不作承重引用 |
| 12 | 国家数据局医疗细则 / 江苏数据集 | ⚠️ 部分 | 无医药专属细则，但补到一份比"人工智能+"更贴身的顶层文件：工信部等十部门《医药工业发展"十五五"规划》（§6.1）——AI 制药首次进入国家医药工业顶层叙事，且单设专栏 |
★★★ 本轮最高价值 · 直接关系 caiPro 的"能不能证明自己比基线强"
来源：*Nature Biotechnology*，s41587-026-03307-w，《Deep learning perturbation models can outperform baselines on calibrated metrics》，2026-09-30 上线。作者 Henry E. Miller、Gabriel M. Mejia、Francis J. A. Leblanc、Brendan Swain、Bo Wang、Lucas Paulo de Lima Camillo（共同一作 Miller / Mejia）。注意 Bo Wang 现为 Xaira 首席 AI 科学家（上版 §2.1 已记）。
| 环节 | 内容 |
|---|---|
| 被翻的案 | Ahlmann-Eltze et al.（2025）：深度学习遗传扰动模型跑不赢无信息基线（MAE / MSE / Pearson Δctrl） |
| 作者的两条旧发现 | 控制偏倚（control bias）：对照细胞与扰动细胞的系统性差异抬高了以对照为参照的相关性指标（Viñas Torné 等亦描述）；信号稀释（signal dilution）：扰动只引起少量 DEG 时，全局误差指标把有意义的信号稀释掉，使"均值预测"看起来很准 |
| 关键实验 | 作者此前提出技术重复基线作阳性对照（同一扰动的一半细胞预测另一半）。在 Norman19 上它如期胜过均值基线；但在 Replogle22 K562 GWPS 上，它在 Pearson Δctrl 下持平、在 MSE 下反而更差（约 95% 的扰动逐个如此） |
| 为什么反常 | 追到信号稀释：Replogle22 K562 GWPS 平均每个扰动仅 3.25 个 DEG，而 Norman19 是 102.09 个（约 31 倍） |
| 解法 | 插值重复基线（interpolated duplicate）：按每个基因的差异表达 P 值取插值参数 α，强受影响基因由技术重复主导、弱受影响基因由均值基线主导 → 稳定给出正值性能；并定义 DRF（dynamic range fraction，动态范围分数） 度量"指标能否区分阳性与阴性对照" |
| 规模 | 14 个数据集 × 18 个指标（直接重建误差 / 参考基线 delta / 检索指标 / DEG 指标四类） |
| 结论 | MSE 与 Pearson(Δctrl) 在弱扰动数据集上校准差；WMSE（加权 MSE）、加权 RΔ²、NIR（归一化逆排序） 等更强调扰动特异信号的指标校准更好。校准后 scGPT 与 GEARS 大多优于无信息基线；PRESAGE、scLambda 等较新模型甚至在未校准指标上就超过基线 |
| 组合预测 | Norman19 约 96% 效应可加且组合覆盖仅 0.63% → 加性基线几乎不可超越；Wessels23 覆盖 10.3%，PRESAGE 等在 WMSE / 加权 RΔctrl² 上超越加性基线 |
| 作者自己划的边界 | 框架不绑定特定正负对照；仍需多类指标联合评估；结论是"在校准感知评价下方向可行"，不是说模型已经够好 |
为什么这条对 chen 是 P0：你和任何做打分/排序的人一样，最终要回答一个问题——"我这套打分到底比朴素基线强多少？" 这篇论文给的答案是：你现在的指标可能根本测不出来。
★★★ 与 caiPro 同构度最高 · 本轮最该动手的一条
