
Cell:我国科学家利用人工智能驱动的策略实现了蛋白质的快速高效进化
研究人员开发了AiCEmulti模块,该模块整合了进化耦合约束。这使得在极低计算成本下准确预测多个高适应度突变成为可能,从而扩展了该工具的灵活性和实用性。
Science:利用AI设计出精确的分子制导导弹,精准攻击癌细胞
这种新开发的AI平台旨在解决癌症免疫疗法中的一个主要挑战:展示科学家如何开发针对肿瘤细胞的靶向治疗,同时避免损伤健康组织。
Science:利用人工智能揭示蛋白质稳定性规则,有望推进蛋白质工程变革
蛋白质稳定性遵循的规则比之前认为的更简单,这一证实可以大幅减少蛋白质设计的试错阶段,为开发具有医疗或工业应用的蛋白质(如更环保的催化剂或更持久的药物)节省大量时间和精力。
Cell子刊:上海交大孙加源/熊红凯/戴文睿团队开发肺病诊断AI系统,准确率媲美专家
AI-CEMA 系统通过提供自动化、无创且专家级的诊断,在胸腔内淋巴结肿大和肺部病变的临床诊断中展现了巨大潜力。
Science:新型人工智能工具模拟蛋白质动力学,助力药物发现和蛋白质研究
BioEmu将超过200毫秒的分子动力学模拟与实验数据相结合,以接近实验的精度预测结构集合和热力学性质。
Nature重磅:AI利用常规心电图发现结构性心脏病,准确率超越人类心脏病专家
结果表明,AI 辅助提高了心脏病专家通过心电图诊断结构性心脏病的准确率,但仍逊色于 EchoNext 模型的效果。
Nature Biotechnology:破壁!AI为药物数据搭建“通用桥梁”,新药研发迎来“宇宙大一统”?
CLIPⁿ的诞生,为我们解决HCS数据整合这一长期存在的挑战,提供了一个强大而优雅的解决方案。它通过巧妙的对比学习和专属编码器设计,成功地为描述细胞状态的各种“数据方言”创造了一种“统一语言”。
Cell:先导编辑+AI,全面解析ATM基因所有点突变的功能
该研究利用先导编辑和深度学习对 ATM 基因所有可能的 27513 种单核苷酸突变(SNV)进行了全面功能评估,并开发了一种深度学习模型——DeepATM。
Nature Medicine:如何用“病理学GPT”颠覆肺癌诊断,让三周等待缩短为44分钟?
EAGLE的出现,为他描绘了一幅崭新的图景:活检之后,不再是遥遥无期的等待和对组织耗尽的担忧。取而代之的,是一个快速、精准、无损的AI预筛查。
Nature子刊:多模态AI模型,预测心脏病患者死亡风险
该研究开发了一种多模态 AI 模型——MAARS,通过分析多模态医疗数据来预测肥厚型心肌病(HCM)患者的室性心律失常死亡。