〇结论先行
| # | 结论 | 可信度 |
|---|
| 1 | AIDD 已进入临床验证期：全球 AI 驱动临床管线 179 个（2026-06），9 个 III 期；英矽智能 Rentosertib 是全球首个 AI 端到端发现靶点 + 生成分子推进至 III 期的药物。 | 高 |
| 2 | 技术主线从"结构预测"转向"结构+亲和力+生成的统一引擎"。IsoDDE（2026-02）是分水岭：分布外泛化 23.3%→~50%，抗体-抗原 DockQ>0.8 达 39%（AF3 为 17%），亲和力打平/超越 FEP+。 | 高 |
| 3 | 最强模型正在退出开源：IsoDDE 完全闭源（代码/论文/方法皆不公开），xTrimo V3、AlphaFold3、BioNeMo 均已商业受限。核心研发依赖闭源 API 有断供与不可复现风险。 | P0 |
| 4 | 开源栈已够用：Boltz-2（MIT）、Protenix-v1（Apache-2.0，字节，同预算追平/超 AF3）、OpenDDE（Apache-2.0）、Evo 2（Apache-2.0，40B，权重+数据全开）。 | 高 |
| 5 | 范式跃迁：从"模型"到"智能体"。Science 2026-07-09 的 Biomni —— 443 题基准 57%（Claude Code 42.8%），罕见病诊断 110min→3min，设计的克隆方案湿实验一次成功。 | 高 |
| 6 | 虚拟细胞遭遇硬约束：Nature Methods 指出深度学习扰动预测尚未超过简单线性基线；约 22 万细胞即达数据瓶颈，scaling law 在该领域部分失效。别被参数规模叙事带偏。 | P1 纠偏 |
| 7 | 小核酸方向正在被生成式方法重写：siDiff（离散扩散 de novo，hit-rate +30%）、SpeciMiR（2.2M miRNA-mRNA 对）已跳出"打分排序"旧范式；但公开基准几乎全是未修饰 siRNA，与真实药物的全修饰 siRNA 存在系统性分布偏移。 | P0（直接相关） |
| 8 | 国内四极：华为（昇腾+盘古）、深势（Uni-Fold/DPA4/Hermite/UniLab OS）、百度（HelixFold3/S1）、字节（Protenix 真全开源）。2026H1 国产创新药 31 款获批、对外授权超 1000 亿美元。 | 高 |
一产业与市场：从概念到临床验证
179
全球 AI 驱动临床管线
2017 年仅 4 个 · 其中 9 个 III 期
−40%
AI 带来的上市时间压缩
13 年 → 8 年（ARK Big Ideas 2026）
6%
AIDD 渗透率
全球研发投入约 3130 亿美元
$46–51亿
2026 年市场规模
CAGR 24.8%（至 2033）
31 / 38
2026H1 国产创新药获批占比
对外授权交易额 >1000 亿美元
已进入 III 期的代表性 AIDD 分子
| 分子 | 机制 / 亮点 |
|---|
| Rentosertib (INS018_055) | 英矽智能，全球首个 AI 端到端发现靶点并设计分子、推进至 III 期 |
| Zasocitinib | TYK2 JH2 皮摩尔级亲和力 + 家族选择性（区分 TYK2 / JAK1 JH2 口袋） |
| Zovegalisib | 通过 MD 模拟捕捉突变型 vs 野生型 PI3Kα 的动态结构差异 |
| GB-0895 | 在亲和力 × 半衰期 × 特异性多维空间做全局优化设计 |
资本与 BD（2026）
- Isomorphic Labs：21 亿美元 B 轮，刷新全球 AI 制药单轮融资纪录。
- 2026-01：赛诺菲 × Earendil Labs（华深智药子公司）25.6 亿美元；施维雅 × 英矽智能 8.88 亿美元；礼来 × 英伟达最高 10 亿美元共建 AI 联合创新实验室。
- 2026-06：辉瑞 × Chai Discovery 定制化 AI 模型协议。
- 大模型巨头入场：Anthropic 4 亿美元收购 Coefficient Bio 并推出 Claude Science（beta）；字节跳动拆分 AI 制药业务独立融资；百图联合 × 和铂医药成立 AI 制药公司。
- 国内首款 AI 辅助研发药物 艾普司韦 获批上市（2026-09 报道，西湖大学成果转化）。
判读：BD 交易从"买管线"转向"买平台/买算力"。对生信岗位的含义 —— 平台工程与数据闭环能力的溢价，正在高于单点算法能力。
二技术图谱：七层能力栈（2026 版）
L7 科研智能体层 Biomni / Claude Science / PharmMaster / BioNeMo Agent Toolkit
