過去一年，AI 掀起了全球的變革浪潮，生物醫(yī)藥領(lǐng)域尤為引人注目。

以 AlphaFold 為代表的 AI 系統(tǒng)，能夠以前所未有的精度預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)，為理解蛋白質(zhì)功能和開發(fā)靶向藥物提供了革命性工具。在藥物研發(fā)領(lǐng)域，AI 不僅可以基于海量藥物數(shù)據(jù)，預(yù)測(cè)藥物特性，還可設(shè)計(jì)新藥，縮短藥物從實(shí)驗(yàn)室到臨床的研發(fā)周期。同時(shí)，AI 還可從海量基因測(cè)序數(shù)據(jù)中精準(zhǔn)挖掘信息，快速識(shí)別基因突變，助力科研人員鎖定與疾病相關(guān)的基因變異。此外，AI 還可優(yōu)化細(xì)胞分化過程、推動(dòng)細(xì)胞大模型的研發(fā)......

隨著 2024 年諾貝爾化學(xué)獎(jiǎng)授予計(jì)算蛋白質(zhì)設(shè)計(jì)與蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域，AI 在生物醫(yī)藥領(lǐng)域的革命性作用再次得到全球認(rèn)可。

本期文章，HyperAI超神經(jīng)聚焦 AI 在生物醫(yī)藥領(lǐng)域的最新研究，為讀者精選了 2023—2024 年間解讀的 46 篇前沿論文。這些論文覆蓋 CVPR 2024、ICLM 2024、ACL 2024、Nature 等國(guó)際知名頂會(huì)/期刊，研究單位則遍布國(guó)內(nèi)外頂級(jí)高校與機(jī)構(gòu)，包括微軟研究院、DeepMind、麻省理工學(xué)院、加州大學(xué)、中國(guó)科學(xué)院、清華大學(xué)、復(fù)旦大學(xué)、北京大學(xué)、浙江大學(xué)、上海交通大學(xué)、上海人工智能實(shí)驗(yàn)室等。

點(diǎn)擊下方論文題目或中文解讀，即可跳轉(zhuǎn)論文解讀頁(yè)面，希望對(duì)您有所幫助。

01

論文題目：Accurate de novo design of high-affinity protein binding macrocycles using deep learning, 2024.11

中文解讀：David Baker最新成果！從頭設(shè)計(jì)大環(huán)肽結(jié)合物框架RFpeptides，為不可成藥蛋白質(zhì)提供新可能性

研究?jī)?nèi)容：David Baker 團(tuán)隊(duì)研發(fā)了一項(xiàng)新的基于擴(kuò)散模型的技術(shù)——RFpeptides，專門針對(duì)多種蛋白靶標(biāo)設(shè)計(jì)高親和力的大環(huán)結(jié)合物。

02

論文題目：BIoCLIP: A Vision Foundation Model for the Tree of Life, 2024.02

中文解讀：CVPR最佳學(xué)生論文！1千萬(wàn)張圖像、跨越45萬(wàn)+物種的超大數(shù)據(jù)集，多模態(tài)模型BioCLIP實(shí)現(xiàn)零樣本學(xué)習(xí)

研究?jī)?nèi)容：美國(guó)俄亥俄州立大學(xué)、微軟研究院、加州大學(xué)歐文分校、倫斯勒理工學(xué)院等發(fā)布了迄今最大、最具多樣性的適用于機(jī)器學(xué)習(xí)的生物學(xué)圖像數(shù)據(jù)集 TreeOfLife-10M，并開發(fā)了生命之樹的基礎(chǔ)模型 BioCLIP，該模型充分利用 TreeOfLife-10M 中植物、動(dòng)物和真菌的多樣化生物圖像，在多種細(xì)粒度生物學(xué)分類任務(wù)中，其表現(xiàn)顯著優(yōu)于現(xiàn)有方法。

03

論文題目：Y-Mol: A Multiscale Biomedical Knowledge-Guided Large Language Model for Drug Development, 2024.10

中文解讀：首個(gè)！四大高校聯(lián)合推出藥物研發(fā)大語(yǔ)言模型Y-Mol，性能全面領(lǐng)先LLaMA2

研究?jī)?nèi)容：湖南大學(xué)、中南大學(xué)、湖南師范大學(xué)、湘潭大學(xué)的研究團(tuán)隊(duì)聯(lián)合提出了一種多尺度生物醫(yī)學(xué)知識(shí)指導(dǎo)的大語(yǔ)言模型 Y-Mol，它能夠在不同的文本語(yǔ)料庫(kù)和指令上進(jìn)行微調(diào)，增強(qiáng)了模型在藥物研發(fā)方面的性能與潛力。

