生物 - AI在线

参数仅需12万分之一，训练只需2块GPU，MIT、哈佛推出生物序列建模新方法Lyra

编辑 | 白菜叶卷积神经网络（CNN）和 Transformer 等深度学习架构通过捕捉局部和长距离依赖关系，显著推进了生物序列建模。然而，它们在生物学环境中的应用受到高计算需求和对大数据集的需求的限制。麻省理工学院、哈佛大学和卡内基梅隆大学等机构的研究人员提出了 Lyra，这是一种用于序列建模的次二次架构，它基于上位性的生物学框架，用于理解序列与功能之间的关系。

突破性进展！浙大scNiche框架精准识别细胞生态位，助力精准医疗

编辑 | 2049随着单细胞空间组学技术的快速发展，科研人员可以在单细胞分辨率水平上系统探索组织中细胞状态、功能和相互作用。然而，如何从这些海量的空间组学数据中精确识别和表征细胞生态位（cell niche）仍是一个重大挑战。近日，浙江大学药学院团队开发了一个名为 scNiche 的计算框架，可以从单细胞分辨率的空间组学数据中有效识别和表征细胞生态位。

如何准确观察小胶质细胞在三维脑组织中的动态？DeepCellMap给出答案

编辑 | 2049在人类大脑发育过程中，数万亿神经元与胶质细胞形成复杂网络，而小胶质细胞作为中枢神经系统的免疫哨兵，其空间分布与功能动态直接影响神经回路的形成与重塑。传统组织学分析方法受限于手动标注的低效性和二维图像的局限性，难以揭示细胞在三维组织中的动态互作规律。尤其在病理条件下，如母体感染 SARS-CoV-2 引发的胎儿脑出血，小胶质细胞如何响应血管损伤仍需深入解析。

赛博树突觉醒！AI 仿生革命：更少参数，更强性能，过拟合？不存在的！

编辑丨&人工神经网络（ANN）是大多数深度学习（DL）算法的核心，这些算法可以成功解决图像识别、自动驾驶和自然语言处理等复杂问题。然而，与能够高效解决类似问题的生物大脑不同，DL 算法需要大量可训练参数，这使得它们能耗高且容易过拟合。来自希腊研究与技术基金会两位研究员示了一种新的 ANN 架构，它结合了生物树突的结构化连接和受限采样特性，抵消了这些限制。

AI赋能蛋白质研究：SaprotHub让蛋白质AI模型训练和调用不再有门槛！

编辑 | ScienceAI近年来，AI 技术在蛋白质研究领域发挥了越来越重要的作用。从 AlphaFold2 在结构预测任务上的脱颖而出，到各类蛋白质语言模型（PLMs）在功能预测方面的重大进展，生物研究者们可以利用各式各样的 AI 模型来辅助他们的研究。然而，随着模型变得越来越复杂，如何训练和调用这些 AI 模型对于缺乏机器学习专业知识的研究者来说是一件非常具有挑战的任务，也因此限制了 AI 技术在实际研究中的应用。

AI 驱动科学大爆发！从蛋白质到数学证明，2024 年最值得关注的科技突破

编辑 | ScienceAI2024 年对于 AI for Science 而言，可谓硕果累累：两个诺贝尔奖再度聚焦人工智能与科学的先驱性结合。其一是诺贝尔化学奖，颁发给了在蛋白质设计与蛋白质结构预测领域做出开创性贡献的 David Baker 博士、John Jumper 博士以及Demis Hassabis 博士；其二是诺贝尔物理学奖，授予了 John J. Hopfield 博士与 Geoffrey Hinton 博士，以表彰他们在人工神经网络及其机学习核心原理方面的奠基性工作。

Science子刊，斯坦福AI方法表示蛋白互作节点，增强功能识别与PPI推理

编辑 | 白菜叶生物网络通过详细描绘基因、蛋白质及其他细胞成分之间的复杂相互作用，为建模生物系统提供了重要工具。这些网络将实体表示为节点，将其相互作用（从物理连接到功能关联）表示为边，从而为解析生物系统和过程的复杂性奠定了基础。例如，在蛋白质-蛋白质相互作用（PPI）网络中，复杂的连接关系包含了理解细胞过程和疾病机制的关键信息。

