九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

編輯 | 蘿卜皮

2024年，科學(xué)界迎來了重要的突破與創(chuàng)新，尤其是在人工智能與結(jié)構(gòu)生物學(xué)的結(jié)合領(lǐng)域。正如今年諾貝爾獎頒發(fā)所體現(xiàn)的那樣，人工智能（AI）技術(shù)的迅猛發(fā)展正在推動各學(xué)科的深度融合，揭示了生命科學(xué)研究的新機(jī)遇與前景。

在這一年里，AI 與生物學(xué)的交匯點愈發(fā)引人注目，成為推動現(xiàn)代生物醫(yī)藥、醫(yī)學(xué)研究、生命科學(xué)等領(lǐng)域變革的重要力量。

具體而言，蛋白質(zhì)結(jié)構(gòu)預(yù)測、蛋白-蛋白互作、蛋白-核酸互作等基礎(chǔ)生命科學(xué)的關(guān)鍵問題，依托 AI 的計算能力，取得了令人矚目的進(jìn)展。

AI 技術(shù)已經(jīng)打破了傳統(tǒng)方法的局限，不僅加深了我們對生命本質(zhì)的理解，也為藥物研發(fā)和疾病診斷提供了全新的思路。這些領(lǐng)域的突破不僅推動了基礎(chǔ)生物學(xué)的深入探索，也使酶工程、制藥、醫(yī)療診斷等實際應(yīng)用場景中誕生了新機(jī)遇。

接下來，ScienceAI 將回顧 2024 年 AI 在結(jié)構(gòu)生物學(xué)、生物大分子互作領(lǐng)域的一些重要研究進(jìn)展。

溫馨提示：點擊文章標(biāo)題可直達(dá)文章。

新SOTA，浙大、中科院深度學(xué)習(xí)模型可靠、準(zhǔn)確預(yù)測蛋白-配體，助力藥物開發(fā)AI for Science 是科學(xué)的未來，NVIDIA 正加速它的到來性能遠(yuǎn)超當(dāng)前SOTA，首個可解釋RNA的AI植物基礎(chǔ)模型來了，整合1124種植物RNA信息量化617,462種人類微蛋白必需性，北大LLM蛋白質(zhì)綜合預(yù)測與分析，登Nature子刊精確屬性控制，湖大、西電從頭藥物設(shè)計AI方法，登Nature子刊準(zhǔn)確、快速地從頭預(yù)測RNA 3D結(jié)構(gòu)，港中大、復(fù)旦等深度學(xué)習(xí)方法RhoFold+登Nature子刊準(zhǔn)確率84.09%，騰訊AI Lab發(fā)布Interformer，用于蛋白質(zhì)-配體對接及親和力預(yù)測，登Nature子刊壓縮率達(dá)10的48次方，實現(xiàn)蛋白序列空間極端壓縮，清華EvoAI登Nature子刊高精度預(yù)測蛋白構(gòu)象變化，中國科大、上科大通用深度學(xué)習(xí)模型探索蛋白質(zhì)動態(tài)變化，新AI方法JAMUN比標(biāo)準(zhǔn)MD模擬更快、更準(zhǔn)確無需預(yù)訓(xùn)練，親和力與天然蛋白相當(dāng)，中國科大的蛋白質(zhì)從頭設(shè)計方法登Nature子刊計算效率領(lǐng)先10倍，中國科大、哈佛功能蛋白質(zhì)設(shè)計深度生成模型登Nature子刊AlphaFold3級性能、開源、可商用，MIT團(tuán)隊推出生物分子預(yù)測模型Boltz-1蛋白預(yù)測從數(shù)月縮短至數(shù)小時，MassiveFold出于AlphaFold而勝于AlphaFold3生成超10萬bp的DNA序列，北理工邵斌團(tuán)隊生成式DNA大語言模型，登Nature子刊登Science封面！