编辑 | 白菜叶
2023 年，「AI+生物大分子结构」领域仍然呈现出百花齐放的态势；蛋白质结构预测、蛋白-蛋白互作、蛋白-核酸互作、RNA 结构等各个领域均得到了进一步拓展，也促进了 AI 在酶工程、制药、医疗、诊断等众多应用领域的探索与落地。
以下为 ScienceAI 2023 「AI+蛋白&核酸&分子互作」专题年度回顾。
友情提示：点击小标题可直接访问文章
华为团队开发组合贝叶斯优化框架，进行抗体计算机设计
Quantum-Si与Biovista合作，将蛋白质测序技术与AI可视化结合起来，进一步解锁人类蛋白质组以发现新药
一种新的生成深度学习算法，可预测用于DNA编辑的「设计重组酶」
深度学习工具的「计算显微镜」预测蛋白质相互作用，以及新抗生素的潜在途径
基本细菌蛋白质的深度突变扫描可以指导抗生素开发
分子之心创始人许锦波：AI 蛋白质设计最新进展
AIGC再下一城！天壤用扩散模型生成全新的蛋白质结构
人工智能有助于发现超紧密结合抗体
首次在实验室合成由 AI 预测的蛋白质，蛋白质语言模型 ProGen
计算成本可忽略不计！通过模拟数据训练机器学习，直接生成蛋白质构象集合
分子之心完成超亿元Pre-A轮融资，AI蛋白领域ChatGPT驱动生物「智」造
科学家开发出基于人工智能的方法来预测 RNA 修饰
蛋白设计领域重要里程碑！David Baker团队利用深度学习从头设计酶
AION Labs 推出用于从头设计抗体的 AI 初创公司
Nat. Commun. | 层次图学习建模蛋白质相互作用问题的天然结构
比现有方法快1000倍！华盛顿大学和微软团队使用图神经网络从单个蛋白质结构中预测隐藏Pocket的位置
研究人员开发了一种新的基于人工智能的抗菌肽「查找器」
同济团队开发用于 T 细胞受体-抗原结合识别的泛肽元学习
技术剖析 | 百图生科大模型体系“xTrimo”，能否创造生命科学领域的“ChatGPT时刻”？
Meta AI团队新成果！150亿参数Transformer模型对原子级蛋白质结构进行进化尺度预测
中科院北航联合团队用NN刻画氨基酸的局部结构微环境优化蛋白质设计
用于抗体设计的深度生成蛋白语言模型
详解百图生科 AIGP 平台：拥有对生命科学多维度的理解，提供多种蛋白质生成能力
蛋白质领域的 ChatGPT，首次使用对比学习准确预测酶功能
DeepTarget：筑波大学提出从蛋白序列生成分子的端到端方法
「自上而下」的强化学习设计蛋白质结构，引领蛋白质设计新纪元
用于准确预测蛋白质结合界面的节能、高效、无参数几何深度学习
安徽大学研究团队提出抗菌肽多目标优化方法
免疫原性增强128倍、11分钟找到最稳定序列，百度mRNA疫苗优化算法登上Nature
人工智能系统可以生成满足结构设计目标的新型蛋白质
助力更高效的药物设计，浙大&阿里团队提出基于功能提示的知识图谱增强分子对比学习
生成式 AI 如何构建更好的抗体
全球首创 | 分子之心开源新AI算法，攻克蛋白质侧链预测与序列设计难题
MIT团队开发ConPLex：一种用于预测药物-靶标结合的机器学习方法
安徽大学团队提出了一种基于多标签的深度学习方法来预测 21 类治疗性多肽的功能
机器学习结合物理学，探索蛋白质、大分子和材料等系统
结合亲和力提高了 28.7 倍，基于端到端贝叶斯语言模型的方法设计大型、多样化的高亲和力抗体库
基于深度学习的酶小分子底物预测通用模型
通用且高效的AI，发现纳米粒子在何处、何种方式与蛋白质结合
图生成扩散模型综述：算法与在分子和蛋白质建模上应用
使用 AI 和超级计算机模拟由 4400 万个原子组成的蛋白结构
AlphaFold2 可能是更锋利、更精确的「基因剪刀」，中科院团队通过创新蛋白聚类方法开发新型碱基编辑工具
David Baker团队发布最新版RFdiffusion，能够设计更加真实的蛋白质
