City Therapeutics 扩大 IPO 募资 2 亿美元,推进肝外 RNAi 药物
City Therapeutics 扩大 IPO 规模,以每股 18 美元发行逾 1110 万股,募资 2 亿美元,用于推进肝外 RNAi 药物的临床开发。公司首发候选药 CITY-FXI 靶向 FXI,I 期初步数据显示,单次注射在最低剂量下使 FXI 降低 60%,在最高剂量下降低 85%,总体耐受良好;公司计划在 2027 年中启动全膝关节置换患者的 II 期试验。
City Therapeutics 扩大 IPO 规模,以每股 18 美元发行逾 1110 万股,募资 2 亿美元,用于推进肝外 RNAi 药物的临床开发。公司首发候选药 CITY-FXI 靶向 FXI,I 期初步数据显示,单次注射在最低剂量下使 FXI 降低 60%,在最高剂量下降低 85%,总体耐受良好;公司计划在 2027 年中启动全膝关节置换患者的 II 期试验。
Iambic Therapeutics 通过 IPO 募资 1.5 亿美元,股价在周五中段约为 24.50 美元,较周三上涨逾 50%。
推荐理由:Iambic 上市募资 1.5 亿美元,CEO 在访谈中回应 AI 制药公司上市后表现不佳的质疑,并说明其以临床数据为衡量标准的策略。
作者提出 CLIMB 和 CLIFF 两步机器学习框架,将 bulk RNA-seq 解卷积为细胞类型组成与表达,再把 bulk 药物敏感性测量解析为细胞亚型和单细胞特异的图谱。
Google DeepMind 将编码智能体 Antigravity 与 Gemini 模型及 AlphaFold、AlphaGenome 等科学专用模型、Biomolecular Structure Viewer 等新界面整合,用于加速端到端科研流程。
推荐理由:Google DeepMind 把 Gemini 编码智能体与 AlphaFold 等科学模型整合成科研工作流,并给出抗菌肽发现的实例,可了解 AI 智能体在科研流程中的落地方式。
研究用分子动力学模拟、炼金术自由能计算与 QM/MM 方法,在原子层面刻画了细菌过氧化氢酶-过氧化物酶 KatG 活性位点中 Ga3+ 替换 Fe3+ 的过程。模拟显示 heme B 辅因子的轴向配位环境在金属替换后基本保持,远端配体在组氨酸与配位水分子之间动态切换。自由能计算表明该替换在热力学上有利,为铁模拟抗菌剂的理性设计提供了机制依据。
EMA 人用药品委员会(CHMP)在 2026 年 10 月会议上推荐 6 款新药获批,包括用于既往接受过治疗的转移性胰腺癌成人患者的 Rasonque(daraxonrasib)。
在深度学习抗生素筛选中,跨数据划分的 AUPRC 差异无法单独量化结构差异对性能变化的贡献,因为 AUPRC 依赖测试集阳性率,而分子划分会改变训练集与测试集的结构相关性和类别组成。跨划分比较应报告测试集大小、阳性数、阳性率、划分方法和精确率-召回率汇总指标,模型直接比较应尽量使用同一固定独立测试集。关于实际筛选价值的结论还应考虑 top-k 性能、早期富集指标或在预设预算下的前瞻性实验命中率。
研究提出 COMPRESS(Compression Of Molecular Physical fields into Reduced Spatial Sites)框架,用固定数量的物理参数化空间位点表示小分子,每个位点由三个空间坐标和三个相互作用参数定义。
CMA-DTI 通过双向跨模态对齐模块建模药物官能团与蛋白结合区域的相互作用,提升冷启动药物–靶点相互作用预测的泛化能力。该框架先用预训练序列模型提取药物与蛋白表征,再以双通道编码器捕捉局部功能模式与全局上下文依赖。在四个基准数据集上,CMA-DTI 在热启动场景保持有竞争力表现,并在靶点冷启动与盲启动场景改善泛化,消融实验与结构可视化支持各模块贡献并提供残基级可解释性。
