高盛调高减肥药市场展望：口服GLP-1推动大众消费趋势
来源：财联社 随着口服GLP-1类减肥药快速打开市场，高盛(1039.215, -5.79, -0.55%)进一步提高了对全球肥胖症药物行业的增长预期。 高盛最新发布的研究报告显示，预计到2030年，全球减肥药市场规模将达到1140亿美元，较去年12月作出的1010亿美元预测进一步上调约13%，因一系列利好因素正在推动这一赛道从“小众高价市场”向“大众消费级市场”转变。 其中，口服药物正在成为行业增长最重要的变量，对于大量不愿接受长期注射治疗的患者而言，口服药显著降低了使用门槛。 高盛分析师Asad Ha
葛兰素史克斥巨资并购 Nuvalent 助推其股价大涨
英国制药巨头葛兰素史克 (51.145, 0.51, 1.00%) 宣告将以 106 亿美元的价格将美国药企 Nuvalent 收入囊中，受此消息影响，Nuvalent 股价应声暴涨接近 39%。 这笔全现金收购案对 Nuvalent 的估值定在每股 124 美元左右。目前，Nuvalent 旗下有两款针对特定肺癌疗法的药物正处于美国食药监局的审批阶段。 葛兰素史克 CEO 卢克·米尔斯在官方声明中强调，这次并购将为公司创造立竿见影的销售增长契机。与此同时，该药企在美上市股票于周二盘前交易中小幅下挫 1%
AI Agent全栈工程师招募 - Founding Engineer职位
AI Agent全栈工程师（Founding Engineer）我们致力于让 AI 真正读懂、预测、模拟每一个真实细胞，搭建可扰动、可推演、可落地临床与药物研发的虚拟细胞系统。赛道从不缺论文，真正稀缺的是把前沿技术，落地到临床能用、药企愿意付费合作的阶段。算法是我们的起点，工程化是脊梁。现招founding engineer，如果你对AI4Science感兴趣，希望深度参与产品从0-1的开发过程，希望你能加入！
诺和诺德与礼来激战 GLP-1 口服药赛道
核心摘要 上周末，在全球顶尖的肥胖症学术盛会上，诺和诺德与礼来这两大制药巨头展开了 GLP-1 口服药的激烈角逐，双方都在为即将到来的患者购药模式巨变做足准备。 诺和诺德在周日披露，其维格维（Wegovy）口服片进军美国市场约五个月后，处方数量已冲破 300 万大关。这家丹麦制药巨头的 CEO 迈克・杜斯塔在接受 CNBC 采访时，对这一里程碑式的成绩感到无比振奋。他指出，尽管礼来在 4 月推出了自家的 GLP-1 口服药，但诺和诺德的处方量依然维持着高速增长的态势。 “若这都不被视为增长加速，我真不知还
罗氏携手Nurix开发血液肿瘤新药合作
本次合作将扩充罗氏肿瘤管线，并有望拓展至其他治疗领域内容速览罗氏集团与Nurix生物达成授权合作，引进在研血液肿瘤药物贝索布鲁替格，这笔交易总金额最高可达 23 亿美元。罗氏集团（Roche Holding）与Nurix生物（股票代码：NRIX，当日涨幅 8.40%）达成合作，以最高 23 亿美元的对价获得一款血液肿瘤在研药物的开发商业化授权，进一步丰富自身肿瘤管线，同时有望布局其他疾病治疗赛道。这家瑞士药企于周一公布，将向Nurix支付 7 亿美元首付款；后续若候选药物贝索布鲁替格达成临床开发、药监审批
人工智能能否攻克帕金森病？详细时间预测
深度长文 · 2026年 AI能否治愈帕金森？一个必须正视的议题 中国500万患者 · 四十年未被攻克的疾病 · 人工智能带来的新契机 六大前沿方向探索 · 给出务实的预测深度长文 · 2026年中国500万患者 · 四十年未被攻克的疾病 · 人工智能带来的新契机 六大前沿方向探索 · 给出务实的预测JUNE 2026 · 神经科学与人工智能的交汇点00后小哥在客厅完成全基因测序 Michael J. Fox在1991年确诊帕金森时说，他给自己"留了十年"。 三十五年过去了，他还活着，帕金
AI制药行业需要什么样的规则体系
行业洞察报告· 2026 年过去十年间,人工智能已从药物研发流程的边缘角色,转变为核心驱动力。蛋白结构预测、生成式分子设计、抗体与环肽的全新设计、临床试验的患者分层与终点预测——这些曾依赖经验和反复实验验证的环节,现在越来越多地由算法模型预先提供假设。作为深耕AI驱动药物研发领域的企业,我们在抗体、GPCR靶点、环肽、PROTAC、药物-染料偶联物等多个研发管线的实践让我们确信:技术价值是真实存在的,但行业尚未为这种价值建立完整的规范体系。一个缺乏规则约束的高速发展行业,迟早会因一两次代价惨重的失败而被迫
智能临床助手DrSeek：10秒精准循证解答
当临床疑问浮现时，您是否希望：无需手动筛选，便能直达最高等级证据？无需切换平台，即可整合诊疗、用药、指南全景信息？在10秒内，就获得一个靠谱、有据可依的答案？现在，为医生量身打造的循证AI伙伴——DrSeek医问答来了。DrSeek医问答能做什么？查疾病：获取包括鉴别诊断思路、建议检查方案及治疗策略等信息。查药物：快速了解药物相互作用、副作用及特殊人群用药注意事项。查指南：提取国内外临床指南的核心要点。为何DrSeek与众不同？极客精神铸就循证核心我们坚信，医疗AI的核心是靠谱。它不应是模糊的推荐，而必须