04

論文題目：Pathway Evolution Through a Bottlenecking-Debottlenecking Strategy and Machine Learning-Aided Flux Balancing, 2024.02

中文解讀：合成生物新突破！中科院羅小舟團(tuán)隊(duì)開發(fā) ProEnsemble 機(jī)器學(xué)習(xí)框架：優(yōu)化進(jìn)化通路啟動(dòng)子組合

研究?jī)?nèi)容：中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院合成所，將自動(dòng)化和 ProEnsemble 機(jī)器學(xué)習(xí)框架結(jié)合，攻克了代謝途徑進(jìn)化不確定性的技術(shù)壁壘，實(shí)現(xiàn)了柚皮素產(chǎn)量從實(shí)驗(yàn)室到工業(yè)規(guī)模生產(chǎn)的跨越，其通用型底盤可成功合成高產(chǎn)量黃酮類化合物。

05

論文題目：Deep Learning-Assisted Automated Multidimensional Single Particle Tracking in Living Cells, 2024.03

中文解讀：納米尺度下的單粒子追蹤，廈門大學(xué)方寧團(tuán)隊(duì)用 AI 奏響「細(xì)胞里的搖滾」

研究?jī)?nèi)容：廈門大學(xué)方寧教授團(tuán)隊(duì)基于深度學(xué)習(xí)，研發(fā)了一種自動(dòng)化、高速、多維的單粒子追蹤 (SPT) 系統(tǒng)，打破了細(xì)胞微環(huán)境中納米顆粒旋轉(zhuǎn)追蹤的局限性。

06

論文題目：AlphaFold Meets Flow Matching for Generating Protein Ensembles, 2024.06

中文解讀：入選ICML！麻省理工團(tuán)隊(duì)基于AlphaFold實(shí)現(xiàn)新突破，揭示蛋白質(zhì)動(dòng)態(tài)多樣性

研究?jī)?nèi)容：麻省理工學(xué)院的研究團(tuán)隊(duì)選用 AlphaFold 和 ESMFold，并在自定義流匹配 (Flow Matching) 框架下對(duì)其進(jìn)行微調(diào)，以獲得序列條件的蛋白質(zhì)結(jié)構(gòu)生成模型，稱為 AlphaFLOW 和 ESMFLOW。

07

論文題目：ProSST: Protein Language Modeling with Quantized Structure and Disentangled Attention, 2024.05

中文解讀：PLM重大突破！上海交大與上海AI Lab最新成果入選NeurIPS 24，ProSST有效整合蛋白質(zhì)結(jié)構(gòu)信息

研究?jī)?nèi)容：上海交通大學(xué)團(tuán)隊(duì)開發(fā)出具有結(jié)構(gòu)感知能力的預(yù)訓(xùn)練蛋白質(zhì)語(yǔ)言模型 ProSST，能夠?qū)⒌鞍踪|(zhì)結(jié)構(gòu)和氨基酸序列信息有效融合，在熱穩(wěn)定性預(yù)測(cè)、金屬離子結(jié)合預(yù)測(cè)、蛋白質(zhì)定位預(yù)測(cè)、 GO 注釋預(yù)測(cè)等任務(wù)中優(yōu)于現(xiàn)有模型。

08

論文題目：Cytochrome P450 Enzyme Design by Constraining the Catalytic Pocket in a Diffusion Model, 2024.07

中文解讀：催化能力提高 3.5 倍！中科院團(tuán)隊(duì)基于擴(kuò)散模型，開發(fā) P450 酶從頭設(shè)計(jì)方法 P450Diffusion

研究?jī)?nèi)容：中國(guó)科學(xué)院天津工業(yè)生物技術(shù)研究所的新酶設(shè)計(jì)團(tuán)隊(duì)，開發(fā)了基于擴(kuò)散模型和口袋設(shè)計(jì)原則的 P450 酶從頭設(shè)計(jì)方法 P450Diffusion。

09

論文題目：DePLM: Denoising Protein Language Models for Property Optimization, 2024.11

中文解讀：入選NeurIPS 24！浙大團(tuán)隊(duì)提出全新去噪蛋白質(zhì)語(yǔ)言模型DePLM，突變效應(yīng)預(yù)測(cè)優(yōu)于SOTA模型

