-
分子表征从「图」到「视频」，1.2亿帧、200万分子，湖大分子视频基础模型登Nature子刊
编辑 | KX分子表征已经从「图」扩展到「视频」了。 两年前，湖南大学的研究团队，开发了具有化学意识的深度学习框架 ImageMol，用于从大规模分子图像中学习分子结构，可准确预测分子特性和药物靶点。 现在，该研究团队将 ImageMol 进行了重大升级，提出一个基于分子视频的基础模型，称为 VideoMol，该模型在 1.2 亿帧的 200 万个未标记的类药物分子和生物活性分子上进行了预训练。- 969
- 0
-
AI面临的五个蛋白质设计问题，Nature找了一群专家来讨论
编辑 | 白菜叶Alena Khmelinskaia 希望设计定制蛋白质就像订餐一样简单。 她说，想象一下一台「自动售货机」，任何研究人员都可以使用它来指定他们想要的蛋白质的功能、大小、位置、分子伴侣或者其他特征。 「理想情况下，你会得到一个可以同时完成所有这些事情的完美设计。- 971
- 0
-
AlphaFold3开源了，诺奖AI工具人人可用，开启生物分子设计新时代
编辑 | ScienceAIAlphaFold3 终于开源了。 六个月前 AlphaFold3 发布的时候，谷歌 DeepMind 没有公布其论文代码，因此引发了学界的巨大争议。 如今，DeepMind 于 11 月 11 日宣布，科学家现在可以免费下载软件代码，并将 AlphaFold3 用于非商业应用。- 2
- 0
-
ByteDance Research登Nature子刊：AI+冷冻电镜，揭示蛋白质动态
2024 年的诺贝尔化学奖颁发给了在结构生物学领域取得重大成就的 David Baker 团队和 AlphaFold 团队，激发了 AI for science 领域新的研究热潮。 近两年科学界一个饱受争议的命题是：“AlphaFold 是否终结了结构生物学？ ” 首先，AlphaFold 之类的结构预测模型的训练数据正是来自于以 X 射线、冷冻电镜（cryo-EM）等为代表的传统结构解析方法。- 0
- 0
-
谷歌、MIT等开发多智能体医疗决策框架MDAgents，医学LLM新用法
编辑 | 白菜叶基础模型正在成为医学领域的宝贵工具。 然而，尽管它们前景广阔，但在复杂的医学任务中如何最好地利用大型语言模型 (LLM) 仍是一个悬而未决的问题。 麻省理工学院、谷歌研究院和首尔国立大学医院的研究人员提出了一种新颖的多智能体框架，称为医疗决策智能体 (MDAgents)，它通过自动为 LLM 团队分配协作结构来帮助解决这一差距。- 5
- 0
-
量子级精度，静态到动态，微软蛋白MD模拟系统登Nature
编辑 | KX生物世界的本质在于分子及其相互作用的不断变化。 了解生物分子的动力学和相互作用对于破译生物过程背后的机制，以及开发生物材料和药物至关重要。 正如诺贝尔物理学奖得主理查德·费曼（Richard Feynman）的名言：「所有生物体的行为都可以通过原子的颤动和摆动来理解。- 4
- 0
-
普林斯顿王梦迪团队提出蛋白水印方法，助力AI蛋白生成的版权保护与安全
编辑 | 萝卜皮近年来，随着生成式人工智能的发展，蛋白质结构预测和设计的能力显著提高。 然而，蛋白质生成模型在版权保护和生成有害内容（例如生物安全）方面面临着诸多问题。 生物大模型的构建和训练十分昂贵，有着保护模型版权和生成结果的现实需要；同时，需要有技术可靠地追踪和验证生成蛋白质结构，消除潜在的生物安全隐患。- 4
- 0
-
创新能力超越AI Scientist，上海AI Lab「AI 科研团队」VirSci来了
编辑 | ScienceAI由上海人工智能实验室提出的 VirSci（Virtual Scientists）系统是一个基于大语言模型（LLM）的多智能体协作平台，专注于模拟科学家团队的合作过程，从而加速科研创新。 不同于以往的单智能体系统，VirSci 通过使用真实科学家的数据来模拟科学团队的多人协作，不仅可以通过团队成员的合作讨论来生成更具创新性和影响力的科研想法，还展现出作为「科学学」（Sci…- 3
- 0
-
为233种疾病推荐候选药物，中国科学院深度生成模型助力药物发现，登Nature子刊