DHF-DTI 是一个整合药物与蛋白序列信息和图结构的双模态神经网络模型,用于药物–靶点相互作用(DTI)预测。其 CABFusion 模块通过交叉注意力与双线性融合实现模态间细粒度特征融合,并引入监督对比学习优化特征空间分布。在域内、跨域和冷启动场景实验中,该模型在预测性能与泛化能力上显著优于现有方法。
Google DeepMind 发布 Google Antigravity 智能体科研工作台,把跨数据库检索、结构评估和候选优先级排序压缩到单次会话中。文中演示了研究者与智能体协作,在 Streptococcus pseudopneumoniae 中找到一个预测对呼吸道感染相关病原体有活性的新型抗菌肽候选,该候选目前正在进行湿实验验证。
推荐理由:Google Antigravity 把跨库检索、结构查看与功能预测放进同一会话,展示了抗菌肽候选的发现流程。
Recursion 公布两条潜在首创(first-in-class)管线的临床数据、赛诺菲合作的首个开发候选物里程碑,以及 2 亿美元超额认购的后续发行。
推荐理由:Recursion 一次披露两条临床管线数据、赛诺菲合作里程碑和 2 亿美元融资,可看其 AI 药物发现平台的落地进展。
EMA 人用药品委员会(CHMP)建议在欧盟批准 Rasonque(daraxonrasib)上市,用于既往至少接受过一次治疗的成人转移性胰腺腺癌。该药为口服 RAS 抑制剂,通过结合 cyclophilin A 形成复合物附着于 RAS 蛋白并阻断其活性。
推荐理由:CHMP 对 daraxonrasib 的阶段性审评把评估压缩到 150 天内,为 RAS 抑制剂在胰腺癌的监管路径提供了参照。
insitro 宣布与阿斯利康达成战略合作,用 AI 发现 MASH 和心肌病的新疗法,将获得 4000 万美元首付款,并有资格获得最高约 14.6 亿美元的发现、开发和商业化里程碑付款及分级特许权使用费。
推荐理由:交易结构把首付款、里程碑与分工写得很清楚,可据此观察 AI 药物发现合作如何切分发现与临床阶段。
晶泰科技宣布其首个 siRNA 项目从立项到确认临床前候选分子(PCC)仅用 9 个月,该分子拟用于 IgA 肾病治疗,依托 Kodexia™ 平台开发。体外评价显示其具亚纳摩尔级沉默活性,IC50 较同靶点临床阶段参照分子降低数十倍;非人灵长类平行对照研究中药效活性与作用持续时间均优于参照分子,单次给药后数月观察期内持续维持高水平靶蛋白抑制。
Azo-morphine-3(AM-3)是一种光开关配体,可在低效价与高效价状态间切换,在体外及体内(中枢与外周)调控 mu-阿片受体活性。AM-3 可用于探究阿片效价的结构基础,并在多种疼痛模型中实现对镇痛的时空精准控制,副作用较全身用药减少。
Pan 等人在 Cell 报道了含四氧杂烷结构的化合物 WMK-1/2,它们是第一代线粒体脂质过氧化诱导剂,可绕过 GPX4 和视黄醇介导的防御,触发一条独立的“mito-ferroptosis”亚通路。该工作在多种体内模型中显示出具有生物利用度的抑瘤活性。
Pranam Chatterjee 介绍 LLM-to-Flow Distillation(LFD)框架,用 LLM 从“设计具有抗癌活性的多肽”这类自然语言目标出发构建自适应课程,再通过 DPO 和 LLM 的候选排序微调多肽与小分子 flow 模型。
Generate:Biomedicines 在时代广场投放信号,并链接到其与 Zealand Pharma 就代谢疾病领域 AI 工程化蛋白疗法达成合作与许可协议的新闻稿。