研究?jī)?nèi)容：浙江大學(xué)團(tuán)隊(duì)提出了一種針對(duì)蛋白質(zhì)優(yōu)化的全新去噪蛋白質(zhì)語(yǔ)言模型 (DePLM)，可將蛋白質(zhì)語(yǔ)言模型捕捉到的進(jìn)化信息視為與特性相關(guān)和無(wú)關(guān)信息的混合體，其中無(wú)關(guān)信息被視為「噪音」消除，模型具有強(qiáng)大的泛化能力。

10

論文題目：EquiPocket: an E(3)-Equivariant Geometric Graph Neural Network for Ligand Binding Site Prediction, 2024.07

中文解讀：入選ICML！人大團(tuán)隊(duì)將等變圖神經(jīng)網(wǎng)絡(luò)用于靶蛋白結(jié)合位點(diǎn)預(yù)測(cè)，性能最高提升20%

研究?jī)?nèi)容：中國(guó)人民大學(xué)高瓴人工智能學(xué)院的研究團(tuán)隊(duì)首次將 E(3) 等變圖神經(jīng)網(wǎng)絡(luò) (GNN) 應(yīng)用于配體結(jié)合位點(diǎn)預(yù)測(cè)，提出 EquiPocket 框架，有助于藥物發(fā)現(xiàn)等各種下游任務(wù)。

11

論文題目：DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model, 2024.02

中文解讀：實(shí)現(xiàn)蛋白質(zhì)動(dòng)態(tài)對(duì)接預(yù)測(cè)！上海交大/星藥科技/中山大學(xué)等聯(lián)合推出幾何深度生成模型DynamicBind

研究?jī)?nèi)容：上海交通大學(xué)聯(lián)合星藥科技、中山大學(xué)藥學(xué)院以及美國(guó)萊斯大學(xué)，提出了為蛋白質(zhì)「動(dòng)態(tài)對(duì)接」設(shè)計(jì)的幾何深度生成模型 DynamicBind，該方法在國(guó)際藥物篩選大賽 CACHE 上被濕實(shí)驗(yàn)驗(yàn)證，可為治療帕金森疾病的難成藥靶點(diǎn)篩選出具有競(jìng)爭(zhēng)力的苗頭化合物。

12

論文題目：Exploring the Conformational Ensembles of Protein–Protein Complex with Transformer-Based Generative Model, 2024.05

中文解讀：韓國(guó)版AlphaFold？深度學(xué)習(xí)模型AlphaPPIMd：用于蛋白質(zhì)-蛋白質(zhì)復(fù)合物構(gòu)象集合探索

研究?jī)?nèi)容：延世大學(xué)及其合作者將深度學(xué)習(xí)與生成式 AI 結(jié)合，構(gòu)建 AlphaPPIMd 模型，通過分子動(dòng)力學(xué)模擬揭示出蛋白質(zhì)相互作用的奧秘。

13

論文題目：UniIF: Unified Molecule Inverse Folding, 2024.05

中文解讀：入選NeurIPS 2024！西湖大學(xué)提出通用分子逆折疊模型UniIF，對(duì)AlphaFold 3形成進(jìn)一步補(bǔ)充

研究?jī)?nèi)容：西湖大學(xué)未來產(chǎn)業(yè)研究中心的團(tuán)隊(duì)提出了 UniIF 模型，用于所有分子的逆折疊，該模型在蛋白質(zhì)設(shè)計(jì)、RNA 設(shè)計(jì)和材料設(shè)計(jì)等多個(gè)任務(wù)上都達(dá)到了最先進(jìn)的性能。

14

論文題目：A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity, 2024.09

中文解讀：權(quán)威期刊Cell Discovery新成果！上海交大洪亮團(tuán)隊(duì)提出CPDiffusion模型，超低成本、全自動(dòng)設(shè)計(jì)功能型蛋白質(zhì)

研究?jī)?nèi)容：上海交通大學(xué)團(tuán)隊(duì)設(shè)計(jì)了一種擴(kuò)散概率模型框架 CPDiffusion，該框架能夠以非常低的訓(xùn)練成本、數(shù)據(jù)成本學(xué)習(xí)蛋白質(zhì)的序列、結(jié)構(gòu)與功能之間的隱含映射關(guān)系，從而生成多樣化的蛋白質(zhì)序列。

15

論文題目：ProtT3: Protein-to-Text Generation for Text-based Protein Understanding, 2023.05

