1.Anthropic宣布成立生命科学研究团队及实验室，并公布Claude参与生物学研究取得的早期成果。研究人员称，Claude在分析超过20万个逆转录酶（RT）序列后，发现一种此前未被描述的酶系统，并将其命名为“阵列相关逆转录酶”（ART）。
Anthropic称，Claude约950个智能体在21小时内使用约2.1亿个Token，筛选出3500个候选系统并进一步缩小至20个。ART主要存在于感染细菌的噬菌体中，由逆转录酶、邻近的辅助基因以及一组排列规律的DNA重复序列组成，后者与CRISPR重复序列具有相似特征。初步实验显示，这些重复序列也会被转录为多个短RNA，但其具体功能仍有待进一步研究。
团队把识别出的组合命名为阵列关联逆转录酶系统（Array-associated Reverse Transcriptases，ART）。它主要存在于感染细菌的噬菌体中，在基因组上由三部分组成：一个逆转录酶基因、一个位于其旁边的伴侣基因，以及一长串均匀间隔的非编码 DNA 重复序列。预印本显示，该阵列包含 3 至 21 个短重复序列拷贝。
真正让研究人员关注的是第三部分的结构特征。均匀间隔的 DNA 重复序列正是 CRISPR 阵列的结构标志，CRISPR 最早也是在某些细菌 DNA 中被注意到的一段异常重复序列，后来成为基因编辑药物的基础。需要明确区分的是：结构相似并不等于 ART 能够编辑基因。Anthropic 明确表示，目前仍不清楚该系统的主要功能，也没有证明它能像成熟工具那样对 DNA 进行定向修改。
首轮实验结果提供了这项发现并非纯粹模式匹配的证据。研究人员把相关蛋白在实验室菌株中表达并做了生化与结构表征，初步结果显示 ART 阵列会被转录为一组不同的短 RNA，说明该系统在细胞中具有生物学活性。Anthropic 同时指出，具备这一整套特征组合的已知系统极少，而这些已知系统都是可编程的，能够执行剪切、复制与粘贴 DNA 等操作——这构成了后续研究的价值判断，而非结论。
2.字节跳动旗下AI制药业务主体“新生实验室（Anew Labs）”完成拆分后的首轮外部融资。本轮融资规模约2.9亿美元，投后估值达到15亿美元。
本轮融资由HSG（原红杉中国）、IDG资本和高瓴投资领投，五源资本（5Y Capital）联合领投，高榕创投、春华创投、博裕资本，以及战略投资方中国生物制药（SBP Group）和上海未来产业基金等参与。相关融资信息目前尚未由字节跳动或投资机构公开确认。
融资完成后，字节跳动仍将持有新生实验室约56%的股份。
知情人士称，字节跳动将AI制药业务独立分拆，主要源于AI药物研发在产业逻辑和管理方式上与互联网核心业务存在较大差异，希望通过更加独立的组织架构支持其长期发展。
这意味着在今年6月传出启动拆分之后，字节跳动AI制药业务已经进一步进入独立融资和公司化运营阶段。
公开资料显示，字节跳动较早开始布局AI for Science。2021年前后，其组建AI制药团队，由刘凯负责，团队同时汇集AI算法人才和药物研发人员。此前媒体报道显示，拆分过程中，字节内部负责蛋白结构预测等工作的相关团队也被整合进入AI制药体系，核心团队、算法平台和已有药物管线随后整体进入新的独立主体。
新生实验室并不是一家单纯向药企提供算法服务的AI技术公司。公司已同时布局AI底层模型、药物研发平台和自主药物管线，更接近一家以AI为底层技术体系的Biotech。
新生实验室官网显示，公司目前在上海、旧金山和新加坡设有团队，药物研发人员与AI研究人员共同参与模型开发和新药研发。其平台已经覆盖蛋白及分子结构预测、分子动态模拟、生成式分子设计、抗体设计以及药物研发推理模型等多个环节。
其中，AnewFold主要用于蛋白质及分子复合物结构预测；AnewSampling试图利用AI模拟蛋白—配体体系的动态构象与热力学分布；AnewOmni则进一步将小分子、多肽和抗体放入统一的全原子生成框架中，用于设计不同类型的分子结合物。公司还在开发用于抗体设计与优化的AnewDesign，以及面向药物研发决策的科学推理大模型AnewMind。
相比模型本身，新生实验室已开始把AI能力落到具体药物管线上。公司官网显示，目前公开的研发项目包括IL-17AA/AF/FF、IL4R以及两个尚未披露具体靶点的项目，研发流程覆盖Hit ID、Hit-to-Lead、Lead Optimization以及IND Enabling等临床前阶段。
其中，进展较靠前的是针对IL-17家族的口服小分子项目。新生实验室在2026年的美国免疫学会（AAI）及FOCIS相关会议上披露，公司利用生成式AI设计了一类能够同时抑制IL-17AA、IL-17AF和IL-17FF二聚体的小分子抑制剂，并进行了相关实验验证。公司将其定位为尝试以小分子方式干预此前主要由大分子生物药覆盖的蛋白—蛋白相互作用靶点。这一项目也一定程度上体现了新生实验室对AI制药的定位，AI并不仅用于提高传统药物筛选效率，而是试图扩大可以被药物设计覆盖的化学空间与靶点范围。
现在的卡点不是AI发现新药物或者新靶点，是发现后的数据回灌，也就是验证，所以湿实验是非常重要的，也是堵点。
AI 开始发现全新机制、挖掘未知靶点。人类约 2 万个基因，真正成药的靶点只有 716 个、不到 4%，靶点从"已知"走向"未知"，需求增量是数量级的。
但 AI 每吐一批新假说，都必须回到实验室合成、表达、验证、回灌——湿实验通量，正是这轮 AIDD 的限速环节，谁掌握高通量湿实验交付，谁旱涝保收。
简单点说，现在缺实验室，缺实验装备和器材！
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。