2026年，全球AI4Science赛事进入新阶段：从模型算法竞赛升级为"AI设计—实验验证—反馈优化"的闭环实战。本页基于 AnySearch 公开检索（2026-07-16）系统汇总中国（SICBC、清华FBS/FRCBS、WSAI）、韩国（第4届 JUMP AI 智能体新药竞赛）与美国/国际（CASP17、CAPRI Round 65、CACHE #8、GEM×Adaptyv、OpenADMET/Polaris、Owkin Rewiring Biology 等）重大赛事的赛道、赛制、奖金与时间节点。
以上海为核心，中国AI4Science赛事已形成"算法竞赛+实验验证+产业转化"的完整生态，强调计算结果的真实世界落地。
Shanghai International Computational Biology Innovation Challenge
2026上海国际计算生物学创新大赛（SICBC）于6月25日在浦东正式发布并全面启动，这是大赛连续第三年举办。赛事紧扣上海计算生物学创新发展布局，建立"AI设计—实验验证—反馈优化"的闭环机制，不只关注模型在历史数据集上的表现，更强调计算结果能否真正进入湿实验验证。面向全球科研团队、企业研发团队、高校师生及创新主体开放招募，决赛将于2026年12月举行。
靶点为HSV DNA聚合酶（HSV Pol），要求利用AI与计算生物学方法筛选非核苷类小分子抑制剂，需同时抑制野生型及三种耐药突变体（W781V、N815S、Y941H）。指定化合物库约1000万分子，每队提交100个排序分子。
HSV Pol · 抗病毒靶点为PVRIG（CD112R）免疫检查点，目标是设计高亲和力、高特异性抗体分子阻断PVRIG与PVRL2结合，解除肿瘤免疫抑制。接受IgG单抗和VHH纳米抗体，CDR与已知阳性参考抗体序列相似度须低于80%。
PVRIG · 肿瘤免疫| 奖项 | 名额 | 奖金（税前） |
|---|---|---|
| 一等奖 | 1队 | ¥100,000 |
| 二等奖 | 2队 | ¥30,000/队 |
| 三等奖 | 2队 | ¥20,000/队 |
| 优胜奖 | 5队 | ¥10,000/队 |
北京前沿生物结构研究中心 · 国际结构生物学会议、工作坊与竞赛
FBS（Frontiers in Biological Structures）是由北京前沿生物结构研究中心（FRCBS）组织的国际学术会议、工作坊、讲座与竞赛系列。FRCBS成立于2018年，依托清华大学开展结构生物学研究，重点覆盖生物大分子机器、疾病相关膜蛋白、肿瘤抑制因子、冷冻电镜技术、AI驱动的新型生物结构技术，以及基于结构的药物发现与开发。
FBS官网将会议与竞赛作为同一学术平台运营，为中国的AI4Science赛事生态补充了结构生物学和蛋白/肽段设计方向的国际组织方。官网公开信息显示，FBS活动已覆盖生物、化学、物理、神经科学及其交叉领域，并在清华大学举办。
FBS官网设有Peptide Design Competition页面，公开结果表包含候选肽序列、设计方法和多项评分，适合比较扩散模型、进化算法及自定义集成方法在肽段设计任务中的表现。
肽段设计 · 结构生物学赛事结果页面同时提供与合成筛选相关的公开结果资源，使计算候选物、排序指标和后续实验验证之间形成可追踪的连接。
候选排序 · 实验验证World Science AI Competition · AI4S智能体CNS挑战赛
第四届世界科学智能大赛首创AI4S智能体CNS挑战赛，将竞技对象从科学领域算法模型拓展至自主科研智能体（Autonomous Research Agent）。参赛智能体需在零人工干预条件下，独立完成文献理解、代码重构、假设提出、实验验证与结果迭代，并挑战CNS等顶级期刊已发表成果的当前最优水平（SOTA）。大赛同时设有四大算法赛道，独家开放实测数据集与高精度仿真系统。
四大任务：DrugClip高通量虚拟筛选优化、靶向分子设计与逆合成规划闭环、蛋白质构象系综生成、神经算子自动改进。要求智能体零人工干预完成科研全生命周期闭环。
自主科研Agent依托新奥玄龙-50U球形环装置高精度仿真环境，聚焦托卡马克聚变装置位形控制。采用强化学习在线实时交互训练模式，晋级队伍可进入实体装置实验室上机实测。
强化学习 · 在线交互接入内蒙古电力交易中心一手实测数据，直击新能源并网波动大、负荷预判难等痛点，以行业刚需驱动技术创新。
