生物学

编辑 | 萝卜皮准确预测蛋白质-配体相互作用对于理解细胞过程至关重要，目前仍面临着诸多挑战。 中国科学院、浙江大学的研究人员提出了 SurfDock，这是一种深度学习方法，通过将蛋白质序列、三维结构图和表面级特征整合到等变架构中来解决这一挑战。 SurfDock 在非欧几里德流形上采用生成扩散模型，优化分子平移、旋转和扭转以生成可靠的结合姿势。

编辑丨&植物 RNA 的复杂序列编码了大量的生物调节元件，这些元件在协调植物生长、发育和适应环境压力的关键方面起到重要作用。 基础模型 （FM） 的最新进展证明了它们在破译生物学中复杂“语言”方面前所未有的潜力。 于最近的研究中，东北师范大学、英国约翰·英尼斯中心（ John Innes Centre）和埃克塞特大学（University of Exeter）等组成的团队提出了 Plant…

编辑 | 萝卜皮从 DNA 序列预测分子表型仍然是基因组学中的一个长期挑战，通常是由于注释数据有限以及无法在任务之间转移学习所致。 在这里，英国伦敦 InstaDeep 的研究人员提出了在 DNA 序列上进行预训练的基础模型，称为 Nucleotide Transformer；其参数范围从 5000 万到 25 亿，并整合了来自 3,202 个人类基因组和 850 个不同物种基因组的信息。 这些 …

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。

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。

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。

编辑 | KX蛋白质与其他分子相结合，促进几乎所有的基础生物活动。因此，了解蛋白质功能对于理解健康、疾病、进化和分子水平上的生物体功能至关重要。然而，超过 2 亿种蛋白质仍未得到表征，计算方法在很大程度上依赖于蛋白质的结构信息来预测不同质量的注释。近日，来自牛津大学、苏黎世联邦理工学院、上海理工大学和北京师范大学组成的研究团队，设计了一种基于统计的图网络方法，称为 PhiGnet，从而促进蛋白质的…

科技媒体 The Decoder 昨日（8 月 21 日）发布博文，报道称罗格斯大学的一项研究表明，OpenAI 公司的 GPT-4 语言模型能高精度模拟简单的氨基酸和蛋白质结构。相关研究成果发表在《Scientific Reports》上，该科研团队使用 GPT-4 AI 语言模型，探索其在基本结构生物学任务中的表现，结果发现该 AI 模型可以准确预测分子结构。科学家们要求 GPT-4 建立 2…

编辑 | KX在药物研发领域，准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而，目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此，来自厦门大学的研究人员提出了一种新颖的多模态特征提取（MFE）框架，该框架首次结合了蛋白质表面、3D 结构和序列的信息，并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明，该方法在预测蛋白质-配体结合亲和力方面取得…

INDUS 以南天星座命名，是一套全面的大型语言模型，支持五个迷信畛域。（根源：NASA）编辑 | KX在大量数据上训练的大型语言模型 (LLM) 在自然语言理解和生成任意上表示出色。大多数流行的 LLM 利用 Wikipedia 等通用语料库从事训练，但词汇的分布变化导致一定畛域的性能不佳。受此启发，NASA 与 IBM 合作开发了 INDUS，这是一套全面的 LLM，专为地球迷信、生物学、物理…

编辑 | 紫萝空间转录组学 (ST) 手艺可检测单个细胞中的 mRNA 表达，同时保留其二维 (2D) 空间坐标，使钻研职员能够钻研转录组在构造中的空间分布；然而，对多个 ST 切片进行联合阐明并将它们对齐以建立构造的三维 (3D) 堆栈仍然是一个挑战。近日，来自中国科学手艺大学、合肥综合性国家科学中心和北京生命科学钻研所（NIBS）的钻研团队，提出了用于 ST 数据阐明的深度学习空间架构表征 (…

2023年7月7日上午，上海人工智能实验室估计生物翻新中间联合复旦大学复杂体系多标准钻研院、浙江大学上海高等钻研院，举办论坛AI for Science: Computational Biology/迷信中的人工智能：估计生物学。

「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技巧」与「重塑产业的AI科技」，推出线上分享，共邀请近40位AI规模知名学者、产业专家及企业高管通过主题分享及多人圆桌等形式，与行业精英、读者、观众共同回顾 2021年中的重要技巧和学术热点，盘点AI产业的年度研究标的目的以及重大科技突破，展望2022年度AI技巧发展标的目的、AI技巧与产业科技融合趋势。