Nature子刊，华大智造发布自博弈AI智能体，利用强化学习算法高效设计功能蛋白
生成式AI加速抗病毒药物开发，提高药物发现潜力
预测更准确，基于 Transformer 的深度学习工具，预测动力学未表征酶的催化常数
Meta 解散蛋白质折叠团队，转战商业人工智能
英矽智能AI设计药物新进展，利用生成AI模型和AlphaFold蛋白结构发现新型SIK2抑制剂
腾讯AI Lab提出一个深度学习框架，整合AIR的序列和结构特征来准确预测免疫反应
基于人工智能的图谱方法，阐明研究蛋白质的新路径
助力发现药物靶点，华科大团队开发深度迁移学习方法，用于预测跨膜蛋白相互作用
AI蛋白质设计的进一步延伸，Enzymit使用深度学习进行新酶设计
北大团队综述：AI 可助力针对天然无序蛋白的合理药物设计
MIT研究人员将Transformer与图神经网络结合，用于设计全新蛋白质
「潘多拉魔盒」打开了，借助AlphaFold，现在可探索整个蛋白质家族，揭示蛋白质进化秘密
速度快约8倍且成功率更高，浙大&碳硅智慧开发基于蛋白口袋的3D分子生成模型ResGen
利用进化扩散进行蛋白生成，微软开源新型蛋白质生成AI框架EvoDiff
百图生科宋乐博士浅谈：AI for Science 的下一步，计算生物学的下一程
用 Transformer 评估蛋白质结合界面，区分天然蛋白复合物和不正确构象
贝勒医学院&南中医团队开发一种基于图论的方法，可增强蛋白质组学中可能的亚型调控的检测
Science | 哈佛医学院团队应用AlphaFold-Multimer揭示一种名为 DONSON 的神秘蛋白质功能
将专家知识与深度学习结合，清华团队开发DeepSEED进行高效启动子设计
以「钥匙和锁」方式设计分子，浙大&碳硅智慧开发3D分子生成新模型SurfGen
AlphaFold 被吹捧为药物发现的下一件大事，但它是吗？
哈工大与腾讯团队合作开发：一种专门针对蛋白质组数据设计的深度学习反卷积方法
可预测蛋白质-配体结合亲和力，之江实验室&百度&港科大团队开发基于曲率的自适应图神经网络
基于Transformer和注意力的可解释核苷酸语言模型，用于pegRNA优化设计
更高准确性，覆盖蛋白、核酸、复合物等更多分子，DeepMind发布AlphaFold新版本
仅根据蛋白质序列便可预测相互作用界面，一种基于Transformer的蛋白预测模型
多伦多大学团队使用AlphaFold获得对蛋白质结构的新见解
Nature | 通过序列聚类和 AlphaFold2 预测多种构象
港中大&之江实验室&华为&南医大提出逆向蛋白质折叠设计模型 ProRefiner
华科大团队开发几何三角形感知蛋白质语言模型，预测蛋白质-蛋白质接触
改进分子表征学习，清华团队提出知识引导的图 Transformer 预训练框架
南开&山大&北理工团队开发trRosettaRNA：利用Transformer网络自动预测RNA 3D结构
Nature | 通过功能优先、人工智能引导的生成模型 Chroma 重塑蛋白质设计
稳健且准确，AlphaFold 结合两种 AI 方法，实现蛋白质化学位移自动分配
将合成生物学与AI相结合，以无细胞方式寻找新抗生素
AI揭示微生物暗蛋白：使用机器学习来发现微生物蛋白质宇宙中的功能性「暗物质」
GPU上运行速度比现有模型快3-7倍，IU团队使用全卷积神经网络进行准确的从头肽测序
Protein BLAST会成为过去吗？AlphaFold等对蛋白结构的搜索是否会取代对序列的搜索
分类性能提高 10%，港中大团队利用大型蛋白质语言模型发现未知的信号肽
有史以来最高互作强度，华盛顿大学David Baker团队用AI工具产生具有非凡结合强度的蛋白质
清华&第四范式&腾讯研究团队：图神经网络与生物医学网络实现新兴药物相互作用预测
