蛋白质

全球首创：分子之心开源新AI算法，攻克蛋白质侧链预测与序列设计难题

PSCP 深度架构 AttnPacker——大幅优化的AI算法。

比现有方法快1000倍！华盛顿大学和微软团队使用图神经网络从单个蛋白质结构中预测隐藏Pocket的位置

编辑 | 萝卜皮有的蛋白质在基态结构中缺乏 Pocket，因此被认为是「不可成药的蛋白质」。通过靶向隐藏 Pocket，可以在「不可成药的蛋白质」中寻找新的机会，来扩大药物发现的范围。然而，识别隐藏 Pocket 是一项劳动密集型且十分缓慢的工作。能否准确快速地预测结构，以及在何处可能形成隐藏 Pocket 的能力，可以加快寻找隐藏 Pocket 的速度。在这里，华盛顿大学和微软团队的研究人员介绍了 PocketMiner，这是一种图形神经网络，经过训练可以预测分子动力学模拟中 Pocket 可能打开的位置。将 P

分子之心创始人许锦波：AI 蛋白质设计最新进展

编辑 | 绿萝1 月 11 日，在机器之心 AI 科技年会上，分子之心创始人、美国芝加哥丰田计算技术研究所终身教授、清华大学智能产业研究院（AIR）卓越访问教授许锦波发表主题演讲《AI 蛋白质设计最新进展》，在演讲中，他介绍了蛋白质结构预测与蛋白质设计，他表示 AI 蛋白质结构预测只是一个开始，分享了分子之心开发的 AI 蛋白优化和设计平台——MoleculeOS，以及在蛋白质侧链、抗体抗原复合物结构预测的最新研究成果。「人工智能颠覆了蛋白质结构预测，并正在改变蛋白质优化设计。」以下为许锦波在机器之心 AI 科技年

一种多用途深度学习方法，用于CITE-seq和单细胞RNA-seq数据与细胞表面蛋白预测和插补的集成

编辑 | 萝卜皮CITE-seq 是一种单细胞多组学技术，可同时测量单细胞中 RNA 和蛋白质的表达，已广泛应用于生物医学研究，特别是免疫相关疾病和其他疾病，如流感和 COVID-19。尽管 CITE-seq 激增，但生成此类数据的成本仍然很高。尽管数据集成可以增加信息内容，但这带来了计算挑战。首先，组合多个数据集容易产生需要解决的批处理效应。其次，很难组合多个 CITE-seq 数据集，因为不同数据集中的蛋白质面板可能仅部分重叠。整合多个 CITE-seq 和单细胞 RNA 测序 (scRNA-seq) 数据集很

AI+Science技术实践与产业应用中的挑战与机遇

「机器之心2021-2022年度AI趋势大咖说」聚焦「驱动未来的AI技术」与「重塑产业的AI科技」，推出线上分享，共邀请近40位AI领域知名学者、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年中的重要技术和学术热点，盘点AI产业的年度研究方向以及重大科技突破，展望2022年度AI技术发展方向、AI技术与产业科技融合趋势。

ScienceAI发展前瞻：AI与科学计算的双向影响

纳米孔检测特定蛋白质，使细胞能够与计算机通话

编辑 | 萝卜皮基因编码的报告蛋白一直是生物技术研究的支柱，使科学家能够跟踪基因表达、了解细胞内过程和调试工程基因回路。但依赖荧光和其他光学方法的传统报告方案存在实际局限性，可能会给该领域的未来进展蒙上阴影。因此使用纳米孔检测特定蛋白质，目前具有挑战性。为了应对这一挑战，华盛顿大学的研究人员开发了一组超过 20 个纳米孔可寻址蛋白质标签，它们被设计为报告基因（NanoporeTERs，或 NTERs）。NTER 由分泌标签、折叠结构域和纳米孔靶向 C 端尾部构成，其中可以编码任意肽条码。该团队展示了使用 MinIO

全球首创 ：分子之心开源新AI算法，攻克蛋白质侧链预测与序列设计难题