三份独立材料在同一周可交叉验证：① siDiff（bioRxiv 10.64898/2026.08.11.744092，代码 github.com/cybericha/siDiff）；② FENNEC（bioRxiv 10.64898/2026.06.13.732049，Roche + Helmholtz Munich，github.com/marsico-lab/fennec，非商业用途）；③ 综述《From rules to foundation models: a comprehensive review of machine learning approaches for siRNA design》（Yousefi & Khodagholi，*NAR Genomics and Bioinformatics* lqag099，DOI 10.1093/nargab/lqag099，2026-08-31，PMID 42676509）。
| 项目 | 范式 | 关键做法 | 硬数字 | caveat |
|---|---|---|---|---|
| siDiff | 靶点条件化从头生成（不是排序） | 离散掩码扩散 Transformer（吸收态 [MASK]，从 T=21 全掩码逐步去掩码）+ mask-robust 效力引导模型；推理分三阶段：结构候选过滤 → 动态去掩码引导 → 聚类感知冗余抑制 | 4 个数据集（公开 Takayuki benchmark + 3 个自建专利数据集），相对 hit-rate 提升 >30%，OOD 靶基因泛化显著优于判别式基线与离散扩散模型 | ⚠️ 预印本；hit-rate 的具体阈值与定义需回原文；专利数据集不公开 |
| FENNEC | 判别式，但修饰感知 | TCN + 热力学特征 + 实验协变量（转染方式/细胞系/浓度）+ RNA 基础模型 embedding；数据集来自 42 项专利的 OCR 表格抽取（自称最大的公开修饰 siRNA 集） | 基因级与 siRNA 级均稳健；独立验证于新的 AHSA1 靶向数据集；解释性分析能恢复修饰位点特异效应；in silico 扰动可直接用于设计优化 | ⚠️ 5/8 作者为 Roche 雇员与股东；代码"将在接收后公开"；非商业许可 |
| 综述（40+ 研究） | — | 完整分类：经典打分规则 → RNA 基础模型 → Transformer 效力预测器 → 图神经网络编码 siRNA/mRNA 互作拓扑 → 脱靶框架 → 修饰感知架构 | 三条收敛结论：① 热力学特征 + 学习表征的混合模型最强，但证据多来自单模型消融，不能证明基础模型 embedding 是必需的；② GNN + leakage-aware 数据划分解决普遍存在的 benchmark 通胀；③ 脱靶预测已通过 RNA-seq 经验框架 + 结构特征走向成熟 | 明确指出公开 benchmark 以未修饰 siRNA 为主，而治疗用的是全修饰 siRNA —— 两者之间存在系统性分布偏移，修饰 siRNA 的效力数据稀缺且更难预测；三大缺口：不确定性量化、主动学习、前瞻性实验验证 |
为什么这条是本轮最该动手的：siDiff 的argument（"排序范式在新靶点上泛化差、会因 motif 过拟合漏掉强效候选"）正是判别式打分的原罪，而你手里的 7295/1120 恰好是判别式范式的训练数据。这不意味着要立刻换路线，但意味着：
★★ 范式信号 + 口径警示
来源：Talus Bio 官方博客（ptarmigan.app 门户上线，2026-10-01）+ GEN / AI Reporter America / 智药局 / 科创要闻交叉核对。
| 维度 | 硬数字 / 事实 |
|---|---|
| 主张 | structure-free：只凭蛋白序列 + 化合物 SMILES，输出"是否结合"与残基级结合位置；不做折叠、不给 pose |
| 技术路线 | 蛋白序列编码器 + 配体 SMILES 编码器，把每个残基与每个化合物投到同一个 256 维潜在空间，训练目标 = 真实结合的分子与残基在空间里最近 → 筛选从"逐对模拟"变成"一次建图、反复查询" |
| 训练数据 | 化学蛋白质组学 + 生物活性数据，含活体人类细胞内的活性位点测量（MARMOT 平台） |
| 硬结果 | STAT6（结合口袋无序、难建模）：AUC 0.94，选出训练集外的已知抑制剂；对照两种结构类方法 约 0.58（接近随机）。KRAS G12C（同样剔除）：能按研发代际排序 → 提示学到的是相互作用规律而非训练记忆 |