基因組基礎(chǔ)模型Evo重磅發(fā)布，AI解碼分子、DNA、RNA和蛋白質(zhì)AI面臨的五個蛋白質(zhì)設(shè)計問題，Nature找了一群專家來討論AlphaFold3開源了，諾獎AI工具人人可用，開啟生物分子設(shè)計新時代ByteDance Research登Nature子刊：AI技術(shù)助力冷凍電鏡揭示蛋白質(zhì)動態(tài)改進(jìn)蛋白突變穩(wěn)定性預(yù)測，清華龔海鵬團(tuán)隊AI蛋白工程模型登Nature子刊AI預(yù)測序列與催化性能的潛在關(guān)系，中國科學(xué)院、北師大設(shè)計合理酶變體，登Nature子刊量子級精度，靜態(tài)到動態(tài)，微軟蛋白MD模擬系統(tǒng)登Nature普林斯頓王夢迪團(tuán)隊提出蛋白水印方法，助力AI蛋白生成的版權(quán)保護(hù)與安全精準(zhǔn)預(yù)測RNA可變剪接，浙大多模態(tài)深度學(xué)習(xí)模型SpTransformer登Nature子刊登Nature，AI設(shè)計DNA開關(guān)，MIT團(tuán)隊實現(xiàn)精確的細(xì)胞控制準(zhǔn)確、高效、物理有效，中科大、北大提出「兩段式」分子對接統(tǒng)一框架DeltaDock不懂AI、不會編碼？如何輕松拿捏AlphaFold準(zhǔn)確預(yù)測蛋白結(jié)構(gòu)Nature 子刊，化學(xué)語言模型自動設(shè)計多靶點配體從結(jié)構(gòu)準(zhǔn)確預(yù)測蛋白質(zhì)功能，東北大學(xué)「CNN+GCN」統(tǒng)一框架，優(yōu)于現(xiàn)有方法準(zhǔn)確預(yù)測蛋白質(zhì)功能，中山大學(xué)基于幾何圖學(xué)習(xí)的酶工程新方法AI發(fā)現(xiàn)超16萬種新RNA病毒？阿里云、中山大學(xué)合作研究登Cell化學(xué)諾獎為何頒給「AI+生物」，憑什么Baker獨占一半？AI再奪諾獎！2024諾貝爾化學(xué)獎授予蛋白質(zhì)計算領(lǐng)域三位科學(xué)家更簡單、更清晰，解析核酸、蛋白、細(xì)胞等結(jié)構(gòu)，AI實現(xiàn)快速分子模式挖掘Science 發(fā)文，高通量蛋白質(zhì)組學(xué)和人工智能的革命同時生成蛋白序列和結(jié)構(gòu)，David Baker團(tuán)隊序列空間擴(kuò)散新模型登Nature子刊Nature子刊，川大團(tuán)隊機(jī)器學(xué)習(xí)結(jié)合MD，預(yù)測蛋白質(zhì)變構(gòu)，助力藥物研發(fā)借助谷歌AI工具，科學(xué)家揭示「生物蛋白如何應(yīng)對惡劣條件」病毒從何而來？AlphaFold等AI正在尋找答案新型蛋白質(zhì)大語言模型即將登陸Google Cloud加速蛋白質(zhì)工程，微軟開發(fā)蛋白突變效應(yīng)預(yù)測AI框架μFormer抗體親和力增強(qiáng)17倍，百奧幾何、復(fù)旦團(tuán)隊AI方法模擬細(xì)微蛋白質(zhì)互作，登Nature子刊AI蛋白大模型推動生物產(chǎn)業(yè)變革，分子之心完成A輪融資超越AlphaFold3，OpenAI投資的AI生物初創(chuàng)發(fā)布Chai-1，分子結(jié)構(gòu)預(yù)測新SOTADeepMind蛋白質(zhì)設(shè)計新工具AlphaProteo，從頭設(shè)計高親和力蛋白結(jié)合劑，成功率最高88％從頭設(shè)計「超難」癌癥抗體，大衛(wèi)貝克團(tuán)隊AI生物計算方法的新應(yīng)用提速1400倍，準(zhǔn)確標(biāo)注酶活性位點，浙大、澳門理工多模態(tài)深度學(xué)習(xí)方法，登Nature子刊準(zhǔn)確預(yù)測蛋白質(zhì)「運(yùn)動」？