实测数据 · 产业一线瞄准RNA–蛋白复合物三维结构预测的瓶颈，引导选手融合AI技术搭建智能建模框架，突破现有结构预测方法的局限。
RNA-蛋白 · 结构预测开放复旦大学出土文献与古文字研究中心独家整理的权威数据集，要求破解复杂背景、风化噪声、字符粘连等难点。
独家数据 · 文字识别4th AI Drug-Development Competition · 按研发阶段设计 Agentic AI
第4届 JUMP AI 将竞赛重心从单点模型迁移到agentic AI：参赛者需针对药物研发全流程中的真实痛点，设计能自主设定目标、调用工具并闭环迭代的智能体方案。参赛资格面向大韩民国境内个人或不超过3人团队。AnySearch 检索到 KHIDI 官方通报与相关报道（2026-06-29/30）。
围绕靶点/机制/适应症提出可检验假设，并构建文献—数据—实验规划闭环。
Hypothesis Agent对接对接、生成模型、ADMET 等工具，形成“设计—评分—再设计”的分子优化 Agent 循环。
Molecule Optimization Loop面向 IND/临床方案、法规材料与试验设计智能化，强调可审计与合规输出。
Regulatory · Clinical Design跨多个研发阶段整合 Agent 能力，强调工程可部署性与产业对接价值。
Integration| 奖项 | 奖励 |
|---|---|
| 大奖 / 保健福祉部长官奖 | ₩10,000,000 |
| 优秀奖 / KHIDI 院长奖 | ₩5,000,000 |
| 优胜奖（协会长/医学院院长等） | ₩3,000,000 |
| 鼓励奖 | ₩2,000,000 |
| 赞助奖 | ₩1,500,000 |
美国与国际AI4Science赛事以盲测挑战（Blind Challenge）为核心范式，强调模型在未见数据上的泛化能力与实验验证的严格性。
17th Community Wide Experiment on the Critical Assessment of Techniques for Protein Structure Prediction
CASP是蛋白质结构预测领域最权威的盲测评估实验，自1994年起每两年举办一届。CASP16（2024）结果显示深度学习方法在某些关键领域出现性能平台期。CASP17的核心目标是催化深度学习尚未突破、且具有重大实际应用意义的领域的进展。规则简述："如果AlphaFold3能生成高质量模型，那它就不是CASP级别的挑战；如果AF3也束手无策，那就是我们需要的。"
当前深度学习方法的重大失败领域。需要抗体-抗原、纳米抗体-抗原、T细胞受体复合物等非同源靶标集。
抗体-抗原 · TCR对小分子药物开发具有显著重要性。CASP16显示深度学习方法常未达实验精度。需要3D蛋白-配体复合物和亲和力排序数据。
药物设计 · 配体结合尽管声称已解决，CASP16和Kaggle挑战显示深度学习方法在缺乏同源结构信息时表现不佳。需要非同源RNA/DNA结构和蛋白-核酸复合物。
RNA/DNA · 蛋白-核酸CASP的重大扩展领域。测试从离散构象到半无序态的结构系综计算方法。需要多构象高分辨率靶标和低温电子断层、SAXS、NMR等多分辨率数据。
构象系综 · 动态结构膜蛋白、弱进化信息蛋白（病毒/寄生虫来源）、大分子复合物（>1000氨基酸）等当前深度学习方法的临界弱点。
膜蛋白 · 弱同源Critical Assessment of PRedicted Interactions · Protein Assembly Blind Challenge
CAPRI 是蛋白质/大分子复合物对接与组装预测的权威盲测实验。Round 65 为第7届联合 CASP-CAPRI Assembly Prediction challenge，与 CASP17 同步：Server 与 Human predictor 均可提交，并在可能时提供 Scoring 挑战。官方页明确 CASP17 季自 4 月 27 日开启并持续至 2026 年 8 月。
Critical Assessment of Computational Hit-finding Experiments