| 速度 | 单张 H100 上单化合物打分平均 10 毫秒；公司自称比结构方法快 5000 倍，一天可筛 34 亿化合物 × 全人类蛋白 |
| 覆盖 | 约 40%（公司另一处口径 50%）人类蛋白缺乏可供建模的稳定结构；其 7 月预印本称约 2 万个人类蛋白中 87% 既无获批药物也无强效小分子配体 |
| 开放的实际边界 | P0 口径 模型权重与代码均未公开，属"开放访问"而非"开源"；门户限制：单次库 ≤ 1 万个化合物、每天 10 次筛选；更大用量需商务合作 |
| ⚠️ caveat | 公司自述 + 预印本，<strong>非同行评审</strong>；"全球首个 / 首个"均为 Talus 自述；STAT6 新分子由"第三方实验室"验证但未披露命中率与亲和力数值 |
同主题的第二个玩家：Topos-2 / Topos-Bind（Topos Bio，2026-09-30）—— 全原子生成模型，针对构象集合与无序区；PeptoneBench 1.11 vs BioEmu 1.49；在 amyloid-β × 22 配体测试中，Topos-Bind 匹配 MD 的回转半径，而 Boltz-2 / Chai-1 / OpenFold3 塌缩到更紧的结构；训练集 Topos-DB（10 万+ 全原子无序蛋白-配体模拟体系）。
| 工具 / 模型 | 类型 | 许可 / 可得性 | 一句话用途 | 对 chen 的相关度 |
|---|---|---|---|---|
| PMxAgent | 开源 agentic 平台（ pharmacometrics） | 开源；Docker 编排 R API server + Python MCP server，由 OpenAPI 规范自动生成 agent 可调用工具 | 把 NCA / ER 建模 / PK 仿真 / 数据标准化 / PopPK 数据集生成做成 5 个 MCP 工具；182 种药物 × 1820 名模拟受试者基准下 NCA 准确率 98.3%，确定性可复现（对比 GPT/Claude 每次重新生成代码） | ★★★ 范式可抄（见 §9.5） |
| SynthID Bio（Google DeepMind） | 蛋白水印（序列 + 结构） | 序列代码 Apache-2.0、数据 CC-BY 4.0；AF3 微调权重经 AlphaFold3 仓库条款向研究者开放 | 在氨基酸选择（改版 ProteinMPNN）与 AF3 原子坐标中嵌入不可察觉签名；VEGF-A / SARS-CoV-2 spike RBD / PD-L1 三靶点湿实验，水印版与非水印版在命中率、亲和力、序列多样性上一致 | ★★ 生物安全合规侧 |
| Project Quine（微软研究院） | 生物学多模态世界模型 + harness | 非开源；Quine Fellows 计划开放申请，后续经 Microsoft Discovery 商业化 | 同时覆盖基因组 / 蛋白 / 化学 / RNA / 细胞状态 / 生物成像；与 Broad Institute（MIT+Harvard）合作；案例：一个周末内筛出推动胰腺癌细胞从经典型向基底样型转变的化合物 | ★★ 干湿闭环范式 |
| Paper2Agent | 论文 → 可交互 agent | Nature 论文 | 把论文里的软件/代码/数据集配成 agent 可用工具；已验证含 AlphaGenome 等多个计算生物学论文；专业化论文 agent 表现优于"给通用 agent 同样资源" | ★★ 工具化思路 |
| M-GoRT | 多目标从头分子生成 | MIT；<code>github.com/eyalmazuz/MolGen/tree/GCRB-DT</code> | Multi-Objective Conditioned Return-Blocks Decision Transformer；无需探索 / 奖励加权 / 在线微调；在高维任务（DRD2、JNK3）上保持结构多样性与新颖性 | ★ 通用参考 |