AlphaFold融合物理知識，南京大學(xué)團(tuán)隊蛋白構(gòu)象運(yùn)動新策略命中率達(dá)60%，AlphaFold預(yù)測受體的三維結(jié)構(gòu)，加速藥物開發(fā)蛋白質(zhì)功能預(yù)測新SOTA，上海理工、牛津等基于統(tǒng)計的AI方法，登Nature子刊中科院計算所團(tuán)隊提出CarbonNovo，基于AI進(jìn)行蛋白質(zhì)結(jié)構(gòu)和序列的端到端從頭設(shè)計AI從頭設(shè)計蛋白質(zhì)「開關(guān)」，蛋白質(zhì)設(shè)計的驚人突破，David Baker研究登Nature預(yù)測蛋白質(zhì)-DNA結(jié)合特異性，南加州大學(xué)團(tuán)隊開發(fā)幾何深度學(xué)習(xí)新方法從頭設(shè)計抗體，騰訊、北大團(tuán)隊預(yù)訓(xùn)練大語言模型登Nature子刊SOTA性能，華盛頓大學(xué)開發(fā)Transformer模型將質(zhì)譜轉(zhuǎn)化為肽序列，登Nature子刊Nature子刊，北大團(tuán)隊通用AI框架對蛋白-蛋白對接進(jìn)行綜合結(jié)構(gòu)預(yù)測，彌合實驗與計算的差距Nature子刊，快10倍，基于Transformer的逆向蛋白質(zhì)序列設(shè)計方法生成394,760種蛋白質(zhì)表征，哈佛團(tuán)隊開發(fā)AI模型，全面理解蛋白質(zhì)上下文萬字長文，騰訊、清華等多位生物大模型作者專訪，暢談AI生物學(xué)，解析大型細(xì)胞模型技術(shù)Nature子刊，諾華團(tuán)隊評測ML模型在靶向蛋白質(zhì)降解劑中的特性預(yù)測SOTA性能，廈大多模態(tài)蛋白質(zhì)-配體親和力預(yù)測AI方法，首次結(jié)合分子表面信息登Science，藥物親和力增加37倍，AI對蛋白、抗體復(fù)合物進(jìn)行無監(jiān)督優(yōu)化Nature子刊，使用3D transformer和HMM對冷凍電鏡密度圖進(jìn)行從頭原子蛋白結(jié)構(gòu)建模精度媲美AlphaFold，EPFL的AI方法從序列中匹配蛋白質(zhì)互作AlphaFold 3 向解碼分子行為和生物計算邁出重要一步，Nature 子刊銳評Nature子刊，優(yōu)于AlphaFold，全原子采樣，一種預(yù)測肽結(jié)構(gòu)的AI方法上交大洪亮課題組&上海AI實驗室團(tuán)隊發(fā)布FSFP，基于語言模型的蛋白質(zhì)功能小樣本預(yù)測方法，登Nature子刊僅幾秒，準(zhǔn)確推斷蛋白動力學(xué)信息，山大、北理工等AI模型RMSF-net登Nature子刊分子100%有效，從頭設(shè)計配體，湖南大學(xué)提出基于片段的分子表征框架登Nature子刊，拓?fù)銽ransformer模型進(jìn)行多尺度蛋白質(zhì)-配體互作預(yù)測，助力藥物研發(fā)人工智能如何徹底改變蛋白質(zhì)科學(xué)，AlphaFold是起點，終點會在哪里？