压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊

编辑 | 萝卜皮设计功能更佳的蛋白质需要深入了解序列和功能之间的关系，这是一个难以探索的广阔空间。通过识别功能上重要的特征来有效压缩这一空间的能力极其宝贵。清华大学的研究团队建立了一种称为 EvoScan 的方法，用于全面分割和扫描高适应度序列空间，以获得能够捕捉其基本特征（尤其是在高维度中）的锚点。

探索蛋白质动态变化，新AI方法JAMUN比标准MD模拟更快、更准确

编辑 | 白菜叶蛋白质结构的动态变化对于理解其功能和开发靶向药物治疗至关重要，尤其是对于隐蔽的结合位点。然而，现有的生成构象集合的方法存在效率低下或缺乏通用性的问题，无法在训练系统之外发挥作用。分子动力学 (MD) 模拟是当前探索蛋白质运动的标准，但计算成本高昂，且受短时间步长要求的限制，因此难以捕捉较长时间尺度上发生的更广泛蛋白质构象变化。

准确、高效、物理有效，中科大、北大提出「两段式」分子对接统一框架DeltaDock

编辑 | KX分子对接是一种预测配体结合姿势的技术，在基于结构的药物设计中对于理解蛋白质-配体相互作用至关重要。最近，几何深度学习 (GDL) 对接方法，比传统采样方法具有更高的效率和准确性。然而，当前的方法通常是针对特定的对接设置量身定制的，并且会忽略蛋白质侧链结构，难以处理大型结合口袋，难以预测物理有效结构。

BioBit Program启动！之江实验室携手全球顶级研究团队开展生物计算国际科学合作

11 月 5 日，之江实验室主办的首届生物计算国际学术会议在实验室南湖总部成功举行。会上，之江实验室发起并正式启动生物计算国际合作科学计划（BioBit Program），携手伦敦大学、华盛顿大学、以色列理工学院等国际顶尖科研力量，共同开展生物计算创新探索研究，赋能生命健康、新材料、环境等多领域发展。“BioBit Program 为生物计算这一新兴领域建立了一个跨越边界的科研交流合作平台，充分体现了之江实验室作为一个国际化、战略性新型研发机构的担当。我相信，BioBit Program 将在国际生物计算领域激起新

直播预约 | “BT + IT ”，这场论坛邀您共论生物计算产业发展新范式

9 月 2 日 13:00，2022 上海生物计算论坛，精彩相约！随着 AI 生物学计算应用的逐渐广泛，生物计算已经成为人工智能发展的下一个明珠。依托上海强大的生物医药和人工智能产业基础，在世界人工智能大会组委会办公室指导下，由上海市生物医药产业促进中心、上海市人工智能行业协会、机器之心发起并联合主办，上海中青年知识分子联谊会、上海市经济和信息化系统中青年知识分子联谊会协办 2022 上海生物计算论坛，论坛将于 9 月 2 日下午在张江科学会堂 303 举办。活动旨在衔接政府、药企、医院、研究机构、创新企业等产业

生物技术初创Lumen与谷歌合作，用机器学习让螺旋藻蛋白生产力翻倍

编辑/凯霞机器学习可以促进基于藻类的生物制剂生产吗？8 月 11 日，西雅图生物技术初创公司 Lumen Bioscience （以下简称「Lumen」）与谷歌宣布合作，将利用机器学习来推进基于螺旋藻（一种蓝绿藻）的药物开发。Lumen 表示，该研究由 Lumen 的信息学负责人 Caitlin Gamble 和谷歌加速科学工程师 Drew Bryant 领导。Lumen 联合创始人 Jim Roberts 说：「谷歌的机器学习和我们基于螺旋藻疗法生产的开创性结合，让我们更接近于一种完全优化的方法，这种方法可能对全