L6 虚拟细胞与多组学 STATE / AURA CellOS / 灵枢细胞 / scGPT / Geneformer / TranscriptFormer
L5 生成设计层 REINVENT 4 / RFdiffusion+ProteinMPNN / DiffSBDD / siDiff / SpeciMiR
L4 打分与 ADMET 层 Boltz-2 亲和力 / FEP+ / Chemprop / ADMETlab 3.0 / DrugCLIP
L3 结构预测与共折叠 IsoDDE(闭) / AlphaFold3 / Boltz-2 / Protenix / Chai-1 / HelixFold3 / OpenDDE
L2 序列基础模型 Evo 2 / ESM 系列 / Nucleotide Transformer / RNA-FM / Uni-RNA
L1 数据与基准设施 ChEMBL / PDBbind / TDC / Polaris / OpenBind / OpenADMET / FoldBench
竞争焦点已从 L3（结构预测，基本被解决）上移到 L4+L5（能否同时给出可信的亲和力和可合成的分子），并在 2026 年快速上移到 L7（能否自主编排工具链、跑通干湿闭环）。
三开源算法与平台全景（重点）
3.1 结构预测 / 共折叠（co-folding）
| 模型 | 机构 | License | 关键能力与数据 |
|---|
| Boltz-2 | MIT Jameel Clinic | MIT | 首个全开源接近 AF3 精度；联合预测复合物结构 + 结合亲和力；首个接近 FEP 精度的 DL 方法，快约 1000×。输出 affinity_probability_binary（hit 发现阶段判 binder/decoy）与 affinity_pred_value（log10 IC50，先导优化）—— 两者用途不同，勿混用。生信首选。 |
| Protenix v1 | 字节跳动 | Apache-2.0 | 2026-02 发布，首个在相同训练数据与推理预算下达到/超越 AF3 的全开源模型；Transformer+Diffusion，支持蛋白/DNA/RNA/小分子；可微调、可商用。 |
| OpenDDE | Aureka（上海+加州） | Apache-2.0 | 655M 参数，41.4 万 GPU-小时；抗体-抗原共折叠 PXMeter-AB 51.0%、FoldBench-AB 70.0%、2026ARK-AB 66.4%（top-1），oracle 选择升至 65.9 / 81.9 / 80.1%。定位为可扩展的"结构推理核心"。 |
| Chai-1 / Chai-2 | Chai Discovery | 开源（Chai-1） | 全原子共折叠；Chai-2 主打 de novo binder 设计。辉瑞已签定制协议。 |
| HelixFold3 / 3.2 / S1 | 百度 PaddleHelix | 学术开源 / 商业 API | 国内首个对标 AF3；支持 SMILES 侧链修饰、距离约束；HelixDesign-Binder（2025-05）已把它变成 binder 设计工作流。免费层只到学术，商用需付费 API。 |
| OpenFold / OpenFold3 | OMSF 社区 | Apache-2.0 | AF 的可训练复现；OpenBind 用 OpenFold3-p2 做靶点级微调，显著改善 pose 预测与虚拟筛选。需要自有数据微调时首选。 |
| IsoDDE | Isomorphic Labs | 完全闭源 | 分布外（<20% 相似度）成功率 23.3%→~50%；抗体-抗原 DockQ>0.8 达 39%；亲和力匹配/超越 FEP+（FEP+/OpenFE/CASP16）；Cereblon 隐藏口袋秒级发现（人类耗时 15 年）。只能作参照基准，不可依赖。 |
3.2 序列基础模型
| 模型 | 规模 / 数据 | License | 用途 |
|---|
| Evo 2 | 40B / 7B；12.8 万基因组、9.3 万亿核苷酸；StripedHyena 2；1M bp 上下文 | Apache-2.0（权重+代码+数据全开） | 变异效应零样本预测（BRCA1 / ClinVar / SpliceVarDB）、基因组尺度生成、染色质可及性可控设计（已在人/鼠细胞验证） |
| ESM 系列 / ProtTrans / SaProt | 蛋白编码器 | 开源 | 表征、突变效应、结构（ESMFold） |
| RNA-FM | RNA 语言模型 | 开源 | OligoFormer 的嵌入来源；siRNA / mRNA 表征 |
