-
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
-
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
-
大语言模型如何助力药物开发? 哈佛团队最新综述
作者 | 莫纳什大学郑伊圳编辑 | ScienceAI大语言模型因其展现出类人般的推理、工具使用和问题解决能力而备受瞩目，此外，它在化学、生物学等专业领域也展现出深厚的理解能力，进一步提升了其应用价值。近日，哈佛大学、莫纳什大学和格里菲斯大学（Griffith University）组成的研究团队，发表最新综述《Large Language Models in Drug Discovery and…- 6
- 0
-
礼来公司投资 4.09 亿美元，进军人工智能领域
编辑 | KX近日，礼来公司与人工智能驱动药物发现的 Genetic Leap 达成一项人工智能药物研发协议，该协议价值高达 4.09 亿美元。总部位于纽约的 Genetic Leap 专注于在 AI 和 RNA 基因医学领域进行创新，旨在支持 RNA 靶向药物的发现。其 AI 平台可用于发现新靶点，并找到方法以对抗经过验证但无法用药的靶点。此前，安斯泰来（Astellas）制药公司与 Genet…- 15
- 0
-
SOTA性能，厦大多模态蛋白质-配体亲和力预测AI方法，首次结合分子表面信息
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…- 6
- 0
-
登Science，药物亲和力增加37倍，AI对蛋白、抗体复合物进行无监督优化
编辑 | 萝卜皮蛋白质参与了细胞组成、肌肉收缩、消化食物、识别病毒等众多生物学功能。为了设计出更好的蛋白质（包括抗体），科学家经常在不同位置反复变异氨基酸（按一定顺序排列组成蛋白质的单位），直到使蛋白质获得所需要的功能。但氨基酸序列的数量比世界上的沙粒还要多，因此找到最佳蛋白质，进而找到最佳潜在药物，通常难度巨大。当面临这一挑战时，科学家通常会花费数百万美元，并在微型化、简化版的生物系统中进行测试…- 3
- 0
-
22个恣意超越SOTA，43个恣意媲美SOTA，Google推出医学医治通用大模型
编辑 | 萝卜皮医生和科学家如果想开发一种新的疗法，这将是一个漫长且昂贵的恣意，需要满足许多不同的标准，而能够加快这一过程的人工智能模型将是无价之宝。然而，目前大多数人工智能方法只能解决一组定义狭窄的恣意，通常局限于特定领域。为了弥补这一差距，Google 团队提出了 Tx-LLM，这是一种通用大型言语模型（LLM），由 PaLM-2 微调而成，可编码有关各种医治方式的学问。仅使用一组权重，Tx-…- 7
- 0
-
取代高贵量子方式，南科大AI方式实现蛋白质-药物系统多尺度量子「精炼」
编辑 | 萝卜皮生物大份子构造对于药物开发和生物催化至关重要。量子「精炼」（Quantum refinement，QR）方式采用牢靠的量子力学（QM）方式进行晶体细化，在提高构造质量甚至纠正生物大份子的构造方面显示出前景。然而，巨大的估计成本和复杂的量子力学/份子力学（QM/MM）设置限制了 QR 的运用。在这里，南方科技大学的研讨团队将稳健的呆板学习势（Machine Learning Pote…- 6
- 0
-
哥大和耶鲁团队开发新算法，阐明结肠癌耐药体制
编辑 | 萝卜皮旗号通路活性异常是肿瘤发生和进展的标志，30 多年来一直指导着靶向抑制剂的设计。然而，由快速、一定环境的旗号收集重新布线诱导的符合性抵抗体制继续挑战医治效果。利用蛋白质组学技术和神经收集，哥伦比亚大学和耶鲁大学的研讨团队引入了 VESPA（Virtual Enrichment-based Signaling Protein-activity Analysis），一种旨在阐明细胞响应…- 8
- 0
-
准确猜测药物-靶点相互作用，江南大学提出深度进修融合GNN新法子MINDG
编辑 | 紫罗药物-靶点相互作用（DTI）猜测在药物发现中发挥着重要作用。尽管药物靶点猜测的智能计算法子受到了广泛关注，并取得了许多进展，但仍然是一项具有挑战性的任务，需要进一步的钻研。为了解决上述挑战，江南大学钻研团队提出了一种集成深度进修和图进修的多视图集成进修收集（MINDG）。MINDG 分离图进修和深度进修来提取药物和蛋白质的内涵构造信息，以及它们之间的外在关系信息。因此，与之前的法子相…- 3
- 0
-
体外命中率提高75%，Model Medicines&加州大学开发AI驱动的药物发明框架
编辑 | 萝卜皮在不断发展的药物发明领域，保守方法由于作用低和资源需求高而面临重大寻衅。AI 药物公司 Model Medicines 和加州大学圣地亚哥分校的研究人员开发了 GALILEO AI 药物发明平台及其核心模型 ChemPrint，旨在提高药物发明的作用。为了解决命中率低和试探新化学空间困难的寻衅，该平台采用自适应份子嵌入和严格的模型训练环境来增强展望能力并导航未知的份子领域。在针对 …- 28
- 0
-
促进癌症医治，之江实验室团队开发端到端深度进修模型 DeepAEG
编辑 | 白菜叶由于药物疗效的不确定性和患者的异质性，癌症药物反应的预计是现代个性化癌症医治中的一个具有挑战性的课题。而且，药物本身的特性和患者的基因组特性可以极大地影响癌症药物反应的结果。因此，准确、高效、全面的药物特性提炼和基因组学调整办法对于提高预计精度至关重要。之江实验室的钻研团队提出了一种名为 DeepAEG 的端到端深度进修模型，它鉴于完整图更新模式来预计 IC50 值。并且，钻研职员…- 3
