德睿智药与博锐创合宣布战略合作，围绕以环肽为靶向配体的放射性核素偶联药物（RDC）共同推进肿瘤精准诊疗方向的候选药物发现。合作中德睿智药一方提供Intera生命科学基座模型体系，并以InteraFold-PEP预测环肽与靶蛋白的结合模式，用于环肽分子的设计、筛选与优化；博锐创合提供放射性药物开发、核素标记与临床转化能力，双方以AI设计与实验验证协同迭代。目标配体需兼具高亲和力、高选择性与良好开发潜力，目前处于合作启动阶段。
德睿智药与腾讯健康在2026腾讯全球数字生态大会上宣布技术协同，推进其自研Intera生命科学基座模型接入腾讯基于WorkBuddy搭建的一站式生命科学AI工作台。德睿智药是腾讯生命科学AI工作台的首批生态伙伴，拟把Intera融入药物研发工作流，覆盖靶点发现、分子设计、虚拟筛选、自动化合成、生物测试与临床研究，并引入多药物模态的专业模型能力。双方还将探索实验与临床数据的结构化回流，逐步构建临床数据闭环，让模型随真实研发场景持续迭代。
靶向药物设计的生成模型长期把蛋白—配体相互作用压成一个对接分数，掩盖了同一靶点上不同结合模式的功能差异。BindMol按参考复合物结构把结合口袋聚类成若干热点，每个热点对应一个奖励维度，再用偏好条件化的多目标强化学习同时优化这些冲突目标。在parp1、fa7、5ht1b、braf、jak2五个靶点上，其新颖命中率分别为42.617、24.580、42.149、30.767、44.864，高于GEAM的40.635、17.903、36.667、27.887、42.025，并在braf与jak2上更频繁复现晶体结构对应的I型与II型结合模式。
PharmAgents2把药物发现从单项任务模型推进到端到端自主流程：它从公开文献中提炼可迁移的决策知识，并用并行智能体在靶点、假设与策略空间里展开探索。在LpxH抗菌靶点上，它自主提出一个此前未报道的变构位点并据此筛选，得到的AIPher-L1经酶抑制与生物物理结合实验确认活性与结合；JAK1与已知分子AIPher-X的二级靶点探索也分别得到细胞实验和SPR实验支持。
望石智慧的小分子医药早研智能体MolVortex已在连云港“人工智能+医药”公共服务平台完成本地化部署，并上架该平台的AI工具超市，向当地药企、医院研究者、高校院所与创新服务机构开放。该平台由江苏新海连集团投资建设，于第八届连云港医药技术大会上线，目标是让企业无需自建机房与算力系统即可按需调用AI能力与数据资产。MolVortex覆盖靶点调研、口袋分析、分子生成与动力学评估等环节，贯穿从苗头化合物到临床前候选化合物的早研流程。
计算药物发现智能体通常每次任务都从零组织工具调用，难以把一次成功经验带到下一次。DrugHarness把80余项科学操作与生物医学资源放进同一工作区，从执行轨迹中归纳带适用条件的行动假设，再由独立审查智能体核对来源、必要时做定向试算后才纳入技能库。在MolBench上，未启用进化的配置把亲和力比较准确率做到91.9%，比已报道的MolClaw-CC高10.8个百分点；回顾性评估中，冻结的学习技能把Qwen的优化成功率从79.5%提高到87.2%。
阿斯利康与 AI 药物发现公司 insitro 签署新的战略合作与许可协议，针对代谢功能障碍相关脂肪性肝炎（MASH）和心肌病寻找新靶点并推进候选药物。insitro 将用其 Virtual Human AI 平台整合大规模人类与细胞数据，识别疾病的因果生物学，并把阿斯利康提名的靶点从发现阶段推进到开发候选。insitro 获得 4000 万美元首付款，并有资格获得最高约 14.6 亿美元的开发与商业里程碑付款及个位数比例的销售分成，阿斯利康取得所选项目的全球独家权利。
Inductive 发布 Beacon-2，把人体有效剂量作为化学优化的奖励函数，直接由分子结构端到端预测。此前 AI 药物发现多只优化效价，而效价只是剂量的一个输入。在 ExpansionRx 公开盲测的 325 个化合物上，全盲预测剂量与用实测 ADME 数据算出的剂量 Spearman 秩相关为 0.79、平均倍数误差 2.4 倍；在 20 个合作项目中平均秩相关 0.61。
药物化学的后期官能团化长期受制于反应数据稀缺，尤其难以预测多个相似C–H键中哪一个会被硼化。罗氏与ETH团队用XGBoost集成模型驱动的主动学习，从22,253个候选分子中分三轮挑出50个未报道底物做高通量实验，把C–H硼化数据扩到6,865条反应、568个底物。随后训练的几何图神经网络在随机、Butina聚类和Bemis–Murcko骨架三种划分上多数情况下优于XGBoost，并在10个含N-杂芳基的未见底物上前瞻验证中把最可能的预测位点全部对上实验。
机器学习筛出的候选远多于能实验验证的数量，筛选过程需要在验证前控制风险。UNEC把预测裕度按局部不确定性归一化，再用留出损失直接校准选择截断，不构造共形p值或e值，支持一般有界损失与逐观测阈值。在溶解性、毒性和亲脂性三类分子筛选任务上，它保持与共形选择、NP方法和SCoRE各变体相当的风险—功效权衡；模拟中全网格每次重复约1.3秒，SCoRE约35至37秒。