Anthropic开源了Claude编写的GPU优化代码，在不到四周内将30多个生物分子模型推理平均加速约4倍，精度损失极小。Claude还自主编写了FlashPairformer内核，加速结构预测中的三角注意力操作。优化代码已开源，并联合Adaptyv Bio发起蛋白质设计竞赛。但超大规模分子预测仍会崩溃，实验验证速度成为新瓶颈。

分子之心推出反应性机器学习力场QuantaMind，突破分子模拟精度、时间与规模难以兼顾的“不可能三角”。该力场基于5286个化学反应瞬间数据训练，可模拟质子转移与断键成键，已完整模拟含17792个原子的PET水解酶6纳秒催化循环，精度接近量子化学计算。目前规模扩展至十万原子，单张GPU单步仅需0.25秒，可辅助抗体与酶工程设计。

康奈尔大学团队开发了多智能体神经符号框架AIMe，结合化学规则与神经网络模拟分子碎裂，为PubChem中超过1亿个小分子生成了8亿多张预测质谱，构建了MS²KOSMOS，使可搜索质谱空间扩大约3个数量级。该模型在CASMI等测试中表现领先，并应用于小鼠代谢物及GNPS数据库注释，但结果仍属Level 3注释，需实验验证。

分子之心在《Science Advances》发布反应性原子建模平台QuantaMind，首次将接近DFT精度的反应性分子动力学推进至数万原子级、数十纳秒尺度，最新测试达十万原子级和百纳秒。该平台成功模拟近1.8万原子PET水解酶完整催化循环，精度与DFT高度一致，可解析药物动态机制、指导酶工程改造，标志AI分子研发从静态结构预测迈入动态机制理解新阶段。

抗生素耐药性威胁全球，2021年约500万死亡相关。AI可从基因组和蛋白质序列中筛选抗菌分子，将初筛从数年缩短至数小时，并辅助跨学科研究，但预测需实验验证。

加拿大科学家从冬眠蜗牛血液中发现并合成分子SNAP，能激活细胞“刹车”PHLPP1，使心脏进入代谢休眠，抵抗缺血再灌注损伤。该成果有望应用于器官移植、心梗急救、抗衰老及太空旅行，但长期效果和全身影响未知，目前仅在小鼠心脏验证。

本文探讨慢性炎症与衰老的关系，指出免疫系统长期激活导致“炎性衰老”，NAD+作为关键辅酶能抑制炎症，但随年龄下降。临床研究显示，补充NR等NAD+前体可降低多种炎症指标，但能否延长寿命尚无定论。

分子之心在WAIC公布AI平台MMDesign在环肽从头设计上的突破，针对p53-MDM2和PD-L1靶点，候选环肽命中率超70%，结合活性达微摩尔级，处于全球领先。此前已实现纳米抗体设计，显示AI跨模态能力。公司整合至MoleculdOS系统，推动AI赋能生物医药研发。

Gibson Assembly 是一种组装多段 DNA 的技术，通过化学反应将双链 DNA 按指定顺序连接。该过程包括 PCR 反应和特定引物设计，以生成带有悬空核苷酸的 DNA 分子，最终形成长链或环形 DNA。

德国科学家发现，随着年龄增长，细胞中的磷脂酰胆碱（卵磷脂）减少会导致线粒体功能衰退。补充磷脂酰胆碱可以恢复线粒体活力，可能延缓衰老并预防多种疾病。研究表明，女性在更年期磷脂酰胆碱下降更明显，导致疲惫感加剧。未来可能通过饮食补充改善健康。

分子之心完成逾亿美元A轮融资，推动AI蛋白质设计领域的革命。创始人许锦波教授致力于将生物大分子研发从“随机试错”转向“可编程生物工程”。其平台MMDesign在真实临床靶点测试中实现超90%命中率，显著提升研发效率和降低成本，展现出强大的商业化潜力，成为全球AI蛋白质产业的领跑者。

这篇综述探讨了中药天然成分治疗失眠的分子机制，分析了神经、内分泌、炎症和肠道菌群等关键机制。文章指出失眠与大脑化学信号失衡有关，强调中药成分在调节GABA和五羟色胺等神经递质方面的潜力，并提出未来研究方向，包括临床试验和制剂技术的改进。

韩国科学技术院的研究团队利用深度学习设计了高亲和力和高特异性的小分子结合蛋白，成功开发出能选择性识别皮质醇的人工智能生物传感器。这项研究突破了传统蛋白质设计的局限，具有广泛的应用前景，尤其在疾病诊断和新药研发领域。

韩国科学技术院的研究团队利用深度学习设计了能够选择性识别压力激素皮质醇的小分子结合蛋白，并开发了人工智能生物传感器。这项研究突破了传统蛋白质设计的局限，提供了高特异性和高亲和力的蛋白质定制方法，具有广泛的应用潜力，如疾病诊断和新药研发。研究成果已发表在《Nature Communications》上。

彼得·图尔坎更新了他的三层战船模拟游戏《三层指挥官2》，采用C#语言，提升了图形效果和人工智能。他在用户指南中增加了航空工程和生物技术的场景，并分享了飞行软件的规范和常见错误。此外，他与儿子讨论了生物模型，强调生命体的复杂性和文档的动态更新。

分子之心与多所高校合作，利用AI技术成功提升蝎毒素LqhαIT的杀虫效力，揭示了毒素作用机制，构建了从机制解析到实验验证的全链条研发闭环，展示了AI在生物科技领域的潜力，推动药物研发与生物制造的创新。

传统药物研发面临时间、经济和技能的挑战，周期长达10-15年，成本高达26亿美元，成功率不足5%。AI技术如Claude Agent Skills能够自动化药物发现流程，提高效率，降低人力成本，推动科学研究变革。

文章讨论了人工智能在各领域的应用，强调其在提升效率和决策支持中的重要性。AI技术迅速发展，正在改变我们的工作和生活方式。

BoltzGen是一种新型AI模型，能够从零开始生成针对生物目标的蛋白质结合物，推动药物发现。它结合了蛋白质设计和结构预测，经过严格测试，展示了在难以药物化靶点上的潜力，预计将加速药物设计并改变生物分子设计的未来。