| Nucleotide Transformer / DNABERT / HyenaDNA | 基因组 | 开源 | 调控元件、基因组注释 |
| Uni-RNA / Uni-Mol / DPA | 深势 | 部分开源 | 分子表征、原子级势函数 |
3.3 分子生成与优化
| 工具 | 类型 | 适用场景 |
|---|
| REINVENT 4 | 强化学习分子生成（AZ / Pfizer 血统） | 工业界最广泛使用的生成工具，支持自定义打分函数做多目标优化 |
| Chemformer | Transformer 分子生成（AZ） | 可微调的序列级生成 / 性质预测 |
| RFdiffusion + ProteinMPNN | 蛋白/抗体骨架生成 + 序列设计 | de novo binder、酶工程、疫苗支架 |
| DiffSBDD / PocketCrafter | 基于口袋的 3D 生成 | 结构驱动的骨架跃迁 |
| DiffDock / Gnina | 扩散对接 / DL 增强 docking | 无口袋先验的对接与筛选 |
| DrugCLIP | 对比学习，口袋-小分子匹配 | 全基因组规模超高通量筛选（宣称单日 10 万亿次匹配） |
| AiZynthFinder | 逆合成规划 | 可合成性把关（防"幻觉分子"） |
3.4 ADMET 与打分
- Chemprop（MIT，开源）：D-MPNN，可用自有实验数据微调，ADMET 微调的事实标准。
- ADMETlab 3.0（免费学术）：88+ 终点，覆盖面广，适合快速体检。
- DeepPurpose：DTI 一站式建模库。
- OpenADMET（联盟）：已产出近 15 万条测量 / 3 万+ 化合物，184 个 PXR 共晶结构（该靶点公开数据 3 倍化）；盲挑战单次吸引 350+ 团队，目前密度最高的前瞻性评测。
- OpenBind（牛津 + Diamond，DSIT £8M）：首个开放实验结构-亲和力数据集（EV-A71 2A 蛋白酶，699 化合物 / 925 结晶结合事件 / 601 亲和力），配套 OpenBind v1 模型。
3.5 数据与基准设施（常被忽略，但最该先建）
| 资源 | 内容 | 使用建议 |
|---|
| ChEMBL 34+ | 240 万+ 化合物、2000 万活性、1.5 万靶点 | 靶点专属生产模型首选 |
| Therapeutics Data Commons | 按任务组织（ADMET / HTS / DTI / 生成），带 leaderboard 与抗泄漏切分 | 任务级评测首选 |
| Polaris | 新一代基准平台 | 与 TDC 互补 |
| MoleculeNet | ~70 万分子 / 17 个数据集 | 与已发表基线对比时用 |
| PDBbind | ~1.9 万复合物 | 结构-based 亲和力 |
| FoldBench / PXMeter / 2026ARK-AB | 共折叠与抗体-抗原基准 | 评估结构模型 |
P0 提醒：scaffold split 相比 random split 通常掉 5–15 个 ROC-AUC 点；ChEMBL assay 噪声决定约 0.5–0.7 log RMSE 的精度天花板。任何"ROC-AUC 0.95"的结果，先问切分方式。
3.6 虚拟细胞 / 单细胞基础模型
| 模型 | 机构 | 要点 |
|---|
| STATE | Arc Institute（2025-06, Cell） | SE（1.67 亿细胞）+ ST（1 亿+ 扰动细胞，70 种细胞背景）；跨细胞环境泛化，扰动效应区分能力提升 >30%；配套 Cell-Eval |
| Geneformer / scGPT / TranscriptFormer / UCE | 学术界 | 开源可微调，实验室自建的起点 |
| AURA CellOS | 百曜科技（2026-07） | 全球首个 LLM-JEPA 架构虚拟细胞世界模型，12B 参数，3.905 亿人单细胞；Pearson_edist 0.619（TranscriptFormer 0.373），细胞注释生物保守性 0.792；VCC 决赛全球第二 |
| 灵枢细胞 Lingshu-Cell | 阿里达摩院 | 全转录组尺度细胞世界模型 |
| X-Cell | Xaira（2026-03） | 49 亿参数，扩散架构 |
P1 纠偏：Nature Methods（Ahlmann-Eltze / Huber / Anders）标题即结论 —— "深度学习基因扰动效应预测尚未超过简单线性基线"；2026-06 研究量化指出约 22 万细胞训练即达瓶颈，scaling 在该领域部分失效。选模型看扰动预测的增量价值，不看参数量。
3.7 科研智能体（2026 最大变量）