| AZ atropisomerism 工作流 | 开放计算工作流 | 开放（AZ 发布，2026-10-02） | SMARTS 模式匹配识别受限键 + 变溶剂/温度下的过渡态 QM 评估；约 30% 近期 FDA 批准药物含潜在 atropisomeric 轴；已用于某肺癌候选药开发 | ★ 小分子侧 |
| 核酸基础模型栈（本轮整理） | 开源模型 | 多为 Apache-2.0 / 开放权重 | RNAPro（NVIDIA × Stanford Das Lab，488M，AF3-like 架构 + MSA/模板，Apache-2.0）· RiNALMo（650M，36M ncRNA，Apache-2.0）· RNA-FM · RhoFold+（RNA 3D，23.7M 序列预训练）· NuFold · gRNAde（几何深度学习反向设计 3D RNA 结构，含假结/非经典配对）· Evo 2（Arc，40B，9 万亿核苷酸，1M 上下文）· Carbon（HF，1T tokens，Carbon-3B 在零样本 DNA 评测上匹配或超过 Evo2-7B，Apache-2.0）· Nucleotide Transformer · HyenaDNA · Caduceus | ★★★ caiPro 的现成特征源（见 §9.4） |
| 平台 | 主体 | 时间 | 要点 |
|---|---|---|---|
| NVIDIA BioNeMo Agent Toolkit | NVIDIA | 2026-06-23 | 把智能体/AI 平台变成生命科学智能体；技能含蛋白结构预测、分子对接、生成化学、基因组分析、蛋白设计、生物标志物发现；GitHub 开放 |
| Claude Science | Anthropic | 2026-07-01（公测） | macOS/Linux 桌面应用；内置基因组学、单细胞、蛋白质组学、结构生物学、化学信息学模块；原生连接 60+ 科学数据库；整合 BioNeMo（Evo2 / Boltz-2 / OpenFold3） |
| 微软 × 诺和诺德 / Anthropic | — | 2026-09-16 | 诺和诺德宣布用 Anthropic 模型与 Claude Science 做药物研发中的科学推理与工作流 |
| Golab 物质科学智能研发工厂 | 上海科学智能研究院 + 上海格物智研 | 2026-07-07 发布 | "AI 计算—自动实验—数据回流—模型自进化"三层架构（"燧人"物质科学大模型）；自驱动实验室一期 2026-06 在漕河泾投运，二期近 3000㎡ 计划 2027 年初在青浦投运 |
| ProtoPilot + BioLab Bench | 华大智造 + 深圳华大涌生 + 上海人工智能实验室 | — | 多智能体系统实现"自然语言意图 → 自动化设备执行"闭环，具备初步自我修正；同时发布生命科学 Agent 评测体系 BioLab Bench |
| AI4S LAB / BIOMA | 北大深圳研究生院 + 百度智能云 | 2025-09-05 体验版 | 整合算力—模型—数据—实验，构建 AI4S 原生多智能体系统 |
| 书生·端砚 | 上海人工智能实验室 | 2026-09-13 升级 | 科学发现平台，开放全栈服务 |
判读：国内已经形成"自驱动实验室 + 评测基准 + 全栈平台"三件套的雏形，且评测基准（BioLab Bench）被明确单列——这与 §2.1 的指标校准之争是同一件事的两面：能做不算数，能被测才算数。
| 事件 | 要点 |
|---|---|
| 诺华 × 艾博生物（苏州，2019 成立） | 重点管线 ABO2203：mRNA 编码 CD19xCD3 T 细胞衔接器（TCE），体内内源性生成 TCE、实现 B 细胞重置，指向自身免疫病；诺华另获艾博 RNA 平台上多个新一代管线的独家许可选择权。判读：MNC 买的不是一款药，是 RNA 平台 |
