J. E. Chrencik, H.-P. Su, Y. Gomez Llorente, R. L. Palte, D. J. Klein, R. P. Hayes, S. P. Antine, G. A. Asmar-Rovira, N. Bertoletti, N. J. Byrne, B. L. Carroll, C. D. Cordeiro, K. Curfman, J. Dutko, M. J. Eddins, T. Fischmann, B. Govindarajan, C. W. Hecksel, T. Ho, K. Hollenstein, M. R. Hong, A. Hruza, A. Ishchenko, M. Jaime-Garza, M. J. Jaremko, H. L. Knox, J. Kostas, H. Krishnamurthy, I. Manolaridis, C. L. Noland, A. T. Partridge, S. B. Patel, P. Reichert, J. C. Reid, C. Felisberto-Rodrigues, C. A. Shintre, J. M. Shipman, E. Tamilselvan, M. E. Walker, S. N. Walker, R. Wang, K. M. Wright, T.-J. Yen, B.-K. Yoo, S. B. Gabelli
这篇综述以默沙东的研发实践为线索，回顾结构生物学从 20 世纪 80 年代的大分子晶体学，发展为整合 X 射线晶体学、冷冻电镜、微晶电子衍射与冷冻电子断层扫描的平台。作者通过不同治疗领域的例子，说明这些互补方法如何提供从原子到细胞尺度的结构信息，并支持靶点发现与验证、命中化合物寻找、先导化合物优化及临床推进。文章还讨论结构技术在抗体和疫苗制剂策略中的用途。其关注点进一步延伸到离体与原位研究的结合：将结构解析放回天然细胞环境，有望帮助解释药物的作用机制，并推动下一代治疗药物的研发。文章呈现的是多种技术贯穿研发流程的整合经验。
N. R. Shah, M. Oosterlaken, C. Bisson, M. Bertinelli, A. M. Churchill-Angus, A. Hutchin, J. Kopec, V. Kotov, C. R. McFarlane, E. Griss Pascualli, A. Pavic, M. Zebisch, C. Fiez-Vandal, E. Fabini, S. Duclos
04 · Autonomous biomedical research with an artificial intelligence agent
Science · 发表日期：2026-08-20
Kexin Huang, Serena Zhang, Hanchen Wang, Yuanhao Qu, Yingzhou Lu, Ryan Li, Yusuf Roohani, Lin Qiu, Shiyi Cao, Gavin Li, Junze Zhang, Di Yin, Rick Wierenga, Deniz Kavi, Sherry Liu, Tianwei She, Shruti Marwaha, Jennefer N. Carter, Xin Zhou, Matthew T. Wheeler, Jonathan A. Bernstein, Mengdi Wang, Peng He, Jingtian Zhou, Michael P. Snyder, Le Cong, Aviv Regev, Jure Leskovec
05 · Artificial intelligence in drug discovery — what it is, where we stand and the path forward
Nature Reviews Drug Discovery · 发表日期：2026-08-07
Andreas Bender, Morgan C. Thomas, Jack W. Scannell, David A. Shaywitz, Gian Marco Ghiandoni, Joe G. Greener, Lavinia-Lorena Pruteanu, Rachel DeVay Jacobson, Koichi Handa, Mariko Hirano, Srijit Seal, Manas Mahale, Marco F. Schmidt, Tim Ahfeldt, Francesca Grisoni, Isidro Cortes-Ciriano
这篇观点文章重新审视 AI 药物发现的进展，将评价重点放在能否更快为患者带来更安全、更有效的药物。作者指出，尽管方法开发与基准测试十分活跃，目前支持其产生临床相关影响的证据仍然有限。文章分析了多方面原因：模型开发对临床转化关注不足，生命科学数据具有条件依赖性，真实问题定义不清，以及计算模型未充分规定实际应用所需的条件。技术推动强于科学问题牵引，也可能影响研究方向；将技术能力转化为规模足够且便于使用的系统，同样需要时间。作者建议，未来基准评价应进一步考察 AI 是否改善研发决策，以提高工具的转化相关性，并让方法评估更贴近药物发现的实际目标。