中文解讀：入選ACL 2024！實(shí)現(xiàn)蛋白質(zhì)數(shù)據(jù)與文本信息跨模態(tài)解讀，中科大王翔團(tuán)隊(duì)提出蛋白質(zhì)-文本生成框架ProtT3

研究?jī)?nèi)容：中國(guó)科學(xué)技術(shù)大學(xué)，聯(lián)合新加坡國(guó)立大學(xué)、北海道大學(xué)研究團(tuán)隊(duì)提出了一個(gè)全新的蛋白質(zhì)-文本建模框架 ProtT3，該框架通過跨模態(tài)投影器，將具有模態(tài)差異的 PLM 與 LM 結(jié)合，在蛋白質(zhì)字幕、蛋白質(zhì)問答、蛋白質(zhì)-文本檢索任務(wù)中均取得了優(yōu)異性能。

16

論文題目：InstructProtein: Aligning Human and Protein Language via Knowledge Instruction, 2023.10

中文解讀：入選ACL2024主會(huì) | InstructProtein：利用知識(shí)指令對(duì)齊蛋白質(zhì)語(yǔ)言與人類語(yǔ)言

研究?jī)?nèi)容：浙江大學(xué)研究團(tuán)隊(duì)提出 InstructProtein，利用知識(shí)指令對(duì)齊蛋白質(zhì)語(yǔ)言與人類語(yǔ)言，展示了將生物序列整合到大語(yǔ)言模型的能力。

17

論文題目：ESM All-Atom: Multi-scale Protein Language Model for Unified Molecular Modeling, 2024.06

中文解讀：入選頂會(huì)ICML，清華AIR等聯(lián)合發(fā)布蛋白質(zhì)語(yǔ)言模型ESM-AA，超越傳統(tǒng)SOTA

研究?jī)?nèi)容：清華大學(xué)、北京大學(xué)、南京大學(xué)的聯(lián)合研究團(tuán)隊(duì)提出了一種多尺度的蛋白質(zhì)語(yǔ)言模型 ESM-AA，在靶點(diǎn)-配體結(jié)合等任務(wù)上的性能顯著提升。

18

論文題目：Sequence modeling and design from molecular to genome scale with Evo, 2024.11

中文解讀：搶先體驗(yàn)Demo！基因組基礎(chǔ)模型Evo登Science封面，實(shí)現(xiàn)從分子到基因組尺度的預(yù)測(cè)與生成

研究?jī)?nèi)容：Evo 模型可預(yù)測(cè)、生成和設(shè)計(jì)基因組序列，有望被應(yīng)用于基因編輯、藥物發(fā)現(xiàn)、疾病診斷、農(nóng)業(yè)等領(lǐng)域，HyperAI超神經(jīng)教程版塊現(xiàn)已上線「Evo：從分子到基因組規(guī)模的預(yù)測(cè)和生成」，一鍵克隆即可快速體驗(yàn)！

19

論文題目：Large-scale foundation model on single-cell transcriptomics, 2024.06

中文解讀：1億參數(shù)的細(xì)胞大模型來了！登Nature子刊，清華大學(xué)團(tuán)隊(duì)發(fā)布scFoundation：對(duì)2萬(wàn)基因同時(shí)建模

研究?jī)?nèi)容：清華大學(xué)自動(dòng)化系生命基礎(chǔ)模型實(shí)驗(yàn)室和電子系/AIR 合作開展研究，構(gòu)建了擁有 1 億參數(shù)的 scFoundation 細(xì)胞大模型，能夠同時(shí)處理約 2 萬(wàn)個(gè)基因，在細(xì)胞測(cè)序深度增強(qiáng)、細(xì)胞藥物響應(yīng)預(yù)測(cè)和細(xì)胞擾動(dòng)預(yù)測(cè)等任務(wù)中，表現(xiàn)出顯著的性能提升。

20

論文題目：Enhancing efficiency of protein language models with minimal wet-lab data through few-shot learning, 2024.07

中文解讀：20個(gè)實(shí)驗(yàn)數(shù)據(jù)創(chuàng)造AI蛋白質(zhì)里程碑！上海交大聯(lián)合上海AI Lab發(fā)布FSFP，有效優(yōu)化蛋白質(zhì)預(yù)訓(xùn)練模型