英矽智能在 2026 年 Pharma.AI 秋季网络研讨会上展示了 MMAI Gym 科学后训练与评估框架、五款专业模型、DDD Benchmark 与 O3DC 基准索引,以及 MCP 连接器。
推荐理由:英矽智能一次性展示了从后训练框架、专业模型到 MCP 接入的完整链路,可据此了解 AI 智能体编排药物发现的具体形态。
晶泰科技控股的AI大分子药物公司Ailux任命Lloyd S. Miller博士为首席医学官,他将领导AI原生大分子药物的临床开发,首批项目计划于2027年进入临床阶段。
Absci 的 ABS-201 项目在 Bustle 报道中亮相,其 I/IIa 期临床试验新开设了女性专属队列。ABS-201 是 AI 设计的抗 PRLR 抗体,用于模式性脱发,有望成为近三十年来雄激素性脱发首个新作用机制。公司近期公布了 HEADLINE 试验的 I 期积极中期数据。
Recursion 称其 AI 原生引擎可在约一天内跑完整个计算设计周期,把数百万个候选分子筛成一份可合成的高质量短名单。流程先用 Nesso-1 等 3D 结构模型给结合亲和力打分,再调用数百个覆盖 ADME、效力、模拟与 AI 逆合成的模型联合过滤。公司称这套系统让化学家能探索全新化学空间,并在分子尚不存在时预测合成路线。
英矽智能提名 ISM9546 为临床前候选化合物(PCC),这是一种口服、外周限制性的 VAV1 分子胶降解剂,拟用于炎症性肠病和类风湿性关节炎等自身免疫性疾病。
Google 回顾其健康研究布局,称过去五年团队发表了 90 篇经同行评审的疾病相关论文,累计被引用超过 9 万次。
推荐理由:Google 汇总了 AlphaFold、AlphaGenome Atlas 等模型在疾病检测与药物发现上的落地案例,可快速了解其健康研究布局。
这篇综述从分子优化与系统级评估的衔接角度梳理 AI 驱动的 RNA 药物设计,比较 siRNA、反义寡核苷酸、适配体、mRNA 和翻译导向 circRNA 各自的设计约束,并评估序列模型、生成模型和结构感知模型的能力与局限。
推荐理由:综述把 RNA 药物设计从分子优化延伸到系统层面评估,梳理了不同 RNA 模态的设计约束与虚拟细胞的定位。
Euan Ashley 实验室展示新 AI 工作,构建虚拟世界用于测试智能体推理识别药物靶点的能力,并附 arXiv 链接。
Broad Institute 团队发现,两种降低细胞氧供的小分子药物组合可改善帕金森病小鼠模型的神经退行症状,研究发表于 PNAS。该组合还在 Leigh 综合征小鼠模型中延长寿命并缓解症状,在 Friedreich's ataxia 小鼠模型中延缓神经症状进展。研究者表示该方案值得进一步开展临床前及临床测试。
Chai Discovery 宣布与 GSK 达成合作,此前 GSK 对 Chai 的模型完成了评估。GSK 在自有湿实验中测试了 Chai 模型零样本生成、未经靶点特异性训练的设计,并在所有测试靶点上找到了结合物(binder)。
推荐理由:GSK 在自有湿实验中验证 Chai 模型的零样本设计,并据此达成合作,可观察蛋白设计模型进入药企评估环节的方式。
研究提出一套闭环工作流,将高效反应数据获取与高精度深度学习结合,用于数据稀缺条件下的化学反应结果与区域选择性预测。作者用基于树集成的主动学习策略挑选信息量最大的实验,由此获得一个多样化的 C–H 硼化基准数据集,并在此基础上训练和评测几何图神经网络。结果显示,为这类对称性感知模型加入自监督辅助任务后,反应结果预测和区域选择性预测的表现均稳定提升。在含 N-杂芳基等难处理基团的未见底物上前瞻测试中,该流程全部定位到正确的硼化位点,作者据此认为其可用于高效的药物优化。