09 · AI-enhanced adaptive virtual screening of large libraries for ligand discovery
Nature Biotechnology · 发表日期：2026-09-01
Domiziana Cecchini, AkshatKumar Nigam, Ming Tang, Joana Reis, Matt Koop, Andrea Gottinger, Callum Robert Nicoll, Yao Wang, Abhilash Jayaraj, Süleyman Selim Çınaroglu˘, Ricarda Törner, Yehor Malets, Minko Gehev, Krishna M. Padmanabha Das, Kelly Churion, Jongwan Kim, Nidhin Thomas, Yong Li, Hyuk-Soo Seo, Sirano Dhe-Paganon, Christopher Secker, Mohammad Haddadnia, Alexander Hasson, Minkai Li, Abhishek Kumar, Roni Levin-Konigsberg, Eun-Bee Choi, Geoffrey I. Shapiro, Huel Cox, Luke Sebastian, Chelsea Braithwaite, Puspalata Bashyal, Dmytro S. Radchenko, Aditya Kumar, Lei Yang, Pierre-Yves Aquilanti, Henry Gabb, Amr Alhossary, Eric O’Neill, Gerhard Wagner, Alán Aspuru-Guzik, Yurii S. Moroz, Charalampos G. Kalodimos, Konstantin Fackeldey, John D. Schuetz, Andrea Mattevi, Haribabu Arthanari, Christoph Gorgulla
超大规模虚拟筛选能够评估数十亿分子，但成本、灵活性和扩展能力仍构成障碍。研究者提出开源平台 AdaptiveFlow，并提供包含 690 亿个化合物、可直接用于对接的 Enamine REAL Space 版本。平台利用分子性质的 18 维网格优先选择有潜力的化学子空间，可结合主动学习，使计算成本降低多个数量级。系统整合超过 1,500 种对接方案，包括 GPU 加速及机器学习方法，并报告在 AWS 上扩展至 560 万个 CPU 时接近线性扩展。团队获得了针对 FSP1 和 PARP1 的纳摩尔级抑制剂，并通过共晶结构分析 FSP1 抑制机制。研究同时提供大规模筛选基础设施与实验验证实例，为后续 AI 方法开发提供平台。
本期整理 2026 年 8 月 31 日至 9 月 6 日收录到 Zotero 个人文库的 9 篇文献，按收录时间倒序排列。统计采用北京时间，以收录时间为准，文献发表日期另行列出。
以下内容由 AI 基于摘要整理，其中 Biomni 条目包含扩展摘要；未作全文精读。概述与 Highlight 用于文献速览，具体方法与结论请参阅原文。
01 · Phage therapy: from basic biology to clinical application
Nature Reviews Microbiology · 发表日期：2026-08-27
Holly A. Sinclair, Ruby C. Y. Lin, Nouri L. Ben Zakour, Paul L. Bollyky, Jonathan R. Iredell
噬菌体用于治疗人类细菌感染已有百余年历史，但体外测试结果仍难以预测临床成效，最佳使用方式也尚未形成共识。这篇综述从噬菌体生物学出发，讨论如何理性选择噬菌体，并理解细菌、噬菌体与人体宿主之间的相互作用。作者强调，体内发生的细菌和噬菌体适应需要纳入治疗设计，传统抗生素的使用范式不能直接照搬。文章梳理了面向不同感染的临床应用策略及其优势与局限，同时讨论制剂生产、规模化和监管方面的障碍。噬菌体与人体免疫系统的相互作用也是决定治疗成败的重要因素。综述将噬菌体视为应对抗微生物药物耐药性的重要方向，但其应用依赖更充分的机制认识和具体情境下的方案选择。
Highlight · 噬菌体治疗需要同时考虑细菌、噬菌体与宿主的动态关系，体外活性不能直接等同于临床疗效。
DOI：10.1038/s41579-026-01352-5
02 · The evolving role of structural biology in pharma: integration of X-ray crystallography, cryo-electron microscopy and beyond