AI技术驱动药物研发创新应用与实践指南
从靶点识别、分子设计，到临床前评价、临床试验管理，再到智能体的全流程协同——人工智能已从未来愿景转化为当前的竞争优势。然而，面对快速涌现的人工智能工具、复杂的数据管理需求、以及药物研发的高门槛挑战，如何在真实研发场景中有效应用人工智能，成为众多医药企业和科研机构的关键难题。如何运用人工智能加速靶点发现与虚拟筛选？如何通过生成式人工智能实现分子结构优化？药物ADMET性质预测有哪些成熟的人工智能解决方案？如何构建药物研发专用的智能体知识库？在临床方案设计、患者筛选、剂量预测中，人工智能具体如何应用？人工智能
AI赋能长寿科学：将健康愿景化为现实
👉 请点击关注「金环石科学随笔」自古以来，“健康长寿”便是人类最本真的愿望。以往我们常认为，长寿依赖于养生之道、命运眷顾，甚至只是遥不可及的科幻构想。然而，随着人工智能技术的迅猛发展，这一认知正被彻底颠覆。当下，AI 已不再局限于聊天与办公，它已深度融入长寿科学领域，从衰老机理研究、新药开发，到个性化抗衰老、健康风险预警，全方位攻克难题。这场 AI 与长寿科学的跨界交汇，正开启人类健康长寿的新纪元，让长寿从奢望转变为可研究、可干预、可实现的科学成果。近年来，这一前沿领域已成为全球科研界的焦点。早在 202
AIDD：为何需开展拉伸动力学模拟
为何要进行拉伸动力学模拟（SMD）？🔹 对接评分不代表结合牢度：通过外力测试评估复合物的实际稳定性。🔹 解析解离机制：探究配体或蛋白质从结合位点挣脱的过程。🔹 确定关键残基：锁定维持结合的关键氨基酸及其相互作用。🔹 比较分子优劣：筛选结合力更强、稳定性更好的潜在药物。🔹 佐证分子动力学：从力学视角验证结合模式的可靠性。🔹 辅助实验设计：为突变研究、抗体优化及药物改造提供依据。简而言之：拉伸动力学模拟通过模拟受力解离过程，定量评估结合强度并解析关键机制，是分子对接及常规分子动力学的关键补充。方法与工具mul
英矽智能全球亮相，一周连登四大科技盛会舞台
12026/6/8伦敦英矽智能创始人兼首席执行官 Alex Zhavoronkov 博士受邀于6月8日出席伦敦科技周（London Tech Week 2026），并于当日下午4:10-4:40在《Harder, Better, Faster, Stronger》论坛发表演讲。作为人工智能与健康科技领域的先锋创业者，他将阐述英矽智能在探索前沿技术与商业化路径过程中，如何在竞争激烈、监管严格的复杂市场环境中，高效推动药物发现与管线研发进程。了解更多请访问： https://londontechweek.co
Alnylam携手AI新锐Inceptive，斥资20亿布局RNAi研发
受与人工智能企业达成战略协作消息的推动，Alnylam Pharmaceuticals周四股价上涨4%。该企业公布与Inceptive Nucleics建立战略伙伴，把AI技术融入RNA干扰疗法药物的研发，此项合作潜在总价值上限达20亿美元。 依据协议细节，Alnylam将向Inceptive支付3000万美元预付款，涵盖现金及股权收购。Inceptive还有权依据临床前、监管审批及商业销售等里程碑获得追加款项。作为协作核心，Alnylam拟采用Inceptive的生成式AI模型，优化小干扰RNA分子的设
BCG展望：AI智能体驱动2026年医疗健康产业重塑
本译文源自BCG的报告《How AI Agents and Tech Will Transform Health Care in 2026》，深入探讨了2026年前后人工智能对医疗保健行业的全方位影响。报告详细剖析了患者入口前移、临床流程重塑、预测性健康管理、精准医疗及药物研发加速、支付与运营自动化等方面，阐述了人工智能从生成式阶段过渡到智能体阶段所带来的产业变革。步入2026年，人工智能将不再局限于医疗体系中的辅助角色，而是成为重塑患者体验、临床决策、药物研发、支付管理及健康服务模式的关键驱动力。人工智
人工智能重塑药物相互作用研究：清华团队前沿综述
药物-药物相互作用（DDI）与药物-靶点相互作用（DTI）的精准预测在临床用药指导和新药开发领域具有重要的理论意义和应用价值。从生物学角度来看，药物分子与生物体内靶点结合的微观机制是导致联合用药产生临床毒副作用或协同治疗效果的关键基础；另一方面，随着图神经网络和大语言模型等前沿人工智能技术的快速发展，如何在复杂的生物医学数据中有效识别药物-药物及药物-靶点之间的相互作用模式，已成为当代计算药物设计的核心研究方向。然而，长期以来DDI与DTI的预测研究各自独立开展，一定程度上忽略了两者在生物学机制和算法实现