| City Therapeutics 冲刺 IPO | 团队曾参与 7 款获批 RNAi 药物研发；三条自研管线均为成熟 GalNAc 肝脏靶向，同时搭建三层肝外平台：① cityRNA（Ohio State 独家授权的小 RNA trigger，自称活性/稳定性更强）② LRP1 配体（目标眼 / CNS / 脂肪递送，已授权博士伦 2024-07、渤健 2025-05）③ AI 辅助设计：用 ML 从大型 RNAi 活性数据集预测高潜力 trigger，招股书称设计周期从数月缩短到数周。⚠️ cityRNA 与 LRP1 配体仍处临床前，预计 2027 年才有人体数据 |
| Vivatides Therapeutics A 轮 $5400 万 | 苏州 + 波士顿，启明创投等；推进 siRNA 与 ASO 资产，肝外递送平台 |
| ADARx（补充口径） | IPO 约 $4.463 亿；主候选 onvuzosiran（PKK）III 期 STOP-HAE，2026-08 FDA 快速通道，评估 q3mo/q6mo；肝外 ADX-077（脂肪）、ADX-199（APP/CNS） |
| Bepirovirsen | PDUFA 2026-10-26（ASO，慢性乙肝）。⚠️ 归属口径冲突，见 §10.5 |
本周核酸侧判断：肝外递送 + AI 辅助序列设计已经同时出现在一家拟IPO公司的招股书叙事里（City），并且是它讲给投资人的三层护城河之一。这是"AI 设计核酸"从技术话题变成融资叙事要素的第一个明确信号。
★★ 本轮国内政策最大增量（前 13 轮均未收录）
工信部、国家发改委、自然资源部、农业农村部、商务部、国家卫健委、应急管理部、国家医保局、国家中医药局、国家药监局十部门联合印发，文号 工信部联规〔2026〕210 号，2026 年 9 月底印发、10-01 起密集解读。
| 维度 | 内容 |
|---|---|
| 结构 | 8 个方面部署 25 项重点任务，设 9 个专栏 |
| AI 相关 | 设 「AI 制药高价值应用场景培育」专栏；明确加快研发医药垂类大模型与智能体、加速人工智能驱动的医药研发和生产管理范式变革；提出完善医药高质量数据集、搭建医药可信数据空间；围绕药物发现、临床研究、工艺优化、质量控制、流通监管落地 AI 应用 |
| 前沿技术 | 加快人工智能、量子计算、超级计算、计算医学等新技术赋能药物研发；探索超限制造、太空制药、生物制造等生产新模式 |
| 量化目标（到 2030） | 规上医药工业企业营收 >3.5 万亿元；创新药产业规模年均增速 ≥20%；首创新药（FIC）占全球比例 ≥25%；上市药企平均研发投入强度年均 ≥10%；年营收超 100 亿元的药企达 50 家 |
| 十四五基数 | 规上医药工业增加值年均增长 4.1%，占规上工业增加值约 3.6%；230 款创新药 + 292 款创新医疗器械上市；在研新药数量跃居全球第二 |
| 配套前序文件 | 2025-04 工信部等七部门《医药工业数智化转型实施方案（2025—2030 年）》：2027 年建成 10 个以上医药大模型创新平台、100 个数智化典型场景、100 个数智药械工厂，2030 年规上企业数智化全覆盖 |
| 监管配套 | 2026-04 国家药监局《关于"人工智能+药品监管"的实施意见》：目标 2030 年初步建成 AI 与药品监管融合创新体系（二手源，需回药监局官网核原文） |
| 企业侧口径 | 康方生物：AI 辅助靶点筛选与抗体设计，候选分子发现周期缩短近 40%；恒瑞：分子设计与筛选、临床前、临床、药学开发全链条投入；华大尹烨：提出生物超级智能自主未来实验室构想 |
| 岗位 | 机构 / 地点 | 薪酬 / 期限 | 关键 JD 信号 |
|---|---|---|---|
| 环肽 AIDD 算法工程师 ★新 | 昆山新蕴达生物（上海浦东） | 35–65k × 15 薪，博士、学生可投 | 工具链点名 AlphaFold3 / Boltz2 / RoseTTAFold + RFDiffusion / BindCraft / PocketXMol + ChemBERTa / MolFormer；职责含「根据湿实验结果迭代优化模型与分子设计策略，构建干湿实验闭环」「评估并部署适用于环肽的最新算法与工具」；加分项含 GROMACS/AMBER/OpenMM + MM-GBSA |