CACHE 是面向计算化学/AI 药物发现的前瞻性 hit-finding 盲测：参赛者预测与疾病相关蛋白结合的小分子，由 CACHE 统一采购并做实验验证；命中发现轮后还有命中扩展轮。所有化学结构与实验数据公开、无使用限制。#8 聚焦 GID4 底物结合口袋（参考结构 6CCT 与 7SLZ），目标是发现可用于劫持 CTLH E3、推进靶向蛋白降解策略的新颖化学型。
De Novo Protein Binder Design Against RBX-1 E3 Ubiquitin Ligase
GEM×Adaptyv RBX-1 Binder Design Competition 2026汇集计算蛋白质设计社区，挑战一个生物学意义重大但设计难度极高的靶标。参赛者提交从头设计（de novo）的蛋白binder序列，Adaptyv将300个设计在湿实验室合成并测试表达和结合亲和力。结果在ICLR 2026 GEM Workshop公布，所有参与者获得全部测试设计的实验数据和开源数据集。
RBX-1（RING Box Protein 1 / ROC1）是108个氨基酸的E3泛素连接酶组分，对SCF（SKP1-CUL1-F-box）复合物至关重要。参与细胞周期调控、信号转导和癌症生物学，在多种人类癌症中过表达。设计挑战在于：N端（1-39位）内在无序，C端RING-H2结构域由三个锌离子交叉支撑——柔性与刚性金属配位的组合测试当前设计方法的极限。
| 奖项 | 奖金 | 其他 |
|---|---|---|
| Best Designed Binder | $1,000 USD | 3D打印蛋白结构模型 |
| Runner-up | $100 USD | 3D打印蛋白结构模型 |
| 所有参与者 | — | 实验数据 + 开源数据集 + 社区论文署名 |
Pregnane X Receptor Activation Prediction · Activity & Structure Dual Track
OpenADMET PXR Blind Challenge是AI药物发现领域最严格的盲测基准之一。PXR（孕烷X受体）是一种外源化合物传感器，可触发药物代谢。PXR诱导是药物发现中常见的liability，通常在后期先导优化中才被发现。该挑战赛发布了迄今最大、最一致的PXR诱导数据集——超过11,000个化合物的数据（来自Octant低成本高保真体外实验），包括4,000+化合物的完整剂量-响应数据。
传统表格数据预测任务，预测pEC50值。分两阶段：Phase 1有实时排行榜（Analog Set 1），Phase 2无实时排行榜（Analog Set 2盲测）。评估指标：MAE（越低越好）、Spearman ρ、RAE。
pEC50 · ADMET预测配体在高度柔性的PXR结合口袋中的三维结构。评估指标：LDDT-PLI（越高越好）、BiSyRMSD（CASP15开发的对称校正配体RMSD）。184个小分子的X射线晶体结构作为评估基准。
3D结构 · 配体结合Polaris Hub · Potency / ADMET / Ligand Poses 三子赛
ASAP（NIH 资助的开源抗病毒联盟）在披露临床前候选前，与 OpenADMET、Polaris 共同发起面向真实药物发现数据的社区盲测，是 2026 OpenADMET PXR Challenge 的前序基准。
由 SARS-CoV-2 Mpro 结构迁移预测 MERS-CoV Mpro 配体姿态；评估 <2Å 成功率与 RMSD。
Pose · Cross-virus预测双病毒 Mpro 活性，强调真实多终点决策而非单指标刷榜。
Potency · MproMLM/HLM、KSOL、LogD、MDR1-MDCKII 等 5 终点（训练 434 / 测试 126）。
ADMET · 5 endpoints为 AI Scientist（K Pro）构建 MCP 工具与 Agentic 组件
两日黑客松：前沿 AI 如何在复杂生物数据上推理与行动。参赛者围绕 Owkin AI Scientist K Pro 开发 MCP 工具与多智能体工作流；可访问 MOSAIC Window、TCGA 与 API credits。申请截止约 2026-06-30。
DYRK1B Virtual Screening Challenge · Olomouc 2026