研究?jī)?nèi)容：上海交通大學(xué)聯(lián)合上海人工智能實(shí)驗(yàn)室，提出了一個(gè)基于蛋白質(zhì)預(yù)訓(xùn)練模型的微調(diào)訓(xùn)練方法 FSFP，能在只利用 20 個(gè)隨機(jī)濕實(shí)驗(yàn)數(shù)據(jù)的情況下，高效訓(xùn)練蛋白質(zhì)預(yù)訓(xùn)練模型，且大幅提高模型的單點(diǎn)突變預(yù)測(cè)陽(yáng)性率。

21

論文題目：Protein Engineering with Lightweight Graph Denoising Neural Networks, 2024.04

中文解讀：無(wú)實(shí)驗(yàn)數(shù)據(jù)指導(dǎo)蛋白質(zhì)定向進(jìn)化，上海交大洪亮課題組發(fā)表微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò) ProtLGN

研究?jī)?nèi)容：上海交通大學(xué)研發(fā)了一種名為 P(ROT)LGN 的微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò)，能夠從蛋白質(zhì)三維結(jié)構(gòu)中學(xué)習(xí)并預(yù)測(cè)有益的氨基酸突變位點(diǎn)，指導(dǎo)具有不同功能白質(zhì)單位點(diǎn)突變和多位點(diǎn)突變?cè)O(shè)計(jì)。

22

論文題目：Tissue module discovery in single-cell resolution spatial transcriptomics data via cell-cell interaction-aware cell embedding, 2024.06

中文解讀：登 Cell 子刊！清華大學(xué)張強(qiáng)鋒課題組開發(fā) SPACE 算法，組織模塊發(fā)現(xiàn)能力領(lǐng)先同類工具

研究?jī)?nèi)容：清華大學(xué)生命科學(xué)學(xué)院/結(jié)構(gòu)生物學(xué)高精尖創(chuàng)新中心/清華-北大生命科學(xué)聯(lián)合中心開發(fā)了基于圖自編碼器深度學(xué)習(xí)框架的人工智能算法 SPACE，能夠從單細(xì)胞分辨率的空間轉(zhuǎn)錄組數(shù)據(jù)中識(shí)別空間細(xì)胞類型和發(fā)現(xiàn)組織模塊。

23

論文題目：Deep Learning Empowers the Discovery of Self-AssemblingPeptides with Over 10 Trillion Sequences, 2023.09

中文解讀：西湖大學(xué)利用 Transformer 分析百億多肽的自組裝特性，破解自組裝法則

研究?jī)?nèi)容：西湖大學(xué)團(tuán)隊(duì)利用基于 Transformer 的回歸網(wǎng)絡(luò)，對(duì)百億種多肽的自組裝特性進(jìn)行了預(yù)測(cè)，并分析得到了不同位置氨基酸對(duì)自組裝特性的影響，為自組裝多肽的研究提供了強(qiáng)力的新工具。

24
論文題目：IMN4NPD: An Integrated Molecular Networking Workflow for Natural Product Dereplication, 2024.02

中文解讀：全面挖掘天然藥物的藥效成分，中南大學(xué)劉韶教授團(tuán)隊(duì)構(gòu)建 IMN4NPD 平臺(tái)

研究?jī)?nèi)容：中南大學(xué)團(tuán)隊(duì)通過整合兩個(gè)不同的分子網(wǎng)絡(luò)，構(gòu)建了 IMN4NPD 平臺(tái)，可用于全面挖掘微量且結(jié)構(gòu)特異性的天然藥物藥效成分。

25

論文題目：AlphaProteo generates novel proteins for biology and health research, 2024.09

中文解讀：DeepMind新成果被批像廣告？AlphaProteo可高效設(shè)計(jì)靶蛋白結(jié)合物，親和力提高300倍

研究?jī)?nèi)容：DeepMind 發(fā)布用于新型蛋白質(zhì)設(shè)計(jì)的 AlphaProteo，只需要通過一輪中等通量篩選，無(wú)需進(jìn)一步優(yōu)化，即可生成「即用型」蛋白質(zhì)結(jié)合劑。

26

論文題目：Fast, sensitive detection of protein homologs using deep dense retrieval, 2024.08

中文解讀：靈敏度提高56%，港中文/復(fù)旦/耶魯?shù)嚷?lián)袂提出全新蛋白質(zhì)同源物檢測(cè)方法

研究?jī)?nèi)容：香港中文大學(xué)聯(lián)合復(fù)旦大學(xué)智能復(fù)雜體系實(shí)驗(yàn)室、上海人工智能實(shí)驗(yàn)室、耶魯大學(xué)提出了一種超快速、高靈敏度的蛋白質(zhì)同源物檢測(cè)框架。