| AI 制药（核酸） | 杭州核适生物（钱塘核酸药谷） | 20–40k × 15 薪，博士应届，截止 2027-07-15 | 上版已记：搭建核酸从头生成平台、公开数据 + 自有数据训练核酸化学模型 |
| 人工智能应用研究员（AIDD） | 农夫山泉（杭州，校招） | 博士 | 上版已记：JD 点名 AF3 / Boltz-2 / RFDiffusion / ADMET |
| Postdoc Fellow — AI/ML & Computational Biology for Antigen Design ★新 | Merck (MSD)，West Point, PA | $82k–$92k，2026-10-01 发布 | 动词链含 "develop, benchmark, and deploy"；要求 protein language models（ESM）/ folding（AlphaFold）/ inverse folding（ProteinMPNN）；明确要求 HPC/GPU、版本控制、可复现软件开发；职责含「champion open science practices within industry boundaries」 |
| Postdoc — AI-Driven Design of Selective Inhibitors ★新 | DTU Bioengineering（丹麦） | 1 年期（2027-01-01→12-31），截止 2026-10-12 | 生成式 AI 蛋白设计（RFdiffusion3 + LigandMPNN）；要求可复现计算工作流与数据管理实践；设计—构建—测试迭代 |
共性统计（本轮 5 条）：干湿闭环 3/5 · benchmark / 评测 2/5 · 开源 / 开放科学 2/5 · 核酸 1/5 · 可复现工程（HPC/版本控制/工作流）3/5（★ 本轮新出现的维度，且占比最高）。
| # | 优先级 | 动作 | 成本 | 依据 |
|---|---|---|---|---|
| 1 | P0 | 给 caiPro 的评估表加一列 DRF，并补一个阳性对照。 造一个技术重复/插值重复基线（同靶点同批次的另一半数据），计算每个指标的 DRF；把校准差的指标（很可能是 MSE / 聚合 AUC）降级为旁证，主指标换成 WMSE / 加权 RΔ² / NIR 一类对特异信号敏感的指标 | <1 人日 | §2.1 |
| 2 | P0 | 按基因/靶点做 leakage-aware 重划分并重跑（不是随机划分）。检查 7295/1120 的同源泄漏；预期现有 AUC 会下降——下降后的数字才是真的，且这一步不做，后续所有"我们比基线强"的说法都不成立 | 1 人日 | §2.2 综述明确点名 benchmark 通胀 |
| 3 | P0 | 保留上版动作①（照 Xaira 重做漏斗表：枚举→入选→合成/抽检→实验确认→功能性确认，每级报分母）——本轮无任何冲突证据，仍是最高性价比 | 半天 | 上版 §9① |
| 4 | P1 | 修饰状态分层。 把"未修饰序列上的打分"与"全修饰 siRNA 的实际效力"分开报数；若两者混在一个指标里，内部验证与真实命中率的落差会一直无法解释 | 1–2 人日 | §2.2 FENNEC + 综述 |
| 5 | P1 | 评估是否接入 RNA 基础模型 embedding 作为特征源（RNAPro / RiNALMo / RNA-FM / Evo2 / Carbon，多为 Apache-2.0）。⚠️ 综述明确提醒：现有证据不足以证明基础模型 embedding 是必需的，先做消融，别为"用了大模型"而用 | 2–3 人日 | §3 工具栈 + §2.2 综述结论① |
| 6 | P1 | 把 caiPro 的核心计算封装成 MCP 工具（照 PMxAgent 的 Docker + R/Python API + OpenAPI 自动生成）。关键收益不是"接上 agent"，而是确定性可复现——PMxAgent 对比 GPT/Claude 每次重新生成代码，准确率 98.3% 且结果可重现 | 3–5 人日 | §3 PMxAgent + §7 岗位新维度 |
