AI for Science
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