27

論文題目：Generating All-Atom Protein Structure from Sequence-Only Training Data, 2024.12

中文解讀：LeCun轉(zhuǎn)發(fā)，UC伯克利等提出多模態(tài)蛋白質(zhì)生成方法PLAID，同時(shí)生成序列和全原子蛋白結(jié)構(gòu)

研究?jī)?nèi)容：加州大學(xué)伯克利分校、微軟研究院等提出了一種多模態(tài)蛋白質(zhì)生成方法 PLAID ，可以從更豐富的數(shù)據(jù)模態(tài) (例如序列) 生成較稀缺的模態(tài) (例如晶體結(jié)構(gòu)) 來實(shí)現(xiàn)多模態(tài)生成。

28

論文題目：Accurate proteome-wide missense variant effect prediction with AlphaMissense, 2023.09

中文解讀：DeepMind 利用無(wú)監(jiān)督學(xué)習(xí)開發(fā) AlphaMissense，預(yù)測(cè) 7100 萬(wàn)種基因突變

研究?jī)?nèi)容：DeepMind 開發(fā)了 AlphaMissense，并對(duì)人類可能出現(xiàn)的 7,100 萬(wàn)種基因錯(cuò)義突變進(jìn)行預(yù)測(cè)發(fā)現(xiàn)，其中 32% 可能為致病性突變，57% 可能為良性突變，這些結(jié)果將極大促進(jìn)分子生物學(xué)、基因組學(xué)、臨床醫(yī)學(xué)等學(xué)科的發(fā)展。

29

論文題目：An engineered DNA aptamer-based PROTAC for precise therapy of p53-R175H hotspot mutant-driven cancer, 2024.05

中文解讀：可抑制癌細(xì)胞增殖！慧湖藥學(xué)院聯(lián)手天津醫(yī)科大，研發(fā)新型腫瘤抑制蛋白降解劑 dp53m

研究?jī)?nèi)容：西交利物浦大學(xué)慧湖藥學(xué)院聯(lián)合天津醫(yī)科大學(xué)總醫(yī)院，研發(fā)了一種具有選擇性的 p53-R175H 降解劑——dp53m，該降解劑可以特異性識(shí)別突變 p53-R175H 蛋白，實(shí)現(xiàn)目標(biāo)蛋白的靶向降解，抑制突變 p53 蛋白的功能性表達(dá)。

30

論文題目：Transfer learning enables identification of multiple types of RNA modifications using nanopore direct RNA sequencing, 2024.05

中文解讀：上海交大余祥課題組發(fā)布可遷移深度學(xué)習(xí)模型，鑒定多類型 RNA 修飾、顯著減少計(jì)算成本

研究?jī)?nèi)容：上海交通大學(xué)，聯(lián)合上海辰山植物園團(tuán)隊(duì)，開發(fā)了可遷移深度學(xué)習(xí)模型 TandemMod，實(shí)現(xiàn)了在直接 RNA 測(cè)序 (DRS) 中鑒定多種類型的 RNA 修飾。

31

論文題目：Drug repositioning with adaptive graph convolutional networks, 2024.01

中文解讀：老藥新用，中南大學(xué)團(tuán)隊(duì)發(fā)布 AdaDR，基于自適應(yīng)圖卷積網(wǎng)絡(luò)進(jìn)行藥物重定位

研究?jī)?nèi)容：中南大學(xué)研究團(tuán)隊(duì)提出了一種名為 AdaDR 的自適應(yīng) GCN 方法，通過深度集成節(jié)點(diǎn)特征和拓?fù)浣Y(jié)構(gòu)來進(jìn)行藥物重定位。

32

論文題目：Generative AI for designing and validating easily synthesizable and structurally novel antibiotics, 2024.03

中文解讀：千萬(wàn)耐藥細(xì)菌感染病患福音！麥馬聯(lián)手斯坦福，用生成式 AI 開發(fā)新型抗生素

研究?jī)?nèi)容：麥克馬斯特大學(xué)和斯坦福大學(xué)的研究人員，開發(fā)了一種生成式 AI 模型 SyntheMol，可以基于近 300 億個(gè)分子的化學(xué)空間，設(shè)計(jì)出易于合成的新型化合物。
33

論文題目：Viruslmmu: a novel ensemble machine learning approach for viral immunogenicity prediction, 2023.11