第9届高级药物设计工作坊（9ADD）的竞赛环节，聚焦DYRK1B（双特异性酪氨酸磷酸化调控激酶1B）的虚拟筛选。DYRK1B在肿瘤学和非酒精性脂肪肝中是关键治疗靶点。参赛者从3,365个化合物的盲测库中选出100个最可能具有活性的DYRK1B抑制剂，排行榜以recall（召回率）排序。最佳预测将获得奖品并考虑进行化合物购买和实验验证。
| 方法 | Recall | 说明 |
|---|---|---|
| LGBM+CHEESE consensus | 0.67 | 最佳：梯度提升+CHEESE嵌入共识 |
| CHEESE ShapeSim (mean-cos) | 0.53 | 形状相似性基线 |
| CHEESE ESPSim (mean-cos) | 0.40 | 静电势相似性基线 |
| Ensemble (ESP+Shape, mean-rank) | 0.47 | 集成排序 |
| Morgan Fingerprint (Tanimoto) | 0.07 | 传统分子指纹基线 |
Gemma Life Sciences Challenge · AI for Drug Discovery & Precision Oncology
Kaggle Gemma 4 Good Hackathon 2026的Gemma Life Sciences赛道，要求参赛者基于Google Gemma系列开源模型构建AI药物发现与精准肿瘤学应用。参赛项目涵盖从头药物分子生成、精准肿瘤学决策支持、药物-靶标文献智能检索等方向。该赛事的独特价值在于推动开源LLM在生命科学中的应用，所有模型可在Kaggle T4 GPU（16GB）上运行。
基于Gemma 4 E2B的LoRA微调模型，在225K药物-靶标对上训练，生成药物样SMILES分子。SMILES有效率从0%提升至100%，平均QED达0.591。训练数据来源：BindingDB、ChEMBL、MOSES。
分子生成 · LoRA6阶段精准肿瘤学Agent流水线：MedGemma提取靶标基因→ChEMBL知识图谱检索→RDKit+XGBoost分子评估→TxGemma毒性预测→安全验证→临床报告生成。支持35+癌型、50+关键基因靶标，10分钟内生成可操作报告。
精准肿瘤学 · Agent从活检到个性化淋巴瘤治疗方案设计——mRNA疫苗肽段、设计抗体binder、CAR-T构建体。整合AlphaFold/IgFold + RFdiffusion + ProteinMPNN + OAS安全筛查，2小时内完成全流程，患者数据不离开本地。
个性化治疗 · RFdiffusion本地部署的临床研究助手，使用Gemma 4（通过Ollama）搜索生物医学文献并合成带引用的摘要。查询和响应均不离开研究者机器。多源检索：Europe PMC、PubMed、ClinicalTrials.gov。
文献检索 · IP-safeDrug Discovery Chemistry 2026 · AI/ML Part 2
Drug Discovery Chemistry 2026的AI/ML分会场聚焦AI在药物发现中的深度应用，涵盖配体-受体对接与虚拟筛选、联邦学习、基因组学与遗传学、ADMET预测、生成式分子设计等方向。不同于学术竞赛的闭环验证模式，该会议更侧重产业落地与技术合作对接。
Science / AAAS 多轮计算设计验证竞赛
由Science/AAAS组织的肽段设计挑战赛，采用多轮迭代验证模式：第一轮中候选肽段进行活性测试，第二轮基于第一轮结果进行优化并测试选择性。赛事核心价值在于揭示计算预测与实验结果之间的对齐程度——即"预测-实验"差距，为AI蛋白质/肽段设计方法的实验验证提供了标准化基准。
从模型创新到大规模资本投入与产业突破
Observed Antibody Space
Patent & Literature Antibody DB
Integrated Nanobody Database
RCSB Protein Data Bank
SICBC指定1000万分子库
PVRIG: Q6DKI7 / PVRL2: Q92692
开源化学信息学工具包
从头蛋白质/binder设计
蛋白-配体复合物结构预测
药物-靶标结合活性数据库
分子静电势/形状相似性嵌入
蛋白质序列逆折叠设计
Google开源生命科学LLM
高通量蛋白质湿实验验证平台
开放ADMET预测基准与数据集
药物发现盲测与基准平台
计算 hit-finding 实验验证闭环
复合物对接与组装盲测
GEM×Adaptyv 开放实验数据