Acta Crystallographica Section D: Structural Biology · 发表日期：2026-06-01
J. E. Chrencik, H.-P. Su, Y. Gomez Llorente, R. L. Palte, D. J. Klein, R. P. Hayes, S. P. Antine, G. A. Asmar-Rovira, N. Bertoletti, N. J. Byrne, B. L. Carroll, C. D. Cordeiro, K. Curfman, J. Dutko, M. J. Eddins, T. Fischmann, B. Govindarajan, C. W. Hecksel, T. Ho, K. Hollenstein, M. R. Hong, A. Hruza, A. Ishchenko, M. Jaime-Garza, M. J. Jaremko, H. L. Knox, J. Kostas, H. Krishnamurthy, I. Manolaridis, C. L. Noland, A. T. Partridge, S. B. Patel, P. Reichert, J. C. Reid, C. Felisberto-Rodrigues, C. A. Shintre, J. M. Shipman, E. Tamilselvan, M. E. Walker, S. N. Walker, R. Wang, K. M. Wright, T.-J. Yen, B.-K. Yoo, S. B. Gabelli
这篇综述以默沙东的研发实践为线索，回顾结构生物学从 20 世纪 80 年代的大分子晶体学，发展为整合 X 射线晶体学、冷冻电镜、微晶电子衍射与冷冻电子断层扫描的平台。作者通过不同治疗领域的例子，说明这些互补方法如何提供从原子到细胞尺度的结构信息，并支持靶点发现与验证、命中化合物寻找、先导化合物优化及临床推进。文章还讨论结构技术在抗体和疫苗制剂策略中的用途。其关注点进一步延伸到离体与原位研究的结合：将结构解析放回天然细胞环境，有望帮助解释药物的作用机制，并推动下一代治疗药物的研发。文章呈现的是多种技术贯穿研发流程的整合经验。
Highlight · 结构生物学正通过多尺度、互补技术的整合，将药物研发中的结构信息从分离样品延伸至原位细胞环境。
DOI：10.1107/S2059798326004390
03 · A novel fusion tool to enable G protein-coupled receptor structure determination
Acta Crystallographica Section D: Structural Biology · 发表日期：2026-06-01
N. R. Shah, M. Oosterlaken, C. Bisson, M. Bertinelli, A. M. Churchill-Angus, A. Hutchin, J. Kopec, V. Kotov, C. R. McFarlane, E. Griss Pascualli, A. Pavic, M. Zebisch, C. Fiez-Vandal, E. Fabini, S. Duclos
为帮助解析非活化构象的 G 蛋白偶联受体，研究者开发了一种适用于冷冻电镜的融合工具。团队首先从 PDB 中筛选八种天然蛋白，尝试将其插入受体第三胞内环，并优先选择具有高亲和力结合伙伴的候选，以增加标记物质量。以腺苷 A2A 受体为模型，经表达、聚集和配体结合评估后，作者选用 β-内酰胺酶及其结合伙伴 BLIPII，解析了拮抗剂结合状态的结构，整体平均分辨率为 3.2 Å。局部精修改善了受体正构位点的细节，使 ZM241385 的建模与既有晶体结构相符。该工具为 GPCR 结构研究提供了另一种选择，其相对受体的位置可能有助于减少空间冲突；摘要展示的验证对象仍是 A2A 受体。
Highlight · β-内酰胺酶与 BLIPII 构成的融合标记帮助获得 3.2 Å 的 A2A 受体冷冻电镜结构，为非活化 GPCR 解析提供新工具。
DOI：10.1107/S2059798326003785
04 · Autonomous biomedical research with an artificial intelligence agent
Science · 发表日期：2026-08-20
Kexin Huang, Serena Zhang, Hanchen Wang, Yuanhao Qu, Yingzhou Lu, Ryan Li, Yusuf Roohani, Lin Qiu, Shiyi Cao, Gavin Li, Junze Zhang, Di Yin, Rick Wierenga, Deniz Kavi, Sherry Liu, Tianwei She, Shruti Marwaha, Jennefer N. Carter, Xin Zhou, Matthew T. Wheeler, Jonathan A. Bernstein, Mengdi Wang, Peng He, Jingtian Zhou, Michael P. Snyder, Le Cong, Aviv Regev, Jure Leskovec