编辑 | 萝卜皮了解转录对化学扰动的反应是药物发现的核心，但对疾病化合物组合进行详尽的实验筛选是不可行的。 为了克服这一限制，中国科学院、四川大学华西医院的研究人员提出了 PRnet，这是一种扰动条件下的深度生成模型，可预测转录对从未在体细胞和单细胞水平上进行实验扰动的新化学扰动的反应。 评估表明，PRnet 在预测新化合物、新途径和新细胞系的反应方面优于已有方法。- 3
- 0
-
分类准确率达99%，山大团队提出基于对比学习的基因数据分类方法
编辑 | 萝卜皮深度神经网络模型的快速进步显著增强了从微生物序列数据中提取特征的能力，这对于解决生物学挑战至关重要。 然而，标记微生物数据的稀缺性和复杂性给监督学习方法带来了巨大的困难。 为了解决这些问题，山东大学的研究人员提出了 DNASimCLR，这是一个专为高效基因序列数据特征提取而设计的无监督框架。- 7
- 0
-
登Nature，AI设计DNA开关，MIT团队实现精确的细胞控制
编辑 | 萝卜皮近年来，基因编辑技术以及各种基因治疗方法使科学家能够改变活细胞内的基因。 然而，只影响特定细胞类型或组织中的基因，而不是影响整个生物体的基因，一直很困难。 部分原因是人们对控制基因表达和抑制的 DNA 开关 [即顺式调控元件 (CRE）] 的理解仍面临挑战。- 5
- 0
-
丹麦首台AI超级计算机，NVIDIA技术加持，服务于量子计算、清洁能源、生物技术等领域
编辑 | 萝卜皮2024 年 10 月 23 日 NVIDIA 创始人兼首席执行官黄仁勋携手丹麦国王启动该国最大 AI 超级计算机，旨在实现量子计算、清洁能源、生物技术等领域的突破，服务丹麦社会乃至全球。 丹麦首台 AI 超级计算机以丹麦神话中的女神命名为 Gefion。 Gefion 由丹麦人工智能创新中心 (DCAI) 运营，该公司由全球最富有的慈善基金会 Novo Nordisk 基金会和丹…- 2
- 0
-
AI 驱动化学空间探索，大语言模型精准导航，直达目标分子
作者 | 「深度原理」陆婕妤编辑 | ScienceAI现代科学研究中，化学空间的探索是化学发现和材料科学的核心挑战之一。 过渡金属配合物（TMCs）的设计中，由金属和配体组成的庞大化学空间为多目标优化的搜索带来了难度。 为了解决这一问题，来自「深度原理」 (Deep Principle) 和康奈尔大学的研究者们开发了一种名为 LLM-EO（Large Language Model for Evo…- 3
- 0
-
AI搞科研？西湖大学发布「AI科学家」Nova，效果比SOTA竞品提升2.5倍
编辑 | ScienceAI伟大科学家的研究，往往开始于一个小的灵感、小的创意。 长久以来，科学创新与研究能力被视为人类在人工智能时代中坚守的一片独特领地。 然而，一篇来自西湖大学深度学习实验室的论文在科学界掀起了波澜。- 0
- 0
-
化学空间导航仪：流生成式AI引导分子属性控制
作者 | 康奈尔大学魏光浩编辑 | ScienceAI分子设计是药物发现和材料科学中的一个核心挑战。目前，潜在可行的药物类小分子化合物的数量估计在10^23到10^60之间。这意味着即使使用最先进的计算方法，也无法穷举地搜索所有可能的分子结构。- 4
- 0
-
AI再夺诺奖！2024诺贝尔化学奖授予蛋白质计算领域三位科学家
编辑 | ScienceAI2024 年 10 月 9 日北京时间 17 时 45 分许，瑞典皇家科学院在斯德哥尔摩宣布，将 2024 年诺贝尔化学奖的一半授予华盛顿大学教授大卫·贝克（David Baker），以表彰他在「计算蛋白质设计」方面的贡献，并将另一半授予Google DeepMind 的科学家戴密斯·哈萨比斯（Demis Hassabis）和约翰·M·詹伯（John M. Jumper…- 2
- 0
-
同时生成蛋白序列和结构，David Baker团队序列空间扩散新模型登Nature子刊
编辑 | KX蛋白质去噪扩散概率模型用于从头生成蛋白质骨架，但其在引导生成具有序列特异性属性和功能特性的蛋白质方面存在局限。为了克服这一限制，华盛顿大学 David Baker 团队，开发了一种基于 RoseTTAFold 的序列空间扩散模型 ProteinGenerator (PG)，可同时生成蛋白质序列和结构。从噪声序列表示开始，PG 通过迭代去噪生成序列和结构对，并以所需的序列和结构蛋白质属…- 5