Biomni（Stanford / Phylo，Science 2026-07-09，DOI: 10.1126/science.adz4351）
- 架构：Biomni-E1 环境（解析 2500 篇 bioRxiv 论文 → 整合 105 个生信软件包 + 150 个专业工具 + 59 个数据库）+ Biomni-A1 自适应规划 Agent（以代码为统一动作接口，支持循环/条件/并行）。
- 性能：Biomni-Eval1（443 题）57%，对比普通 LLM 29.6%、TxAgent 25%、Claude Code 42.8%、ReAct+同环境 44.3%。HLE-Bio 上各底座接 Biomni 架构后 +6~12 pp。
- 人类对照：scRNA 注释 45.8%（专家 40.5–50.9%）但 75min vs 230min；罕见病诊断 60%，110min→3min；GWAS 因果基因 80%，90min→4min。
- Biomni-R0（强化学习）：Qwen3-8B 0.32→0.59（已超教师 Claude 4 Sonnet 0.56），32B→0.67。说明"在真实工具环境中学习"比堆参数更有效。
- 湿实验闭环：自动设计 B2M sgRNA → lentiCRISPR v2 Blast 克隆方案，Sanger 测序两个菌落全部正确；自然语言 → PyLabRobot 代码 → Hamilton STAR 执行。
其他：Claude Science（Anthropic，beta）、PharmMaster（深势，串起 Hermite 计算工具 + 文献专利，宣称苗头发现从数月压到两周内）、BioNeMo Agent Toolkit（NVIDIA）、CellAgent / SpatialAgent / BioDiscoveryAgent（专用型）。
四国内格局
| 主体 | 核心资产 | 开放性 | 判读 |
|---|
| 华为 | 盘古药物分子大模型（17 亿小分子）；昇腾 / 鲲鹏算力底座 | 闭源，走生态 | 2026-03 联合望石智慧/华鲲振宇；2026-05 广药集团量产验证；与上海药物所合作发现近 40 年来首个新靶点新类别抗生素。强在算力自主可控与合规，适合数据不出内网的场景 |
| 深势科技 | Uni-Fold / Uni-Mol / Uni-RNA / Uni-SMART / Uni-AIMS / DPA；Hermite 平台；UniLab OS；PharmMaster | 部分开源 | DPA4 在 Matbench Discovery（CPS）与 SPICE-MACE-OFF 双榜 SOTA（2026-05）；UniLab OS 已接入 150 大类近 2000 种仪器。全链条最完整的国产栈 |
| 百度 PaddleHelix | HelixFold3 / 3.2 / S1；HelixDesign-Binder；LinearFold / LinearPartition | 学术开源 / 商业 API | 工程化成熟（webserver→API→设计平台三级跳），但商用需付费 |
| 字节跳动 | Protenix v0.5 → v1（2026-02） | Apache-2.0 全开源 | 真全开源且可商用，最值得纳入自建流水线的国产结构模型 |
| 百图生科 | xTrimo V3 | 已转闭源 | 生态壁垒型 |
| 腾讯 | 云深智药 iDrug | 平台化 | 覆盖靶点 → 生成 → ADMET |
| Aureka（华深智药系） | OpenDDE；Earendil Labs 与赛诺菲 25.6 亿美元合作 | Apache-2.0 | 中国背景团队做出的一流开源全原子模型 |
国内现实约束（2026-08 行业共识）：高质量训练数据匮乏 + 数据孤岛；优质 PPI / 抗体结构 / 临床级数据储备不足；分子库、临床记录、RWE 分散；AI 生成速度远超湿实验验证通量（"验证鸿沟"）；模型幻觉与假阳性难以规避。
五【专项】小核酸 / siRNA：你的主战场正在被重写
5.1 范式迁移：从"排序"到"生成"
旧范式（几乎全部现有工具）：
靶 mRNA → 穷举 tiling 候选库 → 打分模型排序 → 事后脱靶过滤
└ 问题：新靶点泛化差、过拟合已知 motif、漏掉高活性区域
新范式（2026 出现）：
靶 mRNA → 条件生成模型直接产出高活性 duplex
└ siDiff（离散掩码扩散 + 效力引导）、SpeciMiR（特异性约束生成）
5.2 2026 新工作
| 方法 | 出处 | 要点 |
|---|
