《对话》去年12月举行网络研讨会，探讨人工智能在药物发现与开发中的应用前景。佐治亚理工学院学者杰弗里·斯科尔尼克与范德堡大学药理学助理教授本杰明·P·布朗在访谈中表示，AI可通过整合海量生物数据、提升虚拟筛选效率并辅助蛋白结构预测，为靶点识别与候选药物设计提供新工具，但仍需实验与临床验证支撑。

康纳·科利致力于化学与机器学习的交叉领域，推动新药化合物的发现与设计。

研究人员通过新的标本制备方法并结合计算与机器学习工具，实现对小鼠全身切片的基因表达测绘，覆盖全部器官与约75%的已知细胞类型，相关成果发表于《Cell》。

研究人员利用已发表的大规模实验数据训练模型，仅凭化学结构即可预测其对基因表达的上调或下调效应，并在肝细胞癌与特发性肺纤维化两类疾病中完成实验验证，筛选出多种具潜力的候选化合物。

佛罗里达州立大学化学家James Frederich团队建立了一套快速组装复杂天然分子的合成策略，并首次完成真菌来源分子福西考卡二烯的全合成。研究发表于《美国化学会杂志》。

《PNAS Nexus》发表的一项研究提出“PL-display”无细胞展示方法：将单一肽段及其模板DNA固定在磁珠上，并结合FACS逐颗粒分选，实现更高通量与更稳定的筛选流程，且可用于对细胞有害或需在非生理条件下研究的蛋白体系。

继2024年打破布雷特规则后，UCLA有机化学家进一步报告两类罕见笼状烯烃中高度扭曲的双键结构，并提出“超锥形化”概念解释其异常键合特征。

研究团队利用扫描探针显微镜在超高真空与极低温条件下，对单个有机分子实施原子级“删除”，将骨架编辑推进至单分子尺度。

成立不足两年的Chai Discovery已完成13亿美元估值融资，并与礼来达成合作，在抗体分子设计领域推进人工智能在药物发现中的应用。

总部位于波士顿和特拉维夫的Converge Bio宣布完成2500万美元A轮融资，由Bessemer风险投资领投，多家机构及科技公司高管参投，用于推进其基于分子数据的生成式AI药物发现平台。