搜索
世界是变化的，分子是运动的，从预测静态单一结构走向动态构象分布是揭示蛋白质等生物分子功能的重要一步。探索蛋白质的构象分布，能帮助理解蛋白质与其他分子相互作用的生物过程；识别蛋白质表面下的潜在药物位点，描绘各个亚稳态之间的过渡路径，有助于研究人员设计出具有更强特异性和效力的目标抑制剂和治疗药物。但传统的分子动力学模拟方法昂贵且耗时，难以跨越长的时间尺度，从而观察到重要的生物过程。
Saprot在proteingym蛋白质突变预测任务公开基准榜（由牛津大学计算机与哈佛医学院设立）排名第一。相比，其他排名靠前的算法都是混合模型，专门针对突变任务设计，而Saprot不仅是单模型，而且是通用模型。
当人们还在呼唤GPT-5、辗转于各种聊天机器人争夺战时，Google已经把人工智能模型与现实世界的距离又拉近了一大步。
AlphaFold 3再登Nature！
AlphaFold 3是一款革命性的人工智能模型，成功预测了所有生命分子的结构和相互作用，为药物设计和基因组学研究带来了新的可能性。
尽管蛋白质结构预测取得了重大进展。但对于 80% 以上的蛋白质，迄今为止尚未发现小分子配体。识别大多数蛋白质的小分子配体仍具有挑战性。
近日，上海交通大学自然科学研究院/物理与天文学院/张江高等研究院洪亮课题组，在生物信息学和人工智能研究领域的国际权威学术期刊JCIM（Journal of Chemical Information and Modeling）上发表最新研究成果
蛋白质结构相比于序列往往被认为更加具有信息量，因为其直接决定了蛋白质的功能
全球每年有近 500 万人死于抗生素耐药性，因此迫切需要新的方法来对抗耐药菌株。AI 方法可以发现新的抗生素，但现有方法有明显的局限性。性质预测模型很难扩展到大型化学空间。直接设计分子的生成模型可以快速探索广阔的化学空间，但生成的分子难以合成。
36氪获悉，AI蛋白质设计服务提供商「天鹜科技」近日完成数千万元Pre-A轮融资，由金沙江联合资本领投，本草资本、晓池资本和四川交研资本跟投。本轮融资主要用于加速蛋白质工程通用大模型的行业应用，助力产业升级。