中文解讀：疫苗研發(fā)新突破：北航團(tuán)隊(duì)提出病毒抗原免疫原性預(yù)測(cè)新方法 VirusImmu

研究?jī)?nèi)容：北京航空航天大學(xué)團(tuán)隊(duì)，開發(fā)了一種用于病毒抗原免疫原性預(yù)測(cè)的機(jī)器學(xué)習(xí)集成方法 (Viruslmmu)，在預(yù)測(cè)病毒蛋白片段的免疫原性方面表現(xiàn)出巨大的潛力，為疫苗開發(fā)人員提供一個(gè)工具。

34

論文題目：UniKP: a unified framework for the prediction of enzyme kinetic parameters, 2023.12

中文解讀：中科院羅小舟團(tuán)隊(duì)提出 UniKP 框架，大模型 + 機(jī)器學(xué)習(xí)高精度預(yù)測(cè)酶動(dòng)力學(xué)參數(shù)

研究?jī)?nèi)容：中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院團(tuán)隊(duì)提出了，基于酶動(dòng)力學(xué)參數(shù)預(yù)測(cè)框架 (UniKP)，實(shí)現(xiàn)多種不同的酶動(dòng)力學(xué)參數(shù)的預(yù)測(cè)。

35

論文題目：Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS, 2024.01

中文解讀：自主研發(fā)！軍事醫(yī)學(xué)研究院團(tuán)隊(duì)提出 MIDAS，可用于單細(xì)胞多組學(xué)數(shù)據(jù)馬賽克整合

研究?jī)?nèi)容：軍事醫(yī)學(xué)研究院團(tuán)隊(duì)，提出了一種用于單細(xì)胞多組學(xué)數(shù)據(jù)馬賽克式整合及知識(shí)遷移的計(jì)算工具 MIDAS，首次實(shí)現(xiàn)了通用的單細(xì)胞多組學(xué)馬賽克數(shù)據(jù)的模態(tài)對(duì)齊、數(shù)據(jù)補(bǔ)全、批次校正等整合功能。

36

論文題目：ResGen is a pocket-aware 3D molecular generation model based on parallel multiscale modelling, 2023.09

中文解讀：比最優(yōu)技術(shù)快 8 倍：浙大侯廷軍等人提出 ResGen，基于蛋白質(zhì)口袋的 3D 分子生成模型

研究?jī)?nèi)容：浙江大學(xué)與之江實(shí)驗(yàn)室研究團(tuán)隊(duì)提出了一種基于蛋白質(zhì)口袋的 3D 分子生成模型——ResGen，與以往最優(yōu)技術(shù)相比，速度提升 8 倍，成功地生成了具有更低結(jié)合能和更高多樣性的類藥物分子。

37

論文題目：A principal odor map unifies diverse tasks in olfactory perception, 2023.08

中文解讀：Google 基于 GNN 開發(fā)氣味識(shí)別 AI，工作量相當(dāng)于人類評(píng)價(jià)員連續(xù)工作 70 年

研究?jī)?nèi)容：Google Research 的分支 Osmo 公司基于圖神經(jīng)網(wǎng)絡(luò)開發(fā)了一種氣味分析 AI。它可以根據(jù)化學(xué)分子的結(jié)構(gòu)，對(duì)該分子的氣味進(jìn)行描述，在 53% 的化學(xué)分子、55% 的氣味描述詞判斷中優(yōu)于人類。

38

論文題目：Machine learning enhances prediction of plants as potential sources of antimalarials, 2023.05

中文解讀：英國(guó)皇家植物園采用機(jī)器學(xué)習(xí)預(yù)測(cè)植物抗瘧性，將準(zhǔn)確率從 0.46 提升至 0.67

研究?jī)?nèi)容：英國(guó)皇家植物園及圣安德魯斯大學(xué)的研究人員證明了機(jī)器學(xué)習(xí)算法能夠有效預(yù)測(cè)植物抗瘧性，準(zhǔn)確率為 0.67，相較傳統(tǒng)試驗(yàn)方法的 0.46，有明顯提升。

39

論文題目：Machine learning models to accelerate the design of polymeric long-acting injectables, 2023.01

中文解讀：橫向?qū)Ρ?11 種算法，多倫多大學(xué)推出機(jī)器學(xué)習(xí)模型，加速長(zhǎng)效注射劑新藥研發(fā)

研究?jī)?nèi)容：多倫多大學(xué)研究人員開發(fā)了一個(gè)機(jī)器學(xué)習(xí)模型，可預(yù)測(cè)長(zhǎng)效注射劑藥物釋放速率，提速藥物整體研發(fā)流程。