- 0
-
18个月，开创AI药研先例，Insilico公开其首款AI药物研发全过程，登Nature子刊
编辑 | 凯霞去年 6 月，Insilico Medicine 宣布全球首款 AI 设想的药物 INS018_055 进入 II 期临床试验，首批患者给药。近日，Insilico 在《Nature Biotechnology》发表题为《A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical model…- 3
- 0
-
受 ChatGPT 启发，分离 Transformer 和 RL-MCTS 进行从头药物安排
编辑 | 萝卜皮通过从头药物安排创造新型医治化合物是药物钻研领域的一项关键挑战。传统的药物创造办法通常资源密集且耗时，这促使科学家探索利用深度进修和强化进修技术力量的创新办法。在这里，美国查普曼大学（Chapman University）的钻研职员开发了一种称为 drugAI 的新型药物安排办法，该办法利用编码器-解码器 Transformer 架构与通过蒙特卡罗树搜索（RL-MCTS）进行的强化…- 2
- 0
-
清华&第四范式&腾讯研讨团队：图神经收集与生物医学收集实现新兴药物相互作用展望
编辑 | 萝卜皮新兴药物的药物相互作用 (DDI) 为治疗和缓解疾病提供了大概性，操纵计算步骤准确展望这些相互作用可以改善患者护理并有助于高效的药物开发。然而，许多现有的计算步骤需要大量已知的 DDI 信息，这对于新兴药物来说是稀缺的。清华大学、第四范式（4Paradigm）以及腾讯 Jarvis Lab 的研讨职员提出了 EmerGNN，这是一种图神经收集，可以操纵生物医学收集中的丰富信息来有效…- 3
- 0
-
人工智能为新药铺平道路：多少深度进修步骤可以猜测合成药物份子的最佳方案
编辑 | 萝卜皮前期功能化是优化候选药物特性的一种经济步骤。然而，药物份子的化学复杂性往往使得前期多样化具有挑战性。为了解决这个问题，德国慕尼黑大学（Ludwig-Maximilians-Universität München）、苏黎世联邦理工学院（ETH Zurich）和巴塞尔罗氏制药（Roche Innovation Center Basel）的研讨人员开发了基于多少深度进修和高通量回响反映挑…- 5
- 0
-
GHDDI与微软研讨院迷信智能核心达成协作，联手通过AI革命性赋能新药研发
编辑 | X2023年12月12日，北京——全世界健壮药物研发核心（Global Health Drug Discovery Institute, GHDDI）与微软研讨院迷信智能核心（Microsoft Research AI4Science）宣布达成协作，两边将共同研发全世界健壮传染病规模的生成式人工智能与基础大模型手艺，聚焦落地转化，加速立异药物研发。此前，两边已成功在结核分枝杆菌以及冠状病…- 4
- 0
-
FDA基于DL的自然语言处理要领，辨认定向药代动力学药物相互作用
编辑 | 萝卜皮在药物开发过程中，收集有关药物（对象）由于与另一种药物（积淀剂）的药代动力学（PK）药物相互作用（DDI）而导致的临床隐蔽变化的信息至关重要。虽然已经发布了许多用于 DDI 的自然语言处理 (NLP) 要领，但大多数要领旨在评价文本中是否存在（以及何种）DDI 联系，而不辨认 DDI 的方向（对象与积淀药物）。在这里，美国食品药品监督管理局（Food and Drug Admini…- 9
- 0
-
以大模型加速新药研发，成本降低70%：一家大厂的「云端」实战
最近几年，AI 加持下的新药研发成为被寄予厚望的赛道之一。从流程上看，药物研发分为药物发明、临床前研究、临床研究、审批与上市四个阶段。医药界有一个「双十定律」的说法 —— 即须要超过 10 年时间、10 亿美元的成本，才有可能成功研发出一款新药。即使如此，也只有约 10% 新药能被批准进入临床期。目前，AI 技巧的参与主要集中于药物发明阶段。挑战在于，虽然 AI 技巧加快了一部分工作的推进速度，但…- 7
- 0
-
综述：药物创造中的呆板进修
编辑 | 萝卜皮不知不觉，人工智能已经渐渐延伸到了各个领域，医药领域也不例外。来自印度 B V Raju 理工学院的研究人员发表综述，讨论了药物创造中的呆板进修，归纳总结了运用于制药领域的各类呆板进修技巧，并指出当前该领域发展的难点，以及未来发展方向。该综述以「Machine Learning in Drug Discovery: A Review」为题，于 2021 年 8 月 11 日发布在《…- 4
- 0
-
NUS研讨团队开发自动化药物消费新手艺，「自动化多步分解」成可能
发现和开发用于治疗的新型小份子化合物需要投入大量的时间、精力和资源。新加坡国立大学(NUS)的研讨团队开发了一种符合药物小份子的自动化消费要领，为传统化学分解提供了新的思路。该要领可能用于通常通过手动工艺消费的份子，从而减少所需的人力。取得这一手艺突破的研讨小组由新加坡国立大学化学系助理教授Wu Jie 和新加坡国立大学化学和生物份子工程系副教授Saif A. Khan领导。Liu Chengua…- 20
- 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：×