超越SBDD：几何深度学习在多药理学与多靶点药物设计中的应用
Beyond SBDD: Geometric Deep Learning in Polypharmacology and Multi-target Drug Design
系统综述几何深度学习如何突破“一药一靶”范式，用于设计能同时满足多个靶点几何约束的多靶点药物。
arXiv:2607.20550 · 2026年7月14日（v1） · 机构未标注
Molexar：用于药物设计的统一多模态分子基础模型
Molexar: A Unified Multimodal Molecular Foundation Model for Drug Design
基于自研Fragment-SELFIES分子语言，用“值令牌嵌入替换”把各种设计条件统一进一个自回归解码器，小参数却比肩大模型。
arXiv:2606.25865 · 2026年6月24日（v1） · 机构未标注
ShallowBench：在浅口袋靶点上评测生成式药物设计模型
ShallowBench: Benchmarking Generative Drug Design Models on Shallow-Pocket Targets
从CrossDocked2020严格筛选出5780个浅口袋靶点构成基准，发现主流生成模型在这些“历史不可成药”靶点上预测亲和力系统性下滑。
arXiv:2606.06717 · 2026年6月4日（v1） · 机构未标注
先探测后编辑：面向结构药物设计中LLM智能体的探测引导分子优化
Probe Before You Edit: Probing-Guided Molecular Optimization for LLM Agents in Structure-Based Drug Design
让LLM智能体在编辑配体前先用受控探测摸清口袋反应，生成“位点地图+编辑手册”，实现亲和力与类药性的联合优化。
arXiv:2606.00555 · 2026年5月30日（v1） · 机构未标注
SMDD-Bench：LLM 能解决真实世界小分子药物设计任务吗？
SMDD-Bench: Can LLMs Solve Real-World Small Molecule Drug Design Tasks?
构建502个保证可解的多轮智能体基准，覆盖5类真实药物设计任务，最强模型GPT5.4仅解出40.2%。
arXiv:2605.21740 · 2026年5月20日（v1） · 机构未标注
读取细胞、设计解药：面向功能导向药物设计的扰动条件分子扩散
Reading the Cell, Designing the Cure: Perturbation-Conditioned Molecular Diffusion for Function-Oriented Drug Design
把“想改变细胞什么状态”当条件，用转录组扰动信号生成药物分子，绕过对靶点结构的依赖。
arXiv:2605.15243 · 2026年5月14日（v1） · 机构未标注
从全息口袋到电子密度：密度引导的GPT式药物设计
From Holo Pockets to Electron Density: GPT-style Drug Design with Density
不再给空口袋建模，直接用配体与溶剂贡献的电子密度点云条件化生成分子，首个decoder-only的3D药物设计框架。
arXiv:2605.08767 · 2026年5月9日（v1） · 机构未标注
评估大语言模型在小分子药物设计上的能力进展
Evaluating the Progression of Large Language Model Capabilities for Small-Molecule Drug Design
把分子性质预测等任务建成RL环境，发现后训练能让30B弱模型追平闭源前沿模型。
arXiv:2604.16279 · 2026年4月17日（v1） · 机构未标注
仅用序列预测结合亲和力变化：面向抗体工程的稳健可解释模型
Sequence-Only Prediction of Binding Affinity Changes: A Robust and Interpretable Model for Antibody Engineering
只用抗体-抗原序列对预测突变后的结合亲和力变化，抗结构不确定性且注意力可解释。
arXiv:2505.20301 · 2025年5月14日（v1） · 机构未标注
传统疫苗开发策略在SARS-CoV-2上的应用
Application of Traditional Vaccine Development Strategies to SARS-CoV-2
📌 以meta摘要补足：综述传统疫苗平台（全病毒/亚单位）在新冠全球防控中不可替代的作用。
arXiv:2208.08907 · 2022年8月16日（v1） · 机构未标注
新冠疫苗研发与上市如何影响资本市场:以五家疫苗公司为案例
Effects of COVID-19 Vaccine Developments and Rollout on the Capital Market -- A Case Study
用 Python 分析五家新冠疫苗公司在研发期与上市后的 Google 趋势热度与股价相关性:研发期显著正相关,上市后转向轻微负相关;小市值公司整体波动更大,并坦承样本小、结果尚不显著。
arXiv:2105.12267 · 2021年05月26日发布 · 机构未标注
筛选富含精氨酸的抗金抗体:用“分子胶水”驱动等离激元胶体自组装