清華AIR等提出ESM-AA，首個從氨基酸到原子尺度的蛋白質(zhì)語言模型準(zhǔn)確率達(dá)0.96，從序列中預(yù)測蛋白-配體互作的物理化學(xué)約束圖神經(jīng)網(wǎng)絡(luò)高效且準(zhǔn)確，鄭州大學(xué)團(tuán)隊開發(fā)新AI工具識別藥物-靶標(biāo)相互作用模擬5億年的進(jìn)化信息，首個同時推理蛋白質(zhì)序列、結(jié)構(gòu)和功能的生物學(xué)大模型比傳統(tǒng)方法高30倍，中國科學(xué)院團(tuán)隊Transformer深度學(xué)習(xí)模型預(yù)測糖-蛋白質(zhì)作用位點成功率超越RoseTTAFold系列，用序列信息直接預(yù)測蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)「AI+物理先驗知識」，浙大、中國科學(xué)院通用蛋白質(zhì)-配體相互作用評分方法登Nature子刊取代昂貴量子方法，南科大AI方法實現(xiàn)蛋白質(zhì)-藥物系統(tǒng)多尺度量子「精煉」助力藥物發(fā)現(xiàn)，北京蛋白質(zhì)組學(xué)研究中心提出基于蛋白質(zhì)序列的深度遷移學(xué)習(xí)框架1.8B參數(shù)，阿里云首個聯(lián)合DNA、RNA、蛋白質(zhì)的生物大模型，涵蓋16.9W物種SOTA性能，多尺度學(xué)習(xí)，中山大學(xué)提出蛋白質(zhì)-藥物相互作用AI框架效果超AlphaFold系列，量子計算方法用于蛋白質(zhì)結(jié)構(gòu)預(yù)測填補(bǔ)AlphaFold3空白，字節(jié)跳動提出物理引導(dǎo)的方法讓蛋白質(zhì)動起來登Nature子刊，中科院計算所團(tuán)隊開發(fā)CarbonDesign，進(jìn)行準(zhǔn)確且穩(wěn)健的蛋白質(zhì)序列設(shè)計結(jié)合量子特征、2萬個分子動力學(xué)模擬，新蛋白-配體復(fù)合物ML數(shù)據(jù)集，登Nature子刊準(zhǔn)確預(yù)測藥物-靶點相互作用，江南大學(xué)提出深度學(xué)習(xí)融合GNN新方法MINDGNature回應(yīng)：為什么在沒有代碼的情況下發(fā)布AlphaFold3？多功能RNA分析，百度團(tuán)隊基于Transformer的RNA語言模型登Nature子刊AlphaFold 3輕松應(yīng)對核酸、脂類分子？科學(xué)家迫不及待地更新了評測預(yù)測配體-靶標(biāo)對的結(jié)合親和力，哈工大開發(fā)新SOTA藥物表示模型AlphaFold 3 重磅問世，全面預(yù)測蛋白質(zhì)與所有生命分子相互作用及結(jié)構(gòu)，準(zhǔn)確性遠(yuǎn)超以往水平首次，西湖大學(xué)用蛋白質(zhì)語言模型定向改造堿基編輯器，登Cell子刊輝瑞 AI 方法登 Science，揭示數(shù)以萬計的配體-蛋白質(zhì)相互作用4000萬蛋白結(jié)構(gòu)訓(xùn)練，西湖大學(xué)開發(fā)基于結(jié)構(gòu)詞表的蛋白質(zhì)通用大模型，已開源預(yù)測蛋白質(zhì)共調(diào)控和功能，哈佛&MIT訓(xùn)練含19層transformer的基因組語言模型登Science，藥物親和力＜5納摩爾，加州大學(xué)開發(fā)特異性藥物結(jié)合蛋白的從頭計算方法3倍靈敏度，搜索百萬蛋白對只需幾秒，復(fù)旦、山大、上海交大開發(fā)新的蛋白質(zhì)語言模型預(yù)測完整糖肽的片段光譜，浙大開發(fā)深度學(xué)習(xí)方法DeepGlyco少量數(shù)據(jù)實現(xiàn)高通用性，KAIST開發(fā)藥物設(shè)計3D分子生成新框架優(yōu)于SOTA，騰訊AI Lab開發(fā)雙重擴(kuò)散模型，實現(xiàn)靶標(biāo)配體3D分子生成和先導(dǎo)化合物優(yōu)化精確預(yù)測相分離蛋白質(zhì)，同濟(jì)大學(xué)&中國科學(xué)院開發(fā)機(jī)器學(xué)習(xí)預(yù)測器PSPire騰訊AI Lab 3篇蛋白質(zhì)組論文入選國際頂級期刊，為闡釋生命提供重要技術(shù)參考里程碑時刻！