| siDiff | bioRxiv 2026-08-11 | 离散掩码扩散 Transformer + mask-robust 效力引导；三阶段采样（结构候选过滤 → 动态解掩码引导 → 聚类去冗余）；在 Takayuki + 3 个专利数据集上 hit-rate 相对提升 >30%，OOD 靶点泛化更优。代码：github.com/cybericha/siDiff |
| SpeciMiR | bioRxiv 2026-05 | 用 220 万 miRNA-mRNA 对（eCLIP 等）绕开 siRNA 实验数据稀缺；在肝病靶点上恢复出 3 个对应 FDA 批准 siRNA 药物的结合区域，on-target 特异性显著高于 off-target |
| 综述：From rules to foundation models | NAR Genomics & Bioinformatics, 2026-08-31 (lqag099) | 覆盖 40+ 研究的方法学全景，见下方"关键判读" |
5.3 综述给出的关键判读（对你最有用）
- 混合模型最强：热力学特征（ΔG、末端稳定性、位置规则）+ 学习表征的组合优于纯深度学习。但综述明确指出 —— 证据主要来自单模型消融，不能证明 foundation-model embedding 是必需的。→ 别盲目上大模型，先把热力学/规则特征做扎实并做 A/B。
- Benchmark inflation 普遍存在：必须用 leakage-aware split（按基因 / 按家族切分，而非随机）。随机切分下的高分大概率是假的。
- 未修饰 vs 全修饰的鸿沟（最关键）：公开基准（Huesken / BIOPREDsi / Takayuki）几乎全是化学未修饰 siRNA；真实药物是全修饰 siRNA，其效力数据稀缺得多、预测难度显著更高。→ 你手上的 7295 阳 / 1120 阴修饰序列是稀缺资产；公开发表的结果对你的分布外推要打折使用。
- 缺口：不确定性量化、主动学习、前瞻性实验验证 —— 这三块是 clinical translation 的瓶颈，也正好是你做出差异化的位置。
5.4 siRNA 数据与工具清单
| 类别 | 资源 |
|---|
| 基准数据 | Huesken（2431 条 / 34 基因，含 2182 训练 + 249 独立测试）、Takayuki（702 条，EGFP 全位点扫描）、Reynolds(180)、Vickers(76)、Haborth(44)、Ui-Tei(62)、Mixset(3714) |
| 修饰数据库 | siRNAmod（4894 条实验验证修饰 siRNA，128 种修饰，含 SMILES 与效力）、CMsiRNAdb（43153 条 / 90 项专利 / 36 种修饰 / 13 靶基因，内置 ModMapper + Cm-siRPred，BMC Bioinformatics 2026;27:33）、siRNAEfficacyDB |
| 模型 | DSIR（LASSO）、siRNADiscovery（GNN，Brief Bioinform 2024）、OligoFormer（RNA-FM + Transformer，Bioinformatics 2024 btae577，支持脱靶 PITA/TargetScan + 毒性评估，有昇腾 NPU 加速版）、siDiff、SpeciMiR |
| 传统工具 | siDirect 2.0（Ui-Tei 规则 + 脱靶）、Sfold（靶标二级结构可及性）、RNAhybrid（热力学杂交分析） |
| 规则基线 | Reynolds：GC 30–52%、15–19 位 ≥3 A/U、第 3/10/19 位 A/U、13 位非 G…；Ui-Tei：guide 5′ 端 1–7 位 ≥4 A/U、A/U 起点、G/C 终点、无 ≥9 连续 GC |
六风险点清单
| 严重度 | 风险 | 后果 | 应对 |
|---|
| P0 | 最强模型闭源化（IsoDDE / xTrimo V3 / AF3 / BioNeMo） | 核心能力不可复现、不可审计、随时断供；论文级结果无法被同行验证 | 自建栈固定 Boltz-2 / Protenix / OpenFold 等 Apache/MIT 资产；闭源只做对照不做依赖 |
| P0 | 基准通胀与数据泄漏 | 模型上线即失效；虚假高分误导项目决策 | 强制 scaffold split / 按基因家族切分 / 时间切分；保留从未参与训练的 holdout；参与 OpenADMET 盲挑战类前瞻评测 |
| P0 | 修饰 siRNA 的分布偏移 | 在公开基准上调好的模型，在真实修饰序列上效力预测崩塌 | 自有 7295 / 1120 数据切出严格独立测试集；公开模型只当先验，必须在本域数据上校准 |