40

論文題目：Macrocyclization of linear molecules by deep learning to facilitate macrocyclic drug candidates discovery, 2023.07

中文解讀：華東理工李洪林課題組開發(fā) Macformer，加速大環(huán)類藥物發(fā)現(xiàn)

研究?jī)?nèi)容：華東理工大學(xué)團(tuán)隊(duì)基于 Transformer 開發(fā)了 Macformer，成功將無(wú)環(huán)藥物菲卓替尼大環(huán)化，得到了藥效更強(qiáng)的新化合物，為藥物開發(fā)提供了新方法。

41

論文題目：A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems, 2023.06

中文解讀：北京大學(xué)研發(fā)基于機(jī)器學(xué)習(xí)的多能干細(xì)胞分化系統(tǒng)，高效、穩(wěn)定制備功能性細(xì)胞

研究?jī)?nèi)容：北京大學(xué)聯(lián)合北京交通大學(xué)團(tuán)隊(duì)研發(fā)了一個(gè)基于活細(xì)胞明場(chǎng)動(dòng)態(tài)圖像和機(jī)器學(xué)習(xí)的分化系統(tǒng)，能夠?qū)崟r(shí)智能調(diào)節(jié)和優(yōu)化多能干細(xì)胞分化過程，實(shí)現(xiàn)對(duì)功能性細(xì)胞的高效、穩(wěn)定性生產(chǎn)。

42

論文題目：Predicting pharmaceutical inkjet printing outcomes using machine learning, 2023.12

中文解讀：藥物 3D 打印新突破：圣地亞哥大學(xué)用機(jī)器學(xué)習(xí)篩選噴墨打印生物墨水，準(zhǔn)確率高達(dá) 97.22%

研究?jī)?nèi)容：圣地亞哥德孔波斯特拉大學(xué)以及倫敦大學(xué)學(xué)院的研究人員將機(jī)器學(xué)習(xí)模型應(yīng)用于預(yù)測(cè)生物墨水可打印性，成功地提高了預(yù)測(cè)率。

43

論文題目：Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii, 2023.05

中文解讀：AI 對(duì)抗超級(jí)細(xì)菌：麥克馬斯特大學(xué)利用深度學(xué)習(xí)發(fā)現(xiàn)新型抗生素 abaucin

研究?jī)?nèi)容：麥克馬斯特大學(xué)以及來自麻省理工學(xué)院的研究人員利用深度學(xué)習(xí)篩選了大約 7,500 個(gè)分子，找出了抑制鮑曼不動(dòng)桿菌的新型抗生素。

44

論文題目：Discovery of Senolytics using machine learning, 2023.05

中文解讀：拒絕細(xì)胞衰老、遠(yuǎn)離老年疾病，愛丁堡大學(xué)給細(xì)胞開出 3 張「AI 抗衰處方」

研究?jī)?nèi)容：愛丁堡大學(xué)聯(lián)合坎塔布里亞大學(xué)利用機(jī)器學(xué)習(xí)發(fā)現(xiàn)了三種抗衰藥—— Ginkgetin, Periplocin 及 Oleandrin，并驗(yàn)證了其在人類細(xì)胞系中的抗衰作用。

45

論文題目：Rules and mechanisms governing G protein coupling selectivity of GPCRs, 2023.09

中文解讀：佛羅里達(dá)大學(xué)利用神經(jīng)網(wǎng)絡(luò)，解密 GPCR-G 蛋白偶聯(lián)選擇性

研究?jī)?nèi)容：佛羅里達(dá)大學(xué)的研究者測(cè)定了 GPCRs 和 G 蛋白的結(jié)合選擇性，并開發(fā)了預(yù)測(cè)二者選擇性的算法，對(duì)這一選擇性的結(jié)構(gòu)基礎(chǔ)進(jìn)行了研究。

46

論文題目：Discovery of a structural class of antibiotics with explainable deep learning, 2023.12

中文解讀：「超級(jí)細(xì)菌」魔咒或?qū)⒋蚱疲琈IT 利用深度學(xué)習(xí)發(fā)現(xiàn)新型抗生素

研究?jī)?nèi)容：MIT 的研究者們利用圖神經(jīng)網(wǎng)絡(luò) Chemprop 從大型化學(xué)庫(kù)中識(shí)別潛在的抗生素，并發(fā)現(xiàn)了一類新型抗生素。

來源: HyperAI超神經(jīng)