David Baker 團(tuán)隊利用 AI 從頭設(shè)計抗體準(zhǔn)確性比AlphaFold2高6倍，Basecamp推出AI模型BaseFold，蛋白結(jié)構(gòu)預(yù)測新突破預(yù)測所有生物分子，David Baker 團(tuán)隊蛋白質(zhì)設(shè)計新工具 RoseTTAFold All-Atom 登 Science用基于結(jié)構(gòu)的突變偏好進(jìn)行蛋白質(zhì)設(shè)計，加州大學(xué)、MIT、哈佛醫(yī)學(xué)院團(tuán)隊開發(fā)了一種無監(jiān)督方法計算蛋白質(zhì)工程最新SOTA方法，牛津團(tuán)隊用密碼子訓(xùn)練大語言模型70 億參數(shù)訓(xùn)練，從DNA、RNA、蛋白質(zhì)到全基因組，生物學(xué)通用大模型新標(biāo)桿AlphaFold 預(yù)測細(xì)菌生存所需的 1402 種蛋白互作，最完整的細(xì)菌必需相互作用圖譜進(jìn)行藥物靶標(biāo)親和力預(yù)測，浙大&華科大團(tuán)隊開發(fā)擴(kuò)展圖學(xué)習(xí)卷積網(wǎng)絡(luò)方法超越AF2？Iambic、英偉達(dá)、加州理工學(xué)院開發(fā)多尺度深度生成模型，進(jìn)行狀態(tài)特異性蛋白質(zhì)-配體復(fù)合物結(jié)構(gòu)預(yù)測Nat. Commun.|人類水平的準(zhǔn)確性，哈佛醫(yī)學(xué)院團(tuán)隊使用機(jī)器學(xué)習(xí)，從空間蛋白質(zhì)組數(shù)據(jù)中快速、精確地識別細(xì)胞類型科學(xué)家用分子動力學(xué)和AlphaFold，揭示了轉(zhuǎn)運(yùn)蛋白的未解結(jié)構(gòu)生成高質(zhì)量、生物學(xué)上合理且多樣化的蛋白質(zhì)結(jié)構(gòu)，微軟和斯坦福提出基于擴(kuò)散的生成模型預(yù)測蛋白質(zhì)動態(tài)對接？上海交大&星藥科技&中山大學(xué)等團(tuán)隊開發(fā)新的深度等變生成模型David Baker在Science發(fā)文：AI驅(qū)動的蛋白質(zhì)設(shè)計應(yīng)當(dāng)符合生物安全未來五年AI如何改變各學(xué)科？從LLM到AI蛋白設(shè)計、醫(yī)療保健......藥物-靶標(biāo)親和力預(yù)測，上科大團(tuán)隊開發(fā)了一種Transformer編碼器和指紋圖譜相結(jié)合的方法如何利用革命性的蛋白質(zhì)結(jié)構(gòu)工具來發(fā)現(xiàn)藥物？AlphaFold 發(fā)現(xiàn)了數(shù)千種可能的致幻劑國家蛋白質(zhì)科學(xué)中心&北工大團(tuán)隊開發(fā)了一種深度學(xué)習(xí)工具，用于大型隊列 LC-MS 數(shù)據(jù)分析靈敏度超40%、精度達(dá)90%的從頭肽測序，一種深度學(xué)習(xí)驅(qū)動的串聯(lián)質(zhì)譜分析方法降低預(yù)測誤差，中國科學(xué)院團(tuán)隊開發(fā)用于預(yù)測酶動力學(xué)參數(shù)的統(tǒng)一框架上海交大&中山大學(xué)團(tuán)隊使用ESMFold、預(yù)訓(xùn)練語言模型以及Graph Transformer，進(jìn)行蛋白質(zhì)結(jié)合位點預(yù)測