| 7 | P2 | 立项材料里写清"开放 vs 开源"的口径。 Ptarmigan-1 是本轮最好的反面教材：媒体与用户默认"开放 = 开源"，实际权重代码均未放出。你们对外承诺"开源"之前，先确认 license 与放出范围 | 半小时 | §2.3 |
| 8 | P2 | 立项/汇报里加一句核酸 modality 的结构性优势：靶点是 mRNA 序列，天然不依赖蛋白结构，因此完全不受"40% 人类蛋白缺乏可建模结构"这一限制影响。同时关注《医药工业发展"十五五"规划》的 AI 制药专栏与可信数据空间表述，可作为平台化的政策依据 | 半小时 | §2.3 + §6.1 |
| # | 问题 | 处理 |
|---|---|---|
| 1 | aidrugsearch.com 连续第 9 轮命中（本轮 2 次） | 显式排除。该站本轮又给出"云药物发现 CAGR 12.6% 至 2034"等无法定位的数字，一律不采用 |
| 2 | Ptarmigan-1「开放」≠「开源」 | 中文源（智药局/网易）明确写"模型权重与代码均未公开，属开放访问而非开源"；英文源多写 "free to scientists / open access"。引用时不得写成开源。"全球首个""首个"均为 Talus 自述 |
| 3 | Talus 的速度口径不一致 | 同一批材料里出现"单化合物 10ms（H100）""比结构方法快 5000 倍""一天筛 34 亿化合物 × 全人类蛋白"三种表述，且均为公司自述预印本基准。引用时三选一并注明"公司自述" |
| 4 | 无序蛋白占比口径不一 | 40%（GEN / AI Reporter）vs 50%（Federation 引语）vs "约 2 万个人类蛋白中 87% 无获批药物也无强效配体"（7 月预印本）。三者口径不同（可建模结构缺失 vs 无药），不得混用 |
| 5 | Bepirovirsen 归属 | 二手源 crew.you 写 Geron(GERN)，与既往口径（GSK）冲突。本轮不作断言，需回 GSK / FDA 原站核实。日期 10-26 有多源交叉，可保留 |
| 6 | ADARx vs City 的 FXI 靶点 | 上版记忆把 FXI 与 ADARx 同段提及，本轮确认 FXI 是 City Therapeutics 的管线靶点（ADARx 的是 PKK / 脂肪未披露靶点 / APP）。上版此处需修正 |
| 7 | "超 180 亿美元" | 该数字出自《科创要闻》标题，是多篇 MNC 交易合计口径，不是单笔交易。引用必须带"合计" |
| 8 | Isomorphic IsoDDE 日期（第 5 轮无解） | 仍只写"2026 年 9 月底"，不写到日 |
| 9 | 连续未回执 | 《生物安全法案》原文（第 3 轮）；FDA 非临床规则是否撤回（第 3 轮）；ROBUST 数据集（本轮未检）；IDiom 湿实验验证（第 2 轮）；Pfizer×Boltz 产出（第 2 轮） |
| 10 | CDER ∩ CDRH 混淆 | 本轮无 FDA 器械口新动态，但上版提醒继续有效：引用时务必区分药品与器械两条线 |
| 0.94 vs 0.58 | >30% | 3.5 万亿元 |
|---|---|---|
| Ptarmigan-1 在 STAT6 上的 AUC vs 两种结构类方法（公司自述，非同行评审） | siDiff 相对 hit-rate 提升（4 个数据集，预印本） | 十五五规划：2030 年规上医药工业营收目标 |
降级为季度观察池：Anthropic×Adaptyv Track 2 境内开放（4 轮无回执）、OpenBind OB0 复现、北京 1 亿算力名单、RIBOSPAN 一手核证、Isomorphic 日期（5 轮）、CODesign 仓库、siProGenA 仓库（7 轮 0）。
生成时间：2026-10-06 · 方法：以 10-05 版为基线的增量 diff · 检索：12 轮中英双语 · 所有数字均标注来源层级（公司自述 / 预印本 / 同行评审 / 二手源），未经标注的内容不得单独写入对外材料。