Recursion 发布 Nesso-1 模型，加速开源药物结合亲和力预测
Francesco_dgv · x · 2026-08-11
Recursion Pharmaceuticals 近期发布了开源模型 Nesso-1，旨在比现有的基于共折叠（cofolding）的开源模型更高效地预测结合亲和力。
结合亲和力是小分子药物设计中的核心难题，主要评估化合物与特定靶点结合的强度及引发生物反应所需的浓度。准确预测不仅能帮助寻找有效结合剂，还能提前规避由脱靶结合引发的毒副作用。
文章指出，药物发现是一个复杂的多目标优化过程，而 Nesso-1 旨在通过 AI 与数据驱动的方法，打破传统基于物理模型的算力与速度瓶颈（Pareto 前沿），从而加速早期药物筛选阶段（如 Hit-Identification）的大规模搜索。
「研究」频道最新
- 30B小模型微调后写代码证明，击败50倍体量大模型 — fhuszar · 2026-08-12
- ComfyResearch 开源：像玩乐高一样可视化研究 AI 学习机制 — ZimingLiu11 · 2026-08-12
- LessWrong文章探讨:当前AI系统在基础对齐上仍存在明显缺陷 — dpaleka · 2026-08-12
- 4M 参数小模型击败 20 倍大模型，合成数据再证奇迹 — bittingthembits · 2026-08-12
- ComfyResearch：像拼乐高一样做 AI 实验 — ZimingLiu11 · 2026-08-12
- 项目思路：用 CoT 监督训练 LLM 以验证其影响 — 1a3orn · 2026-08-12