AI for Science
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。
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），以表彰他们在「蛋白质结构预测」方面的贡献。大卫·贝克（David Baker）华盛顿大学蛋白质设计研究所所长，霍华德
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性为指导。研究设计了具有不同氨基酸组成和内部序列重复的耐热蛋白质和笼状生物活性肽，例如蜂毒肽。PG 设计轨迹可以由实验序
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组织和互连不同的科学概念；（2）一套大型语言模型（LLM）和数据检索工具；（3）具有现场学习能力的多智能体（agent）
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，成功用于增强两种不同抗体的结合能力，实验数据显示设计的抗体突变体显著提升了性能。该研究以「Pretrainable geometri
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才团队，深入完善AI蛋白质基础大模型、AI 蛋白质优化设计平台 MoleculeOS 等生物经济共性技术平台，加速AI蛋
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，在湿实验室中测试中，9% 到 88% 候选分子成功结合，这比其他方法高出 5 到 100 倍。而且，比现有最佳方法的结合亲和力高出
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物的细胞单细胞图像。该团队开发了一种名为 MitoReID 的深度学习模型，该模型使用重新识别 (ReID) 框架和 I
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，还要考虑边界强迫的影响，预测来源更为复杂，预测技巧也较少。因此，次季节气候预测一直被称为「可预报性沙漠」，由于其复杂性，甚至连 A
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式发现的 AI 系统！从构思、编写代码、运行实验和总结结果，到撰写整篇论文和进行同行评审，AI Scientist 开启
Nature子刊，快10倍，基于Transformer的逆向蛋白质序列设计方法
编辑 | 萝卜皮借助深度学习的进步，蛋白质设计和工程正以前所未有的速度发展。然而，目前的模型无法在设计过程中自然地考虑非蛋白质实体。在这里，瑞士洛桑联邦理工学院（EPFL）的研究人员提出了一种完全基于原子坐标和元素名称的几何 transformer 的深度学习方法，该方法可以根据不同分子环境所施加限制的主链支架，预测蛋白质序列。使用该方法，研究人员可以以高成功率生产出高热稳定性、催化活性的酶。这有望提高蛋白质设计流程的多功能性，以实现所需的功能。该研究以「Context-aware geometric deep l
「机器学习之父」Mitchell 撰文：AI 如何加速科学发展，美国如何抓住机遇
编辑 | ScienceAI近日，卡内基梅隆大学（Carnegie Mellon University）教授，有着「机器学习之父」之称的 Tom M. Mitchell 撰写了新的 AI for Science 白皮书，重点讨论了「人工智能如何加速科学发展？美国政府如何帮助实现这一目标？」这一主题。ScienceAI 对白皮书原文进行了不改变原意的全文编译，内容如下。人工智能领域最近取得了显著进展，包括 GPT、Claude 和 Gemini 等大型语言模型，因此提出了这样一种可能性：人工智能的一个非常积极的影响，
填补AlphaFold3空白，字节跳动提出物理引导的方法让蛋白质动起来
世界是变化的，分子是运动的，从预测静态单一结构走向动态构象分布是揭示蛋白质等生物分子功能的重要一步。探索蛋白质的构象分布，能帮助理解蛋白质与其他分子相互作用的生物过程；识别蛋白质表面下的潜在药物位点，描绘各个亚稳态之间的过渡路径，有助于研究人员设计出具有更强特异性和效力的目标抑制剂和治疗药物。但传统的分子动力学模拟方法昂贵且耗时，难以跨越长的时间尺度，从而观察到重要的生物过程。近年来的深度学习蛋白质结构预测模型在这个问题上也同样碰壁，往往只能预测静态单一结构，包括最近再次登上 Nature 的 AlphaFold
2024，AI for Science 如何赋能科研第一线？
编辑 | 萝卜皮科技的新篇章正在被撰写：AI for Science——将人工智能与科学研究深度结合，利用 AI 的技术和方法来学习、模拟、预测自然和人类社会的各种现象和规律。这不仅能够推动科学的发现，也悄无声息地改变着我们的生活。AI 技术的大爆发，正催动着科研领域的剧变。AI for Science 这一科研新范式，正以前所未有的速度改变人类探索未知的进程。无论是预测气候变化、探索外星奥秘、研发新药，还是预警灾害发生、发现生命奥义……AI 都展现出了无比强大的潜力。以下 6 个精彩案例，将为大家展示 NVIDI
ScienceAI 2023 年度「AI+蛋白&核酸&分子互作」专题
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