研究者提出通用生物医学 AI 智能体 Biomni，旨在处理研究中重复、分散且需要跨工具协作的任务。系统从覆盖 25 个领域的文献中整理工具、数据库和实验流程，将大语言模型推理、检索增强规划与代码执行结合起来，动态组织工作流。随条目收录的扩展摘要报告，Biomni 在涵盖十类任务的 443 个问题上达到平均 57% 的准确率，并在三个专家级任务上以更短时间达到与专家相当的准确率。实际案例包括可穿戴设备数据分析、经实验执行并以测序确认的克隆方案，以及实验室机器人控制代码。研究说明通用智能体可连接多种计算与实验资源，但这些结果对应特定评测和案例，不代表所有科研任务均能可靠自动完成。
Highlight · Biomni 通过工具检索、动态规划和代码执行连接多类生物医学任务，并在基准测试与实际实验案例中接受验证。
DOI：10.1126/science.adz4351
05 · Artificial intelligence in drug discovery — what it is, where we stand and the path forward
Nature Reviews Drug Discovery · 发表日期：2026-08-07
Andreas Bender, Morgan C. Thomas, Jack W. Scannell, David A. Shaywitz, Gian Marco Ghiandoni, Joe G. Greener, Lavinia-Lorena Pruteanu, Rachel DeVay Jacobson, Koichi Handa, Mariko Hirano, Srijit Seal, Manas Mahale, Marco F. Schmidt, Tim Ahfeldt, Francesca Grisoni, Isidro Cortes-Ciriano
这篇观点文章重新审视 AI 药物发现的进展，将评价重点放在能否更快为患者带来更安全、更有效的药物。作者指出，尽管方法开发与基准测试十分活跃，目前支持其产生临床相关影响的证据仍然有限。文章分析了多方面原因：模型开发对临床转化关注不足，生命科学数据具有条件依赖性，真实问题定义不清，以及计算模型未充分规定实际应用所需的条件。技术推动强于科学问题牵引，也可能影响研究方向；将技术能力转化为规模足够且便于使用的系统，同样需要时间。作者建议，未来基准评价应进一步考察 AI 是否改善研发决策，以提高工具的转化相关性，并让方法评估更贴近药物发现的实际目标。
Highlight · AI 药物发现的评价应从模型表现进一步走向决策质量与临床转化价值。
DOI：10.1038/s41573-026-01496-2
06 · Solute carrier membrane transporters: emerging targets in CNS disorders
Nature Reviews Drug Discovery · 发表日期：2026-09-01
Yee Kwan Law, Selene Glück, Enrico Girardi, Ariel Bensimon, S. Andreas Angermayr, Giulio Superti-Furga
溶质载体膜转运蛋白家族中已有多个成熟的中枢神经系统药物靶点，神经递质再摄取抑制剂就是代表。该综述将视野扩展到更多 SLC 成员：其中不少在中枢神经系统中表现出表达失调，并已通过遗传或功能研究与神经系统疾病建立联系。SLC 通过调节代谢物和离子通量，影响发育程序及细胞状态，涉及癫痫、神经退行性疾病和孤独症谱系障碍等领域。作者指出，为此前功能不明的 SLC 确定生化与细胞功能的进展，正在扩大可研究的靶点范围。同时，增加或降低转运蛋白丰度的新兴化学策略，也拓展了干预思路。这些发展支持将 SLC 作为下一代中枢神经系统药物发现的重要研究方向。
Highlight · SLC 靶点探索正从经典神经递质再摄取转向更广泛的代谢物与离子运输，以及转运蛋白丰度调控。
DOI：10.1038/s41573-026-01513-4
07 · Effects of obesity on brain health and cognition
Nature Reviews Neurology · 发表日期：2026-09-01
Cali M. McEntee, Masha G. Savelieff, Mohamed H. Noureldein, Stephanie A. Eid, Wolfgang Grisold, Jason J. Hassenstab, Eva L. Feldman
