药物

科学家们正利用机器学习从数千种旧药中寻找新的治疗方法

编辑 | 萝卜皮药物再利用,即将市面上现有药物重新定位用于治疗其他疾病,这为罕见病患者带来了曙光。 美国国立卫生研究院(National Institutes of Health)将罕见病定义为在美国影响少于 20 万人的疾病。 但有数千种罕见病,总共影响了数千万美国人和全球数亿人。

基于药效团与GPT从头生成分子,北大开发TransPharmer助力药物发现

编辑 | 萝卜皮深度生成模型推动了药物发现,但生成的化合物通常结构新颖性有限,限制了药物化学家的灵感。 为了解决这个问题,北京大学的研究人员开发了 TransPharmer,这是一种生成模型,它将基于配体的可解释药效团指纹与基于生成预训练 Transformer(GPT)的框架相结合,用于从头生成分子。 TransPharmer 在无条件分布学习、从头生成和药效团约束下的骨架构建方面表现出色。

11天实现18种广谱抗菌素设计,体外验证成功率94.4%,浙大侯廷军等用LLM方法从头设计AMP

编辑 | 萝卜皮大型语言模型 (LLM) 在化学和生物医学研究中取得了显著进展,可作为各种任务的多功能基础模型。 浙江大学侯廷军、谢昌谕以及南方医科大学姜志辉等课题组组成的联合团队提出了 AMP-Designer,这是一种基于 LLM 的方法,用于快速设计具有所需特性的抗菌肽 (AMP)。 在 11 天内,AMP-Designer 实现了 18 种具有广谱抗革兰氏阴性细菌活性的 AMP 的从头设计。

Science子刊,AI与生物物理建模相结合,设计新型蛋白质

编辑 | 萝卜皮机器学习 (ML) 正在改变计算蛋白质设计的世界,数据驱动方法在实验成功率方面超越了基于生物物理的方法。 然而,它们通常被报告为案例研究,缺乏整合和标准化,因此很难进行客观比较。 在最新的研究中,德国莱比锡大学(Leipzig University)的跨学科研究团队在 Rosetta 软件框架内建立了一个精简且多样化的工具箱,用于预测氨基酸概率的方法,以便对这些模型进行并排比较。

为 AI 助力药物发现的方法

编辑丨toileter在历史上,药物研发向来是吃力且效率低下。 德国汉堡生物技术公司 Evotec 的计算化学家 David Pardoe 说,在过去的一百年里,只发现了约 7000 种罕见病的大概 500 种治疗方法。 但从理论上讲,AI 可以解决当前的两个问题:耗时与高成本。

首个强化生成模型AbNovo实现多目标、多约束抗体从头设计,发表于ICLR 2025

编辑 | ScienceAI近期,上海交通大学医学院张海仓课题组联合中原人工智能产业技术研究院与中国科学院计算技术研究所,提出了一项名为AbNovo 的抗体设计新方法。 该方法基于强化学习与深度扩散模型,能够在多目标、多约束条件下实现抗体从头设计。 该研究以「Multi-objective antibody design with constrained preference optimization」为题发表在国际机器学习顶会ICLR2025上。

人工智能如何改变制药行业,对医学的未来意味着什么?

编辑 | 白菜叶制药行业以严谨的研究、复杂的药物开发流程和尖端技术的使用而闻名,而现在,由于人工智能的出现,该行业正在经历一场变革。 从疾病识别和诊断、药物发现、临床试验优化到提高制造效率等应用,人工智能正在加速该行业的发展。 制药行业拥有大量生物、化学数据和患者数据,因此具有独特的优势,可以充分利用人工智能的潜力。

一个半月内加速药物设计,浙大侯廷军团队提出深度先导化合物优化AI新方法

编辑 | 萝卜皮通过系统性改造来优化有前途的候选药物的化学结构,以提高药效和物理化学性质,这是药物发现过程中至关重要的一步。 与成熟的从头生成方案相比,专门针对先导化合物优化的计算方法仍未得到充分探索。 先前的模型通常仅限于解决特定的子任务,例如生成二维分子结构,而忽略了三维空间中至关重要的蛋白质-配体相互作用。

AI赋能传统力场:字节跳动开发高精度通用小分子力场ByteFF

编辑 | ScienceAI小分子力场是药物发现中的重要工具,在计算机辅助药物设计中发挥关键作用。 化学空间覆盖广泛且高效精确的小分子力场将为药物发现奠定可靠的基础。 尽管基于机器学习的 MLFF(如 ANI-2x,MACE-OFF23 等)能够提供非常精确的小分子势能面预测,但它们的训练需要海量数据量,且推理速度较慢,还存在外推场景不确定度大等问题。

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。

AI驱动的药物研发领域,AMD与Nvidia展开正面交锋

编辑 | 白菜叶AMD(Advanced Micro Devices Inc)正与更大的竞争对手 Nvidia 在人工智能支持的药物研发领域展开正面交锋,并有消息称该公司将与初创公司 Absci Corp. 建立新的合作伙伴关系并进行投资。 2025 年 1 月 8 日早盘,Absci 股价飙升逾 30%,此前该公司宣布已从新合作伙伴 AMD 获得 2000 万美元投资,以推进其产品线。

分子特性预测新框架来了!浙大侯廷军团队、匹兹堡大学联合提出跨通道学习,各大基准表现亮眼

编辑 | 萝卜皮可靠的分子特性预测对于各种科学研究和工业应用(例如药物研发)至关重要。 然而,由于数据稀缺,加上物理化学和生物特性与传统分子特征化方案之间的高度非线性因果关系,使得开发稳健的分子机器学习模型变得异常复杂。 匹兹堡大学(University of Pittsburgh)与浙江大学侯廷军团队合作开发了一种多通道预训练框架,可以稳健学习利用化学知识。

ScienceAl 2024「AI+药物&医疗&基因组&细胞」专题年度回顾

编辑 | 白菜叶2024 年,药物、医疗、基因组学和细胞生物学领域迎来了前所未有的技术突破与创新。 从 AI 驱动的药物设计到基因编辑的精准控制,从单细胞分析到多模态医疗决策,这一年见证了科学与技术的深度融合,为人类健康带来了无限可能。 在药物研发领域,AI 驱动的分子设计与优化方法不断涌现,显著提升了新药发现的效率与精准度。

像拼乐高一样设计新药,EPFL、牛津团队AI方法精确设计优化分子3D结构

编辑 | 2049想象一下,如果开发一款新药就像积木搭建一样,可以自由组合不同的分子部件,并准确预测它们与目标蛋白质的结合效果。 这听起来可能很科幻,但最新发表的研究让这一愿景更近了一步。 瑞士联邦理工学院(EPFL)、剑桥大学、康奈尔大学、牛津大学的联合研究团队开发的AI系统 DiffSBDD ,就像是一位经验丰富的分子建筑师,能够精确设计和优化药物分子的 3D 结构。

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。

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。

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 Development: From Disease Mechanisms to Clinical Trials》。论文

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 Genetic Leap 合作,利用该平台在 2022 年寻找针对未公开的肿瘤靶点的 RNA 靶向小分子。现在,礼来公司已加入 G