WiseOmni博客
分享AIDD智能體技術、行業洞察和最新動態
Chai-2：抗體設計的"24孔板"革命
Chai-2是一款多模態生成模型，在全新抗體設計任務上實現了16%的實驗成功率，相比此前計算方法提升超過100倍，將抗體發現週期從數月縮短至兩周。
閱讀更多 →Chai-1：多模態分子結構預測的新進展
Chai-1是一款多模態分子結構預測基礎模型，在蛋白質-配體相互作用預測和蛋白質多聚體預測等多個任務上達到業界領先水平，支持實驗約束提示和單序列預測能力。
閱讀更多 →RFdiffusion：當擴散模型遇見蛋白質設計
RFdiffusion代表了蛋白質設計領域的重要技術轉向——將擴散模型從圖像生成領域引入到蛋白質結構生成，在無條件單體設計、蛋白質結合物設計、對稱寡聚體設計等多個任務上均取得了顯著進展。
閱讀更多 →OpenFold3技術評估: 開源AlphaFold3復現的性能進展與局限
OpenFold3-preview2是AlphaFold3的最新開源復現版本，由哥倫比亞大學、勞倫斯利弗莫爾國家實驗室等機構聯合開發，是目前唯一支持從頭訓練且性能接近AF3的學術復現。
閱讀更多 →OpenFold技術評估：AlphaFold2開源復現的訓練機制與泛化能力分析
OpenFold是AlphaFold2的完整開源復現版本，由哥倫比亞大學等機構開發，公開了完整的訓練代碼、模型權重和數據集，使研究人員能夠從頭訓練模型並深入理解其學習機制。
閱讀更多 →Evo 2：跨越所有生命領域的基因組建模與設計
Evo 2是Arc Institute、斯坦福大學及NVIDIA聯合發布的生物基礎模型，訓練於9.3萬億DNA鹼基對，涵蓋所有生命領域基因組，實現100萬token上下文窗口和單核苷酸分辨率。
閱讀更多 →Evo：從分子到基因組尺度的多模態生物序列建模
Evo是Arc Institute與斯坦福大學聯合開發的70億參數基因組基礎模型，採用StripedHyena架構實現單核苷酸分辨率的長序列建模，展現跨DNA、RNA和蛋白質模態的零樣本功能預測能力。
閱讀更多 →基因組語言模型：機遇與挑戰並存的跨尺度建模探索
基因組語言模型（gLMs）作為將自然語言處理技術應用於DNA序列分析的新興領域，在功能約束預測、序列設計和遷移學習等方面展現潛力，同時面臨基因組規模龐大、功能區域稀疏等獨特挑戰。
閱讀更多 →ESMFold技術解讀：語言模型驅動的單序列蛋白質結構預測
ESMFold是Meta AI發布的基於蛋白質語言模型的單序列結構預測方法，無需MSA即可實現與AlphaFold2相當的預測精度，同時將推理速度提升最高達60倍。
閱讀更多 →蛋白質語言模型綜述：技術演進、核心挑戰與未來方向
本文系統梳理蛋白質語言模型（PLMs）的技術架構演進、位置編碼策略、擴展定律、數據集構建及下游應用，涵蓋ESM系列、ProGen2等主流模型，並分析MSA-free與多模態融合兩大未來趨勢。
閱讀更多 →VirSentAI：人畜共患病監測與藥物重定位的自主多模態智能體
VirSentAI是由西班牙拉科魯尼亞大學開發的自主三模態智能體，通過MedGemma、HyenaDNA和PLAPT三個AI模型實現病毒監測與藥物重定位。在31,728個完整病毒基因組上達到AUROC 0.95。
閱讀更多 →Fleming：用於結核分枝桿菌抗生素設計的整合性AI智能體
Fleming是由哈佛大學等機構開發的用於結核病抗生素發現的整合性AI智能體。在435個分子的前瞻性驗證中達到83%命中率，6個從頭設計的分子經濕實驗驗證全部顯示Mtb抑制活性（100%命中率）。
閱讀更多 →Latent-Y：實驗室驗證的自主藥物設計智能體技術評估
Latent-Y是首個能夠從自然語言提示自主完成端到端生物製劑設計的AI智能體。在9個靶點的濕實驗驗證中，成功率達67%，實現56倍效率提升，標誌著藥物發現從"分子設計"向"規模化執行"的範式轉移。
閱讀更多 →Agentic AI的社會性轉向：對"智能爆炸"敘事的重新審視
基於Science評論文章的深度解讀：智能本質上是高維的、關係性的社會屬性。研究表明，推理模型通過內部"思維社會"的多視角辯論提升準確性，人機"半人馬"協作形態正在重塑知識工作。
閱讀更多 →BoltzGen技術解讀：全原子生成模型驅動的通用結合物設計
BoltzGen是MIT、Valence Labs等機構聯合開發的開源全原子生成模型，用於設計蛋白質和多肽結合物，在8個濕實驗驗證項目中實現66%的nM級結合物成功率。
閱讀更多 →Boltz-2技術解讀：結構預測與結合親和力預測的統一開源框架
Boltz-2是MIT、Valence Labs和ETH Zurich聯合開發的開源生物分子結構預測模型，首次使AI模型的結合親和力預測精度接近FEP方法水平，計算效率提升超過1000倍。
閱讀更多 →Boltz-1技術解讀：開源生物分子相互作用預測模型
Boltz-1是MIT、Genesis Research和CHARM Therapeutics聯合開發的開源生物分子結構預測模型，在AlphaFold 3架構基礎上實現多項創新，達到與之相當的預測精度。
閱讀更多 →IsoDDE技術解讀：生物分子相互作用預測的泛化能力躍升
IsoDDE是Isomorphic Labs開發的藥物設計引擎，在AlphaFold 3架構基礎上實現顯著改進，在蛋白-配體、抗體-抗原界面預測等任務上性能較現有方法有顯著提升。
閱讀更多 →AlphaFold 3 技術報告解讀
AlphaFold 3是DeepMind與Isomorphic Labs聯合開發的生物分子結構預測模型，採用基於擴散的架構更新，能夠統一預測包含蛋白質、核酸、小分子、離子及修飾殘基的複合物結構。
閱讀更多 →AlphaFold2蛋白質結構預測模型深度分析
AlphaFold2代表了蛋白質結構預測領域的里程碑式突破，首次實現了在大多數情況下達到實驗精度的計算預測。本文深度解析其技術原理、性能表現及應用前景。
閱讀更多 →AIDD智能體：一個新時代的到來
AIDD智能體時代的到來標誌著AI藥物研發從專業工具走向基礎設施。本文預測了AIDD智能體將帶來的六大變革，包括基座模型調用量增長、自主規劃工作流、DMTA循環優化等。
閱讀更多 →