Selection of Arginine-Rich Anti-Gold Antibodies Engineered for Plasmonic Colloid Self-Assembly
用噬菌体展示技术从大型随机抗体库中筛出 21 种能特异性识别金表面的“抗金抗体”并测序,统计分析发现精氨酸高频出现;把抗体连到金纳米颗粒上,可驱动胶体在金片表面自组装,为程序化构建复杂等离激元结构铺路。
arXiv:1405.3122 · 2014年05月13日发布 · 机构未标注
用蒙特卡洛模拟 SARS-CoV-2 辐射灭活:寻找“伤病毒、不伤抗原”的疫苗制备法
Monte Carlo simulation of SARS-CoV-2 radiation-induced inactivation for vaccine development
用 Geant4-DNA 蒙特卡洛工具对 SARS-CoV-2 建立真实 3D 模型,计算 γ 射线与高密度电离带电粒子在刺突蛋白、膜蛋白与病毒 RNA 上造成的损伤:γ 射线重创刺突蛋白,而致密电离粒子在同等 RNA 损伤下对包膜蛋白破坏更小,提出用加速带电粒子制备“结构损伤更小”的灭活疫苗。
arXiv:2005.06201 · 2020年05月13日发布 · 机构未标注
第一波疫情中的科研响应:新冠死亡率、免疫与疫苗研发数据记录挖掘
Data mining and analysis of scientific research data records on Covid 19 mortality, immunity, and vaccine development in the first wave of the Covid 19 pandemic
用 R Studio、Bibliometrix 包与 Web of Science 数据挖掘工具分析疫情早期的科研记录:发现运动、炎症、吸烟、肥胖等主题聚类;美国发文量领先,但发文前三的机构(复旦、墨尔本、牛津)都不在美国,疫苗首发国难以预测。
arXiv:2009.05793 · 2020年09月12日发布 · 机构未标注
阿斯利康疫苗风波中的推特恶意与低可信度链接:危机中的“信息战”
Malicious and Low Credibility URLs on Twitter during the AstraZeneca COVID-19 Vaccine Development
研究 2020 年 9 月阿斯利康疫苗研发暂停期间推特的链接分享行为:多语言环境下大量恶意与低可信度信息源被分享,恶意链接常用短链接且托管在 CDN 与云基础设施上以逃避封禁,并存在协调推广的迹象。
arXiv:2102.12223 · 2021年02月24日发布 · 机构未标注
新冠 B 细胞表位预测的不确定性估计:让疫苗设计“知道自己有多靠谱”
Uncertainty Estimation in SARS-CoV-2 B-cell Epitope Prediction for Vaccine Development
用 MC-DropWeights 近似变分贝叶斯推断,在免疫表位数据库上训练带校准不确定性的深度学习模型预测线性 B 细胞表位,应用于 SARS-CoV-2 后比标准方法(BepiPred2.0)更可靠,可为疫苗候选筛选提供置信度。
arXiv:2103.11214 · 2021年03月20日发布 · 机构未标注
自主药物设计中的多臂老虎机:让 AI 决定“下一个分子做哪个”
Autonomous Drug Design with Multi-Armed Bandits
把“自主药物设计中下一个该合成哪个分子”形式化为带多次拉动、易变臂与相似度信息的多臂老虎机问题,扩展上下文 Zooming 算法得到 weighted / unweighted Zooming 两个变体;200 轮模拟 DMTA 循环后,优于随机、贪心与衰减 ε-贪心策略。
arXiv:2207.01393 · 2022年07月04日发布 · 机构未标注
用量子计算机做药物设计:一篇来自药企与量子巨头的“行业前瞻”
Drug design on quantum computers
这篇 perspective(观点)文章探讨量子计算应用于药物设计的挑战与机遇:经典计算在制药相关时间尺度上难以精确描述量子系统,而量子计算有望以高精度赋能量子化学计算,并讨论其在工业研发中的变革潜力与达成条件。
arXiv:2301.04114 · 2023年01月10日发布 · 机构未标注
Joint Transformer:一个模型同时完成“生成新分子 + 预测性质 + 定向优化”
De Novo Drug Design with Joint Transformers
提出 Joint Transformer:共享权重的 Transformer 解码器 + 编码器 + 预测器联合生成模型,配合带惩罚的对数似然训练目标,把从头药物设计建模为概率化黑箱优化;在 GuacaMol 基准上优于现有 SMILES 优化方法。
arXiv:2310.02066 · 2023年10月03日发布 · 机构未标注
药物设计的奖励函数自动化配置:让 AI 自己学会“什么是好分子”
Automating reward function configuration for drug design
提出只依赖实验数据的奖励函数自动配置方法:用多目标空间上的 Pareto 支配关系构造实验数据排序,再训练神经网络逼近奖励函数;两项案例研究显示其优于人工定义函数,Spearman 相关最高提升 0.4。
arXiv:2312.09865 · 2023年12月15日发布 · 机构未标注