- 0
-
新「AI科学家」？MIT整合多智能体，实现材料科学研究自动化
编辑 | 萝卜皮人工智能（AI）的一个关键挑战是：如何创建能够通过「探索新领域」、「识别复杂模式」和「揭示海量科学数据中隐藏的联系」来自主推进科学理解的系统。在最近的工作中，麻省理工学院（Massachusetts Institute of Technology）原子与分子力学实验室（LAMM）的研究人员提出了 SciAgents，一种可以整合利用三个核心概念的方法：（1）使用大规模本体知识图谱来…- 6
- 0
-
抗体亲和力增强17倍，百奥几何、复旦团队AI方法模拟细微蛋白质互作，登Nature子刊
编辑 | 萝卜皮提高抗体与其靶抗原的结合亲和力是抗体疗法开发中的关键任务。复旦大学与百奥几何（BioGeometry）团队联合推出了一种可预训练的几何图神经网络 GearBind，展示了其在抗体亲和力成熟中的潜力。通过多关系图构建、几何消息传递和大规模未标记蛋白质数据的预训练，GearBind 在多个测试集上的表现优于现有方法。研究人员基于 GearBind 推导出一个强大的集成模型，成功用于增强…- 5
- 0
-
AI蛋白大模型推动生物产业变革，分子之心完成A轮融资
编辑 | ScienceAI在生物经济智能化升级的浪潮中，业界领先的AI蛋白质设计平台公司分子之心宣布于近期完成 A 轮融资。本轮融资额达数亿元人民币，由谢诺投资、深创投联合领投，商汤国香资本、久奕投资跟投。作为具有行业标杆地位的 AI 生物大分子设计平台公司，分子之心本轮融资将进一步提速 AI 生物基础设施建设。分子之心创始人、国际知名计算生物学家许锦波表示，本轮融资将用于进一步扩大顶级复合型人…- 4
- 0
-
DeepMind蛋白质设计新工具AlphaProteo，从头设计高亲和力蛋白结合剂，成功率最高88％
编辑 | ScienceAI像 AlphaFold 这样的蛋白质结构预测工具，已经帮助我们深入了解了蛋白质如何相互作用从而发挥其功能，但这些工具无法创建新的蛋白质来直接控制这些相互作用。现在，Google DeepMind 团队推出了一种用于设计「与目标分子结合更紧密」的新型蛋白质的 AI 系统 AlphaProteo。在测试的 7 种靶蛋白上，AlphaProteo 的实验成功率更高，在湿实验室…- 73
- 0
-
识别精度高达76.32%，浙大、之江团队用深度学习加速大规模药物发现和再利用
编辑 | 萝卜皮大规模药物研发和再利用具有挑战性。确定作用机制 (MOA) 至关重要，但目前的方法成本高昂且通量低。在这里，浙江大学、之江实验室以及斯坦福大学的研究人员介绍了一种通过分析线粒体表型变化来识别 MOA 的方法。通过对线粒体形态和膜电位进行时间成像，研究人员建立了监测时间分辨线粒体图像的流程，得到了一个数据集，其中包含 570,096 张暴露于 1,068 种美国食品和药物管理局批准药…- 4
- 0
-
Nature子刊，上智院、复旦、中国气象局研发次季节AI大模型「伏羲」，突破「可预报性沙漠」
编辑 | ScienceAI作者 | 伏羲团队国务院印发的《气象高质量发展纲要（2022—2035 年）》明确提出要「提前一个月预报重大天气过程」，而这离不开 15 天以上的次季节气候预测技术。次季节气候预测关注的是未来 15~60 天的气候异常，可以为农业、水利、能源等领域的生产安排提供重要支撑。相比时效在两周以内的中短期天气预报，次季节气候预测的不确定性更大。它不仅需要考虑初值问题，还要考虑边…- 10
- 0
-
首个全自动科学发现AI系统，Transformer作者创业公司Sakana AI推出AI Scientist
编辑 | ScienceAI一年前，谷歌最后一位 Transformer 论文作者 Llion Jones 离职创业，与前谷歌研究人员 David Ha共同创立人工智能公司 Sakana AI。Sakana AI 声称将创建一种基于自然启发智能的新型基础模型！现在，Sakana AI 交上了自己的答卷。Sakana AI 宣布推出 AI Scientist，这是世界上第一个用于自动化科学研究和开放…- 9
- 0
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×