肥胖对脑健康的影响正受到更多关注，其中认知损害和痴呆风险升高是重要问题。这篇综述梳理全球肥胖流行病学及临床研究，指出生命历程中的肥胖与认知下降有关，而中年肥胖尤其值得关注。作者结合临床前和临床证据，讨论肥胖可能影响大脑的多条路径，包括下丘脑调节异常，以及作用于海马和前额叶皮层的代谢、炎症与血管功能紊乱。文章同时回顾了已显示认知获益的肥胖相关干预，并从临床、转化及干预研究三个层面总结尚待解决的证据缺口。摘要支持将代谢健康纳入认知风险研究，但没有提供具体干预的效应量，也不能据此推断某一种减重方式必然改善认知。
Highlight · 中年肥胖与认知下降风险的关联，以及代谢、炎症和血管通路的共同参与，是这篇综述的重点。
DOI：10.1038/s41582-026-01251-6
08 · Symptomatic treatment for Alzheimer disease: current evidence and future directions
Nature Reviews Neurology · 发表日期：2026-09-01
Clive Ballard, Pat Doherty, Zahinoor Ismail, Anne Corbett, Jeffrey L. Cummings
随着疾病靶向疗法出现，阿尔茨海默病的对症治疗仍是临床管理的重要部分。该综述覆盖认知、日常功能和神经精神症状：认知训练、运动及多模式生活方式方案显示小至中等程度获益，但落地仍有困难；胆碱酯酶抑制剂和美金刚的获益有限但显著，生物标志物分层提示病理确证人群可能获益更多。对激越和抑郁，个体化心理社会干预具有价值；非典型抗精神病药的疗效较有限，并伴随重要安全性问题。作者也讨论新兴药物方向，强调需要结合效应量与安全性解读结果。未来进展依赖生物标志物指导的患者选择、药物与非药物手段的合理组合，以及以患者为中心的结局评价。
Highlight · 阿尔茨海默病对症治疗仍不可缺少，后续优化应结合患者分层、综合干预与生活质量结局。
DOI：10.1038/s41582-026-01260-5
09 · AI-enhanced adaptive virtual screening of large libraries for ligand discovery
Nature Biotechnology · 发表日期：2026-09-01
Domiziana Cecchini, AkshatKumar Nigam, Ming Tang, Joana Reis, Matt Koop, Andrea Gottinger, Callum Robert Nicoll, Yao Wang, Abhilash Jayaraj, Süleyman Selim Çınaroglu˘, Ricarda Törner, Yehor Malets, Minko Gehev, Krishna M. Padmanabha Das, Kelly Churion, Jongwan Kim, Nidhin Thomas, Yong Li, Hyuk-Soo Seo, Sirano Dhe-Paganon, Christopher Secker, Mohammad Haddadnia, Alexander Hasson, Minkai Li, Abhishek Kumar, Roni Levin-Konigsberg, Eun-Bee Choi, Geoffrey I. Shapiro, Huel Cox, Luke Sebastian, Chelsea Braithwaite, Puspalata Bashyal, Dmytro S. Radchenko, Aditya Kumar, Lei Yang, Pierre-Yves Aquilanti, Henry Gabb, Amr Alhossary, Eric O’Neill, Gerhard Wagner, Alán Aspuru-Guzik, Yurii S. Moroz, Charalampos G. Kalodimos, Konstantin Fackeldey, John D. Schuetz, Andrea Mattevi, Haribabu Arthanari, Christoph Gorgulla
超大规模虚拟筛选能够评估数十亿分子，但成本、灵活性和扩展能力仍构成障碍。研究者提出开源平台 AdaptiveFlow，并提供包含 690 亿个化合物、可直接用于对接的 Enamine REAL Space 版本。平台利用分子性质的 18 维网格优先选择有潜力的化学子空间，可结合主动学习，使计算成本降低多个数量级。系统整合超过 1,500 种对接方案，包括 GPU 加速及机器学习方法，并报告在 AWS 上扩展至 560 万个 CPU 时接近线性扩展。团队获得了针对 FSP1 和 PARP1 的纳摩尔级抑制剂，并通过共晶结构分析 FSP1 抑制机制。研究同时提供大规模筛选基础设施与实验验证实例，为后续 AI 方法开发提供平台。
Highlight · AdaptiveFlow 将自适应化学空间筛选与大规模计算结合，并以 FSP1、PARP1 的纳摩尔级抑制剂验证应用价值。
DOI：10.1038/s41587-026-03217-x