Molecular Systems Biology 这篇评论以 CASP 为参照,评述 Bits to Binders 竞赛对 AI 设计蛋白作为 CAR-T 识别结构域的评测。
推荐理由:文章以 CASP 为参照,梳理 Bits to Binders 竞赛对 1.2 万个 AI 设计 CAR-T 结合域的评测结果与局限,为判断生成式蛋白设计的真实功能水平提供参照。
ProDTI 是一个先验引导的正样本-未标注(PU)学习框架,用于药物-靶点相互作用(DTI)预测,作者称其在五个基准上稳定优于现有基线。该框架把显式生化相似性与大规模预训练模型的隐式语义表示组合成混合先验,驱动软标签蒸馏以稳定优化轨迹,并用硬锚点正则惩罚可靠负样本、锐化决策边界。
Isomorphic Labs 表示,此前约 85% 与人类疾病相关的蛋白因形状和功能不适合传统化学筛选而被视为难以成药;改用计算机上的 AI 生成设计后,这些靶点展现出以原子精度设计分子的潜力,可治疗疾病的范围随之扩大。
Anne Carpenter 团队宣布其 Encore 项目获得 NIH 主任变革性研究奖,该项目结合光学条形码与细胞成像,可并行测试 160 万+ 药物-疾病组合,目标是为罕见遗传病重新利用现有药物。团队称这是其基础技术的结合,希望直接惠及患者,并感谢 VISTA Consortium 与 Ladders to Cures Scientific Accelerator 的早期资助。
insitro 宣布,Lilly TuneLab 网络内的生物技术公司现在可以部署 insitro 与礼来共同构建的机器学习模型,用于预测小分子的体外性质以及关键的体内性质。
推荐理由:礼来 TuneLab 网络内生物技术公司可直接调用 insitro 与礼来共建的小分子体内性质预测模型,了解 AI 药物发现合作模式的一个样本。
Absci 公布了其计划中的 II 期 STORYLINE 临床试验的关键设计细节,该试验将评估 AI 设计的抗体 ABS-201。ABS-201 靶向催乳素受体,旨在为子宫内膜异位症相关疼痛提供非性激素类治疗方案;目前 FDA 批准的药物均为影响雌激素的性激素疗法,手术切除病灶的五年内复发率接近 50%。全球约有 1.9 亿女性及女童患有子宫内膜异位症。
Decoding Bio 的 BioByte 周刊介绍了一项比较两种 BCMA CAR-T 产品 cilta-cel 与 ide-cel 的研究,作者认为两者的关键差异在于控制 CAR 表达的启动子,而非抗原结合域。
推荐理由:通过重建四种 CAR 组合,把 cilta-cel 与 ide-cel 的疗效差异指向启动子而非抗原结合域,为细胞治疗设计提供可比较的线索。
EMA 支持国际药品监管机构联盟(ICMRA)发布的联合声明,呼吁在药物研发、生产、监管和国家控制实验室各环节尽可能推进动物试验替代方法。声明由 EMA、英国 MHRA、爱尔兰 HPRA 和瑞士 Swissmedic 牵头起草,经 ICMRA 全体会议通过,提出从候选筛选、临床前与非临床检测到上市许可及上市后活动逐步过渡到经验证的非动物方法。
Profluent 宣布与 BioMarin 合作,利用其基于全球最大独特蛋白序列数据集(1150 亿条)的基础模型设计具有新功能或改良功能的蛋白质;BioMarin 将筛选 Profluent 生成的设计,并将最优者推进至临床前测试。
Isomorphic Labs 的 Max Jaderberg 展示了团队日常使用的生成式设计智能体 IsoDDE,它接收药物设计者的目标后自主产出帕累托最优分子集合。可视化呈现了智能体在化学空间(UMAP 展示)中平衡探索与利用时的注意力热图,颜色越绿表示分子越优。推文仅抽取一个帕累托最优分子作示例,后续视频将展示规模化应用。