生物学、药物研发和基因组学领域的通用AI项目。这些项目目前都没有针对听力损失或耳鸣的计划。我们把它们作为未来可能加速治疗研究的基础设施来跟踪，而不是作为正在研发的疗法。
基于源自AlphaFold的结构生物学，构建AI基础模型，预测药物分子和抗体如何结合、如何起作用，目标是用计算的方式设计新疗法，而不是依赖传统的湿实验筛选。
构建端到端的AI药物设计平台，把全基因组扰动数据与生成式模型结合起来，用计算方式设计新药，在规模和雄心上被定位为Isomorphic Labs的直接同行。
构建基础模型（目前为Chai-3），用于从头设计抗体和其他生物药，希望用生成式的结构-功能预测取代部分传统湿实验筛选；思路与Isomorphic Labs相似，但专注于生物药而不是小分子。
一家AI药物研发公司，把生成式化学、生物学和临床试验设计模型（Pharma.AI）结合起来，设计候选药物并推进到人体试验。
通过其所谓的“虚拟人”平台，把大规模的人类遗传和临床数据集、在自己实验室培养的细胞模型以及机器学习结合起来，先找出真正导致疾病的生物学机制，再据此选择药物靶点，而不是从某个分子出发。
用两个自研AI模型设计小分子药物：NeuralPLexer把物理学与机器学习结合，预测药物分子在其蛋白靶点中的位置；Enchant是一个多模态模型，试图在做实验之前预测临床前和临床结果。
一个深度学习模型，预测蛋白质的三维结构；自AlphaFold3起，还能预测它们与DNA、RNA、配体和其他分子的相互作用，采用基于扩散的架构。
AlphaGenome是一个“从序列到功能”的模型，可以根据长达约100万个碱基对的DNA序列，预测基因表达、染色质可及性、组蛋白修饰、转录因子结合和三维基因组折叠。Atlas则把它应用到整个基因组的尺度，预先计算了人类基因组中大约90亿个可能的单核苷酸变异的预测效应，打包成一个可浏览的约1 PB的数据集。
一个DNA/基因组基础模型（400亿参数，上下文长达100万个碱基对），在覆盖所有生命域的约9万亿个碱基对上训练，既能解读也能生成遗传序列。
一个用于构建、训练和部署生物分子AI模型（蛋白质、RNA、基因组学）的开放平台和工具包，托管或兼容Evo 2和ESM等模型，被定位为整个领域的基础设施，而不是一家自己做疗法的公司。
OpenAI首个专为生物学、药物研发和转化医学打造的前沿推理模型，针对基因组学、蛋白质组学和分子生物学任务进行了微调，以罗莎琳德·富兰克林（Rosalind Franklin）的名字命名。
与合作公司一起、并在自己的湿实验室里，使用Claude模型加快药物研发：提出分子和抗体设计、分析实验数据、审查生产和监管文件，以及评估临床试验方案。另外，还让大量Claude智能体（通过Claude Science和Claude Code）并行工作，搜索庞大的生物序列数据库，提出它们的发现并写成报告，再由人类科学家在实验台上检验最有希望的线索。
一项共同努力，生产开放的、可供AI使用的生物数据集，测量比以往多得多的细胞类型在多得多的条件下如何反应，让任何人都能训练预测生物学的模型，长期目标是建立“虚拟细胞”。