| P1 | 亲和力预测仍不可靠 | Boltz-2 的 affinity_pred_value 是 log10(IC50) 代理值，非 ΔG；OpenBind 指出 pose ranking 与 structure-based affinity 仍是难点 | 区分用途：hit 阶段用 probability_binary，优化阶段用 pred_value，但都以 FEP / 实验为终裁 |
| P1 | 生成分子的可合成性幻觉 | 高分但合成不出的分子浪费化学资源 | 生成后强制过 AiZynthFinder / SA score / PAINS / Lipinski |
| P1 | 验证鸿沟 | AI 产出速度 ≫ 湿实验通量，候选积压 | 用主动学习挑"信息量最大"的分子去测，而不是测打分最高的 |
| P1 | Agent 幻觉与不可复现 | Northeastern（2026）三批测试：8 个开源模型无法复现已发表算法、无法独立起草可信报告；简单任务可自主完成 ~95%，复杂任务失败严重 | Agent 输出必须留 trace（代码 + 输入 + 版本 + 中间文件）；关键结论人工复核；禁止 Agent 直接指导湿实验 |
| P2 | 监管不确定 | FDA CDER 框架 2026 仍在演进；国内存在数据孤岛与隐私合规约束 | 关键决策人工把控；数据用隐私计算 / 联邦方式整合 |
七生信岗位能力栈与 90 天行动清单
7.1 能力栈优先级（按 ROI 排序）
| 优先级 | 能力 | 具体抓手 |
|---|
| 1 | 数据工程与切分纪律 | RDKit + 标准化 ETL；scaffold / 时间 / 家族切分；版本化数据集（这是你的 compounding asset） |
| 2 | 开源结构/共折叠栈落地 | Boltz-2（MIT）+ Protenix（Apache-2.0）本地部署；MSA server 或本地数据库；输出进结构化存储 |
| 3 | 微调而非从零训练 | Chemprop（ADMET）、OpenFold3（靶点级，OpenBind 已验证微调收益显著）、RNA-FM / OligoFormer（siRNA） |
| 4 | Agent 化的流水线编排 | 用代码作统一接口（学 Biomni 的思路）；MCP 化自己的工具；Prefect / Airflow 做 DAG |
| 5 | 不确定性量化 + 主动学习 | 集成 disagreement 驱动下一轮实验 —— 综述点名的最大缺口，也最容易出成果的位置 |
7.2 90 天执行清单
第 1–30 天｜打底
- 部署 Boltz-2 + Protenix-v1，跑通 protein-ligand 与 protein-RNA 两类输入。
- 把自有 siRNA 数据按基因家族重新切分，建立严格 holdout，重跑现有打分模型，拿到"真实"基线（预计会比随机切分低不少 —— 这是好事）。
- 接入 RDKit + AiZynthFinder，给所有生成/筛选结果加可合成性硬过滤。
第 31–60 天｜补强
- 用 Chemprop 在自有 ADMET / 效力数据上微调，与公开模型做 head-to-head，只保留有显著增量的。
- 试跑 siDiff / OligoFormer，与现有 Perl 流水线（bowtie 脱靶 + PWM 打分）并排对照，量化 hit-rate 差异。
- 建立 TDC / Polaris 风格的评测脚本，把"模型分"换成"决策质量分"（Pat Walters：别在浴缸里钓鱼）。
第 61–90 天｜闭环
- 把核心工具 MCP 化 / API 化，接一个轻量 Agent（参考 Biomni 的"代码即动作接口"），跑通 1 条端到端任务。
- 上线不确定性量化，用 ensemble disagreement 排下一轮实验。
- 关注 OpenADMET / OpenBind 新盲挑战，用前瞻数据做第三方体检。
7.3 信息源与关注清单
| 类型 | 建议跟踪 |
|---|
| 模型发布 | Boltz（GitHub / Slack）、Protenix、Arc Institute（Evo / STATE）、Chai Discovery、Aureka OpenDDE |
| 数据 / 挑战 | OpenADMET（盲挑战）、OpenBind（持续放数据）、Polaris、TDC、Virtual Cell Challenge (Arc) |
| 期刊 / 预印本 | Nature / Science / Nature Methods / NAR Genomics & Bioinformatics；bioRxiv 的 bioinformatics、RNA 分区 |
| 产业 | CPIC（大国新药全球会议）、ARK Big Ideas、券商医药生物周报 |
| 会议 | 第三届小核酸药物研发与产业化论坛（2026-09-17/18，苏州） |